AWR1843毫米波雷达数据实时读取一招搞定：Python完整教程从串口到可视化-三亩地-编程学习日记

AWR1843毫米波雷达数据实时读取一招搞定：Python完整教程从串口到可视化

【免费下载链接】AWR1843-Read-Data-Python-MMWAVE-SDK-3-Python program to read and plot the data in real time from the AWR1843 mmWave radar board (MMWAVE SDK 3)项目地址: https://gitcode.com/gh_mirrors/aw/AWR1843-Read-Data-Python-MMWAVE-SDK-3-

一个关于"跑不起来的Matlab"的小故事

小李是实验室里负责做人体检测的新人。导师扔给他一块 TI 的 AWR1843 毫米波雷达板，说"先把数据读出来，画个图看看"。他兴冲冲打开官方文档——好家伙，示例全是 Matlab 代码，还要装一堆工具箱。更麻烦的是，实验室只有一台树莓派，Matlab 装不上，雷达数据眼看就要烂在串口里。

他折腾了一下午：串口波特率对不上、二进制数据解出来全是乱码、画图窗口一闪而过……直到他找到AWR1843-Read-Data-Python-MMWAVE-SDK-3这个开源项目，问题在半小时内解决：数据出来了，散点图动起来了，连帧数据都自动存好了。这篇文章就把这套"从零到跑通"的完整路径讲给你听。

一句话定义

AWR1843-Read-Data-Python-MMWAVE-SDK-3 是一个基于 Python 3 的 AWR1843 毫米波雷达数据实时读取与可视化工具：它自动配置串口、向雷达下发配置指令、解析回传的二进制数据流，并把目标的 3D 位置与多普勒速度实时画成散点图。你不需要 Matlab，不需要写一行底层协议解析代码，装上三个 Python 包就能用。

为什么不用 Matlab？三个没法拒绝的理由

传统玩法是装 Matlab 跑 TI 官方 demo，而本项目直接用 Python 复刻了官方 Matlab 方案的完整流程，理由很实在：

✅零授权成本：项目基于 MIT 开源协议，Python 生态全家桶免费，学生党、个人开发者都能直接用
✅Windows / 树莓派通吃：代码中已经预留了两套串口配置（COM端口和/dev/ttyACM设备），桌面调试、边缘部署无缝切换
✅开箱即用的实时可视化：基于 pyqtgraph 的高性能散点图，每帧数据约 30Hz 刷新，目标移动轨迹肉眼可见，而不是让你面对一串看不懂的十六进制数字

更贴心的是，项目还附带两个演示脚本：readData_AWR1843.py负责"检测对象"散点图，range-dopplerHeatmap_SDK3.py负责距离-多普勒热力图，覆盖了最常见的两种雷达数据展示需求。

一分钟快速上手：从下载到看到散点图

整个上手过程只需要四步，每一步都有明确的"完成标志"：

第一步：下载并安装依赖

pip install numpy pyserial pyqtgraph

安装成功后，在项目根目录下确认能看到readData_AWR1843.py和AWR1843config.cfg两个文件，说明仓库就绪。

第二步：接线并确认串口号用两根 USB 线连接雷达板（CLI 配置口 + 数据口），在 Windows 设备管理器里记下两个 COM 端口号。打开readData_AWR1843.py，把serialConfig()函数里的COM8、COM9改成你实际看到的端口；树莓派用户则把注释掉的/dev/ttyACM0、/dev/ttyACM1两行启用。完成标志：serial.Serial打开端口不报错。

第三步：核对配置文件默认的AWR1843config.cfg是针对 SDK 3.03 生成的，如果你的雷达固件版本不同，直接用 TI 的 mmWave Visualizer 导出你自己的配置，替换掉文件名即可。注意如果天线没有全部启用，要同步修改parseConfigFile()里的numRxAnt和numTxAnt两个数值。完成标志：脚本里打印出的每条配置指令和.cfg文件内容一致。

第四步：运行

python readData_AWR1843.py

完成标志：弹出白底散点图窗口，人在雷达前挥手，图上出现移动的圆点；按Ctrl+C程序会先发送sensorStop再优雅退出。

不懂雷达也能看懂：数据是怎么"流"出来的

雷达每秒吐出的是一坨连续字节流，就像传送带上源源不断滚下来的快递包裹。本项目最精妙的地方，就是在这条"流水线"上做了一个聪明的分拣工：

缓冲区 = 暂存区：程序维护一个固定大小的byteBuffer，把串口读到的数据先堆进去，而不是读一点解析一点，避免半包数据被拆散
魔法字 = 包裹单号：每帧数据包都以固定的 8 字节"魔法字"开头，程序在缓冲区里搜索这个特征码，就像快递员凭单号找到包裹起点，顺带把前面残留的"垃圾数据"清掉
TLV 解析 = 按单分拣：数据包内部按"类型-长度-数据"（TLV）组织，程序只看类型为 1 的"检测对象"包，从中逐个读出每个目标的 x、y、z 坐标和速度，组装成字典返回
每帧落库 = 流水线台账：解析成功的每一帧都会存入frameData字典数组，后续做批量分析、训练数据集都不用重新接雷达

这套机制用生活化的眼光看，就是一个"识别包裹起点 → 拆包 → 登记台账"的流水线，代码里几百行就把毫米波雷达最复杂的部分处理干净了。

谁在用它？三个落地场景

智能交通监测：把雷达架在路口，散点图实时追踪车辆的位置与速度，配合 doppler 速度字段直接做车流统计，比摄像头方案更不怕雨雾天气。

工业产线物料检测：在传送带旁部署雷达检测物体位置，把detObj里的坐标数据接入 PLC 或机械臂控制逻辑，实现非接触式的物料追踪，省去光电传感器的布线成本。

机器人 / 无人机避障：树莓派版本正是为这种边缘计算场景设计的，雷达输出的 3D 位置直接喂给导航算法，为自主移动设备提供不依赖视觉的稳定环境感知。

你可能踩的 3 个坑

坑一：串口号写错，程序一启动就抛异常。雷达会枚举出多个串口设备，务必在设备管理器里确认哪一个是 CLI 口（通常 115200 波特率）、哪一个是数据口（921600 波特率），两个端口混用会导致配置指令发不出去或数据全乱码。

坑二：配置文件和天线数量不匹配，散点图一片空白。如果雷达实际启用的天线数不是 4 收 3 发，而代码里numRxAnt、numTxAnt没改，解析出来的多普勒参数就会失真。换配置文件时一定同步检查这两个数值。

坑三：程序卡死或端口被占用。上一次运行异常退出会导致串口未释放，重启程序时报"端口被占用"。这时候先拔掉 USB 重插，或者用任务管理器结束残留的 Python 进程；正常退出请习惯用Ctrl+C，程序会自动发送sensorStop并关闭串口，这对雷达硬件也更友好。

开源协议与下一步

项目采用 MIT 协议，代码完全开放，你可以放心地二次开发：把散点图换成 3D 点云、把 TLV 解析扩展到 range profile 和热力图（官方说"其他包类型实现方式类似但还未实现"，这正是贡献的好机会）、把数据接入 ROS 或你的训练框架——仓库里的matlab code/目录保留了原始参考实现，方便你对照理解协议细节。

如果你正被毫米波雷达的数据解析折磨，或者想用最少的成本把 AWR1843 跑起来，现在就下载项目、照着上文四步走一遍，半小时后你就能在屏幕上看到属于自己的雷达散点图。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

日记详情

AWR1843毫米波雷达数据实时读取一招搞定：Python完整教程从串口到可视化