搭建自己的小车 —— 运行livox mid_360

搭建自己的小车 —— 运行livox mid_360

文章目录

自己整理的相关资料内容 下载链接,按需取用。

一、Livox Viewer 查看点云

Mid-360 是 4 线束非重复扫描固态激光雷达。Mid-360内部集成了IMU芯片(3轴加速度计和3轴陀螺仪),默认情况下,上电后即开始以200Hz频率推送IMU数据(可通过上位机开启或关闭)。数据内容包括3轴加速度以及3轴角速度,方向与点云坐标系相同,在点云坐标系下IMU芯片的位置为(x=11.0mm,y=23.29 mm, z=-44.12 mm)

Mid-360通过以太网进行数据通信(UDP),支持静态IP地址模式。所有Mid-360出厂默认IP地址为192.168.1.1XX(XX为Mid-360 SN码最后两位数字),子网掩码为255.255.255.0,默认网关为192.168.1.1。首次使用Mid-360时,无需通过路由器,即可直接与电脑连接。

  • IP地址(192.168.1.1XX):是设备在网络中的唯一标识符,用于区分网络中的其他设备。
  • 子网掩码(255.255.255.0):子网掩码用于确定网络部分和主机部分。255.255.255.0表示前24位是网络部分,后8位是主机部分。在这种配置下,网络中可以有256个地址(0-255),其中254个可用地址(去掉网络地址和广播地址)。
  • 网关(192.168.1.1):网关是连接不同网络的设备,通常是路由器。设备通过这个地址与外部网络进行通信。在 Mid-360 的使用中可以不用设置。
  • DNS(域名系统):是互联网中的一个重要服务,用于将域名(如www.example.com)转换为IP地址(如192.168.1.1),使设备能够通过友好的名称访问网站和其他网络资源。

此时,为保证自己的电脑与mid360在同一网段,配置自己ubuntu电脑有线网络 IPv4的IP地址为192.168.1.50,网关为255.255.255.0

在这里插入图片描述


接着,从 livox 官网 下载 Livox Viewer 2 - Ubuntu

在这里插入图片描述
unzip LivoxViewer2 for Ubuntu v2.3.0.zip cd LivoxViewer2 for Ubuntu v2.3.0 .LivoxViewer2.sh 

执行完上述脚本,会弹出官方上位机界面进行点云数据查看。从下图可以看到,雷达IP 为192.168.1.134,与其SN 后两位相对应。

在这里插入图片描述


在这里插入图片描述
livox_viewer.desktop 内容参考如下:

二、 ROS 查看点云

1. 安装 雷达驱动 Livox-SDK2

Livox-SDK2 下载官方驱动及安装。

git clone https://github.com/Livox-SDK/Livox-SDK2.git cd ./Livox-SDK2/ mkdir build cd build cmake ..&&make -j$(nproc)sudomakeinstall

生成的共享库和静态库安装到“/usr/local/lib”目录下。头文件安装到“/usr/local/include”目录中。
如果想要删除 Livox SDK2:

sudorm -rf /usr/local/lib/liblivox_lidar_sdk_* sudorm -rf /usr/local/include/livox_lidar_* 

Mid-360 — Livox wiki 0.1 文档

2. 使用 ROS 功能包查看点云

livox_ros_driver2 下载功能包。

mkdir -p livox_ws/src &&cd livox_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git ws_livox/src/livox_ros_driver2 # ROS1 + ubuntu20.04source /opt/ros/noetic/setup.sh ./build.sh ROS1 roslaunch livox_ros_driver2 rviz_MID360.launch 

在启动launch前,需要注意的是:根据实际情况配置 /livox_ros_driver2/config/MID360_config.json 文件。

  • 红框为自己的雷达机器IP —— 默认IP地址为192.168.1.1XX(XX为Mid-360 SN码最后两位数字);

蓝框为自己设置电脑的有线IPv4地址192.168.1.50

在这里插入图片描述


然后就可以愉快的通过ros进行mid360快乐玩耍了~

在这里插入图片描述

3. 精简 livox_ros_driver2 功能包(可选)

livox_ros_driver2 是官方为了兼容ROS1和ROS2的通用版本,需要通过./build.sh ROS*来指定编译。而自己的系统是确定的ROS版本,可以根据需要精简 livox_ros_driver2 功能包。如下是 build.sh 文件内容,可以看到是 首先清除原本编译的编译文件,接着根据指定版本对launch、xml文件进行重复盖,然后使用对应ROS版本重新编译。所以我们根据红蓝框对相应的文件进行重命名删减,即可得到指定的版本(其实,首次执行/build.sh ROS* 后,该功能包即是对应版本功能包)。

在这里插入图片描述


关于CMakeLists.txt 文件,我们也可以根据变量ROS_EDITION 进行精简。

在这里插入图片描述


自己整理了 livox 关于ubuntu的上位机、驱动及ROS功能包相关资源 按需选用,也方便自己后续新环境配置驱动,共整理四个文件夹,其作用分别如下:

版本作用
LivoxViewer2_for_Ubuntu_v2.3.0官方上位机
Livox-SDK2雷达驱动
livox_general_ws兼容ROS1、ROS2版本
livox_ros1_wsROS1版本
livox_ros2_wsROS2版本
重点是解决自己 ROS2 LIVOX_INTERFACES_INCLUDE_DIRECTORIES 编译报错的问题

操作方法如下:

# ---------------- livox_general_ws ---------------------------cd livox_general_ws/src/livox_ros_driver2 ./build.sh ROS1 # 或 ./build.sh ROS2# ---------------- livox_ros1_ws ---------------------------cd livox_ros1_ws catkin_make # ---------------- livox_ros2_ws ---------------------------cd livox_ros2_ws colcon build 

无语,,,自己设的免费积分资源,被平台设为 VIP资源下载了。。。

Read more

Flutter 三方库 git_hooks 鸿蒙强干预研发质量审核截断防线设防适配解析:依托钩子拦截引擎封锁全域代码递交链路建立极强合规化审计审查防火墙斩断-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 git_hooks 鸿蒙强干预研发质量审核截断防线设防适配解析:依托钩子拦截引擎封锁全域代码递交链路建立极强合规化审计审查防火墙斩断-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 git_hooks 鸿蒙强干预研发质量审核截断防线设防适配解析:依托钩子拦截引擎封锁全域代码递交链路建立极强合规化审计审查防火墙斩断技术债堆砌 前言 在 OpenHarmony 的大规模团队协作中,代码质量是团队的生命线。如果没有有效的约束,不符合规范的代码(甚至是无法通过静态分析的代码)会轻易地通过 git commit 进入代码库,导致 CI 构建频繁失败。git_hooks 库为 Flutter 开发者提供了一种轻量级的脚本化方案,可以在 Git 的关键生命周期(如提交前、推送前)自动运行检查。本文将带大家在鸿蒙端实战适配该库,夯实自动化工程的地基。 一、原直线性 / 概念介绍 1.1 基础原理/概念介绍 git_hooks 的核心逻辑是基于 Git

By Ne0inhk
降本 100%!告别无限的 token 消耗 !OpenClaw (龙虾) 本地推理方案:基于 Ollama 部署开源模型替代云端 Token 消耗

降本 100%!告别无限的 token 消耗 !OpenClaw (龙虾) 本地推理方案:基于 Ollama 部署开源模型替代云端 Token 消耗

摘要 OpenClaw(社区昵称 “大龙虾”)作为 2026 年最火的 AI Agent 框架,凭借强大的自动化执行能力成为开发者标配。但随着使用频次提升,云端大模型 Token 消耗成本居高不下,成为个人开发者与中小企业的核心痛点。本文针对最新版 OpenClaw 2026.2.26,提供一套零成本、可复现的本地化解决方案:通过 Ollama 部署开源大模型,彻底摆脱云端依赖,解决命令行参数失效、认证配置错误等核心问题,实现 “本地推理 + 本地执行” 的全闭环,兼顾成本、隐私与性能。 关键词:OpenClaw;Ollama;本地部署;开源模型;Token 降本;AI Agent;2026.2.26 一、痛点直击:为什么你的

By Ne0inhk
无人机视角军事目标细分类检测数据集及多YOLO版本训练验证

无人机视角军事目标细分类检测数据集及多YOLO版本训练验证

前言 随着无人机技术在军事领域的广泛应用,无人机视角下的军事目标检测成为计算机视觉与军事智能化结合的核心研究方向之一。目前,公开场景中针对无人机航拍、军事目标细分类的高质量标注数据集较为稀缺,多数数据集存在类别粗糙、场景单一、数据量不足等问题,难以满足模型训练、算法优化及实际落地需求。基于此,本文整理并公开一套无人机视角军事目标细分类检测数据集,同时基于该数据集完成YOLO系列5个主流版本的训练与验证,同步提供训练结果可视化图,为相关领域研究者、工程实践者提供可靠的数据集支撑与模型参考。 数据集详细信息 本数据集专注于无人机航拍场景下的军事目标细分类检测,所有数据均经过人工精准标注、去重、清洗,场景覆盖真实军事演练相关场景,包含俯拍、侧拍、远距、近景等多种无人机拍摄角度,目标类别细分明确,有效解决现有数据集类别粗糙、场景脱离实际应用的痛点,可直接用于目标检测模型的训练、验证与测试。 数据集具体划分如下,划分比例合理,无需研究者额外进行拆分、清洗,导入模型框架即可直接使用: 测试集:1000张,用于模型训练完成后的最终性能测试,全程独立于训练过程,确保测试结果的真实性与客观性

By Ne0inhk