2. 环境搭建与工具链：Ubuntu + ROS2环境配置、PCL库安装与编译、Open3D与Python绑定
说实话，做激光雷达感知这几年，我见过太多同学卡在环境搭建这一步。明明算法思路都通了，结果装个库装了两天，心态直接崩了。今天咱们就把这事一次性捋清楚。
我个人习惯用 Ubuntu 22.04 + ROS2 Humble 这套组合。为什么选这个？因为稳定。我在项目里踩过不少坑，比如某个库在 Ubuntu 20.04 上编译好好的，换到 22.04 就报错。所以版本锁定很重要。
2.1 Ubuntu + ROS2 环境配置
先装系统。如果你手头是 Windows 或 macOS，建议用虚拟机或者双系统。我个人推荐用 VMware 装 Ubuntu 22.04 LTS，省心。
装好系统后，第一件事换源。你想想看，默认源在国外，下载速度慢得让人抓狂。换成清华或阿里云的源，速度直接起飞。
# 备份原源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
# 编辑源文件
sudo vim /etc/apt/sources.list
# 替换为清华源（Ubuntu 22.04）
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ jammy-security main restricted universe multiverse
然后更新系统，装 ROS2 Humble。官方文档其实写得很清楚，但我还是建议你按下面这个顺序来：
# 设置 locale
sudo apt update && sudo apt install locales
sudo locale-gen en_US en_US.UTF-8
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8
# 添加 ROS2 源
sudo apt install software-properties-common
sudo add-apt-repository universe
sudo apt update && sudo apt install curl -y
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(lsb_release -cs) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null
# 安装 ROS2 Humble
sudo apt update
sudo apt install ros-humble-desktop
sudo apt --fix-broken install 修复一下就行。我曾经在这卡了半小时，后来发现是网络问题导致部分包没下全。
装完后配置环境变量。把下面这行加到 ~/.bashrc 里：
source /opt/ros/humble/setup.bash
然后 source ~/.bashrc 让它生效。验证一下：
ros2 run demo_nodes_cpp talker
如果看到 "Hello World" 在刷屏，恭喜你，ROS2 环境搞定了。
2.2 PCL 库安装与编译
PCL（Point Cloud Library）是做点云处理绕不开的库。我最早接触 PCL 是在 2018 年，那时候版本还是 1.8，现在都到 1.13 了。
安装方式有两种：apt 直接装，或者源码编译。我个人建议：能用 apt 就别编译。除非你需要定制某些模块。
# apt 安装（推荐）
sudo apt install libpcl-dev pcl-tools
# 验证安装
pcl_viewer --version
如果你非要源码编译，嗯，那我也拦不住你。但记住几个坑：
- VTK 版本要匹配。PCL 1.12 以上需要 VTK 9.x，否则编译报错。
- Eigen3 必须装。这是 PCL 的数学基础库。
- Boost 也要装。PCL 依赖 Boost 的智能指针和线程库。
# 源码编译步骤
git clone https://github.com/PointCloudLibrary/pcl.git
cd pcl
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release ..
make -j$(nproc)
sudo make install
-j$(nproc) 参数，用满所有 CPU 核心。我当年用 4 核笔记本编译 PCL，没加这个参数，等了快一小时。加了之后 15 分钟搞定。
装好后写个简单程序测试一下：
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
int main() {
pcl::PointCloud<pcl::PointXYZ> cloud;
cloud.width = 5;
cloud.height = 1;
cloud.points.resize(cloud.width * cloud.height);
for (size_t i = 0; i < cloud.points.size(); ++i) {
cloud.points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
cloud.points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
cloud.points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
}
pcl::io::savePCDFileASCII("test.pcd", cloud);
std::cout << "Saved " << cloud.points.size() << " data points to test.pcd." << std::endl;
return 0;
}
编译运行：
g++ -o test_pcl test_pcl.cpp -lpcl_io -lpcl_common
./test_pcl
如果生成了 test.pcd 文件，说明 PCL 装好了。
2.3 Open3D 与 Python 绑定
Open3D 是后来崛起的点云库，Python 接口特别友好。我个人觉得，做快速原型验证时，Open3D 比 PCL 顺手得多。
安装很简单，一行命令：
pip install open3d
但要注意 Python 版本。Open3D 0.17 以上需要 Python 3.8+。我建议用 Python 3.10，兼容性最好。
验证安装：
python3 -c "import open3d as o3d; print(o3d.__version__)"
如果输出版本号，比如 0.18.0，那就成了。
写个简单的点云可视化脚本：
import open3d as o3d
import numpy as np
# 生成随机点云
points = np.random.rand(1000, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)
# 可视化
o3d.visualization.draw_geometries([pcd], window_name="My First Point Cloud")
说到 Python 绑定，其实 Open3D 本身就是 C++ 写的，Python 只是它的接口层。所以性能不用担心。我在项目里用 Open3D 处理过百万级的点云，帧率依然能到 30 FPS 以上。
最后说一句，这三个工具链的关系：ROS2 负责通信和调度，PCL 负责底层算法，Open3D 负责快速验证和可视化。各司其职，缺一不可。
好了，环境搭建这块就到这。下一章咱们开始真正接触点云数据，聊聊怎么读取、显示和预处理。到时候我会拿实际激光雷达的数据来演示，保证比现在这些随机点云有意思得多。