av_msgs/msg/Odometry 是 ROS (Robot Operating System) 中一个极其重要和基础的消息类型。它用于表示机器人在空间中的位姿（位置和姿态）和速度（线速度和角速度）的估计值，并且包含了这些估计值的不确定性（协方差）。
简单来说，它回答了以下几个核心问题：
机器人现在在哪里？ (位置) 机器人现在朝向哪里？ (姿态/方向) 机器人正在以多快的速度移动？ (线速度) 机器人正在以多快的速度转动？ (角速度) 我们对这些估计有多大的信心？ (协方差)
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。
ULIP（Unified Language-Image-Point cloud representation）旨在学习一个统一的表示空间，将三种不同的数据模态——语言（Text）、图像（Image）和点云（Point Cloud）——映射到同一个特征空间中。其核心思想是利用已经在大规模2D图文数据上预训练好的模型（如CLIP），将3D点云的特征与已经对齐好的图文特征进行对齐。
通过这种方式，ULIP成功地将3D表示与丰富的2D视觉和语言语义联系起来，从而实现了强大的零样本（Zero-shot）3D理解能力。例如，模型在没有见过任何3D标注数据的情况下，仅通过文本描述（如“一张红色的椅子”）就能对3D点云进行分类或检索。
近年来，点云理解在自动驾驶、机器人感知、增强现实等领域具有广泛应用。然而，点云标注数据昂贵且有限，制约了点云深度学习的发展。相比之下，图像领域有大量标注数据和强大的预训练模型，尤其是 CLIP（Contrastive Language-Image Pre-training），通过对齐图像与文本表示，展现了卓越的零样本识别能力。 论文 PointCLIP 提出了一个核心问题： 能否将强大的 图像-文本多模态模型 CLIP 迁移到 点云理解 中，而无需大规模点云标注数据？
