无需雷达调试Nav2？开源ROS 2 3D LiDAR仿真到实机复用工作空间

最近整理并开源了一套基于 ROS 2 的 3D LiDAR 自主导航工作空间：Lidar_na v2_ws。该项目的目标非常明确：许多开发者希望学习 ROS 2 导航、Na v2、Livox MID-360、FAST-LIO、Point-LIO 以及点云重定位，但在起步阶段就会面临一个非常现实的问题——没有机器人底盘，也没有激光雷达，如何进行调试和验证。

购买一套真实的机器人平台成本较高，Livox MID-360 也不是随手可得的传感器。更棘手的是，即使设备齐全，也未必能保证系统立即正常运行。话题名称、TF 树、URDF、Na v2 参数、点云转 LaserScan、LIO 里程计、地图保存、实机启动……每一步都可能让人感到困惑。

因此，在做这个项目时，最希望解决的问题并不是“又调通了一个 Na v2 demo”，而是：没有设备，也能先用仿真学习；有了设备，也无需推倒重来。

1. 为什么想做这个项目？

Na v2 本身已经是 ROS 2 中非常成熟的导航框架，包含全局规划、局部规划、代价地图、行为树、控制器等模块。但很多人在实际使用中遇到的主要障碍，并不是 Na v2 的某个具体参数，而是完整机器人系统的搭建过程。例如：

• 雷达数据如何接入系统？
• 3D 点云如何转换为 Na v2 可用的 2D LaserScan？
• LIO 里程计输出的话题如何对接？
• map -> odom -> base_footprint -> lidar 这条 TF 链如何保持完整？
• 仿真和实机的话题名称不一致如何处理？
• Gazebo 中能正常运行，为何上实机就出现问题？
• 实机调参之前，能否先在仿真中完成整体流程验证？

这些问题看起来都不是“高级算法”，但它们非常现实。因为机器人系统最考验人的地方，往往不是某个算法公式，而是系统能否完整地运转起来。因此，希望把这个项目打造成一个可以直接参考、可以直接运行、也便于继续改造的 ROS 2 3D LiDAR 导航工作空间。

2. 这个项目主要解决什么痛点？

这个项目主要解决四个问题。

第一，无需从零搭建 Na v2 工程

如果只是单独启动 Na v2，其实并不复杂。真正麻烦的是将其与机器人模型、传感器、里程计、TF、地图、代价地图全部衔接起来。这个工作空间已经将基础链路整理完毕：

LiDAR / IMU
↓
LIO 里程计
↓
标准 odom / TF / registered_scan
↓
3D 点云重定位
↓
3D 点云切片成 2D LaserScan
↓
Na v2 导航

也就是说，它不是一个孤立的 Na v2 配置文件，而是一套相对完整的 3D LiDAR 自主导航链路。

第二，没有真实雷达，也能先从仿真开始

很多开发者想学习 3D LiDAR 导航，但手头没有 Livox MID-360，也没有真实的机器人底盘。此时直接研究实机部署，门槛较高。因此，这个项目支持 Gazebo 仿真流程。可以先在仿真环境中验证：

• 机器人模型是否正常；
• 雷达点云是否正常发布；
• LIO 输入输出是否正常；
• TF 树是否连通；
• 3D 点云是否能转换为 2D LaserScan；
• Na v2 是否可以正常规划和控制；
• 地图保存和导航启动流程是否顺畅。

这样一来，即使没有真实设备，也可以先将 ROS 2 3D LiDAR 导航的主流程跑通。对于刚开始学习 Na v2、SLAM、LIO、点云重定位的人来说，这比直接面对真实硬件要友好得多。

第三，仿真和实机共用一套系统

很多机器人项目存在一个问题：仿真是一套系统，实机又是另一套系统。仿真中话题叫一个名称，实机中又叫另一个名称；仿真中 TF 是一棵树，实机上 TF 可能变成几段树枝；仿真调好的 Na v2 参数，上实机发现完全不适用；最后项目越改越乱，像一块插满转接头的祖传插线板。

因此，这个项目的设计思路是：仿真和实机尽量共用同一套系统。也就是说，Gazebo 负责模拟机器人和传感器，真实机器人负责提供实际数据，但进入后面的 LIO、重定位、LaserScan 生成、Na v2 导航流程后，整体结构尽量复用。这样做的好处是：

• 仿真调通的流程，实机可以继续沿用；
• 实机出现问题时，可以回到仿真环境快速复现；
• 无需维护两套完全割裂的工程；
• 后续替换算法或修改参数更加清晰。

第四，方便后续替换算法

这个项目并没有将所有功能写死在一个算法上。目前系统设计上尽量将几个部分拆分开：

• LIO 里程计；
• 点云重定位；
• 点云转 LaserScan；
• Na v2 导航；
• 机器人描述；
• 仿真和实机启动入口。

这样一来，后续想替换算法时，不需要将整个工程推倒重来。例如：想替换 FAST-LIO 或 Point-LIO；想替换 small_gicp 或 KISS-Matcher；想调整 Na v2 参数；想更换机器人模型；想更换仿真环境；想接入真实 MID-360。这些都可以基于现有结构继续修改。这也是这个项目最有价值的地方：它不是一个黑盒，而是一个可以持续迭代的起点。

3. 项目适合哪些人？

1. 想学习 ROS 2 Na v2，但不想从零搭建工程的人

如果你刚开始学习 Na v2，直接从官方示例跳到真实机器人项目，中间会存在不少问题。这个项目可以作为一个相对完整的参考工程，让你了解 Na v2 在 3D LiDAR 机器人系统中是如何衔接起来的。

2. 想学习 Livox MID-360 导航，但暂时没有设备的人

没有真实 MID-360，也可以先通过仿真流程理解整体链路。等到后续有真实设备后，再切换到实机启动流程，继续接入真实雷达数据。

3. 想做 3D LiDAR + Na v2 的机器人开发者

如果你的机器人也是类似的移动底盘，并且希望使用 3D LiDAR、LIO 和 Na v2 做导航，那么这个项目可以作为一个起点。你可以参考它的：工作空间结构、启动脚本、TF 设计、Na v2 参数、点云处理流程、仿真与实机切换方式。

4. 想研究点云重定位的人

除了导航本身，项目里还集成了点云重定位相关流程。这部分可以用于研究机器人在已有 PCD 地图中的定位问题，也可以继续扩展到全局重定位、初始位姿估计、持续 map 到 odom 校正等方向。

4. 这个项目不是万能模板

当然，这个项目不是说下载下来就能适配所有机器人。机器人导航系统和硬件强相关，不同底盘、不同雷达安装位置、不同坐标系、不同控制接口，都会带来差异。因此，更希望大家将其理解为：一个经过验证的基础框架。它尽量帮您把最麻烦的基础链路先搭建好，让您无需每次都从零开始处理 Gazebo、URDF、TF、LIO、LaserScan、Na v2 和实机部署这些问题。

如果您只是想学习，可以先从仿真开始。如果您有真实设备，可以在仿真流程调通后，再切换到实机流程。如果您想研究算法，也可以基于这个框架继续替换 LIO 或重定位模块。

5. 总结

做这个项目的初衷很简单：并非每个人一开始都有机器人底盘和 3D 雷达，也并非每个人都想从零开始搭建 Na v2、TF、LIO、点云处理和仿真环境。因此，把这套流程整理成了一个开源工作空间：

• 支持 Gazebo 仿真；
• 支持实机部署；
• 仿真和实机尽量共用同一套系统；
• 集成 LIO、点云处理、重定位和 Na v2；
• 适合学习、调试和二次开发。

如果您也在学习 ROS 2、Na v2、Livox MID-360、3D LiDAR 导航、点云重定位，或者正在被机器人系统工程结构所困扰，可以参考这个项目。后续也会继续更新实机测试、参数调优、重定位失败案例以及更多相关内容。