提取 Livox Mid-360 的自定义点云（Custom Point Cloud） 和提取标准的sensor_msgs/msg/PointCloud2 格式点云有所不同，关键在于其消息类型。

Livox Mid-360 的 livox_ros_driver2 驱动通常会发布两种格式的点云：

标准格式: 话题名通常是 /livox/lidar，消息类型为 sensor_msgs/msg/PointCloud2。这种格式兼容性好，可以直接用 PCL (Point Cloud Library) 等工具处理。 自定义格式: 话题名通常是 /livox/lidar_custom，消息类型为 livox_ros_driver2/msg/CustomMsg。这种格式保留了 Livox 激光雷达更多的原始信息，如时间戳、线号、标签等，但需要专门的解析。

第1步：准备工作和环境检查

安装依赖: 确保 ROS 2 环境已经安装好。此外，我们需要一个库来处理和保存点云数据

pip install open3d numpy

ROS 2 工作空间需要能够识别 livox_ros_driver2/msg/CustomMsg 这个消息类型。执行以下命令检查系统是否能找到该消息类型：

ros2 interface show livox_ros_driver2/msg/CustomMsg

第2步：编写 Python 提取脚本

执行以下脚本后播放bag 包便可以提取bag包中的点云

python
import rclpy
from rclpy.node import Node
import numpy as np
import open3d as o3d
import os

# 导入Livox自定义消息类型
from livox_ros_driver2.msg import CustomMsg

class LivoxBagExtractor(Node):
    """
    一个用于从ROS 2 Bag文件中提取Livox CustomMsg并保存为PCD文件的节点。
    """
    def __init__(self):
        super().__init__('livox_bag_extractor')
        
        # --- 参数配置 ---
        # 从bag文件中监听的Livox自定义点云话题
        self.livox_topic = '/livox/lidar'  # !! 重要：根据你的bag文件信息修改此话题名 !!
        # 保存PCD文件的输出目录
        self.output_dir = 'livox_pcd_output'
        # ----------------

        # 创建订阅者
        self.subscription = self.create_subscription(
            CustomMsg,
            self.livox_topic,
            self.custom_msg_callback,
            10  # QoS profile depth
        )
        
        # 创建输出目录
        if not os.path.exists(self.output_dir):
            os.makedirs(self.output_dir)
            
        self.frame_count = 0
        self.get_logger().info(f"节点已启动，正在监听话题: '{self.livox_topic}'")
        self.get_logger().info(f"PCD文件将保存在目录: '{self.output_dir}'")

    def custom_msg_callback(self, msg: CustomMsg):
        """
        回调函数，处理接收到的每一条CustomMsg消息。
        """
        self.get_logger().info(f"接收到第 {self.frame_count + 1} 帧数据，包含 {len(msg.points)} 个点。")

        # 准备一个列表来存储所有点的坐标
        points_list = []

        # 遍历消息中的每一个点
        # CustomMsg中的 'points' 是一个 CustomPoint 类型的数组
        for point in msg.points:
            # 提取x, y, z坐标
            x = point.x
            y = point.y
            z = point.z
            points_list.append([x, y, z])
            
            # 你也可以提取其他信息，例如：
            # reflectivity = point.reflectivity
            # tag = point.tag
            # line = point.line

        if not points_list:
            self.get_logger().warn("接收到的帧不包含任何点，跳过保存。")
            return

        # 将点列表转换为NumPy数组
        points_np = np.array(points_list, dtype=np.float64)

        # 使用Open3D创建点云对象
        pcd = o3d.geometry.PointCloud()
        pcd.points = o3d.utility.Vector3dVector(points_np)

        # 构建文件名，使用帧计数器以保证唯一性
        filename = os.path.join(self.output_dir, f"livox_frame_{self.frame_count:05d}.pcd")
        
        # 保存为PCD文件
        o3d.io.write_point_cloud(filename, pcd)
        
        self.get_logger().info(f"成功保存文件: {filename}")
        self.frame_count += 1


def main(args=None):
    rclpy.init(args=args)
    
    livox_extractor = LivoxBagExtractor()
    
    try:
        rclpy.spin(livox_extractor)
    except KeyboardInterrupt:
        pass
    finally:
        # 销毁节点并关闭rclpy
        livox_extractor.destroy_node()
        rclpy.shutdown()

if __name__ == '__main__':
    main()

有时候可能会遇到open3d与numpy的版本不兼容，执行以下命令升级相关库即可：

pip install --upgrade open3d scipy

第3步：可视化pcd点云

为了确保提取的点云文件正常，用pcl_viewer进行可视化

首先安装相关工具

sudo apt install pcl_tools

然后执行可视化命令：

pcl_viewer xxx.pcd