当前位置：首页 > news >正文

ROS2 Humble实战：用思岚A2激光雷达构建你的第一个SLAM感知节点

news 2026/5/30 22:43:19

ROS2 Humble实战：用思岚A2激光雷达构建SLAM感知节点

激光雷达作为机器人感知环境的核心传感器，在自主导航、三维重建等领域发挥着不可替代的作用。本文将带您从零开始，在ROS2 Humble环境中实现思岚A2激光雷达的数据订阅、处理与可视化全流程，为后续SLAM算法开发奠定基础。

1. 环境准备与硬件连接

在开始之前，请确保您已具备以下条件：

运行Ubuntu 22.04的计算机
已安装ROS2 Humble桌面版
思岚A2激光雷达及配套USB线缆

硬件连接注意事项：

建议使用原厂USB线缆，避免供电不足导致雷达工作异常
虚拟机用户需确认USB设备已正确透传
首次连接后执行ls /dev/ttyUSB*确认设备节点

为方便后续开发，建议为雷达创建永久设备别名：

# 进入驱动包脚本目录 cd ~/laser_ws/src/sllidar_ros2/scripts/ # 编辑udev规则脚本 nano create_udev_rules.sh # 执行规则创建 ./create_udev_rules.sh

执行后可通过ls -l /dev/ | grep ttyUSB验证别名是否生效，后续可直接使用/dev/rplidar设备路径。

2. 雷达数据订阅与解析

2.1 创建功能包

新建专门处理雷达数据的ROS2功能包：

ros2 pkg create slam_lidar --build-type ament_cmake --dependencies rclcpp sensor_msgs tf2 tf2_ros

2.2 编写数据订阅节点

创建lidar_subscriber.cpp实现基础数据订阅：

#include "rclcpp/rclcpp.hpp" #include "sensor_msgs/msg/laser_scan.hpp" class LidarSubscriber : public rclcpp::Node { public: LidarSubscriber() : Node("lidar_subscriber") { subscription_ = this->create_subscription<sensor_msgs::msg::LaserScan>( "/scan", 10, [this](const sensor_msgs::msg::LaserScan::SharedPtr msg) { processScan(msg); }); } private: void processScan(const sensor_msgs::msg::LaserScan::SharedPtr scan) { // 打印基础信息 RCLCPP_INFO(this->get_logger(), "Received scan with %zu ranges, angle_min: %.2f, angle_max: %.2f", scan->ranges.size(), scan->angle_min, scan->angle_max); // 示例：检测最近障碍物 auto min_it = std::min_element(scan->ranges.begin(), scan->ranges.end()); if (min_it != scan->ranges.end()) { RCLCPP_DEBUG(this->get_logger(), "Closest obstacle at %.2f meters", *min_it); } } rclcpp::Subscription<sensor_msgs::msg::LaserScan>::SharedPtr subscription_; }; int main(int argc, char * argv[]) { rclcpp::init(argc, argv); rclcpp::spin(std::make_shared<LidarSubscriber>()); rclcpp::shutdown(); return 0; }

关键参数说明：

参数名	类型	描述
angle_min	float	起始角度(弧度)
angle_max	float	结束角度(弧度)
angle_increment	float	角度分辨率
range_min	float	最小有效距离
range_max	float	最大有效距离
ranges	float[]	距离数据数组
intensities	float[]	强度数据数组

2.3 编译与测试

修改CMakeLists.txt添加可执行文件：

add_executable(lidar_subscriber src/lidar_subscriber.cpp) ament_target_dependencies(lidar_subscriber rclcpp sensor_msgs) install(TARGETS lidar_subscriber DESTINATION lib/${PROJECT_NAME})

编译并运行节点：

colcon build --packages-select slam_lidar source install/setup.bash ros2 run slam_lidar lidar_subscriber

3. 坐标变换与可视化集成

3.1 TF树配置

正确的坐标变换是SLAM系统的基础。创建lidar_tf_broadcaster.cpp发布雷达坐标系：

#include "tf2_ros/static_transform_broadcaster.h" #include "geometry_msgs/msg/transform_stamped.hpp" class LidarTFBroadcaster : public rclcpp::Node { public: LidarTFBroadcaster() : Node("lidar_tf_broadcaster") { tf_publisher_ = std::make_shared<tf2_ros::StaticTransformBroadcaster>(this); publishTransforms(); } private: void publishTransforms() { geometry_msgs::msg::TransformStamped lidar_tf; lidar_tf.header.stamp = this->now(); lidar_tf.header.frame_id = "base_link"; lidar_tf.child_frame_id = "laser"; lidar_tf.transform.translation.x = 0.1; lidar_tf.transform.translation.y = 0.0; lidar_tf.transform.translation.z = 0.2; lidar_tf.transform.rotation.w = 1.0; tf_publisher_->sendTransform(lidar_tf); } std::shared_ptr<tf2_ros::StaticTransformBroadcaster> tf_publisher_; };

3.2 Rviz2可视化配置

启动Rviz2进行数据可视化：

rviz2 -d $(ros2 pkg prefix slam_lidar)/share/slam_lidar/config/lidar.rviz

推荐显示配置：

添加LaserScan显示，Topic设置为/scan
添加TF显示查看坐标系关系
设置Fixed Frame为base_link

典型问题排查：

数据不显示：检查TF树是否完整，确认Fixed Frame与发布帧一致
点云错位：检查雷达安装位置与TF中定义的偏移量是否匹配
数据跳动：检查雷达固定是否稳固，避免振动干扰

4. SLAM应用集成实战

4.1 与Cartographer集成

修改Cartographer配置适配A2雷达：

include "map_builder.lua" include "trajectory_builder.lua" options = { map_builder = MAP_BUILDER, trajectory_builder = TRAJECTORY_BUILDER, tracking_frame = "laser", published_frame = "base_link", odom_frame = "odom", provide_odom_frame = true, use_odometry = false, num_laser_scans = 1, num_multi_echo_laser_scans = 0, use_nav_sat = false, use_landmarks = false, } MAP_BUILDER.use_trajectory_builder_2d = true TRAJECTORY_BUILDER_2D.use_imu_data = false TRAJECTORY_BUILDER_2D.min_range = 0.1 TRAJECTORY_BUILDER_2D.max_range = 12.0 TRAJECTORY_BUILDER_2D.missing_data_ray_length = 5.0

4.2 数据预处理技巧

为提高SLAM效果，可对原始雷达数据进行滤波处理：

// 在processScan函数中添加滤波逻辑 void processScan(const sensor_msgs::msg::LaserScan::SharedPtr scan) { std::vector<float> filtered_ranges; for (size_t i = 0; i < scan->ranges.size(); ++i) { float range = scan->ranges[i]; // 去除无效值 if (std::isinf(range) || std::isnan(range)) { continue; } // 距离范围过滤 if (range >= scan->range_min && range <= scan->range_max) { // 中值滤波示例 if (i > 0 && i < scan->ranges.size() - 1) { float prev = scan->ranges[i-1]; float next = scan->ranges[i+1]; if (abs(range - prev) > 0.5 && abs(range - next) > 0.5) { range = (prev + next) / 2.0; } } filtered_ranges.push_back(range); } } // 使用filtered_ranges继续处理... }

4.3 性能优化建议

降低计算负载：
- 适当降低雷达发布频率（10-15Hz通常足够）
- 在SLAM配置中调整submaps分辨率

提高数据质量：

# 创建质量检测节点 def quality_check(scan): valid_count = sum(1 for r in scan.ranges if scan.range_min <= r <= scan.range_max) ratio = valid_count / len(scan.ranges) if ratio < 0.7: warn("Low data quality: %.1f%% valid points" % (ratio*100))

多传感器同步：
- 使用message_filters实现雷达与IMU数据同步
- 配置approx_sync参数平衡延迟与同步精度

5. 进阶开发与调试技巧

5.1 数据录制与回放

使用ros2 bag工具录制关键数据：

ros2 bag record /scan /tf /tf_static -o lidar_data

回放时注意时间同步问题：

ros2 bag play lidar_data --clock --loop

5.2 常见问题解决方案

问题1：TF树不完整

[ERROR] [tf2_ros]: Could not find a connection between 'odom' and 'laser'

解决方案：

确认所有坐标系都正确发布
使用tf2_tools view_frames生成TF树图检查

问题2：数据延迟大

检查系统负载情况
考虑使用零拷贝方式订阅话题

问题3：Cartographer建图漂移

调整TRAJECTORY_BUILDER_2D.ceres_scan_matcher参数
增加闭环检测约束

5.3 扩展应用方向

动态障碍物检测：
- 比较连续帧差异识别运动物体
- 结合聚类算法提高检测精度
三维可视化：
- 将二维扫描转换为三维点云
- 与RGB-D相机数据融合

自主导航集成：

# 简单避障示例 def obstacle_avoidance(scan): front_ranges = scan.ranges[len(scan.ranges)//4:3*len(scan.ranges)//4] if min(front_ranges) < 0.5: return "STOP" return "MOVE_FORWARD"

在实际项目中，我们发现思岚A2雷达在室内5米范围内的建图精度可达±2cm，完全满足大多数服务机器人的导航需求。有个小技巧：定期用软布清洁雷达镜片可以显著减少噪点的产生，特别是在灰尘较多的环境中。

查看全文

http://www.cnnetsun.cn/news/2664222.html