RADAR-LOCATION-LIDAR

基于纯固态 / 非重复扫描 / 融合式激光雷达的定位方案。

快速开始（Dev Container，推荐）

前置要求

步骤

git clone --recurse-submodules https://github.com/Alliance-Algorithm/alliance_radar_location_lidar.git
cd alliance_radar_location_lidar
code .

在 VSCode 中按 Ctrl+Shift+P，选择 Dev Containers: Reopen in Container。

容器会自动：

构建基于 ros:jazzy 的开发环境（GCC 14 + Clang 22 + CMake 4.2）
安装 Hik MVS SDK、Livox SDK2、GTSAM 4.2a9、Iridescence
挂载宿主机的 ~/.opencode、~/.codex 配置
运行 post-create.sh 初始化子模块和编译第三方包
显示 ALLIANCE RADAR ASCII art banner

宿主机 opencode 配置复用

容器自动挂载以下宿主机路径（任何设备通用）：

宿主机路径	容器路径	说明
`~/.opencode`	`/home/ubuntu/.opencode`	opencode 配置、skills、插件
`~/.codex`	`/home/ubuntu/.codex`	codex 配置
`~/.mimocode`	`/home/ubuntu/.mimocode`	mimocode 配置

不需要硬编码路径，任何设备的 opencode 配置都会自动同步到容器内。

Docker 环境（手动）

方式一：拉取预构建镜像（推荐）

docker pull yukikaze2233/alliance_radar_location_lidar:master
docker tag yukikaze2233/alliance_radar_location_lidar:master radar:develop

方式二：本地构建镜像

git submodule update --init --recursive
docker build -t radar:develop .

创建容器

docker run -it -d --name RADAR --privileged --restart=always \
  -v /dev:/dev \
  -v $(pwd):/workspace \
  -v $HOME/.opencode:/home/ubuntu/.opencode:cached \
  -v $HOME/.codex:/home/ubuntu/.codex:cached \
  --network host \
  radar:develop

参数	说明
`--privileged`	授予容器特权模式，允许直接访问 LiDAR 等硬件设备
`-v /dev:/dev`	挂载宿主机设备目录
`-v $(pwd):/workspace`	挂载项目目录到容器 `/workspace`
`-v $HOME/.opencode:...`	挂载宿主机 opencode 配置
`--network host`	容器直接使用宿主机网络栈

进入容器

docker exec -it RADAR zsh

构建 & 运行

比赛一键启动与原始录制

录制关闭时运行标准比赛链路。该模式不会创建原始录制 FIFO、SHM reader、编码器或输出文件：

ros2 launch radar_bringup competition.launch.py \
  side:=red map_path:=/workspace/model/generated/jinan_field_map_reg.pcd \
  enable_raw_recording:=false

需要采集原始相机视频时显式开启录制。默认值为 5472x3648、20 FPS、40 Mbps、 H.264 NVENC，分段 60 秒，输出到 /model/devio：

ros2 launch radar_bringup competition.launch.py \
  side:=red map_path:=/workspace/model/generated/jinan_field_map_reg.pcd \
  enable_raw_recording:=true \
  recording_output_dir:=/model/devio

启用录制的硬件阻塞条件：

必须连接并可访问 Hik 相机及其 SDK/SHM 写入端；没有真实相机 SHM 源时，radar_camera_node 无法完成录制链路。
必须使用带 NVIDIA GPU、驱动和 h264_nvenc 编码器的主机；没有 NVENC 时节点会在启动预检阶段失败。
必须存在可加载的 TensorRT 模型和对应 CUDA/TensorRT 运行时；默认模型路径见 radar_bringup/config/camera/radar_camera.yaml。
必须连接所选 LiDAR 并启动对应驱动；sensor:=odin 或 sensor:=mid70 不能替代驱动和硬件。
map_path 必须指向可读地图，录制目录必须可创建且有足够磁盘空间；静态测试不覆盖这些现场条件。

快捷脚本

命令	说明
`build-all [Release\|Debug]`	编译所有包（third-party + 全部 radar 包，含 `direct_visual_lidar_calibration`）
`build-radar [Release\|Debug]`	快速编译 radar 包 + 雷达驱动（跳过 `direct_visual_lidar_calibration`）
`calibrate-camera <image.jpg> --camera_model ... --camera_intrinsics ... --camera_distortion_coeffs ...`	相机-雷达外参自动标定（需先 `build-all`），见下方「相机外参标定」
`offline-test <scan.pcd> --map <map.pcd>`	启动离线配准可视化节点，发布 `/offline/*` 话题给 Foxglove
`run-radar`	运行标定定位节点
`format-radar`	格式化 C++ 源文件
`banner`	显示 ALLIANCE RADAR ASCII art

clangd 配置

容器内 VSCode clangd 使用 /workspace/ros_ws/build/radar_lidar/compile_commands.json
宿主机 Neovim clangd 先运行 export-compile-commands，在项目根生成 compile_commands.json
export-compile-commands 会把编译数据库里的 /workspace/... 路径自动改写成宿主机项目路径，供宿主机 clangd 直接读取

Foxglove Bridge

ros2 launch foxglove_bridge foxglove_bridge_launch.xml port:=8765

离线配准可视化

offline-test /path/to/scan.pcd --map /path/to/map.pcd

或直接使用 launch：

ros2 launch radar_bringup offline_registration.launch.py \
  map_path:=/path/to/map.pcd \
  scan_path:=/path/to/scan.pcd

Foxglove 里主要查看这些话题：

/offline/map
/offline/scan_raw
/offline/scan_aligned
/offline/overlay
/offline/pose

相机外参标定

一次性离线标定，用已有场地地图点云 + 一张相机图像自动算出相机外参 t_map_camera，全程无人工介入。依赖 direct_visual_lidar_calibration （ros_ws/third-party/），需先跑 build-all（build-radar 会跳过它）。

calibrate-camera /path/to/photo.jpg \
  --camera_model plumb_bob \
  --camera_intrinsics fx,fy,cx,cy \
  --camera_distortion_coeffs k1,k2,p1,p2,k3

内部流程：preprocess_map（地图 + 图像 → calib.json）→ 注入 ros_ws/src/radar_calibration/config/initial_guess.yaml 里的粗略外参猜测（雷达站相机安装几何估算值）→ calibrate（NID 直接配准精化）。结果在 ros_ws/src/radar_calibration/calibration_data/calib.json 的 results.T_lidar_camera（第三方库字段名，本项目内部读作 t_map_camera）。用 radar_calibration_node extract-result 导出成 radar_camera 可读的 YAML：

ros2 run radar_calibration radar_calibration_node extract-result \
  ros_ws/src/radar_calibration/calibration_data/calib.json \
  ros_ws/src/radar_camera/config/extrinsic.yaml

LiDAR 驱动

1. WS_30PCD_ET3 — 机智人科技

cd /workspace/lidar_ros_driver/ws_30pcd_et3_ros2
colcon build --packages-select ws_30pcd_et3_ros2
ros2 launch ws_30pcd_et3_ros2 scan_frame.launch.py

2. Livox Mid-70 / HAP / MID360 — 大疆创新

cd /workspace/lidar_ros_driver/livox_ros_driver2
cp package_ROS2.xml package.xml
cp -rf launch_ROS2/ launch/
./build.sh humble
ros2 launch livox_ros_driver2 rviz_MID360_launch.py

参数	默认值	说明
`publish_freq`	`10.0`	点云发布频率（Hz），最大 100.0
`multi_topic`	`0`	多雷达独立 topic：0=共用，1=独立
`xfer_format`	`0`	点云格式：0=Livox 自定义，1=定制格式，2=标准 PCL

注意：官方 build.sh 不支持 jazzy 参数，需使用 humble。构建前需先复制 ROS2 配置文件。

3. Odin — 留形科技

注意：Odin 驱动为 git submodule，需先初始化。初始化后参考子模块内 README 进行构建。

cd /workspace/lidar_ros_driver/odin_ros_driver
# 查看子模块 README 获取具体构建命令
cat README.md

Odin1 内置重定位（可选）

radar_lidar 默认用自身 GICP 做 scan-to-map 配准。若已有 Odin1 SLAM 建的 .bin 地图，可切到 Odin1 内置重定位为主位姿源，GICP 自动降级为重定位未收敛时的回退，不需要手动切换。

# 1. 赛前离线走图一次，产出 .bin 地图
ros2 launch radar_bringup odin_slam_mapping.launch.py
# 走图完成后，另开终端执行 set_param.sh save_map 1（见子模块 README）

# 2. 用保存的地图做重定位 + GICP 回退联合定位
ros2 launch radar_bringup odin_relocalization_localization.launch.py \
  map_path:=/workspace/model/generated/jinan_field_map_reg.pcd \
  relocalization_map_path:=/path/to/saved_map.bin

custom_init_pos（红/蓝方安装位置估算值）需在 ros_ws/src/radar_bringup/config/lidar/odin_driver_relocalization.yaml 中按实际部署位置填入，默认全零仅供占位。

Odin1 直出聚类调参（无地图，比赛链路不受影响）

odin_tune_node 订阅 Odin1 直出原始点云 /odin1/cloud_raw，用 odometry 对齐的滑动窗口背景模型差分提取动态点，再走欧氏聚类，用于无地图时真机调参。 比赛链路不使用此节点；调参结论回填比赛 YAML。

ros2 launch radar_bringup odin_tune.launch.py

Foxglove 查看：

/odin_tune/dynamic 动态点云
/odin_tune/background 背景模型（调试）
/odin_tune/clusters 聚类质心 + /odin_tune/cluster_viz AABB 边框
/odin_tune/diag 诊断（dynamic/clusters/time_ms）

实时调参（改完立即生效，无需重启）：

ros2 param set /odin_tune_node diff_threshold 0.25
ros2 param set /odin_tune_node cluster_tolerance 0.15
ros2 param set /odin_tune_node bg_num_frames 20

可用参数：conf_threshold、voxel_leaf、roi_enabled + roi_*、 bg_num_frames、diff_threshold、cluster_tolerance、min_cluster_size、 max_cluster_size。scan_topic / odom_topic / output_frame 需重启生效。

背景模型不含当前帧；启动后前 bg_num_frames 帧处于预热期不输出动态点。

目录结构

RADAR-LOCATION-LIDAR/
├── Dockerfile              # 基于 ros:jazzy 的开发环境镜像
├── .devcontainer/          # VSCode Dev Container 配置
│   ├── devcontainer.json
│   └── docker-compose.yml
├── .script/                # 开发脚本
│   ├── build-radar         # 快速编译 radar 包（跳过 DVLC）
│   ├── build-all           # 编译所有包（含 DVLC）
│   ├── calibrate-camera    # 相机-雷达外参自动标定
│   ├── run-radar           # 运行节点
│   ├── format-radar        # 格式化代码
│   ├── banner              # ASCII art banner
│   ├── ow_logo.txt         # Overwatch 风格 logo
│   └── template/           # 环境变量模板
├── model/                  # 模型文件 (FBX, ONNX, PCD)               # 离线资产
├── ros_ws/                 # ROS2 工作空间
│   ├── src/
│   │   ├── radar_lidar/       # LiDAR 配准定位
│   │   ├── radar_camera/      # 视觉位姿观测
│   │   ├── radar_fusion/      # 多传感器融合定位
│   │   ├── radar_bridge/      # ROS2 ↔ ZMQ 桥接 + SHM 视频推流
│   │   ├── radar_calibration/ # 相机-雷达标定+定位
│   │   └── radar_bringup/     # Launch / YAML / 组件编排
│   └── third-party/        # small_gicp, hikcamera_sdk（含 SHM）, direct_visual_lidar_calibration
├── lidar_ros_driver/       # LiDAR 驱动（git submodules）
│   └── * Livox 驱动使用 fork 版本以支持 Mid-70（上游 SDK2 暂未提供），维护者 @yukikaze223344
├── docs/                   # SLAM 学习资料
└── README.md

Name		Name	Last commit message	Last commit date
.devcontainer		.devcontainer
.github/workflows		.github/workflows
.script		.script
.vscode		.vscode
docs		docs
lidar_ros_driver		lidar_ros_driver
model		model
ros_ws		ros_ws
scripts		scripts
tools		tools
.clang-format		.clang-format
.clang-tidy		.clang-tidy
.clangd		.clangd
.coderabbit.yaml		.coderabbit.yaml
.dockerignore		.dockerignore
.gitignore		.gitignore
.gitmodules		.gitmodules
Dockerfile		Dockerfile
README.md		README.md
task-2-report.md		task-2-report.md
task-3-report.md		task-3-report.md
task-4-report.md		task-4-report.md
task-5-report.md		task-5-report.md

Navigation Menu

Repository files navigation

RADAR-LOCATION-LIDAR

快速开始（Dev Container，推荐）

前置要求

步骤

宿主机 opencode 配置复用

Docker 环境（手动）

方式一：拉取预构建镜像（推荐）

方式二：本地构建镜像

创建容器

进入容器

构建 & 运行

比赛一键启动与原始录制

快捷脚本

clangd 配置

Foxglove Bridge

离线配准可视化

相机外参标定

LiDAR 驱动

1. WS_30PCD_ET3 — 机智人科技

2. Livox Mid-70 / HAP / MID360 — 大疆创新

3. Odin — 留形科技

Odin1 内置重定位（可选）

Odin1 直出聚类调参（无地图，比赛链路不受影响）

目录结构

About

Releases

Packages

Contributors

Languages

Latest commit

History

Folders and files

Repository files navigation

RADAR-LOCATION-LIDAR

快速开始（Dev Container，推荐）

前置要求

步骤

宿主机 opencode 配置复用

Docker 环境（手动）

方式一：拉取预构建镜像（推荐）

方式二：本地构建镜像

创建容器

进入容器

构建 & 运行

比赛一键启动与原始录制

快捷脚本

clangd 配置

Foxglove Bridge

离线配准可视化

相机外参标定

LiDAR 驱动

1. WS_30PCD_ET3 — 机智人科技

2. Livox Mid-70 / HAP / MID360 — 大疆创新

3. Odin — 留形科技

Odin1 内置重定位（可选）

Odin1 直出聚类调参（无地图，比赛链路不受影响）

目录结构

About

Resources

Stars

Watchers

Forks

Releases

Packages

Contributors

Languages