基于NDT算法的双VLP-16激光雷达外参标定实战：从单机启动到多机协同

1. 双激光雷达系统的魅力与挑战

在机器人感知和自动驾驶领域，激光雷达就像机器的"眼睛"，而双激光雷达系统则相当于给机器装上了"双眼"。VLP-16作为性价比较高的16线激光雷达，单个售价约2-3万元，两个组合使用就能实现接近32线激光雷达（售价约10万元）的感知效果。这种配置特别适合需要360度全向感知的场景，比如自动驾驶物流车、园区巡逻机器人等。

不过实际操作中会遇到几个典型问题：首先是IP冲突，两个雷达出厂默认IP相同；其次是数据融合，需要精确知道两个雷达之间的相对位置关系（即外参）；最后是坐标系混乱，ROS中容易出现TF树冲突。我去年给某高校实验室部署双雷达系统时，就遇到过因为坐标系命名重复导致点云数据无法显示的尴尬情况。

2. 单台VLP-16的配置实战

2.1 硬件连接与网络配置

先把VLP-16通过网线直连电脑（建议使用千兆网卡），这时候需要禁用无线网络，否则会出现IP路由混乱。在Ubuntu 18.04下配置静态IP的完整命令如下：

sudo nmcli con add type ethernet ifname enp3s0 ipv4.method manual ipv4.addresses 192.168.1.100/24 ipv4.gateway 192.168.1.1

这里有个小技巧：如果不知道网卡接口名，可以用ifconfig命令查看。我习惯用192.168.1.100这个IP，因为雷达默认IP是192.168.1.201，要确保在同一网段但不同地址。

2.2 雷达参数调试

在浏览器访问http://192.168.1.201会看到雷达的Web配置界面。几个关键参数需要调整：

• RPM：设为600（转速越高点云越密集但功耗越大）
• Host IP：改成刚才设置的电脑IP（如192.168.1.100）
• Data Port：默认为2368，如果被占用可以改为2369

记得点击"Save Settings"保存配置，这时候雷达会重启。我曾经遇到过配置不保存的情况，后来发现是浏览器缓存问题，建议用Chrome的隐身模式操作。

2.3 ROS驱动安装与测试

安装官方驱动包时，推荐用以下命令克隆特定版本（避免最新版不兼容）：

cd ~/catkin_ws/src git clone -b melodic-devel https://github.com/ros-drivers/velodyne.git catkin_make

启动雷达前需要修改VLP16_points.launch文件中的端口号，与雷达Web界面设置的Data Port保持一致。一个完整的启动流程应该是：

roslaunch velodyne_pointcloud VLP16_points.launch rosrun rviz rviz -f velodyne

在RViz中添加"PointCloud2"显示，Topic选择/velodyne_points，就能看到实时点云了。如果没数据，可以先用rostopic list检查话题是否存在。

3. 双雷达系统搭建详解

3.1 硬件连接方案

双雷达有三种常见布局方式：

1. 背靠背安装：实现360度全覆盖，适合扫地机器人
2. 同向安装：增强前方感知密度，适合自动驾驶
3. 高低位安装：扩大垂直视场，适合地形勘测

无论哪种方式，都需要使用千兆交换机连接设备。我测试过TP-Link的5口千兆交换机（型号TL-SG1005D），完全能满足双雷达的带宽需求。接线顺序应该是：

1. 先单独连接雷达A，将其IP改为192.168.1.200
2. 连接雷达B保持默认IP(192.168.1.201)
3. 将两个雷达和主机都接入交换机

3.2 双雷达启动配置

关键是要修改multi_VLP16_points.launch文件，主要调整以下参数：

<!-- 第一个雷达配置 --> <arg name="device_ip" default="192.168.1.201" /> <arg name="frame_id" default="velodyne1" /> <arg name="port" default="2368" /> <!-- 第二个雷达配置 --> <arg name="device_ip" default="192.168.1.200" /> <arg name="frame_id" default="velodyne2" /> <arg name="port" default="2369" />

这里有个坑要注意：两个雷达的frame_id必须不同，否则会导致TF树冲突。我建议用velodyne_left和velodyne_right这种语义化命名，后期维护更方便。

3.3 常见问题排查

当双雷达启动失败时，可以按以下步骤检查：

1. 用ping 192.168.1.200和ping 192.168.1.201测试网络连通性
2. 用rostopic list | grep velodyne确认是否有两个点云话题
3. 检查/tf话题是否有两个雷达的坐标系

如果RViz中只显示一个雷达的数据，很可能是frame_id冲突，需要检查launch文件中的命名。

4. NDT标定算法实战

4.1 标定原理通俗解读

NDT(Normal Distributions Transform)算法可以理解为"点云对齐"技术。它的工作原理是：

1. 将参考点云（主雷达）划分为若干小立方体
2. 计算每个立方体内点的正态分布特征
3. 通过优化算法找到变换矩阵，使目标点云（从雷达）与参考点云的分布最匹配

这个过程类似于玩拼图游戏，通过不断调整位置找到最佳吻合点。NDT相比ICP算法的优势在于对初始值要求不高，且计算速度更快。

4.2 标定环境准备

理想的标定场景应该具备：

• 丰富特征：如墙角、柱状物等几何特征明显的环境
• 适度空间：建议5×5米以上的开阔区域
• 稳定平台：雷达必须固定牢固，避免振动影响

我曾在一个空旷停车场做过标定，因为地面特征太少导致标定效果不佳。后来改在有两排立柱的仓库，标定精度明显提高。

4.3 具体操作步骤

首先下载标定功能包并编译：

cd ~/catkin_ws/src git clone https://gitee.com/guomin9192/multi_lidar_calibration.git catkin_make

修改配置文件child_topic_list，设置初始变换值。这个初始值可以通过卷尺简单测量获得：

• 两雷达之间的X/Y/Z距离
• 安装角度偏差（通常先设为0）

启动标定程序的完整命令序列：

# 终端1：启动ROS核心 roscore # 终端2：启动双雷达 roslaunch velodyne_pointcloud multi_VLP16_points.launch # 终端3：启动标定程序 roslaunch multi_lidar_calibration multi_lidar_calibration.launch # 终端4：可视化 rviz -d ~/catkin_ws/src/multi_lidar_calibration/rviz/multi_lidar_calibration.rviz

4.4 结果分析与验证

标定过程中要关注几个关键指标：

1. 匹配得分：通常大于0.7表示效果良好
2. 迭代次数：正常情况在20-30次迭代后收敛
3. 点云重合度：在RViz中观察重叠情况

可以用以下命令保存标定结果：

rosrun tf view_frames

这会生成一个frames.pdf文件，显示完整的TF树结构。最终得到的外参矩阵可以用于后续的点云融合处理。

5. 工程实践中的经验分享

5.1 时间同步方案

双雷达数据同步是个容易被忽视的问题。推荐两种方案：

1. 硬件同步：使用PPS信号和GPRMC语句（需要雷达支持）
2. 软件同步：用message_filters模块做时间对齐

实测发现，在10Hz扫描频率下，50ms以内的时间偏差对建图影响不大，但做动态物体检测时建议控制在20ms以内。

5.2 标定精度提升技巧

通过多次实践，我总结了几个提高标定精度的方法：

1. 在雷达重叠区域放置特殊标志物（如三角锥）
2. 采集数据时缓慢旋转平台（约10度/秒）
3. 使用多组数据取平均结果
4. 标定后做闭环验证（如建图检查重叠区域）

5.3 常见故障处理

问题1：标定结果不稳定

• 检查雷达固定是否牢固
• 尝试降低NDT网格分辨率参数

问题2：RViz中点云闪烁

• 确认两个雷达的转速设置一致
• 检查交换机是否出现网络拥塞

问题3：标定后融合效果差

• 重新测量初始变换值
• 尝试在更有特征的环境重新标定

这套系统在某物流园区AGV上稳定运行了8个月，期间经历-20℃到45℃的温度变化，标定参数仍保持良好。关键是要做好防震处理和定期校验。