AI 助理
备案控制台
开发者社区 开发与运维 文章 正文

科力雷达Lidar使用指南

2024-08-21 48
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
资源编排，不限时长
简介： 本文是科力2D激光雷达Lidar的使用指南，包括了雷达的安装、编译、IP配置、上位机软件使用、ROS节点运行、参数配置、官方文档和软件资源链接，以及雷达通讯建立失败等问题的解决方案。适用于Ubuntu20.04(x86) PC和Ubuntu20.04(Arm) Nvidia Orin环境。

科力2D Lidar使用指南

作者： Herman Ye @Galbot @Auromix
版本： V1.0
测试环境： Ubuntu20.04(x86) PC 以及 Ubuntu20.04(Arm) Nvidia Orin
更新日期： 2023/11/11
注1： 本文内容中的硬件由 @Galbot 提供支持。
注2： @Auromix 是一个机器人爱好者开源组织。
注3： 本文在更新日期经过测试，确认有效。
注4： 本文中直接引用科力官方文档的部分内容，版权为科力所有。

Quickstart Guide

1.安装及编译

# Go to your workspace src
cd ~/galbot_ws/src
# Download latest package (Warning@HermanYe: bugs exist.)
git clone https://gitee.com/keli_tech31/sdkeli_ls_udp.git
# Set permissions for directory
sudo chmod 775 -R sdkeli_ls_udp
# Install dependencies
cd ~/galbot_ws
rosdep install --ignore-src --from-path src --rosdistro noetic -y
# Build rm_msgs and galbot_ros_interfaces(Info@HermanYe: Only if you use galbot_ros and realman arm)
catkin_make --pkg rm_msgs
catkin_make --pkg galbot_ros_interfaces
# Build the workspace
catkin_make

2.IP配置

雷达设备的默认网络信息为：

Device Address Netmask Gateway
Keli Lidar 192.168.0.1 255.255.255.0 192.168.1.1

若不修改IP，则只需要将本机的以太网连接信息更改为和雷达同一网段

Device Address Netmask Gateway
My computer 192.168.0.233 255.255.255.0 192.168.1.1

通过ping进行测试

ping 192.168.0.10

使用上位机修改雷达IP

修改雷达IP到需要使用的网段，此处设定雷达IP为192.168.1.25 ,上位机在software_and_docs文件夹中，上位机软件的压缩包解压密码为keili2021

  • 运行帮助软件，并通过以太网扫描设备、建立连接，效果如图：
    在这里插入图片描述
    通过以太网扫描->选中IP为192.168.0.10的设备，调整设备网络参数->IP地址->更改为192.168.1.25或其他需要的值->随后在设备网络参数修改中点击网络配置->完成配置后断电重启Lidar->通过以太网连接看是否有数据返回

注意: 本机的静态IP设置也需要随之更改。

在这里插入图片描述

设置本机IP

此时Lidar和本机的IP设置应当如下

Device Address Netmask Gateway
Keli Lidar 192.168.1.25(此前修改后的IP值) 255.255.255.0 192.168.1.1
My computer 192.168.1.233(192.168.1.xxx均可) 255.255.255.0 192.168.1.1

测试ping正常

通过ping进行测试，应该返回如下结果：

ping 192.168.1.25

PING 192.168.1.25 (192.168.1.25) 56(84) bytes of data.
64 bytes from 192.168.1.25: icmp_seq=1 ttl=128 time=0.138 ms
64 bytes from 192.168.1.25: icmp_seq=2 ttl=128 time=0.122 ms
64 bytes from 192.168.1.25: icmp_seq=3 ttl=128 time=0.183 ms
64 bytes from 192.168.1.25: icmp_seq=4 ttl=128 time=0.188 ms

修改Launch文件中的IP设置

# Go to your workspace src
cd ~/galbot_ws/src
# Edit config
sudo nano sudo nano /sdkeli_ls_udp/launch/sdkeli_ls1207de_udp_with_1_lidar.launch

将IP相关行修改为：

      <param name="hostname" type="string" value="192.168.1.25" />

4.运行

运行雷达节点

# Terminal 1
roslaunch sdkeli_ls_udp sdkeli_ls1207de_udp_with_1_lidar.launch

查看雷达消息的可视化

# Terminal 2
rviz

在这里插入图片描述

在这里插入图片描述

其他有用信息

雷达参数配置

# Go to your workspace src
cd ~/galbot_ws/src
# Edit config
sudo nano /sdkeli_ls_udp/cfg/SDKeliLs.cfg

注意： 修改后需重新编译

官方相关文档原文和上位机软件

上位机软件的压缩包解压密码为keili2021

# Go to your workspace src
cd ~/galbot_ws/src
# Check readme and software
cd sdkeli_ls_udp/software_and_docs
ls

ROS消息及其格式

话题为/keli_scan，类型为sensor_msgs/LaserScan

# sensor_msgs/LaserScan 
std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
float32 angle_min
float32 angle_max
float32 angle_increment
float32 time_increment
float32 scan_time
float32 range_min
float32 range_max
float32[] ranges
float32[] intensities

包目录

# sdkeli_ls_udp package tree

├── cfg # 配置目录
│   └── SDKeliLs.cfg # 配置文件
├── CMakeLists.txt # CMake配置
├── include # 头文件目录
│   └── sdkeli_ls_udp
│       ├── parser_base.h
│       ├── sdkeli_ls1207de_parser.h
│       ├── sdkeli_ls_common.h
│       ├── sdkeli_ls_common_udp.h
│       ├── sdkeli_ls_constants.h
│       └── sdkeli_ls_sensor_frame.h
├── launch # 启动文件
│   ├── sdkeli_ls1207de_udp_nodelet_with_1_lidar.launch
│   ├── sdkeli_ls1207de_udp_nodelet_with_2_lidars.launch
│   ├── sdkeli_ls1207de_udp_with_1_lidar.launch
│   └── sdkeli_ls1207de_udp_with_2_lidars.launch
├── meshes # 模型文件
│   └── sdkeli_ls1207de.stl
├── package.xml # 包描述
├── plugins
│   └── sdkeli_ls1207de.xml
├── README.md # 不详细的readme
├── software_and_docs # 官方原文档及上位机软件
│   ├── 使用说明书-LS2测量型激光雷达（2021年8月版）.pdf
│   ├── 科力激光扫描仪ROS包使用说明.doc
│    └── ···
├── src # 代码
│   ├── parser_base.cpp
│   ├── sdkeli_ls1207de.cpp
│   ├── sdkeli_ls1207de_nodelet.cpp
│   ├── sdkeli_ls1207de_parser.cpp
│   ├── sdkeli_ls_common.cpp
│   ├── sdkeli_ls_common_udp.cpp
│   ├── sdkeli_ls_sensor_frame.cpp
│   └── style_c1.bat
└── urdf # 机器人描述文件
    ├── sdkeli_ls1207de_2.urdf.xacro
    ├── sdkeli_ls1207de.urdf.xacro
    └── sdkeli_ls_udp.urdf.xacro

Troubleshooting

数值转换问题

Error

将较大的整数值（比如int）转换为较小的整数类型（比如char）时，编译器可能会发出警告，因为这可能导致数据丢失或溢出，此处涉及将整数值（如165和170）转换为字符类型（char）。

/home/hermanye20/galbot_ws/src/sdkeli_ls_udp/include/sdkeli_ls_udp/sdkeli_ls_constants.h:22:95: error: narrowing conversion of ‘165’ from ‘int’ to ‘char’ [-Wnarrowing]
/home/hermanye20/galbot_ws/src/sdkeli_ls_udp/include/sdkeli_ls_udp/sdkeli_ls_constants.h:22:95: error: narrowing conversion of ‘170’ from ‘int’ to ‘char’ [-Wnarrowing]
/home/hermanye20/galbot_ws/src/sdkeli_ls_udp/include/sdkeli_ls_udp/sdkeli_ls_constants.h:23:95: error: narrowing conversion of ‘250’ from ‘int’ to ‘char’ [-Wnarrowing]
   23 | const char CMD_START_STREAM_DATA[]           = {
   
   0xFA, 0x5A, 0xA5, 0xAA, 0x00, 0x02, 0x01, 0x01};
      |                                                                                               ^
/home/hermanye20/galbot_ws/src/sdkeli_ls_udp/include/sdkeli_ls_udp/sdkeli_ls_constants.h:23:95: error: narrowing conversion of ‘165’ from ‘int’ to ‘char’ [-Wnarrowing]
/home/hermanye20/galbot_ws/src/sdkeli_ls_udp/include/sdkeli_ls_udp/sdkeli_ls_constants.h:23:95: error: narrowing conversion of ‘170’ from ‘int’ to ‘char’ [-Wnarrowing]
make[2]: *** [sdkeli_ls_udp/CMakeFiles/sdkeli_ls_udp_lib.dir/build.make:76: sdkeli_ls_udp/CMakeFiles/sdkeli_ls_udp_lib.dir/src/sdkeli_ls_common.cpp.o] Error 1
make[1]: *** [CMakeFiles/Makefile2:8194: sdkeli_ls_udp/CMakeFiles/sdkeli_ls_udp_lib.dir/all] Error 2
make: *** [Makefile:146: all] Error 2
Invoking "make -j32 -l32" failed

solution

不要使用官方最新repo的代码，存在问题。尝试使用商用稳定版本。

雷达通讯建立失败问题

Error

在启动雷达节点是出现连接失败，硬件LED灯未显示6表示未建立网络通信


[ INFO] [1699696621.075139454]: sending data to '192.168.0.10' (IP : 192.168.0.10) (PORT : 2112)
[ WARN] [1699696626.079184014]: GetDataGram timeout for 5s
[ERROR] [1699696626.079250132]: SDKELI_LS - Read Error when getting datagram: 1
[ERROR] [1699696626.079360133]: close socket and CloseDevice
[ INFO] [1699696626.079401922]: sdkeli_ls_udp drvier exiting.

[ INFO] [1699696626.262384635]: sending data to '192.168.0.10' (IP : 192.168.0.10) (PORT : 2112)
^C[sdkeli_ls1207de-2] killing on exit
[robot_state_publisher-1] killing on exit
[ WARN] [1699696629.064359551]: GetDataGram timeout for 5s
[ERROR] [1699696629.064417953]: SDKELI_LS - Read Error when getting datagram: 1
[ERROR] [1699696629.064533220]: close socket and CloseDevice
[ INFO] [1699696629.064574961]: sdkeli_ls_udp drvier exiting.

^Cshutting down processing monitor...
... shutting down processing monitor complete
done

solution

通过win环境下上位机帮助软件修改设备IP

文章标签：
资源编排
测试技术
数据可视化
机器人
编译器
相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务，定义资源编排模板，实现自动化创建阿里云专有网络和交换机。
阿里云资源编排ROS使用教程
资源编排（Resource Orchestration）是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等，并自动完成所有资源的创建和配置，以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式，并且可以随时编辑修改，使基础设施即代码（Infrastructure as Code）成为可能。 产品详情：https://www.aliyun.com/product/ros/
HermanYe996
目录
相关文章
Sereinn
|
5月前
|
机器学习/深度学习 算法 计算机视觉
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A路径规划+单目测距与测速+行人车辆计数等）
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A路径规划+单目测距与测速+行人车辆计数等）
Sereinn
93 2
月照银海似蛟龙
|
数据采集 数据可视化 Ubuntu
相机和livox激光雷达外参标定：ROS功能包---livox_camera_lidar_calibration 使用方法
该功能包提供了一个手动校准Livox雷达和相机之间外参的方法，已经在Mid-40，Horizon和Tele-15上进行了验证。其中包含了计算相机内参，获得标定数据，优化计算外参和雷达相机融合应用相关的代码。本方案中使用了标定板角点作为标定目标物，由于Livox雷达非重复性扫描的特点，点云的密度较大，比较易于找到雷达点云中角点的准确位置。相机雷达的标定和融合也可以得到不错的结果。
月照银海似蛟龙
899 0
相机和livox激光雷达外参标定：ROS功能包---livox_camera_lidar_calibration 使用方法
kuan_li_lyg
|
2月前
|
传感器 存储 数据可视化
MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration）（二）
MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration）（二）
kuan_li_lyg
194 1
kuan_li_lyg
|
2月前
|
传感器 数据可视化 自动驾驶
MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration）（一）
MATLAB - 激光雷达 - 相机联合标定（Lidar-Camera Calibration）
kuan_li_lyg
163 1
a15723093529-22168
|
5月前
|
机器学习/深度学习 编解码 算法
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）-2
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）-2
a15723093529-22168
137 1
a15723093529-22168
|
5月前
|
机器学习/深度学习 监控 算法
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）-1
计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）-1
a15723093529-22168
182 0
丶布布
|
5月前
|
传感器 开发工具 C#
[3D&Halcon] SmartRay激光3D传感器Halcon采集
[3D&Halcon] SmartRay激光3D传感器Halcon采集
丶布布
76 0
Matlab科研工作室
|
机器学习/深度学习 传感器 算法
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估（Matlab代码实现）
【红外图像】利用红外图像处理技术对不同制冷剂充装的制冷系统进行性能评估（Matlab代码实现）
Matlab科研工作室
71 0
游客iigf2m33ba53k
|
传感器 机器学习/深度学习 编解码
激光雷达与视觉联合标定综述！(系统介绍/标定板选择/在线离线标定等）
由于2D识别的成功，论文引入了一个大型基准，称为OMNI3D，重新审视了3D目标检测的任务。OMNI3D对现有数据集进行了重新利用和组合，生成了234k张图像，标注了300多万个实例和97个类别。由于相机内参的变化以及场景和目标类型的丰富多样性，这种规模的3D检测具有挑战性。论文提出了一个名为Cube R-CNN的模型，旨在通过统一的方法在摄像机和场景类型之间进行泛化。结果表明，在更大的OMNI3D和现有基准上，Cube R-CNN优于先前的工作。最后，论文证明了OMNI3D是一个强大的3D目标识别数据集，表明它提高了单个数据集的性能，并可以通过预训练加速对新的较小数据集的学习。
游客iigf2m33ba53k
1349 0
激光雷达与视觉联合标定综述！(系统介绍/标定板选择/在线离线标定等）
游客iigf2m33ba53k
|
传感器 人工智能 算法
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具
对于拥有惯导的自动驾驶车辆而言，激光雷达到惯导/车体（以下简称激光雷达外参自标定）的方法对后续的感知、定位等下游应用具有非常重要的意义。对于这一问题，最容易想到的办法是同时跑激光里程计与惯导的里程计，并使用手眼标定的方法寻找这外参。这个方法最主要的问题是标定精度受制于激光雷达里程计的精度，对于当前量产的固态激光雷达而言，受制于有限的FOV，测距精度较差，抖动，以及多变的标定场景等问题，难以适配鲁棒且高精度的激光里程计用于外参标定。
游客iigf2m33ba53k
315 0
Feat-Calibr | 一款实用的开源激光雷达到车体外参的标定工具