企业官网建设流程全解析

1. 为什么MID360配FAST_LIO_ROS2值得单独写一篇配置复盘

MID360这台雷达在固态激光雷达圈子里算是个“甜点级”产品：40万点每秒的采样率、70米左右的量程、非重复扫描的花瓣式光斑，加上相对亲民的价格，让它成了不少个人开发者和实验室做SLAM建图的首选。但真正把它和FAST_LIO_ROS2这套组合跑起来的人都知道，从“能出点云”到“能建出干净可用的地图”，中间隔着一堆默认参数和隐藏配置。我前后用MID360配FAST_LIO_ROS2做过室内办公区、地下车库、矿洞通道三类场景的建图，踩过的坑基本都集中在几个固定位置：外参标定、时间同步、点云预处理、IMU耦合、地图保存策略。这五个点如果没配对，轻则地图飘、重影，重则直接跑飞、轨迹断裂。

这篇内容就是把这五个关键配置拆开讲清楚，每个配置都说明“为什么这么设”“不设会怎样”“具体怎么改”。适合已经装好ROS2和Livox SDK、能跑通基础demo但建图效果不理想的开发者，也适合刚拿到MID360准备做SLAM建图的新手。我不会从头讲怎么装ROS2或者编译FAST_LIO，那些教程网上已经很多，我重点讲的是那些文档里一笔带过、但实际决定成败的配置细节。

2. 整体方案设计与配置思路拆解

2.1 为什么选FAST_LIO_ROS2而不是LIO-SAM或Cartographer

MID360是非重复扫描的固态雷达，它的点云分布和传统机械式雷达完全不同。机械式雷达每一帧的扫描线是固定的，而MID360的光斑在视场内呈花瓣状游走，单帧点云稀疏但多帧累积后覆盖均匀。这个特性决定了它更适合紧耦合的LIO方案，而不是依赖scan-to-map匹配的Cartographer。

FAST_LIO的核心是迭代扩展卡尔曼滤波，把IMU的预测和激光雷达的观测做紧耦合。它对点云的要求是“每帧点云带时间戳且能对应到IMU时间轴”，这恰好是MID360能提供的。相比之下，LIO-SAM依赖GPS和回环检测，在室内或矿洞场景下GPS信号不可用，回环检测又需要额外的特征匹配开销。Cartographer虽然也能用，但它的2D建图模式对3D雷达支持有限，3D模式下配置复杂度高，调参周期长。

我实测下来，MID360配FAST_LIO_ROS2在室内场景下单圈建图的轨迹误差能控制在厘米级，地下车库长走廊场景下也没有明显漂移。前提是下面这五个配置都配对。

2.2 配置的整体逻辑：从数据源头到地图输出

整个数据链路是这样的：MID360通过Livox ROS2驱动发布点云和IMU数据，FAST_LIO订阅这两个话题，在内部做时间对齐和外参变换，然后输出里程计和点云地图。配置的关键节点分布在四个位置：Livox驱动的launch文件、FAST_LIO的config yaml文件、外参标定文件、以及地图保存的调用方式。

很多人只改了FAST_LIO的config，忽略了Livox驱动那边的配置，结果时间戳对不上，建图直接飘。也有人外参用默认值，雷达和IMU的相对位置没标定，导致点云和IMU观测打架。这五个配置之所以关键，是因为它们分别卡在数据链路的四个节点上，任何一个出问题都会传导到最终地图。

2.3 配置前的环境确认清单

在动手改配置之前，先确认几件事。ROS2版本建议用Humble或Foxy，这两个版本的Livox ROS2驱动和FAST_LIO_ROS2兼容性最好。Livox SDK2要装好，MID360的固件版本建议在最新稳定版，老固件有时间戳跳变的问题。IMU方面，MID360内置的IMU是六轴，没有磁力计，所以FAST_LIO的config里要关掉磁力计相关的融合选项。

确认命令很简单，跑一下ros2 topic list，能看到/livox/lidar和/livox/imu两个话题就说明驱动正常。再用ros2 topic hz /livox/lidar看一下频率，正常应该在10Hz左右。如果频率不对，先解决驱动问题，别急着改FAST_LIO。

3. 五个关键配置的逐项拆解与实操

3.1 外参标定：雷达和IMU的相对位置不能靠猜

MID360出厂时雷达和内置IMU的相对位置是固定的，但这个固定值并没有直接写在驱动里。FAST_LIO需要知道IMU到雷达的平移和旋转，才能把IMU的预测和雷达的观测对齐。如果外参错了，最直接的表现是建图时点云出现“双层”或“拖尾”，走直线时地图会弯。

标定方法有两种。一种是手动测量，用卷尺量雷达中心和IMU中心的距离，旋转部分假设IMU和雷达坐标系对齐。这种方法精度有限，适合对建图精度要求不高的场景。另一种是用标定工具，比如lidar_imu_calib或LI-Init，通过采集一段包含充分旋转和平移的数据来优化外参。

我自己的做法是先用手动测量值作为初值，然后跑一段数据用LI-Init优化。LI-Init的输出会给出一个外参矩阵，把这个矩阵填到FAST_LIO的config里。注意，MID360的IMU和雷达在同一个外壳内，平移量很小，通常在厘米级，但旋转量不能忽略，尤其是俯仰角。

# FAST_LIO config中的外参部分 extrinsic_T: [0.011, 0.023, 0.044] # 平移，单位米 extrinsic_R: [1, 0, 0, 0, 1, 0, 0, 0, 1] # 旋转矩阵，行优先

注意：外参的旋转矩阵是行优先还是列优先，不同版本的FAST_LIO可能不一样。改之前先看config文件里的注释，或者用单位矩阵测试一下，如果建图正常说明格式对了。

3.2 时间同步：软同步和硬同步的选择

MID360支持硬件时间同步，可以通过PPS信号和GPRS时间戳做硬同步。但在实际项目中，很多人用的是软同步，也就是依赖ROS2的时间戳。软同步的问题是，Livox驱动发布点云和IMU的时间戳可能有微小偏差，这个偏差在低速运动时不明显，高速运动时会导致点云畸变。

硬同步需要额外的硬件支持，比如把MID360的PPS接口接到一个时间源上。如果项目里没有这个条件，软同步也能用，但要在FAST_LIO的config里把time_sync_en设为false，让FAST_LIO自己处理时间对齐。同时，Livox驱动的launch文件里要把publish_freq设成和雷达实际频率一致，避免驱动内部做插值。

# FAST_LIO config中的时间同步部分 time_sync_en: false time_offset_lidar_to_imu: 0.0 # 如果软同步有固定偏差，可以在这里补偿

我实测下来，软同步在室内步行速度下建图效果可以接受，但如果是车载或无人机场景，建议上硬同步。另外，ROS2的use_sim_time参数要设成false，除非你在做仿真。

3.3 点云预处理：降采样和盲区过滤

MID360的点云密度很高，40万点每秒的数据量直接喂给FAST_LIO会占用大量计算资源。降采样是必须的，但降采样的方式有讲究。FAST_LIO内部有point_filter_num参数，表示每N个点取一个。这个值设大了点云太稀疏，建图细节丢失；设小了计算量大。

我的经验是，室内场景point_filter_num设成3到5，室外或大场景设成2到3。另外，MID360有最近测距盲区，大概在0.1米左右，太近的点是噪声，要在Livox驱动或FAST_LIO里过滤掉。FAST_LIO的config里有blind_r参数，设成0.1到0.2米比较合适。

# FAST_LIO config中的点云预处理 point_filter_num: 3 blind_r: 0.15 max_iteration: 4 # 迭代次数，室内3-4，室外4-5

提示：降采样之后如果发现地图边缘有“毛刺”，可能是盲区过滤没做好，或者雷达表面有遮挡物。检查雷达安装位置，确保视场没有被支架或线缆挡住。

3.4 IMU耦合：内置IMU够用但要调参

MID360内置的IMU是六轴，没有磁力计，所以FAST_LIO的config里imu_gravity_align要设成true，让算法自己估计重力方向。IMU的噪声参数也很关键，acc_n、gyr_n、acc_w、gyr_w这四个值决定了滤波器对IMU数据的信任程度。MID360的IMU噪声参数在数据手册里有，但实际使用中可能需要微调。

如果建图时发现轨迹在静止状态下缓慢漂移，说明gyr_w设小了，滤波器过度信任陀螺仪的零偏。如果运动时轨迹抖动厉害，说明acc_n或gyr_n设大了，滤波器对IMU的观测不够信任。我一般先用数据手册的值，然后根据建图效果微调，每次只改一个参数，改完跑同一段数据对比。

# FAST_LIO config中的IMU参数 imu_gravity_align: true acc_n: 0.01 gyr_n: 0.001 acc_w: 0.0001 gyr_w: 0.00001

另外，MID360的IMU频率是200Hz，FAST_LIO的imu_freq要设成200，和实际频率一致。如果设错了，滤波器的时间预测会出问题。

3.5 地图保存：PCD保存和后续使用

FAST_LIO_ROS2默认不保存地图，需要在launch文件里调用pcl_ros的pointcloud_to_pcd节点，或者用FAST_LIO自带的地图保存服务。我一般用后者，在FAST_LIO的config里把pcd_save_en设成true，然后跑完建图后调用/map_save服务。

保存的PCD文件可以用CloudCompare或PCL查看，也可以导入到其他工具做后续处理。注意，保存的PCD是累积点云，不是单帧，文件可能很大。如果要做导航或路径规划，还需要把PCD转成栅格地图或八叉树地图。

# 保存地图的服务调用 ros2 service call /map_save std_srvs/srv/Trigger

注意：保存地图前先确认建图已经结束，雷达停止运动。如果在运动过程中保存，点云可能包含未对齐的帧，地图会有重影。

4. 实操过程与核心环节实现

4.1 从零跑通MID360加FAST_LIO_ROS2的完整流程

假设你已经装好了ROS2 Humble和Livox SDK2，下面是完整的操作流程。先创建工作空间，把Livox ROS2驱动和FAST_LIO_ROS2的源码放进去编译。编译时注意，FAST_LIO_ROS2依赖Eigen、PCL和Sophus，这些用apt装就行。

mkdir -p ~/ws_lio/src cd ~/ws_lio/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git git clone https://github.com/hku-mars/FAST_LIO_ROS2.git cd .. colcon build --symlink-install source install/setup.bash

编译完成后，先跑Livox驱动，确认点云和IMU话题正常。然后改FAST_LIO的config，把上面五个配置逐项填好。启动FAST_LIO的launch文件，用RViz2看建图效果。如果一切正常，你应该能看到点云地图随着雷达移动逐渐累积。

4.2 外参标定的实操记录

我拿到的第一台MID360，外参用的是默认值，建图时发现走直线地图会弯。后来用LI-Init重新标定，发现默认的旋转矩阵在俯仰角上有大约2度的偏差。标定过程是这样的：先录一段包含充分旋转的数据，用ros2 bag record录/livox/lidar和/livox/imu，然后跑LI-Init的launch文件，它会输出优化后的外参。

标定完成后，把外参填回FAST_LIO的config，重新跑同一段数据，地图的弯曲明显改善。这里的关键是标定数据要包含足够的旋转，尤其是绕三个轴的旋转，否则优化会不收敛。

4.3 时间同步的实测对比

我做过一组对比实验：同一段数据，一次用软同步，一次用硬同步。软同步下，快速转弯时点云有轻微拖尾，地图边缘不够锐利。硬同步下，拖尾消失，地图边缘清晰。硬同步的实现是把MID360的PPS接到一个GPS授时模块上，然后Livox驱动里配置timestamp_type为pps。

如果没有硬同步条件，软同步下可以通过调整time_offset_lidar_to_imu来补偿固定偏差。这个值需要实验确定，方法是跑一段静止数据，看IMU和雷达的时间戳差值，取平均值。

4.4 点云预处理参数的调优过程

点云预处理的参数调优是个反复的过程。我一般先设一个保守值，比如point_filter_num设成5，blind_r设成0.2，跑一段数据看建图效果。如果地图细节丢失，把point_filter_num降到3；如果地图有噪声点，把blind_r调大。

max_iteration的调整也类似，室内场景3次迭代就够，室外大场景可能需要5次。迭代次数越多，计算量越大，但建图精度不一定线性提升。我实测下来，4次迭代是个平衡点。

4.5 地图保存与后续处理

建图完成后，调用/map_save服务保存PCD。保存的PCD可以用CloudCompare打开，做裁剪、滤波、降采样。如果要做导航，可以用octomap_server把PCD转成八叉树地图，或者用nav2_map_server转成栅格地图。

我一般会把PCD先做一次体素降采样，体素大小设成0.05米，这样文件大小能减小一半以上，同时保留足够的几何细节。降采样后的PCD再转成栅格地图，用于后续的路径规划。

5. 常见问题与排查技巧实录

5.1 建图飘、重影、轨迹断裂的排查顺序

建图出问题，排查顺序很重要。先看外参，外参错了什么参数都救不回来。再看时间同步，时间戳对不上会导致点云畸变。然后看点云预处理，降采样太狠或盲区过滤不对会引入噪声。最后看IMU参数，IMU噪声参数不对会导致滤波器发散。

我整理了一个排查表，按优先级排列：

5.2 独家避坑技巧：那些文档里不会写的事

第一个坑是Livox驱动的publish_freq。这个参数默认是10Hz，但MID360的实际输出频率可能略有不同。如果驱动做了插值，点云的时间戳会失真。我的做法是把publish_freq设成和雷达实际频率一致，关掉插值。

第二个坑是FAST_LIO的scan_line参数。MID360不是传统意义上的多线雷达，它的scan_line应该设成1，而不是像机械式雷达那样设成线数。设错了会导致点云解析错误。

第三个坑是ROS2的QoS设置。Livox驱动默认的QoS是best_effort，而FAST_LIO订阅时可能用的是reliable，导致话题连不上。检查方法是用ros2 topic info /livox/lidar --verbose看QoS配置，确保两边一致。

第四个坑是地图保存的路径。FAST_LIO保存PCD时默认存在当前工作目录，如果工作目录没有写权限，保存会失败但不报错。建议在config里指定绝对路径。

5.3 不同场景下的参数微调建议

室内办公区：point_filter_num设3，blind_r设0.15，max_iteration设3。室内场景特征丰富，不需要太多迭代。

地下车库：point_filter_num设2，blind_r设0.2，max_iteration设4。车库长走廊特征少，需要更多点云和迭代来维持轨迹。

矿洞通道：point_filter_num设2，blind_r设0.3，max_iteration设5。矿洞环境恶劣，点云噪声大，盲区过滤要更激进。

提示：矿洞场景下，MID360的防尘防水等级可能不够，建议加防护罩。防护罩会影响点云，需要重新标定外参。

5.4 性能优化：让建图跑得更流畅

如果建图时RViz2卡顿，可以把RViz2的点云显示降采样，或者关掉不必要的显示项。FAST_LIO的计算量主要在迭代卡尔曼滤波，如果CPU占用太高，可以降低max_iteration或增大point_filter_num。

另外，ROS2的DDS配置也会影响性能。如果点云话题的数据量很大，可以调整DDS的缓冲区大小，避免丢包。我一般用rmw_cyclonedds_cpp作为DDS实现，它的性能比默认的rmw_fastrtps_cpp好一些。

6. 后续扩展与个人经验分享

这套配置跑通之后，后续可以扩展的方向不少。比如把FAST_LIO的输出接到Nav2做自主导航，或者用octomap_server做三维栅格地图用于避障。如果要做多雷达融合，可以把两台MID360的外参标定好，同时喂给FAST_LIO，但要注意时间同步和点云融合的坐标系变换。

我个人在实际操作中的体会是，MID360配FAST_LIO_ROS2这套组合的稳定性，八成取决于配置，两成取决于环境。配置里最容易被忽略的是外参和时间同步，这两个点如果没做好，后面怎么调参都是白费。另外，建图前先跑一段静止数据，看看IMU的零偏和噪声水平，心里有个底，后面调参就有方向。

最后分享一个小技巧：如果建图时发现地图某个区域特别模糊，可以在那个区域多停留一会儿，让雷达多扫几圈。MID360的非重复扫描特性决定了它在静止时也能累积点云，停留时间越长，那个区域的点云越密，地图越清晰。这个技巧在矿洞和车库场景下特别有用。