从零到一：手把手教你用Livox Mid-360跑通FAST-LIO2（附避坑指南）-平芜编程栈

从零到一：Livox Mid-360与FAST-LIO2实战全流程指南

第一次拿到Livox Mid-360激光雷达时，那种既兴奋又忐忑的心情至今记忆犹新。作为SLAM领域的新手，面对这个黑色的小盒子，我完全不知道如何让它跑起来。经过两周的摸索和无数次的失败，终于成功运行了FAST-LIO2算法。本文将分享这段从零开始的完整历程，特别聚焦那些官方文档没提到的"坑"和解决方案。

1. 环境准备：构建稳健的基础

在开始之前，我们需要确保系统环境配置正确。我强烈建议使用Ubuntu 20.04 LTS版本，这是目前ROS Noetic的最佳搭档。以下是必须安装的核心组件：

sudo apt-get update sudo apt-get install -y build-essential cmake git libeigen3-dev libboost-all-dev

关键点提醒：

Eigen3版本至少需要3.3.7，否则编译时会报错
Boost库建议安装1.71及以上版本
确保系统已配置正确的时区和时间同步，这对传感器数据同步至关重要

安装ROS Noetic时，我遇到了一个典型问题：网络连接导致的包下载不全。解决方法是在/etc/apt/sources.list中添加阿里云镜像源：

deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse

2. Livox Mid-360驱动安装与配置

Livox官方提供了ROS驱动包，但直接按照官方教程安装可能会遇到问题。以下是经过验证的安装步骤：

mkdir -p ~/livox_ws/src cd ~/livox_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver.git cd .. catkin_make

配置雷达参数时，需要特别注意livox_ros_driver/config/MID360_config.json文件中的设置：

{ "lidar_summary_info" : { "lidar_type": 8 }, "MID360": { "broadcast_code": "your_device_sn", "enable_connect": true, "enable_fan": true, "return_mode": 0, "coordinate": 0, "imu_rate": 0, "extrinsic_parameter_source": 0 } }

常见问题排查：

如果雷达无法连接，检查USB线是否支持数据传输（有些充电线只有电源功能）
确保用户已加入dialout组：sudo usermod -a -G dialout $USER
数据延迟问题可通过调整/livox_ros_driver/launch/livox_lidar.launch中的xfer_format参数解决

3. FAST-LIO2编译与参数调优

FAST-LIO2的编译过程相对简单，但有几个关键依赖需要注意：

git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO mkdir build && cd build cmake .. make -j4

编译完成后，需要针对Livox Mid-360调整配置文件config/mid360.yaml：

common: lidar_topic: "/livox/lidar" imu_topic: "/livox/imu" time_sync_en: false time_offset_lidar_to_imu: 0.0 mid360: lidar_type: 1 point_filter_num: 1 scan_rate: 10 blind: 0.01

性能优化技巧：

对于室内场景，将blind参数设为0.01可过滤近距离噪声
point_filter_num控制降采样率，值越大点云越稀疏
如果CPU负载过高，可适当增加filter_size_surf和filter_size_map参数

4. 实战运行与可视化

一切准备就绪后，按顺序启动各个节点：

# 终端1：启动Livox驱动 source ~/livox_ws/devel/setup.bash roslaunch livox_ros_driver livox_lidar.launch # 终端2：启动FAST-LIO2 source ~/FAST_LIO/devel/setup.bash roslaunch fast_lio mapping_mid360.launch # 终端3：启动RVIZ可视化 rosrun rviz rviz -d `rospack find fast_lio`/rviz_cfg/loam_livox.rviz

在RVIZ中，我推荐以下显示配置：

添加PointCloud2类型，话题选择/cloud_registered
添加Path类型，话题选择/odometry_path
调整点云大小(Size)为0.05以获得最佳视觉效果

数据录制与回放技巧：录制数据包：

rosbag record -O livox_data.bag /livox/lidar /livox/imu

回放数据包并运行算法：

rosbag play --clock livox_data.bag roslaunch fast_lio mapping_mid360.launch

5. 高级调试与性能分析

当算法运行不如预期时，以下几个工具特别有用：

RQT工具：

rqt_graph：查看节点间连接关系
rqt_plot：绘制IMU和位姿数据曲线
rqt_reconfigure：动态调整参数

关键话题监控：

# 查看点云频率 rostopic hz /cloud_registered # 检查IMU数据 rostopic echo /livox/imu | grep -A 5 angular_velocity # 查看计算耗时 rosrun rqt_console rqt_console

对于需要更高精度的场景，可以考虑以下优化：

使用time_sync_en: true启用时间同步
标定雷达-IMU外参
调整ikd_tree相关参数优化建图效果

6. 实际应用中的经验分享

经过多个项目的实践，我总结了以下几点心得：

环境适应性：
- 强光环境下，Mid-360的探测距离会明显缩短
- 反光表面过多会导致点云异常，可通过调整blind参数缓解
- 快速运动时，建议启用imu_as_input选项
参数调节黄金法则：
场景类型 point_filter_num scan_rate blind
小空间高精度 1 10 0.01
大范围建图 3 5 0.1
动态环境 2 10 0.05
常见错误代码速查：
- [ERROR] [1645584000.000000000]: IMU data timeout：检查IMU话题名称是否匹配
- Failed to find match for field 'time'：点云格式不兼容，检查雷达驱动版本
- ESKF update timeout：IMU数据频率不足，检查imu_rate参数