企业官网建设流程全解析

• 科研
• 自动驾驶
• 物理引擎

导读

本文围绕 Webots 开源机器人仿真器中的 SickLdMrs PROTO 展开，全面讲解如何用 Webots 内置的 Lidar 节点 建模 SICK LD-MRS 多线激光雷达：包括 PROTO 的全部字段含义与取值、主 Lidar 与长距离 Lidar 的双传感器架构、朝向与坐标系约定，以及与真实设备的仿真差异。文中还结合仓库自带的sick_point_cloud示例世界与控制器，演示如何在 C 和 Python 中通过点云 API 读取该雷达数据并完成目标计数，读完后你将能独立在 Webots 世界中部署并编程使用这一工业级 3D 激光雷达模型。

SickLdMrs PROTO 概述

SICK LD-MRS 是 SICK 公司专为恶劣室外环境设计的多层（multi-layer）激光雷达。在 Webots 中，它由projects/devices/sick/protos/SickLdMrs.proto定义：PROTO 内部包含一个 Lidar 节点，覆盖了绝大多数常规使用场景。该传感器在 Webots API 中的引用名称（reference name）直接对应SickLdMrs.name字段，因此你可以通过wb_robot_get_device("自定义name")（C）或getDevice("自定义name")（Python）直接获取设备句柄。

仿真模型的主要特性如下：

• 层数：默认 4 层；当type为800001S01时为 8 层；
• 水平扫描范围：85°，并相对设备正前方水平偏移 7.5°；
• 最大量程：300 米；
• 垂直层间距：相邻两层之间垂直间隔 0.8°。

这些数值在 SickLdMrs.proto 的主 Lidar 节点中被直接体现：fieldOfView为 85° 对应的弧度值，verticalFieldOfView为0.8 * (measurementLayers + 1)度，maxRange为 300，minRange为 0.5 米。

PROTO 基本用法与字段速览

在 Webots 世界中通过 EXTERNPROTO 引用该模型即可使用，例如仓库自带的示例世界 sick_point_cloud.wbt 中的声明：

EXTERNPROTO "webots://projects/devices/sick/protos/SickLdMrs.proto"

随后在Robot节点下实例化：

SickLdMrs { translation 0.25 0 1.2 name "sick" type "800001S01" }

SickLdMrs 完整的字段定义（来自 SickLdMrs.proto 及配套文档 sickldmrs.md）：

完整实例化示例：

SickLdMrs { translation 0 0 0 rotation 0 0 1 0 name "Sick LD-MRS" type "400001" angularResolution "0.5 [deg]" noise 0.001 enablePhysics TRUE }

核心字段详解

type：设备型号

type字段对应 SICK LD-MRS 的不同硬件型号，SickLdMrs.proto 通过枚举约束了合法取值，只能是以下五者之一：

• 400001
• 400102
• 400001S01
• 400102S01
• 800001S01

其中400102与400102S01属于 HD（高分辨率）型号，800001S01属于 8 层型号。从源码看（SickLdMrs.proto）：

const isHD = type === '400102' || type === '400102S01'; const is8L = type === '800001S01'; let measurementLayers = is8L ? 8 : 4;

即默认（含 HD 型号）均为 4 层，仅800001S01为 8 层。型号同时影响外观纹理的选用：HD 型号使用textures/sick_ld_mrs_hd.png，8 层型号使用textures/sick_ld_mrs_8l.png，其余型号使用textures/sick_ld_mrs.png（SickLdMrs.proto）。

angularResolution：垂直角分辨率

angularResolution字段指定两次测量之间的垂直角度间隔。根据 SICK LD-MRS 规格，取值只能是0.5 [deg]、0.25 [deg]或0.125 [deg]三档。在 PROTO 模板脚本中，它被换算为弧度后直接驱动主 Lidar 的horizontalResolution（SickLdMrs.proto）：

let angularResolution = wbutility.degreesToRadians(0.5); if (fields.angularResolution.value === '0.25 [deg]') angularResolution = angularResolution * 0.5; else if (fields.angularResolution.value === '0.125 [deg]') angularResolution = angularResolution * 0.25;

随后主 Lidar 的水平分辨率计算为（SickLdMrs.proto）：

horizontalResolution = round(horizontalFieldOfView / angularResolution)

以默认值0.5 [deg]为例，主 Lidar 的水平分辨率为round(85° / 0.5°) = 170个点/层；若选用0.25 [deg]则为 340 点，0.125 [deg]则为 680 点。分辨率越高，单帧计算量越大，需要结合仿真实时性权衡。

noise：高斯噪声

noise字段指定叠加到每次测距深度值上的高斯噪声标准差，单位是米。PROTO 默认值为0.001（即 1 毫米）。按照 Lidar 参考文档 的约定，noise大于 0 时每个深度值都会叠加高斯噪声，值为 1.0 时对应标准差为maxRange（此处即 300 米）的高斯噪声。仿真中若不需要模拟测量噪声，可将其设为 0 以节省计算开销。

enablePhysics：物理属性

enablePhysics字段决定传感器是否受物理引擎影响。启用时，PROTO 会附加一个包围盒（boundingObject）与 Physics 节点，质量为 1 kg（SickLdMrs.proto）：包围盒为尺寸0.1365 × 0.088 × 0.094米的长方体，并带有 -2.0944 弧度的旋转与 -0.047 米的平移以贴合设备外形。在需要将雷达安装在移动机器人上并参与碰撞/惯性计算的场景中，保持TRUE即可。

双 Lidar 架构：主传感器与长距离重叠层

SICK LD-MRS 的物理特性之一是：除了常规的多层扫描，它还包含用于重叠远距离测量的长距离层（long-range layers）。为了还原这一特性，SickLdMrs PROTO 在主 Lidar 节点之外，还创建了第二个Lidar 节点专门建模这部分重叠的长距离层（SickLdMrs.proto）。

该长距离 Lidar 的引用名称是SickLdMrs.name字段拼接上字符串" (long range)"，即若name为"Sick LD-MRS"，则第二个设备名为"Sick LD-MRS (long range)"，编程时需要分别获取两个设备句柄。它的特性为：

• 水平扫描范围：110°，相对正前方水平偏移 5°（主 Lidar 为 85° / 7.5°）；
• 层数：等于SickLdMrs.measurementLayers的一半（即默认 4 层型号 → 2 层，8 层型号 → 4 层）；
• 其余特性（最大量程 300 m、最小量程 0.5 m、噪声）与主 Lidar 一致。

主、辅两个 Lidar 的朝向在 PROTO 模板中通过组合旋转实现（SickLdMrs.proto）：

internalRotation = combine({x:0, y:0, z:1, a: -7.5°}, {x:1, y:0, z:0, a: π})

其中第一个分量是水平偏移（主 Lidar -7.5°、长距离 Lidar -5°），第二个分量{1,0,0,π}是绕 x 轴翻转 180°，用于把 Lidar 的默认扫描方向调整到设备正前方。

传感器朝向约定

无论是主 Lidar 还是长距离 Lidar，其内部朝向遵循统一的约定（见 sickldmrs.md）：

• Layer 0 对应最底层：numberOfLayers编号自下而上，最底层为 0，最顶层为numberOfLayers - 1；
• 第一个响应值对应设备右侧：每层扫描数据中索引 0 的点对应雷达右侧方向，数据沿扫描方向依次排列。

这一点在编程读取数据时非常关键——例如示例控制器读取"中间层"时使用layers / 2作为层索引（见下节），正是基于层编号自下而上的约定。

与真实设备的仿真差异

相对真实硬件，该仿真模型存在两点明确限制（文档原文，sickldmrs.md）：

• 扫描范围分辨率恒定：整个扫描扇区内角度分辨率保持一致，而真实设备在不同角度区间可能存在分辨率差异；
• 垂直方位角恒定：每个测量点的垂直方位角在整个扫描过程中保持不变，真实设备在长距离层等场景中会有方位角变化。

在需要精确还原传感器物理细节的应用（如传感器标定算法验证）中，这两点差异需要额外考量；对于大多数机器人感知与避障仿真，该模型已足够真实。

实战：sick_point_cloud 示例世界与点云计数

仓库在 projects/samples/devices/worlds/sick_point_cloud.wbt 提供了一个完整示例：一个静态机器人搭载 SickLdMrs（型号800001S01，8 层），面前是一条传送带，罐装饮料（Can）沿传送带排列。控制器使用 Lidar 的点云 API 统计传感器前方障碍物的数量，并在 Webots 控制台输出 "I see N cans"。

该世界文件中雷达的关键配置（sick_point_cloud.wbt）：

Robot { children [ SickLdMrs { translation 0.25 0 1.2 name "sick" type "800001S01" } ... ] controller "sick_point_cloud" }

配套控制器提供 C 与 Python 两个版本，路径分别为 sick_point_cloud.c 与 sick_point_cloud.py。

C 版本核心流程（sick_point_cloud.c）：

WbDeviceTag sick = wb_robot_get_device("sick"); wb_lidar_enable(sick, time_step); wb_lidar_enable_point_cloud(sick); const int resolution = wb_lidar_get_horizontal_resolution(sick); const int layers = wb_lidar_get_number_of_layers(sick); ... // 读取中间层的全部点 const WbLidarPoint *layer = wb_lidar_get_layer_point_cloud(sick, layers / 2); for (p = 0; p < resolution; ++p) { const bool obstacle = layer[p].x < THRESHOLD; // THRESHOLD = 3.0 米 if (obstacle && !previous_obstacle) object_counter++; previous_obstacle = obstacle; }

Python 版本逻辑完全对应（sick_point_cloud.py）：

self.sick = self.getDevice('sick') self.sick.enable(self.timeStep) self.sick.enablePointCloud() ... layer = self.sick.getLayerPointCloud(int(layers / 2)) for p in range(resolution): point = layer[p] obstacle = point.x < 3.0 if obstacle and not previous_obstacle: object_counter += 1 previous_obstacle = obstacle

实现要点：

• 点云结构：wb_lidar_get_layer_point_cloud/getLayerPointCloud返回某一层的一维点数组，每个点包含x、y、z、layer_id、time五个成员（结构与语义见 lidar.md）。其中 xyz 坐标相对 Lidar 节点原点，layer_id取值范围 0 到numberOfLayers - 1。
• 连通域计数技巧：控制器对中间层逐点扫描，用一个布尔量previous_obstacle记住前一点是否为目标，每当从"无障碍"跳变为"有障碍"时计数加一，从而把连续的点云簇识别为单个物体——这正是一个简单的前沿检测（edge detection）思路。
• 读取中间层：layers / 2利用"Layer 0 是最底层"的编号约定，取到垂直方向正中的扫描层，以避开罐体顶部与底部边缘。

与 Lidar 节点底层约束的衔接

SickLdMrs 的配置直接映射到底层 Lidar 节点的关键字段：horizontalResolution、fieldOfView、verticalFieldOfView、numberOfLayers、minRange、maxRange、noise。使用该模型时需留意 Lidar 的固有仿真约束（lidar.md）：

numberOfLayers < verticalFieldOfView * horizontalResolution / fieldOfView

该约束用于保证各层扫描线在垂直视场内分布合理。SickLdMrs 的默认参数（如 4 层、垂直视场0.8 * 5 = 4°、水平分辨率 170、水平视场 85°）满足该约束；若自行调整angularResolution或型号，仍应以此式校验。此外，minRange（0.5 m）以内与maxRange（300 m）以外的目标测距值返回无穷大（lidar.md），编程时需对point.x等坐标做有限值判断。

小结

SickLdMrs PROTO 是 Webots 设备库中针对工业级多线激光雷达的高保真建模：通过主 Lidar + 长距离 Lidar 双传感器结构还原了 LD-MRS 的重叠长距离扫描特性，用type、angularResolution、noise、enablePhysics四个核心字段覆盖了从型号选型到噪声注入、物理仿真的完整配置需求，并配有可直接运行的sick_point_cloud点云示例。无论是进行室外环境感知仿真、移动机器人导航验证，还是研究多线雷达数据处理算法，都可以直接基于该模型快速搭建场景并调用 Webots 的点云 API 开展开发。

• 科研
• 自动驾驶
• 物理引擎