LIVOX-MID70的使用

最新推荐文章于 2025-03-15 15:09:36 发布
最新推荐文章于 2025-03-15 15:09:36 发布
阅读量2.9k 收藏 17
点赞数 3
分类专栏： slam 文章标签： slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38983484/article/details/119762336
版权
本文介绍了LIVOX MID-70雷达的配置和使用步骤，包括设置IP、网络配置、数据获取以及使用livox_view和RVIZ显示点云信息。同时，通过ROSbag和CloudCompare软件进行精度测试，官方宣称在不同距离下具有高精度表现，实际测试0.5m误差在3cm以内。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1：配置IP

ifconfig   查看网口

在这里插入图片描述
顶头的两个为网口
2：配置网络
一般为

192.168.1.50
192.168.148.160

两种：最后的50和160是雷达的ip，设置电脑ip时，不应该重复：
本文章设置的为158
在这里插入图片描述
3：注意事项
设置过程注意不需要再连接以太网络 自己已经连接成功，可以尝试ping一下，看网络是否畅通

ping 192.168.148.50

在这里插入图片描述
4：用livox_vi

最低0.47元/天 解锁文章
jetson orin+livox mid-70+imu+云台相机联合标定和数据采集
github_38060285的博客
08-02 2704
准备将之前无人机上的x86多源数据采集和联合标定算法重建在新板子jetson orin上，解决之前采集数据时间戳没对齐的问题。
Livox MID-70连接及使用
qq_42251777的博客
09-02 6838
livox mid-70使用
大疆Livox Mid-70雷达的使用
LacyExsale的博客
06-15 1万+
一、前期准备 （一）、使用Livox Viewer测试雷达 1、设置静态IP sudo ifconfig enx081f7152092a 192.168.1.50 查看IP是否设置成功 lacyexsale@lacyexsale-KLV-WX9:~$ ifconfig enx081f7152092a Link encap:以太网 硬件地址 08:1f:71:52:09:2a inet 地址:192.168.1.50 广播:192.168.1.255 掩码:255.255.25
Livox mid 70 的配置和初步使用--（ubuntu 20.04）
2401_87137707的博客
03-15 501
配置和连接Mid 70,可以通过Livox Viewer录制数据和查看，通过Rviz录制和播放数据
ros 接入Livox Mid-70
weixin_51157015的博客
04-21 4120
最近在研究3d避障激光 --大疆Livox mid-70， 记录下接入过程。
【硬件调试-1】配置 livox-mid70 PTP时间同步
小北小西
03-27 4035
配置 livox-mid70 PTP时间同步PTP时间同步第1步、检查网络中的主时钟是否正常第2步、下载安装linuxptp第3步、启动第4步、验证启动命令开机自启参考 PTP时间同步 在ros下使用livox时，我们发现，livox的时间戳需要同步同步，否则在使用中有很多麻烦，特别是tf。所以本文使用了一种不用GPS的方法对livox进行时间同步。 当livox雷达接到一个有ptp主时钟的网络时，livox雷达就可以自动的将时间戳和这个主时钟的时间戳同步起来。 第1步、检查网络中的主时钟是否正常 首先，查
ZED2i + 激光雷达livox mid-70联合标定
qq_40241985的博客
01-14 2256
1
部署mid360+Livox-SDK2+Livox-ros-driver2+FAST-LIO2教程
01-23
部署mid360+Livox-SDK2+Livox-ros-driver2+FAST-LIO2教程是一篇详细介绍如何将mid360, Livox SDK 2, Livox ROS driver 2以及FAST LIO 2这些高精度导航和定位系统的软件组件进行集成的指南。该教程对于需要在机器人、...
【3D激光SLAM】Livox-mid-360双雷达配置，修改驱动分别发布imu、customsg、pointclouds话题
Hahalim的博客
03-14 4764
【3D激光SLAM】Livox-mid-360双雷达配置，修改驱动分别发布imu、customsg、pointclouds话题
一、livox-MID-400 激光雷达安装与运行教程
weixin_40974083的博客
07-01 1291
激光雷达使用方法，即采集数据示例
Livox-Mid-360复现Fast-Lio
m0_71510432的博客
11-22 1993
打开rqt，点击“Plugins”->“Services”->“Service Caller”，找到“/map_save”，点击Call即可保存地图，相关路径和参数可在配置文件中修改。Fast-Lio：一种计算效率高、鲁棒的激光雷达-惯性里程计框架。（2）点击“以太网”->“属性”->双击“Internet版本协议4（TCP/IPv4）”->配置如下图所示的信息。（1）打开“控制面板”->“网络和Internet”->“网络和共享中心”->如下图。在ws_livox路径下就有了刚刚建图的.pcd文件。
Livox MID-70 + ROS2 + fast-lio 测试记录
omnas的博客
01-15 987
运行起来之后，可能会报qos不匹配的错，进入lasermapping.cpp，把两个订阅改成sub_pcl_livox_ = this->create_subscription...(lid_topic, rclcpp::SensorDataQoS(),livox_pcl_cbk)和sub_imu_ = this->create_subscription...(imu_topic, rclcpp::SensorDataQoS(),imu_cbk)。其他的根据自己的设备修改，和原生fastlio一致。
十三.激光SLAM框架学习之livox-Mid-70雷达使用和实时室外跑框架
weixin_36773706的博客
12-05 5464
专栏系列文章如下： livox-Mid-70雷达使用和实时跑框架 1. 首先安装好雷达在平台上，供电准备好，雷达网口接终端，雷达本机ip没说明，终端ip要配置成192.168.1.50，子网掩码255.255.255.0即可。 2.雷达SDK下载和安装，GitHub下载最新源码。 git clone https://github.com/Livox-SDK/Livox-SDK.git cd Livox-SDK cd build && cmake .. make s
Mid-70激光雷达标定实录
A6666686678的博客
04-23 2564
顺着本篇文章即可完成一次简单标定，但是其中数据处理过程仍然过于繁琐。在后续过程中可考虑使用脚本或者其他程序完成图像获取以及pcd收集的工作，从而简化标定过程。整体标定过程还是需要一段时间，大约几分钟。本人才疏学浅，刚刚接触激光雷达，若有错误请多多包涵！
ROS学习篇之传感器（三）激光雷达
qq_43006346的博客
07-27 4030
文章目录一.确定雷达的型号二.安装驱动1.新建一个工作空间"lidar_ws"（随便一个你存放代码的地方）2.clone下驱动的源代码（在lidar_ws/src目录下）3.尝试编译一下（在lidar_ws目录下）四.在RVIZ中的显示1.配置好IP地址（1）雷达端:（2）本机电脑端:2.尝试运行“sdkeli_ls1207de_udp_with_1_lidars.launch”3.再次运行 sdkeli_ls1207de_udp_with_1_lidars.launch五.利用hector算法扫个图1.安
ubuntu18.04以太网配置 使用livox mid-70雷达
yoga_wyj的博客
06-16 2944
1/教程很多 可以通过配置/etc/netplan中yaml文件的方式，来修改静态ip # Let NetworkManager manage all devices on this system network: version: 2 renderer: NetworkManager ethernets: enp2s0: #配置的网卡名称,使用ifconfig -a查看得到 dhcp4: true #dhcp4关闭 addresses: [] #设置本
SLAM算法与工程实践——雷达篇：Livox激光雷达使用
YangtseJin的博客
12-23 3293
SLAM算法与工程实践——雷达篇：Livox激光雷达使用
SLAM实操入门（四）：使用ROS连接自己的激光雷达并可视化扫描结果
热门推荐
HYH的博客
11-27 1万+
本文介绍使用自己的激光雷达如何与ROS通信并可视化
livox-mid70转换为二维图像
最新发布
03-18
<think>好的，我现在需要解决用户的问题，如何将Livox MID-70的点云数据转换为二维图像。首先，我需要了解Livox MIDX-70的基本特性，比如它是固态激光雷达，扫描模式可能与传统的机械式雷达不同，这可能会影响点云的分布和处理方式。 接下来，用户的需求是转换为二维图像，可能用于SLAM、目标检测或地图构建等应用。转换方法通常包括点云预处理、投影到二维平面、生成图像等步骤。常见的投影方式有俯视图（BEV）、前视图、球面投影等。Livox MID-70的非重复扫描模式可能导致点云密度随时间增加，所以需要考虑如何有效利用这种特性。 预处理方面，可能需要去除地面点或者使用体素滤波降采样。例如，使用PCL库的VoxelGrid滤波器。然后，投影到二维平面，比如将点云的X、Y坐标映射到图像像素，Z值作为强度或高度信息。这里可能需要确定分辨率，比如每个像素代表多少米，以及处理坐标范围的问题。 生成图像时，可能需要将点云数据转换为矩阵，并将高度或反射强度映射为灰度或颜色。OpenCV可以用来生成图像，并保存为PNG或JPG格式。此外，用户可能需要示例代码，所以得考虑使用Python还是C++，这里用户提到了Python的可能性，但点云处理常用PCL库，而Python中可能需要用到open3d或者numpy、matplotlib等库。 还需要考虑是否有现成的工具，比如ROS中的点云处理包，或者Livox SDK提供的工具。例如，Livox的官方文档可能有相关的转换示例。另外，引用中提到的ECO方法中的特征降维是否适用？虽然引用中提到的矩阵P用于特征降维，可能不直接相关，但点云到图像的转换也可能涉及特征简化，比如将三维点云投影到二维时，可能需要选择保留哪些信息（如高度、强度）。 关于性能，引用[2]提到LIO-SAM在点云处理上的效率，可能涉及到快速处理点云数据的方法，比如优化算法或简化计算步骤，这在处理大规模点云时很重要，特别是实时应用。 可能的挑战包括点云稀疏性问题，尤其是Livox的固态雷达在近距离可能点云较密，远处稀疏，投影到二维时如何填补空白区域。可能需要插值方法，或者使用栅格化处理，每个像素取最大高度或平均高度。 示例代码方面，可能需要使用Python的open3d库读取点云，numpy处理数据，matplotlib或OpenCV生成图像。例如，读取.pcd文件，提取x,y,z坐标，创建二维网格，将z值映射到像素值，然后生成图像。 最后，要确保代码示例的正确性，比如处理坐标变换、数据类型转换，以及图像的正确显示和保存。同时，需要提醒用户可能需要调整参数，如分辨率、投影平面等，以适应不同的应用场景。</think>要将Livox MID-70点云数据转换为二维图像，可通过以下步骤实现： --- ### **步骤1：点云数据预处理** 1. **数据读取** 使用Livox SDK或开源库（如`Open3D`、`PCL`）读取原始点云数据（`.lvx`或`.pcd`格式）。 ```python import open3d as o3d pcd = o3d.io.read_point_cloud("data.pcd") ``` 2. **滤波与降采样** 去除噪声点并使用体素滤波降低数据量： ```python pcd = pcd.voxel_down_sample(voxel_size=0.1) # 体素尺寸根据需求调整 ``` --- ### **步骤2：点云投影到二维平面** #### **方法1：俯视图（BEV，Bird's Eye View）** - 将三维点云投影到XY平面，保留高度（Z值）或反射强度作为像素值。 - **代码示例**： ```python import numpy as np import cv2 points = np.asarray(pcd.points) x_min, x_max = np.min(points[:,0]), np.max(points[:,0]) y_min, y_max = np.min(points[:,1]), np.max(points[:,1]) resolution = 0.1 # 每像素0.1米 width = int((x_max - x_min) / resolution) height = int((y_max - y_min) / resolution) image = np.zeros((height, width), dtype=np.uint8) for point in points: x, y, z = point px = int((x - x_min) / resolution) py = int((y - y_min) / resolution) if 0 <= px < width and 0 <= py < height: image[py, px] = int(z * 255 / (np.max(points[:,2]) - np.min(points[:,2]))) # 高度映射为灰度值 cv2.imwrite("bev_image.png", image) ``` #### **方法2：球面投影（Range Image）** - 将点云映射到极坐标系，生成距离-角度图像（类似激光雷达的原始扫描格式）。 - **公式**： $$ \theta = \arctan\left(\frac{y}{x}\right), \quad \phi = \arcsin\left(\frac{z}{\sqrt{x^2 + y^2 + z^2}}\right) $$ 将$\theta$和$\phi$量化为图像的行列索引，距离或反射强度作为像素值[^1]。 --- ### **步骤3：工具与库推荐** 1. **开源工具** - **Open3D**：支持点云读写、滤波、投影及可视化。 - **PCL（Point Cloud Library）**：提供完整的点云处理流程（需C++编程）。 - **ROS（Robot Operating System）**：使用`pcl_ros`包实时处理点云并发布为图像话题。 2. **Livox官方资源** - Livox SDK提供API直接获取点云数据，支持自定义投影逻辑[^2]。 --- ### **示例效果** - **俯视图**：适用于地面分割、障碍物检测（如图1）。 - **前视图**：适合目标识别（如图2）。 - **球面投影**：可用于SLAM中的特征匹配（如图3）。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值