马上到我碗里来的博客

===========================棋盘格摆放。但实际的话题会很多，所以最好列一下话题，拿一下想要的话题即可。录制的时候尽量录得长一点，这样的话后续可以有足够的时间调试。下面录制包，录制的前提必须把相机和雷达ros驱动起来。可以看到激光雷达和相机的话题分别为。平拿、左倾、右倾、上倾、下倾。在可视化中添加雷达和相机。近处左、近处中、近处右。远处左、远处中、远处右。

据Livox官网介绍，Horizon的探测距离为260米，水平视场角（HFOV）81.7°，可以覆盖10米内的4条车道，

这里根据雷达的ros驱动来，这里以velodyne为例。在rviz中将Frame名改为velodyne。添加PointCloud2节点即可。

首先，需要使用Windows下的雷达抓包工具，网上有很多这样的工具，比如 wireshark ，这里不做过多的赘述。arp-scan是Kali Linux自带的一款ARP扫描工具，用于获取目标设备的MAC地址和IP地址。工具可以很方便地扫描局域网中的设备，并获取它们的IP地址和MAC地址。没有其他问题的情况下，你就能得到相应的IP地址，并且可以通过ping命令确认其可达性。该命令将列出局域网上所有可见的设备，并显示它们的IP地址和MAC地址。如果你知道目标设备的MAC地址，你可以直接针对该设备进行扫描。

如果你在使用海康威视摄像头时遇到了编译报错的问题，可能是链接库的路径配置不正确。

通过usb_cam package，我们能够在ROS中轻松地集成USB免驱摄像头，为机器人或其他项目提供高质量的图像输入。这种简便的安装和配置过程使得用户能够专注于项目的核心开发，而无需花费过多时间在底层摄像头集成上。USB免驱摄像头在ROS中的应用，为机器人和计算机视觉领域带来了更加灵活和便利的解决方案。

更改小鱼一键安装的配置文件，然后再在主机上安装，这样安装的容器就是直接更改了桥接模式，这是能想到最简单的更改桥接模式的方法详细参考：https://github.com/fishros/install============================分割线整理一下整个思路：1.先自定义安装docker+ros2.然后直接开一个ws测试即可下载工程看架构。

在最开始我们提一个问题，思路是这样的，在这里基于docker的autoware，后续的标定包应该放在工作空间，那工作空间是project的，那肯定不能放在docker里面，所以是否意味着每次nlopt这些都得重新安装和编译？💡 在这里，最开始的思路是用docker安装autoware，然后再安装标定工具，但是这样有不少问题：1.比如docker每次关闭容器就会删除，改run.sh文件最后一行的—rm没有用；2.多开终端，节点的开启需要多终端，这也会是一个很麻烦的事情，需要进行docker ps。

不管是有nvidia支持的机器还是没有的机器，试过都不行。然后重新找了这个教程，操作就成功了，而且不可以加载quick start页的那些文件，否则好像是会有冲突。然后发现上面这个教程其实也很潦草，解决后面出现的error的时候，在万能的github上找到了一个更详细有解释的版本。很神奇的一点就是，按照官方的这个教程，我运行起来都有问题，不显示points。在runtime_manager的Quick Start Tab页，导入。之前搜了一些教程，发现那些数据包都不能下载，还是官方教程靠谱。

这是因为docker服务器在国外，基于网速与“和谐墙”的问题，所以我们在国内操作国外镜像可能无法正常拉取，这需要我们为docker设置国内的阿里云镜像加速器。由于我的新电脑没有nvidia的graphic cards，只有Intel的，所以在运行。我没有试过source build，贴一个官方的链接，有需要的同学可以自行实践。container的，这样是为了不占据太多存储，因为每次运行。首先，你需要按照Docker官方的教程，安装docker。的脚本，默认是会在每次运行结束，退出docker。

单目相机分辨率高，我们可以使用各种深度学习算法完成对目标检测，但是缺乏深度，坐标等信息。激光雷达能够获得目标相当精确的三维坐标信息，但是分辨率低，目前主流的为64线和32线，稀疏的电云数据为模式识别带来了困难。一种简单的思路是融合相机和激光雷达对目标障碍物完成检测，在图像层面使用深度学习方法将目标检测识别，然后将目标从二维图像映射到三维电云，从而画出目标在三维空间的位置以及边界（3维的bounding box）。实现这一映射的前提是完成Camera到激光雷达的组合标定。