MID360 Reliable Mapper 是一套面向 Livox MID360 的 ROS 2 实时可靠建图系统。项目集成了 MID360 驱动、FAST-LIO2 激光雷达-惯性里程计、点云质量门控、稳定点云地图和二维占据栅格生成,目标是在无人机、移动机器人和边缘计算平台上提供稳定、可复现、可扩展的建图前端。
本项目当前重点不是完整导航闭环,而是把导航和避障前面的地图输入做可靠:当 IMU 短时漂移、位姿跳变、环境退化或点云错配时,系统会尽量拒绝坏帧写入稳定地图,避免一次错误观测污染后续规划。
- 支持 Livox MID360 实物雷达接入。
- 使用 ROS 2 Humble 工作区结构。
- 集成 FAST-LIO2 作为 LiDAR-IMU 里程计前端。
- 支持运行时配置 LiDAR-IMU 外参和时间偏移。
- 在 FAST-LIO2 输出之后加入点云质量门控。
- 输出稳定去噪点云地图
/fastlio_denoised_map。 - 输出二维占据栅格
/fastlio_occupancy_grid,便于后续导航和避障使用。 - 支持 RViz 同时显示三维点云图和二维 SLAM 栅格图。
- 提供 WSL 开发流程和 RViz 异常恢复说明。
- 提供 NVIDIA Jetson Orin Nano 等边缘算力部署教程。
- 提供源码打包脚本,方便开源发布和迁移部署。
真实机器人在运行时不能只依赖原始点云。对于实时避障和路径规划来说,地图至少需要满足以下要求:
- 实时性:地图更新频率足够支撑在线规划。
- 稳定性:不能因为一次 IMU 漂移或位姿跳变污染整张地图。
- 可解释性:既能查看三维点云,也能查看二维占据栅格。
- 可部署性:既能在笔记本上调试,也能迁移到 Orin Nano 等边缘算力平台。
FAST-LIO2 本身已经提供了很强的 LiDAR-IMU 里程计能力,但在真实实验中,时间同步、外参误差、快速运动、环境退化或 IMU 初始化不足仍可能导致短时错误输出。本项目在 FAST-LIO2 后面增加可靠建图层,只允许通过一致性检查的点云写入稳定地图。
Livox MID360
-> livox_ros_driver2
-> /livox/lidar, /livox/imu
-> FAST-LIO2
-> /cloud_registered, /Odometry, /path
-> 可靠点云建图节点
-> /cloud_registered_reliable, /fastlio_denoised_map
-> 占据栅格节点
-> /fastlio_occupancy_grid
-> /fastlio_occupancy_free_cells
-> /fastlio_occupancy_occupied_cells
-> RViz 点云窗口 + RViz 栅格窗口
整个系统可以分为三层:
- 传感器层:读取 MID360 的 LiDAR 和 IMU 数据。
- 里程计层:通过 FAST-LIO2 完成点云去畸变、扫描匹配和位姿估计。
- 可靠建图层:过滤不可信帧,生成稳定点云地图和二维占据栅格。
src/uav_slam_sim
本项目主包,包含 launch 文件、RViz 配置、可靠点云建图节点、占据栅格节点、脚本和中文文档。
src/FAST_LIO_ROS2
FAST-LIO2 的 ROS 2 实现,作为 LiDAR-IMU 里程计前端。
src/livox_ros_driver2_real
Livox ROS Driver2 源码,用于接入 MID360 实物雷达。
关键文件:
src/uav_slam_sim/README.md
src/uav_slam_sim/docs/archive_mid360_reliable_mapping.md
src/uav_slam_sim/docs/orin_nano_edge_deployment.md
src/uav_slam_sim/launch/real_mid360_dual_view.launch.py
src/uav_slam_sim/launch/real_mid360_fastlio.launch.py
src/uav_slam_sim/src/fastlio_cloud_mapper_node.cpp
src/uav_slam_sim/src/pointcloud_occupancy_grid_node.cpp
src/uav_slam_sim/scripts/package_mid360_github_source.sh
已验证环境:
- Ubuntu 22.04 / WSL2 Ubuntu 22.04
- ROS 2 Humble Desktop
- Livox MID360
- Livox SDK2
- PCL 1.12
- Eigen 3.4
- CMake 3.22
- Windows 11 mirrored networking(使用 WSL 实机接入时)
安装 Ubuntu 和 ROS 依赖:
sudo apt update
sudo apt install -y \
ros-humble-desktop ros-dev-tools \
git build-essential cmake \
libeigen3-dev libpcl-dev libapr1-dev \
xdotool tcpdumpLivox SDK2 需要安装在驱动能够找到的位置,默认搜索 /usr/local/lib 和
/usr/local/include。编译前可以检查:
ldconfig -p | grep livox_lidar_sdk
find /usr/local/include -name 'livox_lidar_api.h'开发环境建议:
- Windows 11 + WSL2 Ubuntu 22.04,或原生 Ubuntu 22.04。
- 使用 RViz 观察点云和栅格图。
- 使用有线以太网连接 MID360。
边缘部署建议:
- NVIDIA Jetson Orin Nano 或类似边缘计算平台。
- Ubuntu 22.04 系统或容器环境。
- ROS 2 Humble。
- 机器人实机运行时建议无头运行算法,把 RViz 放在调试电脑上远程查看。
编译工作区:
cd ~/cuadc_ws
source /opt/ros/humble/setup.bash
rosdep install --from-paths src --ignore-src -r -y
colcon build --symlink-install \
--cmake-args \
-DCMAKE_BUILD_TYPE=Release \
-DROS_EDITION=ROS2 \
-DDISTRO_ROS=humble
source install/setup.bashROS_EDITION 和 DISTRO_ROS 是 Livox ROS Driver2 选择 ROS 2/Humble
类型支持目标所必需的参数。缺少它们时可能出现
LIVOX_INTERFACES_INCLUDE_DIRECTORIES ... NOTFOUND。
检查主机与 MID360 网络连接(将变量改为真实地址):
MID360_IP=192.168.1.141
ip -4 addr
ip route get "$MID360_IP"
ping -c 3 "$MID360_IP"启动真实 MID360 建图和双 RViz 窗口:
cd ~/cuadc_ws
source /opt/ros/humble/setup.bash
source install/setup.bash
ros2 launch uav_slam_sim real_mid360_dual_view.launch.py边缘算力无头运行:
ros2 launch uav_slam_sim real_mid360_dual_view.launch.py start_dual_rviz:=false仓库示例配置中的 MID360 地址是:
192.168.1.141
这只是示例值。雷达可能使用静态地址、DHCP 地址或已被 Livox Viewer 修改,
不要仅凭 README 假设实际设备一定是 .141。建议通过 Livox Viewer 固定地址,
或使用 UDP 抓包确认真实数据源:
sudo timeout -s INT 15 tcpdump \
-l -i eth0 -nn \
'udp and (port 56000 or portrange 56100-56501)'抓包运行期间,在另一个终端启动仅驱动模式以触发 Livox 广播发现:
ros2 launch uav_slam_sim real_mid360_fastlio.launch.py \
start_fast_lio:=false \
start_aggregator:=falseMID360 的常用 UDP 端口:
| 用途 | 雷达端口 | 推荐主机端口 |
|---|---|---|
| 广播发现 | 56000 | 任意 |
| 控制命令 | 56100 | 56101 |
| 状态推送 | 56200 | 56201 |
| 点云 | 56300 | 56301 |
| IMU | 56400 | 56401 |
| 日志 | 56500 | 56501 |
建议主机有线网卡地址:
IPv4: 192.168.1.50
Mask: 255.255.255.0
确认真实地址后,修改
src/livox_ros_driver2_real/config/MID360_config.json 中的两个雷达地址:
"lidar_ip": ["<MID360_IP>"]
"ip": "<MID360_IP>"使用 --symlink-install 时修改源码配置后通常只需停止旧驱动并重新启动;
如果安装目录不是软链接,则需要重新构建 livox_ros_driver2。
同时确认 host_ip 与 Linux/WSL 实际拥有的有线网卡地址一致。修改完成后检查:
MID360_IP=192.168.1.141
HOST_IP=192.168.1.50
ip route get "$MID360_IP"
python3 -c "import socket; s=socket.socket(socket.AF_INET, socket.SOCK_DGRAM); s.bind(('$HOST_IP', 56301)); print('UDP bind OK')"WSL2 连接 MID360 建议使用 Windows 11 mirrored networking。文件
%USERPROFILE%\.wslconfig 位于 Windows 用户目录,而不是 WSL 安装目录:
[wsl2]
networkingMode=mirrored
autoProxy=true
dnsTunneling=true
hostAddressLoopback=true修改后在 Windows PowerShell 执行:
wsl --shutdown重新进入 WSL 后,ip -4 addr 应显示与 Windows 有线网卡相同网段的地址。
mirrored networking 的入站数据还受 Hyper-V 防火墙控制。需要以管理员身份运行
PowerShell,并为 WSL 创建仅允许 MID360 源地址的 UDP 规则:
$Mid360Ip = "192.168.1.141"
New-NetFirewallHyperVRule `
-Name "Livox-MID360-UDP" `
-DisplayName "Livox MID360 UDP to WSL" `
-Direction Inbound `
-VMCreatorId "{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}" `
-Protocol UDP `
-RemoteAddresses $Mid360Ip `
-Action Allow诊断时也可以临时将 WSL 默认入站动作设为 Allow,但不建议长期保留宽泛规则:
Set-NetFirewallHyperVVMSetting `
-Name "{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}" `
-DefaultInboundAction Allow完成诊断并确认精确的 Livox UDP 规则生效后,可以恢复默认阻止策略:
Set-NetFirewallHyperVVMSetting `
-Name "{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}" `
-DefaultInboundAction Block代理软件的 TUN 模式可能增加额外虚拟网卡和路由。调试雷达时建议先关闭 TUN, 只保留普通 HTTP/SOCKS 代理。
如果可以 ping 通雷达但没有点云,优先检查:
- 抓包中数据包的真实源 IP 是否与 JSON 配置一致。
- Livox 驱动配置中的主机 IP 是否正确。
- 防火墙或 UDP 端口是否拦截。
- 是否有其他程序已经连接雷达。
- 是否重复启动了多个 ROS launch。
ping 只能证明 ICMP 可达,不能证明 UDP 点云已经进入驱动;
Init lds lidar success! 也只表示 SDK 本地初始化完成。最终应以 UDP 抓包和
ROS 话题非空数据为准。
传感器输入:
/livox/lidar
/livox/imu
FAST-LIO2 输出:
/cloud_registered
/cloud_registered_body
/Odometry
/path
可靠建图输出:
/cloud_registered_reliable
/fastlio_denoised_map
占据栅格输出:
/fastlio_occupancy_grid
/fastlio_occupancy_free_cells
/fastlio_occupancy_occupied_cells
常用检查命令:
ros2 topic list
ros2 topic hz /livox/lidar
ros2 topic hz /livox/imu
ros2 topic hz /cloud_registered
ros2 topic hz /cloud_registered_reliable
ros2 topic hz /fastlio_denoised_map
ros2 topic hz /fastlio_occupancy_grid
ros2 topic echo --once /Odometry空的 PointCloud2 也可以持续以固定频率发布,所以不能只用 topic hz
判断建图是否成功。建议从传感器到地图逐层检查实际点数:
timeout 5 ros2 topic echo /livox/lidar \
--field point_num
timeout 5 ros2 topic echo /cloud_registered \
--field width
timeout 5 ros2 topic echo /cloud_registered_reliable \
--field width
timeout 5 ros2 topic echo /fastlio_denoised_map \
--field width
timeout 10 ros2 topic echo --once /Odometry一组实机室内测试的参考结果如下,仅用于判断数量级,不作为所有场景的固定阈值:
| 数据 | 参考结果 |
|---|---|
/livox/lidar |
约 19,500~20,400 点/帧,约 10 Hz |
/livox/imu |
约 200 Hz |
/cloud_registered |
约 660~720 点/帧,约 10 Hz |
/cloud_registered_reliable |
约 550~600 点/帧 |
/fastlio_denoised_map |
非空,并随接受帧持续更新 |
/fastlio_occupancy_grid |
有发布者且持续更新非零点数 |
完整通过标准:原始点数和各层 width 持续大于 0;/Odometry 不包含
nan;可靠建图日志中的 accepted 持续增加;RViz 中墙面、轨迹和栅格结构合理。
FAST-LIO2 提供紧耦合 LiDAR-IMU 里程计。本项目中它主要负责:
- IMU 状态预测。
- 单帧点云运动畸变补偿。
- LiDAR scan-to-map 匹配。
- 位姿、速度和 IMU bias 估计。
- 发布注册点云、里程计和轨迹。
FAST-LIO2 是高频里程计前端,但本项目不会把它输出的每一帧都默认认为是可靠地图数据。
默认实机入口读取的基础配置是:
src/uav_slam_sim/config/fast_lio_real_mid360.yaml
不是 src/FAST_LIO_ROS2/config/mid360.yaml。后者只在直接使用 FAST-LIO
自身默认启动入口时生效。
真实硬件安装时,MID360 的安装姿态可能和默认假设不同。因此启动文件开放了 LiDAR-IMU 外参和时间偏移参数:
lidar_to_imu_x
lidar_to_imu_y
lidar_to_imu_z
lidar_to_imu_roll_deg
lidar_to_imu_pitch_deg
lidar_to_imu_yaw_deg
time_offset_lidar_to_imu
extrinsic_est_en
time_sync_en
示例:
ros2 launch uav_slam_sim real_mid360_dual_view.launch.py \
lidar_to_imu_roll_deg:=0 \
lidar_to_imu_pitch_deg:=0 \
lidar_to_imu_yaw_deg:=0 \
time_offset_lidar_to_imu:=0启动时会自动生成 FAST-LIO2 实际使用的运行时配置文件:
~/fastlio_runtime/fast_lio_real_mid360_runtime.yaml
生成顺序如下:
uav_slam_sim/config/fast_lio_real_mid360.yaml
-> launch 参数覆盖
-> ~/fastlio_runtime/fast_lio_real_mid360_runtime.yaml
-> /laser_mapping 节点
launch 参数会覆盖基础 YAML 中的以下字段:
common.time_offset_lidar_to_imu
common.time_sync_en
mapping.extrinsic_est_en
mapping.extrinsic_T
mapping.extrinsic_R
ROS 节点不会热加载 YAML。修改配置或 launch 参数后必须停止旧节点并重新启动, 最终生效值应同时检查运行时 YAML 和节点参数:
cat ~/fastlio_runtime/fast_lio_real_mid360_runtime.yaml
ros2 param get /laser_mapping point_filter_num
ros2 param get /laser_mapping filter_size_surf
ros2 param get /laser_mapping filter_size_map
ros2 param list /laser_mapping | grep -E 'extrinsic|time_sync|time_offset'使用 --symlink-install 时,修改源码目录中的配置通常会立即反映到安装目录,
但仍然需要重启 launch。可以这样确认:
INSTALLED_CONFIG="$(ros2 pkg prefix uav_slam_sim)/share/uav_slam_sim/config/fast_lio_real_mid360.yaml"
readlink -f "$INSTALLED_CONFIG"
cmp src/uav_slam_sim/config/fast_lio_real_mid360.yaml "$INSTALLED_CONFIG"如果安装副本不是软链接且内容不同,需要重新构建并重新加载环境:
colcon build --packages-select uav_slam_sim --symlink-install
source install/setup.bash调试参数时建议观察 FAST-LIO 原始输出 /cloud_registered 的 width。
例如临时显著增大 point_filter_num 或 filter_size_surf,重启后确认实时参数和
原始点数均发生变化;完成诊断后恢复默认值。
基础配置中的 map_file_path 当前含有示例用户路径
/home/accelerate/cuadc_ws/...。由于默认 pcd_save_en: false,它不会影响
实时建图;启用 PCD 保存前必须改成当前机器可写的路径。
可靠建图节点订阅 FAST-LIO2 的注册点云和里程计。只有通过一致性检查的点云帧才会写入稳定地图。
主要检查包括:
- 点云不能为空。
- 需要里程计时,必须已经收到
/Odometry。 - 当前速度不能超过合理阈值。
- 相邻帧位姿跳变不能过大。
- 高度方向突变不能过大。
- warmup 结束后,当前帧和已有稳定地图需要有足够重叠。
被接受的帧会进入稳定地图,被拒绝的帧不会污染地图。
主要输出:
/cloud_registered_reliable
/fastlio_denoised_map
稳定点云地图不是无限累积原始点,而是使用过滤和滑动窗口维护:
- 距离过滤。
- 高度过滤。
- 无效点过滤。
- 体素降采样。
- 可靠帧滑动窗口。
- 发布前再次整理点云。
这样可以让地图更适合实时机器人任务,而不是变成无限增长的原始点云堆积。
占据栅格节点使用 /cloud_registered_reliable 作为输入,而不是直接使用原始点云。
处理流程:
- 读取可靠点云。
- 根据高度范围过滤点。
- 将三维点投影到 XY 平面。
- 根据栅格分辨率离散化。
- 对障碍物点所在 cell 增加占据概率。
- 从传感器位置到障碍物点做射线更新,标记 free cell。
- 使用 log-odds 累积概率。
- 对长时间未更新的 cell 做衰减,使旧错误逐步回到 unknown。
输出包括标准 nav_msgs/OccupancyGrid,也包括用于 RViz 稳定显示的 marker 话题。
本项目默认使用两个 RViz 窗口:
- 点云窗口:显示实时点云、稳定点云地图和轨迹。
- 栅格窗口:显示 free cell、occupied cell 和轨迹。
默认点云窗口订阅的是后处理输出:
/cloud_registered_reliable
/fastlio_denoised_map
它不直接显示 FAST-LIO 原始 /cloud_registered。可靠建图节点还会应用体素、
半径、距离和高度过滤以及质量门控,所以 FAST-LIO 参数的小幅变化可能在默认
RViz 中不明显。调参时应同时观察 /cloud_registered.width。
FAST-LIO YAML 中的 publish.map_en 控制 /Laser_map,而默认 RViz 不订阅
这个话题;修改 map_en 不会改变默认稳定地图画面。项目的默认架构是在
FAST-LIO 之后由可靠建图节点生成 /fastlio_denoised_map。
启动命令:
ros2 launch uav_slam_sim real_mid360_dual_view.launch.py如果在 WSLg 中 RViz 变成灰色加载窗口,可以在 Windows PowerShell 中执行:
Stop-Process -Name msrdc -Force -ErrorAction SilentlyContinue
wsl --shutdown
wsl然后重新进入 WSL 启动 ROS。
在 Jetson Orin Nano 或类似边缘算力平台上,建议无头运行:
ros2 launch uav_slam_sim real_mid360_dual_view.launch.py start_dual_rviz:=false推荐部署方式:
- Orin Nano 运行 Livox 驱动、FAST-LIO2 和建图节点。
- 调试电脑远程运行 RViz。
- 使用 Release 模式编译。
- CPU 压力高时增大体素尺寸、减小地图窗口、降低栅格分辨率。
- 实地测试时录制 rosbag,便于离线分析。
完整部署教程:
src/uav_slam_sim/docs/orin_nano_edge_deployment.md
完整调试录包:
mkdir -p bags
ros2 bag record -o bags/mid360_mapping_test \
/livox/lidar \
/livox/imu \
/cloud_registered \
/cloud_registered_reliable \
/fastlio_denoised_map \
/fastlio_occupancy_grid \
/Odometry \
/path只录原始雷达和 IMU:
ros2 bag record -o bags/mid360_raw_only /livox/lidar /livox/imu推荐初始调试流程:
- 启动后保持雷达静止 10 到 20 秒。
- 检查静止时
/Odometry是否稳定。 - 每次只绕一个轴缓慢转动雷达。
- 观察墙面是否出现双层、弯曲或反向旋转。
- 每次只调整一个外参或时间偏移参数。
- 每组参数保存一个短 rosbag,方便离线比较。
如果开启 IMU 后地图更差,优先检查时间同步、外参方向、坐标系约定和 IMU 单位。
Livox 驱动没有进入正确的 Humble 类型支持分支。清理缓存并带完整参数重建:
cd ~/cuadc_ws
rm -rf build install log
source /opt/ros/humble/setup.bash
colcon build --symlink-install \
--cmake-args \
-DCMAKE_BUILD_TYPE=Release \
-DROS_EDITION=ROS2 \
-DDISTRO_ROS=humble执行 rm -rf 前确认当前目录确实是工作区根目录。
WSL 可能继承 Windows PATH,导致 CMake 使用 /mnt/*/anaconda 下的 Protobuf
头文件,却链接 Ubuntu 的系统库。典型日志会同时出现 /usr/include/gz/msgs*
和 Windows Anaconda 路径。
可以在不加载用户配置和 Windows 开发环境的干净 shell 中构建:
env -i \
HOME="$HOME" USER="$USER" TERM="$TERM" \
PATH=/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin \
bash --noprofile --norc
source /opt/ros/humble/setup.bash
cd ~/cuadc_ws
rm -rf build install log
colcon build --symlink-install \
--cmake-args \
-DCMAKE_BUILD_TYPE=Release \
-DROS_EDITION=ROS2 \
-DDISTRO_ROS=humble \
'-DCMAKE_IGNORE_PREFIX_PATH=/mnt/d/anaconda;/mnt/d/MyCode/anaconda' \
'-DCMAKE_IGNORE_PATH=/mnt/d/anaconda;/mnt/d/anaconda/Library;/mnt/d/MyCode/anaconda;/mnt/d/MyCode/anaconda/Library'路径需要按本机实际 Anaconda 位置调整。长期方案是避免把 Windows Anaconda 加入 WSL PATH。
在 mirrored networking 下,如果 Windows HTTP 代理监听 127.0.0.1:7897,
可以仅对本次命令显式传递代理。sudo 默认可能不会保留当前用户的代理环境:
PROXY=http://127.0.0.1:7897
sudo env \
http_proxy="$PROXY" https_proxy="$PROXY" \
HTTP_PROXY="$PROXY" HTTPS_PROXY="$PROXY" \
apt update先用 curl -I -x "$PROXY" https://github.com 验证代理,不要通过关闭 TLS
证书校验绕过错误。
常见原因:配置的 host_ip 不属于 Linux/WSL、端口已被另一个 Livox 进程占用,
或 Livox Viewer/重复 launch 正在使用设备。
MID360_IP=192.168.1.141
ip -4 addr
ip route get "$MID360_IP"
pgrep -af livox_ros_driver2_node
sudo ss -lunp | grep -E '56000|56101|56201|56301|56401|56501'关闭旧驱动后再启动新的 launch,不要并行运行多个 Livox 驱动。
SDK 初始化成功不代表已经识别到 JSON 中指定的雷达。首先抓取真实源地址:
sudo tcpdump -ni eth0 -nn -c 20 \
'udp and (port 56000 or portrange 56100-56501)'如果看到类似:
<实际雷达IP>.56300 > <主机IP>.56301
<实际雷达IP>.56400 > <主机IP>.56401
但 JSON 中仍是另一个地址,驱动会忽略这些数据。修改两个雷达 IP 字段,停止旧 launch 后重新启动。
频率不等于点云非空。逐层检查 point_num 和 width。可靠建图日志中:
reason=empty_scan:当前过滤后点云为空,本帧被质量门控拒绝。filtered scan=0:距离、高度、NaN 或离群点过滤后没有剩余点。occupancy grid updated from 0 points:栅格节点存活,但当前没有可靠点更新。overlap=1.000与空点云同时出现时是默认占位值,不表示真实 100% 重叠。
这是 FAST-LIO 当前帧没有足够有效匹配点。偶发一两帧且随后恢复通常可以接受; 如果连续出现,应检查:
/livox/lidar.point_num是否持续非零。/cloud_registered.width是否持续非零。- 雷达是否被遮挡,场景是否缺少墙面等几何结构。
- 启动后是否静止初始化了 10~20 秒。
- 是否在初始化前快速移动雷达。
- 外参、时间偏移和时间同步设置是否正确。
依次确认:
- 修改的是
uav_slam_sim/config/fast_lio_real_mid360.yaml。 - launch 已经重启,并重新生成 runtime YAML。
ros2 param get与 runtime YAML 一致。- 对比的是原始
/cloud_registered.width,而不仅是后处理地图。 - 修改的不是只控制
/Laser_map的publish.map_en。
默认 RViz 的可靠点云和稳定地图经过二次过滤,可能掩盖上游参数的小幅变化。
优先检查:
- 启动后是否静止初始化。
- LiDAR-IMU 外参方向和单位是否正确。
- LiDAR 和 IMU 时间偏移是否正确。
- 雷达和机体是否刚性固定。
- 当前环境是否严重退化。
每次只修改一个参数,并为每组参数保存短 rosbag。
检查:
/cloud_registered_reliable.width是否大于 0,而不只是有频率。- 质量门控的
accepted是否持续增加。 - 占据栅格日志是否显示非零输入点数。
- 高度过滤范围是否过窄。
frame_id是否一致。
先用 start_dual_rviz:=false 完成无界面算法验收,确认问题仅属于显示层。
WSLg 状态异常时可以在 Windows PowerShell 中重启 WSL 图形会话:
Stop-Process -Name msrdc -Force -ErrorAction SilentlyContinue
wsl --shutdown可以尝试:
- 关闭 RViz。
- 使用 Release 模式编译。
- 增大体素滤波尺寸。
- 减小地图窗口长度。
- 降低栅格分辨率。
- 减少实时录包话题数量。
更详细的中文说明见:
src/uav_slam_sim/README.md
src/uav_slam_sim/docs/archive_mid360_reliable_mapping.md
src/uav_slam_sim/docs/orin_nano_edge_deployment.md
后续可以继续扩展:
- 增加点云帧通过和拒绝原因的诊断话题。
- 增加基于 rosbag 的回归测试。
- 增加 LiDAR-IMU 外参离线标定流程。
- 增加局部代价地图和障碍物膨胀层。
- 增加回环检测或全局优化模块。
- 融合轮速、视觉里程计或 GNSS 等长期约束。
主包 uav_slam_sim 在 package.xml 中声明为 LGPL-3.0-only。
本仓库还包含第三方包:
FAST_LIO_ROS2,其 package 元数据声明为 BSD。livox_ros_driver2_real,其 package 元数据声明为 MIT。
重新分发时请保留第三方包自带的许可证文件。详情见 THIRD_PARTY_NOTICE.md。