Livox Mid-360室内无人机定位实战：驱动编译与FAST-LIO2接入指南

之前在做室内无人机定位实验时，我一直在寻找一款既能覆盖足够视场角、又能在室内弱纹理环境下稳定工作的激光雷达。Livox Mid-360 在圈内讨论度很高，但真正把“驱动编译、点云配置、室内定位算法接入”完整跑通的资料并不多。这篇文章我结合自己的实际测试经历，整理一套从零开始的 Livox Mid-360 室内无人机定位测试方案，覆盖环境搭建、驱动编译、点云采集、FAST-LIO2 定位对接以及常见坑点，希望能帮你少走弯路。

先说清楚这篇文章适合谁：

• 正在做室内无人机定位、导航实验的开发者。
• 准备入手或已经入手 Livox Mid-360，但卡在驱动编译和 ROS 2 集成的朋友。
• 想用 FAST-LIO2、LIO-SAM 等算法做激光雷达定位，但不知道如何配置雷达参数的初学者。

1. Livox Mid-360 与室内无人机定位需求

1.1 Livox Mid-360 是什么

Livox Mid-360（中文名“中距 360° 激光雷达”）是 Livox 推出的一款混合固态激光雷达。它最大的特点是“非重复扫描”加“360° 水平视场角”，在三维空间内形成花瓣状扫描轨迹。和传统机械式雷达不同，Mid-360 内部没有旋转电机带动整个雷达外壳旋转，而是通过棱镜等光学结构实现大范围扫描，因此体积更小、可靠性更高、寿命更长。

在无人机平台上，体积和重量往往比性能更敏感。Mid-360 的重量大约 265g，外形小巧，功耗也不高，非常适合作为小型无人机的机载感知传感器。它的测距能力大约在 40 米左右（反射率不同会有差异），对于室内房间、走廊、仓库等场景，这个量级已经足够。

1.2 室内无人机定位的难点

室内环境与室外最大的区别在于：GNSS 信号不可用。室外无人机可以依靠 GPS/RTK 获得绝对位置，室内却不行。常见的替代方案有以下几种：

方案	原理	优点	缺点
UWB 定位	通过基站与标签测距	精度较高、延迟低	需要提前布置基站，覆盖范围有限
视觉定位	通过摄像头特征点估计位姿	成本低、信息丰富	光照影响大，弱纹理环境容易跟丢
激光雷达定位	通过 LiDAR 点云与地图匹配	精度高、不受光照影响	雷达成本较高，计算量较大

激光雷达的优势在于主动光源，不受室内光照条件影响，而且点云包含几何结构信息，尤其适合结构化的室内环境。Livox Mid-360 的 360° 视场角让无人机在旋转、平移过程中能够持续观测周围环境，不容易因为视角盲区导致定位丢失。

1.3 为什么关注 Mid-360 的驱动兼容性

Mid-360 的驱动分为 Livox SDK 和 Livox ROS Driver 2。其中 SDK 2 是 Livox 官方推出的第二代软件开发套件，支持 Livox SDK2 通信协议；Livox ROS Driver 2 则是在 SDK 2 之上封装了 ROS 1 和 ROS 2 的驱动节点，把点云数据发布为sensor_msgs/PointCloud2消息。

很多人在 Ubuntu 22.04 上编译 SDK 2 时会遇到各种问题，比如ros-humble-desktop装不上、CMake 版本不匹配、找不到livelox头文件等。这些问题并不是个例，后面我会单开一节专门整理排查思路。

2. 环境准备与版本说明

2.1 硬件环境

• 无人机平台：建议使用支持 Pixhawk 或 PX4 自驾仪的四旋翼，室内测试建议选择 250mm 轴距以上的机架，方便搭载雷达和板载计算机。
• 板载计算机：推荐 Intel NUC、NVIDIA Jetson Orin Nano 或性能接近的 x86/ARM 设备，内存至少 8GB。后续如果要跑 FAST-LIO2，建议内存 16GB，并启用 GPU 加速（非必须，但会更流畅）。
• Livox Mid-360：一台，附带网线或供电线。

2.2 软件环境

我测试时使用的环境如下：

• 操作系统：Ubuntu 22.04 LTS
• ROS 2：ROS 2 Humble Hawsksbill
• 构建工具：CMake 3.22+、gcc/g++ 11
• Livox SDK 2：GitHub 仓库Livox-SDK2
• Livox ROS Driver 2：GitHub 仓库livox_ros_driver2
• 定位算法：FAST-LIO2（支持 Livox 点云）

版本需要根据你的项目实际情况调整，本文示例以常见环境为例，重点演示配置思路。如果你的系统是 Ubuntu 20.04 + ROS Noetic，流程类似，但编译时注意 CMake 和 GCC 版本差异。

2.3 网络与授权提示

安装依赖和下载源码时需要联网，建议提前准备好 GitHub 访问方式。如果公司或学校网络限制比较多，可以考虑使用国内镜像源。涉及系统级修改、权限授予或驱动程序安装时，务必在测试环境中操作，不要直接在生产的飞行控制器上随意改系统配置。

3. Livox SDK 2 与 ROS Driver 2 的编译安装

3.1 安装依赖

在开始编译之前，先把系统依赖装好。Ubuntu 22.04 默认软件源里已经包含大多数编译工具，但为了保险，建议执行以下命令：

sudo apt update sudo apt install -y cmake build-essential git sudo apt install -y libpcap-dev

libpcap-dev是 Livox SDK 2 编译时需要的网络抓包依赖，缺少它可能会导致编译报错。如果你使用的是纯净的 Ubuntu Server，这个包尤其重要。

然后安装 ROS 2 Humble。这部分如果之前没有装过，可以参考官方文档，或者使用以下核心安装命令：

sudo apt install -y ros-humble-desktop

如果你在安装ros-humble-desktop时遇到“无法定位软件包”的报错，通常是 ROS 2 的软件源没有正确配置。解决办法是先确认/etc/apt/sources.list.d/ros2.list存在，并确保已经执行了sudo apt update。

3.2 下载 Livox SDK 2 源码

Livox SDK 2 的 GitHub 仓库地址是https://github.com/Livox-SDK/Livox-SDK2。国内网络环境下，可以尝试使用 GitHub 镜像或代理加速。

cd ~ git clone https://github.com/Livox-SDK/Livox-SDK2.git cd Livox-SDK2 mkdir build && cd build cmake .. make -j4 sudo make install

编译完成后，SDK 2 的头文件和库文件会被安装到系统目录。这一步是整个链路的基础，如果 SDK 2 编译失败，后面 ROS Driver 2 大概率也会失败。

3.3 下载并编译 livox_ros_driver2

Livox ROS Driver 2 的仓库地址是https://github.com/Livox-SDK/livox_ros_driver2。它的代码结构和旧版驱动不同，采用工作区方式组织，并且同时支持 ROS 1 和 ROS 2。

cd ~ git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd livox_ros_driver2

在编译之前，需要确认当前终端环境是 ROS 2 Humble：

source /opt/ros/humble/setup.bash

然后用colcon编译：

colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

编译成功后，在install目录下会生成livox_ros_driver2的 ROS 2 包。这里需要特别注意：每次打开新终端，都要先 source 工作区，才能使用驱动节点。

source install/setup.bash

3.4 配置雷达 IP 与主机 IP

Livox Mid-360 通过网口与板载计算机通信。默认情况下，Mid-360 的 IP 地址是192.168.1.1xx段，具体数值可以在雷达机身标签上找到。主机网卡需要配置为同一网段，例如：

sudo ip addr add 192.168.1.50/24 dev eth0

如果你的板载计算机使用 DHCP，可以跳过手动配置，但为了稳定起见，建议在测试前把网卡设置为静态 IP，避免 IP 变动导致连接断开。

3.5 修改雷达配置文件

livox_ros_driver2的配置位于config目录下，常用文件是livox_lidar_config.json。这里需要根据自己的雷达型号和 IP 修改参数。如果只有一台 Mid-360，配置类似这样：

{ "lidar_configs": [ { "ip": "192.168.1.1xx", "pcl_data_type": 1, "pattern_mode": 0, "blindness": 0.1 } ] }

参数解释：

• ip：雷达的 IP 地址。
• pcl_data_type：点云数据类型，1 表示发布PointCloud2。
• pattern_mode：扫描模式，0 为默认非重复扫描。
• blindness：盲区距离，单位为米，可设置为 0.1m。

另外还需要修改livox_lidar_config.json中和用户配置相关的部分，确认user_config中雷达 IP 和主机网卡配置正确。这个文件在config目录下也有示例，直接照着改即可。

4. 启动驱动节点并验证点云

4.1 启动驱动

确保已经 source 了 ROS 2 Humble 和livox_ros_driver2工作区：

source /opt/ros/humble/setup.bash source ~/livox_ros_driver2/install/setup.bash ros2 launch livox_ros_driver2 rviz_HMID.launch.py

其中rviz_HMID.launch.py会同时启动驱动节点和 RViz 可视化窗口。如果一切正常，RViz 中应该能看到 Mid-360 扫描形成的三维点云。对于室内环境，你会看到墙壁、天花板、地面以及桌椅等物体的轮廓。

如果在 RViz 中看不到点云，先用ros2 topic list查看是否有点云话题：

ros2 topic list | grep pointcloud

常见的输出是：

/livox/lidar

然后查看话题数据是否正常发布：

ros2 topic hz /livox/lidar

正常情况下，Mid-360 的点云发布频率在 10Hz 左右。如果频率为 0，说明驱动节点没有收到雷达数据，需要检查网线连接、IP 配置和配置文件中雷达 IP 是否正确。

4.2 保存点云数据

为了后续做离线定位测试，建议先用ros2 bag录制一段点云数据：

ros2 bag record /livox/lidar

录制一段时间后按Ctrl+C结束。录制好的 bag 文件可以用于离线跑 FAST-LIO2 等定位算法，方便复现实验。

4.3 常见点云异常

现象	可能原因	解决思路
点云全黑或完全无点	雷达 IP 配置错误	检查配置文件ip字段和网卡 IP
点云断断续续	网线接触不良或带宽不足	更换网线，确认网卡速率
点云只有一侧有数据	扫描模式设置不当	尝试修改pattern_mode
点云出现大量噪点	雷达盲区太小或环境反光	增大blindness，调整雷达安装角度

5. 室内定位算法接入：以 FAST-LIO2 为例

有了 Livox Mid-360 的点云数据，下一步就是把点云送入定位算法。目前主流方案是 FAST-LIO2，它是港大 MaRS 实验室开源的激光惯性里程计算法，对 Livox 雷达原生支持很好，计算效率高，适合机载平台。

5.1 FAST-LIO2 原理简述

FAST-LIO2 的核心思想是“紧耦合的激光-惯性里程计”。它把 IMU 预积分和激光点云配准放在同一个优化框架里，通过迭代误差状态卡尔曼滤波（IESKF）不断估计无人机的位姿。和纯激光里程计相比，IMU 提供了高频运动先验，激光点云提供了低频但高精度的观测，两者互补，在快速旋转和剧烈运动场景下依然能保持稳定。

FAST-LIO2 另一个重要改进是使用了 ikd-Tree 增量式数据结构，维护局部地图的效率更高，因此对计算资源的要求比原版 FAST-LIO 更低，更适合嵌入式平台。

5.2 编译 FAST-LIO2

FAST-LIO2 的源码仓库是https://github.com/hku-mars/FAST-LIO。注意它包含多个分支，其中main分支支持 ROS 1 和 ROS 2。建议选择 ROS 2 Humble 对应版本。

cd ~ git clone https://github.com/hku-mars/FAST-LIO.git cd FAST-LIO git checkout main

编译前需要安装依赖。FAST-LIO2 依赖livox_ros_driver2、eigen3以及pcl。如果你已经编译过livox_ros_driver2，那么依赖基本已经齐全。

source /opt/ros/humble/setup.bash cd ~ mkdir -p fastlio_ws/src cp -r FAST-LIO fastlio_ws/src/ cd fastlio_ws colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

编译完成后 source 工作区：

source install/setup.bash

5.3 修改 FAST-LIO2 雷达配置

FAST-LIO2 的配置文件位于config目录下，常见的是avia.yaml或mid360.yaml。如果仓库里没有现成的 Mid-360 配置，可以参考avia.yaml并修改雷达类型相关字段。

关键配置如下：

common: lid_topic: "/livox/lidar" imu_topic: "/livox/imu" preprocess: lidar_type: 1 scan_line: 6 blind: 1.0

其中lidar_type: 1表示 Livox 系列雷达，blind是滤波盲区，设置为 1.0m 可以过滤掉机身附近的近处杂点。如果你的平台没有 IMU 话题接入，可以先用纯激光模式测试，但定位效果会下降明显。

5.4 运行 FAST-LIO2

启动驱动节点后，再启动 FAST-LIO2：

ros2 launch fast_lio mapping.launch.py config_file:=mid360.yaml

如果一切正常，终端会输出当前位姿估计，RViz 中会实时显示点云地图和雷达轨迹。

5.5 室内定位测试流程建议

室内环境比较特殊，建议按以下流程测试：

1. 先让无人机静止 10 秒以上，让 FAST-LIO2 完成初始化。
2. 手动缓慢移动无人机（或手持雷达模拟运动），观察轨迹是否平滑。
3. 做一个“8”字路径或矩形路径，回到起点，观察位姿漂移量。
4. 记录轨迹和点云地图，评估定位误差。

注意：室内测试最好在纹理丰富、几何结构明显的房间进行，例如有桌椅、柱子、墙角的会议室。如果房间空旷、墙面白板且无特征，纯激光定位也会失效，这时候需要增加视觉或 UWB 传感器融合。

6. 常见问题与排查思路

我在测试过程中踩了不少坑，这里整理成表格，方便你快速定位问题。

• 问题现象：Ubuntu 22.04 下ros-humble-desktop无法定位软件包

  • 常见原因：ROS 2 软件源未配置或未更新
  • 解决思路：检查/etc/apt/sources.list.d/ros2.list，执行sudo apt update，如果仍有问题，添加 ROS 2 官方源后重试。

• 问题现象：Livox SDK 2 编译报错pcap.h: No such file or directory

  • 常见原因：缺少libpcap-dev
  • 解决思路：sudo apt install -y libpcap-dev

• 问题现象：RViz 中看不到点云

  • 常见原因：雷达 IP 配置错误、网线未连接
  • 解决思路：检查配置文件 IP，查看ros2 topic hz /livox/lidar，并用ping测试雷达 IP

• 问题现象：点云地图出现漂移或重影

  • 常见原因：IMU 话题没有接入，或雷达安装位置振动大
  • 解决思路：确认 IMU 发布，检查雷达固定支架刚度，重新标定外参

• 问题现象：FAST-LIO2 启动后卡死或崩溃

  • 常见原因：lidar_type设置错误、scan_line参数不对
  • 解决思路：检查配置文件，确认雷达类型为 1，scan_line参考官方 Mid-360 示例（通常为 6）

• 问题现象：colcon build找不到livox_ros_driver2

  • 常见原因：没有把livox_ros_driver2放到同一个工作区的src目录，或没有 source 依赖工作区
  • 解决思路：将两个包放在同一个src目录，或先 sourcelivox_ros_driver2的install/setup.bash

• 问题现象：点云帧率低于 10Hz

  • 常见原因：网卡速率问题、CPU 负载过高
  • 解决思路：检查网卡是否为千兆，关闭不必要的后台进程

7. 最佳实践与工程建议

7.1 机载传感器布局

Livox Mid-360 安装时要注意以下几点：

• 尽量安装在无人机中心位置，减少转动惯量。
• 雷达的坐标系要与飞控、IMU 的坐标系对齐，最好有明确的外参标定。
• 固定支架要刚性连接，避免飞行振动导致点云抖动。

7.2 外参标定

室内定位的精度很大程度上取决于雷达与 IMU、雷达与机体之间的外参是否正确。FAST-LIO2 自带了标定工具，也可以在实验室环境下使用livox_camera_calib这类工具完成雷达与相机的联合标定。如果外参不准，点云地图会出现整体偏转或扭曲，定位误差会指数级放大。

7.3 室内环境布置

虽然 Mid-360 不依赖光照，但环境几何结构仍然重要。测试场地最好具备以下条件：

• 墙面不能是纯白色大平面，尽量增加纹理或挂一些标识物。
• 地面不要全是光滑瓷砖，反射会造成点云噪点。
• 桌椅、箱子等物体的摆放不要过于混乱，避免点云遮挡和匹配歧义。

7.4 数据记录与复现

强烈建议每次测试都录制 bag 文件，并写一个简单的实验记录表：日期、场地、雷达安装角度、算法参数、轨迹起点终点、漂移误差。这样后期调参和论文实验都能有据可查。

记录命令可以统一为：

ros2 bag record /livox/lidar /livox/imu

7.5 安全问题

室内无人机测试一定要注意安全：

• 安装螺旋桨保护罩。
• 首次飞行建议使用系留绳或放在防护网内。
• 人不要正对无人机桨叶平面。
• 算法验证阶段，先用“手持雷达模拟飞行”的方式跑通定位，再上真机。

8. 总结与下一步学习方向

通过这篇文章，你应该已经完成了以下几步：

• 了解了 Livox Mid-360 的基本特性和室内定位的适用性。
• 在 Ubuntu 22.04 上编译了 Livox SDK 2 和 livox_ros_driver2。
• 成功启动驱动并验证了点云数据。
• 将点云接入 FAST-LIO2，跑通了室内定位的基本流程。
• 掌握了常见问题的排查思路。

下一步建议从这几个方向继续深入：

• 学习 LIO-SAM，对比不同激光惯性里程计算法的精度和资源占用。
• 研究 FAST-LIO2 的 ikd-Tree 实现，理解局部地图更新的原理。
• 进阶尝试多传感器融合，比如 Livox 点云 + 视觉 + UWB 联合定位。
• 如果要做完整的无人机自主导航，还需要结合 PX4 或 ARDUPILOT 飞控，把定位结果反馈给飞控做位置控制。

如果你在搭建过程中遇到其他问题，欢迎在评论区留言交流。室内无人机定位的坑不少，但一旦跑通了完整链路，后面扩展建图、导航、避障都会顺畅很多。收藏这篇文章，动手实践一遍，你的收获会远超只读一遍。