Fast_Lio系列(1)——从零搭建Livox Mid360与FAST_LIO的融合开发环境

news2026/4/16 0:37:57
1. 环境搭建前的准备工作刚拿到Livox Mid360雷达时我第一反应就是赶紧接上电脑跑个算法试试。但实际操作中发现这套设备的环境搭建就像搭积木底层没摆正上层就会垮。这里先给大家梳理清楚三个核心组件的关系Livox-SDK2相当于雷达的翻译官负责把硬件发出的二进制数据转换成可读的结构化数据。没有它你的电脑根本听不懂雷达在说什么livox_ros_driver2扮演快递员角色把翻译好的数据打包成ROS标准格式的消息FAST_LIO这才是真正的大脑负责处理数据并输出定位建图结果这三个组件必须按顺序安装就像盖房子要先打地基再砌墙。我刚开始图省事直接装FAST_LIO结果编译报错折腾了半天。特别提醒Mid360必须用SDK2而不是旧版SDK因为它的多回波模式和更高采样率需要新版SDK支持。2. 安装Livox-SDK2详细步骤2.1 基础依赖安装先确保系统有最新版CMake这是编译的基石。在Ubuntu终端执行sudo apt update sudo apt install -y cmake git build-essential有次我在旧系统上装完直接编译结果遇到C17特性不支持的问题。后来发现是系统默认的gcc版本太低建议先检查gcc --version # 确保版本≥7.52.2 编译SDK2源码推荐在home目录下新建工作空间避免路径混乱mkdir -p ~/livox_ws cd ~/livox_ws git clone https://github.com/Livox-SDK/Livox-SDK2.git --depth1这里有个小技巧加上--depth1只克隆最新commit能节省下载时间。进入项目后编译cd Livox-SDK2 mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelease # 一定要加Release优化 make -j$(nproc) # 使用所有CPU核心加速编译 sudo make install # 安装到系统目录编译成功后建议运行单元测试验证./livox_sdk2_unit_test3. 搭建FAST_LIO工作空间3.1 创建ROS工程结构ROS工作空间的目录结构有讲究我习惯用这样的布局mkdir -p ~/fast_lio_ws/src cd ~/fast_lio_ws/src这里有个易错点很多人直接克隆FAST_LIO结果漏了子模块。正确做法是git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO git submodule update --init --recursive3.2 安装livox_ros_driver2这是连接SDK2和ROS的桥梁必须单独编译cd ~/fast_lio_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd livox_ros_driver2 ./build.sh ROS1 # 注意根据ROS版本选择遇到过最坑的问题是网络超时导致编译失败。这时可以修改build.sh在wget命令后加上--timeout30参数。4. 关键代码修改指南4.1 适配Mid360的配置修改FAST_LIO原本是为livox_ros_driver设计的需要手动适配driver2。主要修改三处CMakeLists.txt把所有livox_ros_driver替换为livox_ros_driver2package.xml更新依赖项名称头文件引用例如在preprocess.h中修改为#include livox_ros_driver2/CustomMsg.h我专门写了个sed命令批量替换find . -type f -exec sed -i s/livox_ros_driver/livox_ros_driver2/g {} 4.2 网络配置实战Mid360的IP配置是个大坑分三步走修改电脑IP在Ubuntu网络设置里改成静态IP例如192.168.1.5配置雷达IP查看设备SN码后两位前面加1。比如SN尾号50雷达IP就是192.168.1.150修改配置文件调整MID360_config.json中的对应字段{ host_net_info: { cmd_data_ip: 192.168.1.5, push_msg_ip: 192.168.1.5 }, lidar_configs: [{ ip: 192.168.1.150 }] }5. 编译与调试技巧5.1 分步编译策略由于依赖关系复杂建议分步编译cd ~/fast_lio_ws catkin_make --pkg livox_ros_driver2 # 先单独编译驱动 catkin_make --pkg fast_lio # 再编译算法遇到编译错误时可以启用详细日志catkin_make -DCMAKE_VERBOSE_MAKEFILEON5.2 常见问题解决点云数据异常检查MID360_config.json中的pcl_data_type应为1表示XYZ格式时间戳不同步在launch文件中添加param nametimestamp_type value1/IMU数据缺失确认配置文件中的imu_data_port与雷达设置一致6. 实际运行测试启动顺序很关键必须按这个流程先启动雷达驱动roslaunch livox_ros_driver2 msg_MID360.launch看到绿色提示Device[0] start sample success才算成功再启动FAST_LIO建图roslaunch fast_lio mapping_mid360.launch建议用rviz实时查看点云rosrun rviz rviz -d $(rospack find fast_lio)/rviz_cfg/loam_livox.rviz第一次运行时建议缓慢移动雷达观察地图构建效果。如果出现漂移可能需要调整mapping_mid360.launch中的IMU噪声参数。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2521614.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…