Skip to content

About

MID360 Reliable Mapper 是一套面向 Livox MID360 的 ROS 2 实时可靠建图系统,集成 FAST-LIO2、点云质量门控、稳定点云地图和二维占据栅格生成,可同时输出三维点云图与 SLAM 栅格图,并支持在 Orin Nano 等边缘算力平台部署

Resources

Stars

17 stars

Watchers

0 watching

Forks

Latest commit

 

History

20 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 

Repository files navigation

MID360 Reliable Mapper

4f70690e6410bdf6f64fc84826a3c305 48cfb33b6c56b96a0a29acbb80d0311f e86210e2f8b7e49d7db60cfa45e18fa8

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。

项目特点

  • 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。

项目目标

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。

系统架构

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:

  1. 传感器层:读取 MID360 的 LiDAR 和 IMU 数据。
  2. 里程计层:通过 FAST-LIO2 完成点云去畸变、扫描匹配和位姿估计。
  3. 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。

目录结构

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

环境要求

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 tcpdump

Livox 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。

快速开始

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.bash

ROS_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

MID360 网络配置

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:=false

MID360 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 实机网络

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。

主要 ROS 话题

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

分层验收:频率不等于有效数据

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。

算法逻辑

1. FAST-LIO2 里程计

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。

2. 运行时外参配置

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。

3. 可靠点云门控

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

4. 稳定点云地图维护

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。

5. 占据栅格生成

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:

  1. 读取可靠点云。
  2. 根据高度范围过滤点。
  3. 将三维点投影到 XY 平面。
  4. 根据栅格分辨率离散化。
  5. 对障碍物点所在 cell 增加占据概率。
  6. 从传感器位置到障碍物点做射线更新,标记 free cell。
  7. 使用 log-odds 累积概率。
  8. 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。

RViz 可视化

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。

边缘算力部署

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

数据录制

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

外参调试建议

推荐初始调试流程:

  1. 启动后保持雷达静止 10 到 20 秒。
  2. 检查静止时 /Odometry 是否稳定。
  3. 每次只绕一个轴缓慢转动雷达。
  4. 观察墙面是否出现双层、弯曲或反向旋转。
  5. 每次只调整一个外参或时间偏移参数。
  6. 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。

常见问题

LIVOX_INTERFACES_INCLUDE_DIRECTORIES ... NOTFOUND

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。

Gazebo/GZ/Protobuf 头文件大量报错

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。

apt 下载很慢

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。

bind failed / Cannot assign requested address

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。

Init lds lidar success! 但没有 /livox/lidar

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。

话题有频率,但日志显示 empty_scan

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。

No Effective Points! / Too few input point cloud!

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。

修改 YAML 后 RViz 几乎没有变化

依次确认:

  1. 修改的是 uav_slam_sim/config/fast_lio_real_mid360.yaml。
  2. launch 已经重启,并重新生成 runtime YAML。
  3. ros2 param get 与 runtime YAML 一致。
  4. 对比的是原始 /cloud_registered.width,而不仅是后处理地图。
  5. 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。

地图漂移、墙面双层或突然跳变

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。

栅格图不更新

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。

RViz 灰屏或无响应

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

边缘端运行过慢

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。

中文文档

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

后续计划

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。

许可证

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。

About

MID360 Reliable Mapper 是一套面向 Livox MID360 的 ROS 2 实时可靠建图系统,集成 FAST-LIO2、点云质量门控、稳定点云地图和二维占据栅格生成,可同时输出三维点云图与 SLAM 栅格图,并支持在 Orin Nano 等边缘算力平台部署

Resources

Stars

17 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages