1. 为什么选择Fast_lio与Livox Mid360组合如果你正在寻找一套高效、稳定的三维建图方案Fast_lio算法搭配Livox Mid360激光雷达绝对值得考虑。这个组合在机器人导航、自动驾驶和三维重建领域已经得到了广泛验证。我去年在一个室内服务机器人项目中使用这套方案时单次建图面积超过2000平方米仍能保持厘米级精度。Livox Mid360作为一款固态激光雷达相比传统机械式雷达有几个明显优势。首先是体积小巧可以直接集成到小型机器人上。其次是独特的非重复扫描模式在相同时间内能获取更多点云数据。实测在5米范围内点云密度能达到传统16线雷达的3倍以上。不过这种扫描模式也带来一个挑战——原始点云不像传统雷达那样规则排列这就需要像Fast_lio这样的先进算法来处理。Fast_lio作为紧耦合的激光惯性里程计系统最大的特点是直接处理原始点云特征。传统算法需要先提取特征点再匹配而Fast_lio通过ikd-Tree数据结构实现了高效的点云配准。我在实际测试中发现即使用普通i5处理器它也能稳定处理Mid360每秒20万点的数据量。这种高效率使得系统在资源有限的嵌入式设备上也能流畅运行。2. 环境配置全流程详解2.1 基础系统准备建议使用Ubuntu 20.04 LTS系统这个版本对ROS1和各类驱动支持最完善。我试过在Ubuntu 22.04上配置会遇到不少依赖库版本冲突的问题。安装完系统后首先配置ROS Noeticsudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install ros-noetic-desktop-full安装完成后记得在~/.bashrc中添加环境变量。我建议单独创建一个工作空间来管理所有相关代码mkdir -p ~/mid360_ws/src cd ~/mid360_ws catkin_make source devel/setup.bash2.2 Livox驱动安装Mid360需要使用Livox_SDK2和livox_ros_driver2这两个专用驱动。安装时要注意版本匹配# 安装Livox_SDK2 git clone https://github.com/Livox-SDK/Livox-SDK2.git cd Livox-SDK2 mkdir build cd build cmake .. make sudo make install # 安装ROS驱动 cd ~/mid360_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd .. catkin_make这里有个容易踩坑的地方如果系统缺少USB权限设备可能无法识别。解决方法是在/etc/udev/rules.d/目录下创建规则文件echo SUBSYSTEMusb, ATTR{idVendor}2d2d, MODE0666 | sudo tee /etc/udev/rules.d/livox.rules sudo udevadm control --reload-rules3. Fast_lio的定制化配置3.1 源码编译与修改Fast_lio的官方仓库已经支持Mid360但还是需要一些手动调整cd ~/mid360_ws/src git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO git submodule update --init关键修改点在CMakeLists.txt文件中需要确保找到的是livox_ros_driver2而不是旧版驱动。同时检查package.xml中的依赖项是否一致。我建议直接修改这两处!-- package.xml -- dependlivox_ros_driver2/depend# CMakeLists.txt find_package(livox_ros_driver2 REQUIRED)3.2 Sophus库的特殊处理Sophus库的安装最容易出问题特别是新版本与Fast_lio的兼容性问题。推荐使用特定commit版本git clone https://github.com/strasdat/Sophus.git cd Sophus git checkout a621ff mkdir build cd build cmake .. -DUSE_BASIC_LOGGINGON make -j4 sudo make install如果遇到so2.cpp编译错误需要手动修改源码。打开Sophus/sophus/so2.cpp文件将构造函数改为SO2::SO2() { unit_complex_.real(1.); unit_complex_.imag(0.); }4. 建图实战与参数调优4.1 启动与基础测试先启动雷达驱动再运行建图节点# 终端1 source devel/setup.bash roslaunch livox_ros_driver2 msg_MID360.launch # 终端2 roslaunch fast_lio mapping_mid360.launch首次运行时建议在开阔空间测试。我习惯先用手持设备缓慢旋转360度观察rviz中的点云是否完整闭合。常见问题包括点云碎片化检查IMU数据是否正常建图漂移调整laser_mapping.cpp中的运动补偿参数点云缺失确认雷达俯仰角在15-30度之间4.2 关键参数解析在mapping_mid360.launch文件中这几个参数对建图质量影响最大param namepoint_filter_num value3/ !-- 降采样率 -- param namemax_iteration value4/ !-- 迭代次数 -- param namecube_side_length value1000/ !-- 地图尺寸 --根据我的经验室内场景建议point_filter_num设为2-3max_iteration设为3-5cube_side_length按实际空间调整室外大场景则需要增大cube_side_length至2000以上降低filter_num至1-2增加max_iteration到5-75. 点云后处理技巧5.1 实时滤波与降噪Mid360的原始点云包含大量噪声可以通过Fast_lio内置的滤波器处理。在config/velodyne.yaml中添加point_filter_param: remove_hidden_pts: true hidden_thres: 0.5 terrain_filter: true terrain_thres: 0.1对于动态物体干扰可以启用统计离群值滤波pcl::StatisticalOutlierRemovalpcl::PointXYZ sor; sor.setMeanK(50); sor.setStddevMulThresh(1.0);5.2 地图保存与优化使用pcl库保存最终地图时建议先进行体素滤波rosrun pcl_ros pointcloud_to_pcd input:/cloud_registered pcl_voxel_grid input.pcd output.pcd -leaf 0.05,0.05,0.05对于大场景地图我推荐使用octomap进行压缩存储octomap::OcTree tree(0.05); tree.insertPointCloud(cloud, origin); tree.writeBinary(map.bt);6. 常见问题解决方案6.1 点云断裂问题如果发现建图出现断层首先检查时间同步# 查看时间偏移 rostopic delay /livox/lidar在launch文件中添加时间补偿param nametime_offset_lidar_to_imu value0.000/6.2 内存溢出处理大场景建图时可能遇到内存不足修改fast_lio的MapINIT函数void MapsInit(){ map_cloud.reset(new PointCloudType()); map_cloud-reserve(5000000); // 预分配内存 }同时调整系统交换空间sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile7. 进阶应用场景7.1 多雷达融合配置当需要扩大视野时可以配置多个Mid360。在livox_ros_driver2的配置文件中{ lidar_config: [ { ip: 192.168.1.12, publish_freq: 10.0, port: 56000 }, { ip: 192.168.1.13, publish_freq: 10.0, port: 56001 } ] }在Fast_lio中需要修改点云预处理代码处理多源点云的时间对齐。7.2 与视觉融合加入RGB信息可以增强建图效果。我通常使用如下方式同步图像和点云message_filters::Subscribersensor_msgs::Image image_sub(nh, /camera/image, 1); message_filters::Subscribersensor_msgs::PointCloud2 cloud_sub(nh, /livox/lidar, 1); typedef sync_policies::ApproximateTimeImage, PointCloud2 MySyncPolicy; SynchronizerMySyncPolicy sync(MySyncPolicy(10), image_sub, cloud_sub);
Fast_lio与Livox Mid360的ROS1建图实战：从环境配置到三维点云处理
1. 为什么选择Fast_lio与Livox Mid360组合如果你正在寻找一套高效、稳定的三维建图方案Fast_lio算法搭配Livox Mid360激光雷达绝对值得考虑。这个组合在机器人导航、自动驾驶和三维重建领域已经得到了广泛验证。我去年在一个室内服务机器人项目中使用这套方案时单次建图面积超过2000平方米仍能保持厘米级精度。Livox Mid360作为一款固态激光雷达相比传统机械式雷达有几个明显优势。首先是体积小巧可以直接集成到小型机器人上。其次是独特的非重复扫描模式在相同时间内能获取更多点云数据。实测在5米范围内点云密度能达到传统16线雷达的3倍以上。不过这种扫描模式也带来一个挑战——原始点云不像传统雷达那样规则排列这就需要像Fast_lio这样的先进算法来处理。Fast_lio作为紧耦合的激光惯性里程计系统最大的特点是直接处理原始点云特征。传统算法需要先提取特征点再匹配而Fast_lio通过ikd-Tree数据结构实现了高效的点云配准。我在实际测试中发现即使用普通i5处理器它也能稳定处理Mid360每秒20万点的数据量。这种高效率使得系统在资源有限的嵌入式设备上也能流畅运行。2. 环境配置全流程详解2.1 基础系统准备建议使用Ubuntu 20.04 LTS系统这个版本对ROS1和各类驱动支持最完善。我试过在Ubuntu 22.04上配置会遇到不少依赖库版本冲突的问题。安装完系统后首先配置ROS Noeticsudo sh -c echo deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main /etc/apt/sources.list.d/ros-latest.list sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 sudo apt update sudo apt install ros-noetic-desktop-full安装完成后记得在~/.bashrc中添加环境变量。我建议单独创建一个工作空间来管理所有相关代码mkdir -p ~/mid360_ws/src cd ~/mid360_ws catkin_make source devel/setup.bash2.2 Livox驱动安装Mid360需要使用Livox_SDK2和livox_ros_driver2这两个专用驱动。安装时要注意版本匹配# 安装Livox_SDK2 git clone https://github.com/Livox-SDK/Livox-SDK2.git cd Livox-SDK2 mkdir build cd build cmake .. make sudo make install # 安装ROS驱动 cd ~/mid360_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd .. catkin_make这里有个容易踩坑的地方如果系统缺少USB权限设备可能无法识别。解决方法是在/etc/udev/rules.d/目录下创建规则文件echo SUBSYSTEMusb, ATTR{idVendor}2d2d, MODE0666 | sudo tee /etc/udev/rules.d/livox.rules sudo udevadm control --reload-rules3. Fast_lio的定制化配置3.1 源码编译与修改Fast_lio的官方仓库已经支持Mid360但还是需要一些手动调整cd ~/mid360_ws/src git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO git submodule update --init关键修改点在CMakeLists.txt文件中需要确保找到的是livox_ros_driver2而不是旧版驱动。同时检查package.xml中的依赖项是否一致。我建议直接修改这两处!-- package.xml -- dependlivox_ros_driver2/depend# CMakeLists.txt find_package(livox_ros_driver2 REQUIRED)3.2 Sophus库的特殊处理Sophus库的安装最容易出问题特别是新版本与Fast_lio的兼容性问题。推荐使用特定commit版本git clone https://github.com/strasdat/Sophus.git cd Sophus git checkout a621ff mkdir build cd build cmake .. -DUSE_BASIC_LOGGINGON make -j4 sudo make install如果遇到so2.cpp编译错误需要手动修改源码。打开Sophus/sophus/so2.cpp文件将构造函数改为SO2::SO2() { unit_complex_.real(1.); unit_complex_.imag(0.); }4. 建图实战与参数调优4.1 启动与基础测试先启动雷达驱动再运行建图节点# 终端1 source devel/setup.bash roslaunch livox_ros_driver2 msg_MID360.launch # 终端2 roslaunch fast_lio mapping_mid360.launch首次运行时建议在开阔空间测试。我习惯先用手持设备缓慢旋转360度观察rviz中的点云是否完整闭合。常见问题包括点云碎片化检查IMU数据是否正常建图漂移调整laser_mapping.cpp中的运动补偿参数点云缺失确认雷达俯仰角在15-30度之间4.2 关键参数解析在mapping_mid360.launch文件中这几个参数对建图质量影响最大param namepoint_filter_num value3/ !-- 降采样率 -- param namemax_iteration value4/ !-- 迭代次数 -- param namecube_side_length value1000/ !-- 地图尺寸 --根据我的经验室内场景建议point_filter_num设为2-3max_iteration设为3-5cube_side_length按实际空间调整室外大场景则需要增大cube_side_length至2000以上降低filter_num至1-2增加max_iteration到5-75. 点云后处理技巧5.1 实时滤波与降噪Mid360的原始点云包含大量噪声可以通过Fast_lio内置的滤波器处理。在config/velodyne.yaml中添加point_filter_param: remove_hidden_pts: true hidden_thres: 0.5 terrain_filter: true terrain_thres: 0.1对于动态物体干扰可以启用统计离群值滤波pcl::StatisticalOutlierRemovalpcl::PointXYZ sor; sor.setMeanK(50); sor.setStddevMulThresh(1.0);5.2 地图保存与优化使用pcl库保存最终地图时建议先进行体素滤波rosrun pcl_ros pointcloud_to_pcd input:/cloud_registered pcl_voxel_grid input.pcd output.pcd -leaf 0.05,0.05,0.05对于大场景地图我推荐使用octomap进行压缩存储octomap::OcTree tree(0.05); tree.insertPointCloud(cloud, origin); tree.writeBinary(map.bt);6. 常见问题解决方案6.1 点云断裂问题如果发现建图出现断层首先检查时间同步# 查看时间偏移 rostopic delay /livox/lidar在launch文件中添加时间补偿param nametime_offset_lidar_to_imu value0.000/6.2 内存溢出处理大场景建图时可能遇到内存不足修改fast_lio的MapINIT函数void MapsInit(){ map_cloud.reset(new PointCloudType()); map_cloud-reserve(5000000); // 预分配内存 }同时调整系统交换空间sudo fallocate -l 8G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile7. 进阶应用场景7.1 多雷达融合配置当需要扩大视野时可以配置多个Mid360。在livox_ros_driver2的配置文件中{ lidar_config: [ { ip: 192.168.1.12, publish_freq: 10.0, port: 56000 }, { ip: 192.168.1.13, publish_freq: 10.0, port: 56001 } ] }在Fast_lio中需要修改点云预处理代码处理多源点云的时间对齐。7.2 与视觉融合加入RGB信息可以增强建图效果。我通常使用如下方式同步图像和点云message_filters::Subscribersensor_msgs::Image image_sub(nh, /camera/image, 1); message_filters::Subscribersensor_msgs::PointCloud2 cloud_sub(nh, /livox/lidar, 1); typedef sync_policies::ApproximateTimeImage, PointCloud2 MySyncPolicy; SynchronizerMySyncPolicy sync(MySyncPolicy(10), image_sub, cloud_sub);
