企业官网建设流程全解析

1. 项目背景与核心需求拆解

宇树Go2这台四足机器狗，出厂自带的感知方案基本够用，但一旦你想做点正经的SLAM研究或者二次开发，原厂那套闭源的东西就不太够看了。我接手这个项目的出发点很直接：把Go2变成一个开放的SLAM实验平台，用Livox Mid360和Velodyne VLP16两种激光雷达分别跑通点云数据采集和建图流程，最终服务于自主导航和算法验证。

为什么选这两种雷达？Mid360是非重复扫描的代表，性价比高、体积小、重量轻，特别适合Go2这种对负载敏感的移动平台；VLP16则是机械旋转式雷达的经典款，16线、360度水平视场，点云规整、驱动成熟，是很多SLAM算法的默认输入格式。把这两种雷达都在Go2上跑通，等于同时覆盖了非重复扫描和机械旋转两大技术路线，后续换算法、换场景都不至于被硬件卡脖子。

这个项目适合谁？如果你手里有Go2，想用它做激光SLAM建图、自主导航、多传感器融合，或者单纯想把点云数据接出来自己玩，那这篇内容就是给你写的。不需要你是SLAM专家，但至少得懂Linux基础操作、ROS的基本概念，知道什么是话题、什么是TF变换。完全零基础的话，建议先补一下ROS入门，不然中间很多步骤会卡住。

核心需求其实就三个：第一，把雷达物理固定到Go2上，保证供电和数据传输稳定；第二，在ROS环境下把雷达驱动跑起来，拿到干净的点云数据；第三，验证点云质量，确保后续SLAM算法能正常吃进去。这三个需求看起来简单，但每一步都有坑，下面我按实际操作的顺序，把整个流程拆开讲。

2. 硬件选型与安装方案设计

2.1 两种雷达的特性对比与适用场景

Mid360和VLP16虽然都是激光雷达，但工作原理和输出特性差别很大，选哪个取决于你的具体任务。Mid360采用非重复扫描方式，视场角水平360度、垂直-7度到52度，等效线数会随着积分时间增加而提升，近距离点云密度非常高，但远距离点云会稀疏一些。VLP16是传统的16线机械旋转雷达，水平360度、垂直-15度到15度，每帧固定16线，点云分布均匀，远距离表现更稳定。

从Go2的负载能力来看，Mid360明显更友好，265克的重量几乎不影响机器狗的运动性能。VLP16加上支架和线缆接近1公斤，装在Go2背上会让重心偏高，快速行走或上下坡时稳定性会打折扣。但VLP16的点云格式是很多开源SLAM算法（比如LeGO-LOAM、LIO-SAM）的默认输入，省去了格式转换的麻烦。

我的建议是：如果你主要做室内建图和避障，优先用Mid360；如果要做室外大场景建图，或者想直接跑现成的SLAM方案，VLP16更省事。当然，两个都上也不是不行，但Go2的算力和供电需要提前评估。

2.2 机械安装与供电方案

安装位置直接影响到点云质量和机器狗的运动平衡。Mid360我建议装在Go2背部靠近头部的位置，用3D打印的支架固定，高度尽量低，减少对机器狗重心的影响。VLP16因为体积大，只能装在背部中央，但要注意线缆的走线，避免机器狗运动时拉扯接口。

供电是第一个大坑。Go2自带的电池输出是24V左右，Mid360支持9-27V输入，可以直接从Go2的电源接口取电，但需要做一个降压模块把24V降到12V左右，因为Mid360虽然标称支持27V，但长期跑在24V以上发热会比较明显。VLP16的输入范围是9-18V，必须降压到12V，直接接24V会烧掉。我用的是一款宽压输入、12V/5A输出的DC-DC降压模块，体积小、效率高，固定在支架下方。

注意：Go2的电源接口定义和普通无人机不太一样，动手前务必用万用表确认正负极和电压，接反了雷达直接报废。我第一次做的时候没确认，差点把Mid360烧了，后来养成了先量电压再接线的习惯。

数据线方面，两种雷达都是以太网接口，但Go2内部没有多余的网口，需要把网线从雷达引到Go2的算力模块上。我用的是超六类屏蔽网线，自己压的水晶头，长度控制在30厘米以内，减少信号衰减。如果走线太长，建议用工业级网线或者加一个网络交换机。

2.3 算力平台与软件环境规划

Go2自带的算力模块性能有限，跑SLAM算法比较吃力。我的方案是外挂一台NUC或者Jetson Orin NX，通过网线连接雷达，USB或者串口连接Go2的运动控制接口。这样雷达驱动和SLAM算法都跑在外挂算力上，Go2只负责运动，分工明确。

软件环境统一用Ubuntu 20.04 + ROS Noetic，这是目前最稳定的组合，两种雷达的驱动都有现成的ROS包。如果你用Ubuntu 22.04 + ROS2 Humble，驱动也能跑，但很多SLAM算法还是ROS1的生态更成熟，新手建议从ROS1开始。

网络配置是第二个大坑。Mid360和VLP16的默认IP地址不一样，Mid360是192.168.1.1xx网段，VLP16是192.168.1.201。外挂算力的网卡需要配置成同一网段的静态IP，否则雷达和电脑根本通信不了。我建议给雷达单独配一个USB网卡，专门用于雷达通信，不要和Go2的控制网络混在一起，避免IP冲突。

3. 雷达驱动配置与点云数据获取

3.1 Livox Mid360驱动安装与配置

Mid360的驱动安装相对简单，Livox官方提供了ROS版本的SDK。首先从Livox的GitHub仓库下载livox_ros_driver2，注意要选对分支，ROS1用master分支，ROS2用ros2分支。下载后放到工作空间的src目录下，用catkin_make编译。

编译之前需要修改配置文件，主要是雷达的IP地址和主机IP地址。在livox_ros_driver2/config目录下找到MID360_config.json，把lidar_configs里的ip改成雷达的实际IP，host_net_info里的host_ip改成外挂算力网卡的IP。这一步如果填错，驱动启动后会一直报“no data”错误。

# 编译livox_ros_driver2 cd ~/catkin_ws catkin_make source devel/setup.bash # 启动Mid360驱动 roslaunch livox_ros_driver2 msg_MID360.launch

启动成功后，用rostopic list应该能看到/livox/lidar和/livox/imu两个话题。点云数据在/livox/lidar上，格式是livox_ros_driver2/CustomMsg，不是标准的sensor_msgs/PointCloud2。如果要给SLAM算法用，需要写一个转换节点，把CustomMsg转成PointCloud2。Livox官方提供了一个转换脚本，但我觉得自己写一个更灵活，可以顺便做点云滤波和降采样。

实操心得：Mid360的点云数据量很大，一帧可能有几万个点，直接转PointCloud2会占用大量带宽。我一般会在转换节点里加一个体素滤波，把点云降采样到0.1米的分辨率，数据量减少70%以上，SLAM算法跑起来更流畅。

3.2 Velodyne VLP16驱动安装与配置

VLP16的驱动更成熟，ROS包是velodyne_pointcloud，直接apt安装或者源码编译都行。我习惯用源码编译，方便改参数。安装完成后，需要修改launch文件里的雷达IP和端口号。VLP16默认IP是192.168.1.201，数据端口是2368，位置端口是8308。

# 安装velodyne驱动 sudo apt-get install ros-noetic-velodyne # 启动VLP16驱动 roslaunch velodyne_pointcloud VLP16_points.launch

启动后，/velodyne_points话题上就是标准的sensor_msgs/PointCloud2格式，直接就能给SLAM算法用。VLP16的点云比较规整，每帧大约3万个点，数据量比Mid360小，但远距离点云更稳定。

VLP16有一个需要注意的地方：雷达的转速会影响点云密度。默认转速是600RPM，也就是每秒10帧，每帧360度。如果降到300RPM，每秒5帧，但每帧的点云密度翻倍。做建图的时候，我一般用600RPM，保证帧率；做精细扫描的时候，降到300RPM，提高点云质量。

3.3 点云数据可视化与质量检查

驱动跑起来之后，第一件事是用RViz看點云。Mid360的点云在RViz里需要把Fixed Frame设成livox_frame，VLP16设成velodyne。如果点云显示不出来，先检查TF变换有没有发出来，再用rostopic hz看一下话题有没有数据。

点云质量检查主要看三个方面：一是点云有没有明显的缺失或者畸变，二是点云的密度是否均匀，三是远距离点云是否稳定。Mid360在近距离（5米以内）点云非常密，但10米以外会明显稀疏；VLP16在20米以内点云都比较均匀，但垂直分辨率只有16线，地面和天空的点云会有分层。

我一般会用pcl_ros的工具做点云统计，比如计算点云的平均密度、最大距离、噪声点比例。如果噪声点太多，可以在驱动里加一个距离滤波，把太近和太远的点去掉。Mid360的最小探测距离是0.1米，VLP16是0.5米，太近的点往往是噪声，直接滤掉。

注意：RViz显示点云非常吃显卡，如果点云卡顿，可以把Decay Time调小，或者用PointCloud2的降采样显示。我刚开始用RViz的时候，点云一卡就以为驱动有问题，后来发现是显卡跟不上，换了个带独显的NUC就流畅了。

4. 点云数据后处理与SLAM建图验证

4.1 点云格式转换与预处理

Mid360的CustomMsg格式虽然包含了更多信息（比如每个点的反射率、标签），但大多数SLAM算法只认PointCloud2。转换的时候要注意，CustomMsg的时间戳是每个点独立的，转成PointCloud2后要保留这个信息，否则运动畸变校正会出问题。

我写了一个转换节点，核心逻辑是遍历CustomMsg的每个点，把x、y、z、intensity填到PointCloud2里，同时把每个点的时间偏移存到单独的通道里。这样SLAM算法在做去畸变的时候，可以根据每个点的时间戳做插值，精度比统一时间戳高很多。

预处理还包括降采样和滤波。降采样用体素滤波，分辨率设0.1米，既能保留细节又能减少数据量。滤波用直通滤波，把z轴方向太高和太低的点去掉，比如Go2身高0.4米，雷达装在0.5米高度，那z轴小于-0.5米和大于1米的点基本是地面反射或者天花板，直接滤掉。

4.2 基于LIO-SAM的建图实测

LIO-SAM是目前最流行的激光惯性SLAM算法之一，支持Mid360和VLP16。它的核心思想是用激光雷达做特征匹配，用IMU做运动先验，两者紧耦合，建图精度很高。我用Go2 + Mid360跑LIO-SAM，在室内走廊里建了一圈，回环检测很准，地图没有明显的重影。

配置LIO-SAM的时候，需要改params.yaml里的几个关键参数。雷达话题改成转换后的PointCloud2话题，IMU话题改成/livox/imu，点云降采样分辨率设0.2米，特征提取的曲率阈值设0.1。这些参数需要根据实际场景调，室内场景点云密，分辨率可以设小一点；室外场景点云稀，分辨率要设大一点。

VLP16跑LIO-SAM更简单，因为点云格式直接兼容，只需要改话题名和IMU话题。但VLP16没有内置IMU，需要外接一个，我用的是Go2自带的IMU，通过串口读出来，发布成sensor_msgs/Imu话题。Go2的IMU频率是200Hz，比雷达的10Hz高很多，正好可以做运动先验。

实操心得：LIO-SAM对IMU的噪声很敏感，如果IMU数据抖动大，建图会漂移。我建议先对IMU做校准，把零偏和噪声方差标定出来，填到params.yaml里。Go2的IMU出厂校准一般，我重新标定后，建图精度提升很明显。

4.3 建图效果对比与参数调优

Mid360和VLP16在同一个场景下建图，效果差异挺明显的。Mid360在近距离（10米以内）的建图细节更丰富，墙角、门框这些特征都能清晰还原；VLP16在远距离（20米以上）的建图更稳定，走廊尽头不会出现点云稀疏导致的断裂。

参数调优方面，Mid360的积分时间很关键。默认积分时间是100ms，点云密度和帧率平衡得比较好。如果场景运动快，可以降到50ms，减少运动畸变；如果场景静止，可以升到200ms，提高点云密度。VLP16的转速和帧率是绑定的，调转速就是调帧率，建图一般用600RPM。

5. 常见问题排查与避坑指南

5.1 驱动启动失败与网络配置问题

驱动启动失败最常见的原因是网络配置不对。Mid360和VLP16都要求电脑和雷达在同一网段，如果电脑有多个网卡，要确保雷达连接的那个网卡IP是静态的，而且和雷达同网段。我遇到过电脑同时连WiFi和网线，结果雷达数据发到了WiFi网卡上，驱动一直收不到数据。解决办法是禁用WiFi，或者用route命令指定路由。

另一个常见问题是防火墙。Ubuntu默认的ufw防火墙会拦截雷达的UDP数据包，导致驱动收不到数据。我一般直接关掉防火墙，或者加一条规则允许雷达端口的UDP流量。Mid360用的是UDP 55000端口，VLP16用的是UDP 2368和8308端口。

# 关闭防火墙 sudo ufw disable # 或者允许特定端口 sudo ufw allow 55000/udp sudo ufw allow 2368/udp sudo ufw allow 8308/udp

5.2 点云数据异常与排查思路

点云异常主要有几种表现：点云缺失、点云畸变、点云噪声大。点云缺失一般是数据丢包，检查网线质量和网络带宽，Mid360的数据量大约20Mbps，VLP16大约10Mbps，百兆网卡够用，但如果是USB网卡，要注意USB带宽是否足够。

点云畸变一般是时间戳不对，Mid360的每个点都有独立时间戳，如果转换的时候丢了，运动畸变校正就会出错。VLP16的每帧点云有一个统一时间戳，但雷达旋转过程中机器狗在运动，也会产生畸变，需要用IMU数据做去畸变。

点云噪声大一般是环境干扰，比如阳光直射、玻璃反射、雨雪天气。Mid360对阳光比较敏感，室外强光下噪声会明显增加；VLP16对雨雪敏感，雨滴会被当成点云。这些场景下，要么加滤波，要么换雷达。

5.3 建图漂移与回环检测失败

建图漂移是SLAM最常见的问题，原因很多：IMU噪声大、点云特征少、运动过快、回环检测失败。我的排查顺序是：先看IMU数据是否正常，再看点云特征是否足够，最后看回环检测有没有触发。

IMU噪声大的话，重新标定，把零偏和噪声方差填到配置文件里。点云特征少的话，换场景或者加人工标记，比如在走廊里放几个纸箱，增加特征点。运动过快的话，降低机器狗的速度，或者提高雷达帧率。回环检测失败的话，调回环检测的参数，比如降低回环检测的最小距离，或者提高回环检测的搜索半径。

避坑技巧：建图的时候，尽量让机器狗走“8”字形或者回环路线，这样回环检测更容易触发。我一开始走直线，建图漂移很严重，后来走“8”字形，回环检测一触发，地图就闭合了，精度提升非常明显。

5.4 常见问题速查表

6. 个人实操体会与后续扩展方向

这套方案我前前后后调了大概两周，中间踩了不少坑，也积累了一些文档里不会写的经验。Mid360的驱动虽然官方支持ROS，但配置文件里的IP地址一定要反复确认，我因为IP填错，折腾了一整天。VLP16的驱动更成熟，但转速和帧率的权衡需要根据场景调，不是默认值就最好。

点云数据拿到之后，不要急着跑SLAM，先用RViz仔细看一遍，确认点云质量没问题。我见过很多人驱动跑通了就直接上SLAM，结果建图效果差，回头排查发现是点云本身就有问题。点云质量检查这一步，花十分钟，能省后面十个小时的调试时间。

后续扩展的话，可以往多雷达融合方向走。Mid360和VLP16的点云特性互补，一个近密远疏，一个均匀分布，融合之后建图效果会更好。融合的方法可以用简单的点云拼接，也可以用卡尔曼滤波做状态估计。另外，Go2的运动控制接口是开放的，可以把SLAM建图的结果直接喂给导航模块，实现自主导航，这才是这套方案的最终目标。

最后分享一个小技巧：Go2的电池续航大概2小时，但雷达和算力模块加起来功耗不小，实际续航会降到1.5小时左右。如果要做长时间建图，建议外挂一块移动电源，给雷达和算力单独供电，这样Go2的电池只负责运动，续航能恢复到接近2小时。这个技巧是我在一次室外建图时发现的，当时建到一半Go2没电了，地图只建了一半，后来加了移动电源，再也没出现过中途断电的情况。