从原理到实践：FAST-LIO2 算法、GitHub 源码与 MID-360 落地运行教程

前言

FAST-LIO2 是目前较为经典的激光雷达—惯性里程计算法。它通过紧耦合方式融合 LiDAR 点云和 IMU 数据，可以实时估计设备的位置、姿态和运动轨迹，同时构建三维点云地图。

相较于传统的 LOAM 类算法，FAST-LIO2 不需要强制提取边缘点和平面点，而是可以直接使用经过降采样的原始点云与地图进行匹配。同时，它使用 ikd-Tree 管理不断增长的点云地图，具有较高的实时性。

本文主要介绍：

为避免公式在部分博客平台中出现乱码，本文使用纯文本形式表示公式。

一、FAST-LIO2 是什么

FAST-LIO2 全称为：

FAST Direct LiDAR-Inertial Odometry

中文可以理解为：

快速直接式激光雷达—惯性里程计。

它主要融合两种传感器的数据：

• LiDAR 提供周围环境的三维几何信息；

• IMU 提供设备的角速度和加速度信息。

系统最终可以输出：

• 设备实时位置；

• 设备实时姿态；

• 设备运动轨迹；

• 去畸变后的点云；

• 世界坐标系下的配准点云；

• 三维点云地图；

• PCD 格式的地图文件。

FAST-LIO2 比较适合以下应用：

• 手持式三维扫描仪；

• 无人机定位与建图；

• 移动机器人导航；

• 自动驾驶环境感知；

• 室内外三维重建；

• Livox 固态或混合固态激光雷达建图。

需要注意的是，FAST-LIO2 更准确地说是一套“激光惯性里程计与增量建图系统”。官方核心代码没有集成完整的回环检测和全局位姿图优化，因此长距离运行后仍可能产生累计漂移。

二、相关 GitHub 和论文链接

1. FAST-LIO2 官方 GitHub

FAST-LIO2 没有单独放在名为“FAST-LIO2”的仓库中，而是集成在 FAST_LIO 仓库中。

FAST-LIO2 官方 GitHub 仓库

https://github.com/hku-mars/FAST_LIO

2. FAST-LIO2 论文

FAST-LIO2: Fast Direct LiDAR-inertial Odometry

https://arxiv.org/abs/2107.06829

3. ikd-Tree 官方仓库

ikd-Tree 官方 GitHub

https://github.com/hku-mars/ikd-Tree

4. MID-360 官方 ROS 驱动

Livox ROS Driver 2

https://github.com/Livox-SDK/livox_ros_driver2

5. MID-360 底层 SDK

Livox-SDK2

https://github.com/Livox-SDK/Livox-SDK2

6. LiDAR 和 IMU 标定工具

LiDAR_IMU_Init

https://github.com/hku-mars/LiDAR_IMU_Init

三、FAST-LIO2 的输入与输出

FAST-LIO2 的主要输入如下。

FAST-LIO2 的主要输出如下。

FAST-LIO2 内部需要估计的状态主要包括：

设备位置
设备速度
设备姿态
陀螺仪零偏
加速度计零偏
重力方向
LiDAR 与 IMU 的旋转外参
LiDAR 与 IMU 的平移外参

这些状态主要定义在：

include/use-ikfom.hpp

四、FAST-LIO2 的整体处理流程

FAST-LIO2 的完整处理过程可以概括为：

LiDAR 点云和 IMU 数据
↓
数据接收与缓存
↓
LiDAR 和 IMU 时间对齐
↓
IMU 初始化与状态预测
↓
点云运动畸变校正
↓
当前点云体素降采样
↓
当前点云与已有地图匹配
↓
构建点到平面的距离残差
↓
迭代误差状态卡尔曼滤波
↓
更新设备位置和姿态
↓
将新点加入 ikd-Tree 地图
↓
发布里程计、轨迹和点云

从功能上看，这个过程可以分成两个主要部分：

• IMU 负责高频预测；

• LiDAR 负责修正 IMU 的累计误差。

五、IMU 初始化与状态预测

1. 为什么需要进行 IMU 初始化

IMU 测量的是角速度和加速度，它并不会直接输出设备的绝对位置。

FAST-LIO2 在开始运行时，需要根据一段相对静止的 IMU 数据估计：

• 初始重力方向；

• 陀螺仪零偏；

• 加速度计初始状态；

• 设备初始姿态。

因此，在启动 FAST-LIO2 后，应让设备保持静止几秒钟，直到终端中出现：

IMU Initial Done

如果在初始化阶段移动或晃动设备，可能导致：

• 地图倾斜；

• 地面不平；

• 点云出现分层；

• 轨迹快速漂移；

• 地图直接发散。

2. IMU 如何预测设备运动

IMU 的角速度可以用于计算姿态变化，加速度可以用于计算速度和位置变化。

其基本关系可以简单理解为：

角速度积分 → 姿态变化
加速度积分 → 速度变化
速度积分 → 位置变化

但是，IMU 积分会不断累积误差。因此，FAST-LIO2 还需要利用 LiDAR 点云与地图之间的几何关系，对 IMU 预测结果进行修正。

对应的核心代码位于：

src/IMU_Processing.hpp

其中比较重要的函数包括：

六、点云运动畸变校正

LiDAR 的一帧点云不是在同一个时刻采集完成的。

例如，手持设备在扫描一面墙时发生了转动：

• 扫描开始时，设备处于姿态 A；

• 扫描中间时，设备处于姿态 B；

• 扫描结束时，设备处于姿态 C。

如果直接把这些点当作同一时刻采集的数据，原本平整的墙面就可能出现：

• 弯曲；

• 拉伸；

• 错层；

• 重影。

FAST-LIO2 会根据：

• 每个激光点的相对时间；

• IMU 计算出的连续运动轨迹；

将一帧中的所有点补偿到同一个参考时刻，这个过程就是点云运动畸变校正。

因此，FAST-LIO2 对以下信息非常敏感：

• LiDAR 和 IMU 的时间同步；

• 每个激光点的相对时间；

• LiDAR 与 IMU 之间的外参。

如果点云缺少点级时间戳，FAST-LIO2 就无法准确判断一帧中每个点的采集时刻，去畸变效果也会受到严重影响。

七、FAST-LIO2 的直接式点云配准

1. “Direct”是什么意思

LOAM 类算法通常先从点云中提取：

• 边缘特征点；

• 平面特征点。

随后再使用这些人工定义的特征点进行点云配准。

FAST-LIO2 可以关闭传统特征提取，直接使用经过降采样的原始激光点与地图进行匹配。

但是需要注意：

“不进行传统特征提取”并不等于“完全不使用平面约束”。

FAST-LIO2 仍然会在地图中搜索当前激光点附近的若干点，并利用这些邻近点拟合局部平面。

2. 点到平面的距离残差

对于当前帧中的一个激光点，FAST-LIO2 会执行以下操作：

点到平面距离可以表示为：

r = n^T × (p_world – q)

其中：

• r 表示点到平面的距离残差；

• n 表示局部平面的法向量；

• p_world 表示当前激光点在世界坐标系中的位置；

• q 表示局部平面上的一个点；

• n^T 表示法向量的转置。

如果当前估计位姿比较准确，当前激光点应该落在地图平面附近，因此残差应当接近零。

相关代码主要位于：

src/laserMapping.cpp

对应的核心函数是：

h_share_model()

该函数负责：

• 将激光点转换到世界坐标系；

• 在 ikd-Tree 中搜索最近邻点；

• 拟合局部平面；

• 筛选有效匹配点；

• 计算点到平面距离；

• 构建观测雅可比矩阵。

八、迭代误差状态卡尔曼滤波

FAST-LIO2 使用的是迭代误差状态扩展卡尔曼滤波器，可以简称为：

Iterated ESKF

其处理过程可以简单理解为：

这种方式称为紧耦合，是因为 LiDAR 的点到平面残差直接进入滤波器，而不是先单独计算一个 LiDAR 位姿，再与 IMU 位姿进行简单融合。

滤波器相关文件包括：

• include/use-ikfom.hpp

• include/IKFoM_toolkit

九、ikd-Tree 增量地图

FAST-LIO2 使用 ikd-Tree 管理点云地图。

普通 KD-Tree 在地图增加大量新点后，可能需要重新建树。随着点云数量增加，重新建树会带来较大的计算开销。

ikd-Tree 支持：

• 增量插入新点；

• 删除局部地图之外的点；

• 动态重新平衡；

• 快速最近邻搜索；

• 地图体素降采样。

每完成一帧状态更新后，FAST-LIO2 会：

对应函数为：

map_incremental()

该函数位于：

src/laserMapping.cpp

ikd-Tree 官方仓库：

https://github.com/hku-mars/ikd-Tree

十、FAST-LIO 与 FAST-LIO2 的区别

十一、FAST_LIO 仓库文件讲解

官方 FAST_LIO 仓库中的主要文件如下。

1. laserMapping.cpp

这是 FAST-LIO2 最核心的文件，相当于整个系统的主控制程序。

它主要负责：

• 接收 LiDAR 点云；

• 接收 IMU 数据；

• 缓存传感器数据；

• 同步一帧点云和对应的 IMU；

• 调用 IMU 去畸变；

• 对当前点云降采样；

• 在地图中搜索最近邻点；

• 构建点到平面距离残差；

• 执行迭代滤波更新；

• 更新 ikd-Tree 地图；

• 发布里程计、轨迹和点云；

• 保存 PCD 地图。

建议重点阅读以下函数：

2. preprocess.cpp 和 preprocess.h

这两个文件负责将不同 LiDAR 的原始消息转换成 FAST-LIO2 内部统一使用的点云格式。

主要功能包括：

• 读取点坐标；

• 读取反射强度；

• 读取扫描线编号；

• 读取每个点的相对时间；

• 删除近距离无效点；

• 点云抽样；

• 可选的特征提取。

FAST-LIO2 在代码中将点的相对时间临时存放在：

PointXYZINormal.curvature

后续的 IMU 处理模块会使用这个时间进行逐点运动畸变校正。

3. IMU_Processing.hpp

这个文件主要负责：

• IMU 初始化；

• IMU 前向积分；

• 保存一帧扫描过程中的设备状态；

• 对当前点云逐点进行运动补偿；

• 更新滤波器预测状态。

4. use-ikfom.hpp

该文件定义了 FAST-LIO2 的系统状态。

主要变量包括：

pos 设备位置
rot 设备姿态
offset_R_L_I LiDAR 到 IMU 的旋转外参
offset_T_L_I LiDAR 到 IMU 的平移外参
vel 设备速度
bg 陀螺仪零偏
ba 加速度计零偏
grav 重力方向

该文件还定义了：

• IMU 输入；

• 状态传播模型；

• 状态转移雅可比；

• 过程噪声模型。

5. common_lib.h

该文件主要包含：

• FAST-LIO2 使用的点云类型；

• LiDAR 与 IMU 数据组合结构；

• 矩阵和向量类型；

• 平面拟合函数；

• 坐标转换工具；

• 常用宏定义。

6. config/mid360.yaml

这是 MID-360 对应的 FAST-LIO2 参数文件。

查看官方 mid360.yaml

它主要配置：

• LiDAR 话题；

• IMU 话题；

• 时间同步；

• LiDAR 类型；

• 扫描线数量；

• 近距离盲区；

• IMU 噪声；

• LiDAR 与 IMU 外参；

• 点云发布；

• PCD 地图保存。

7. mapping_mid360.launch

这是 MID-360 对应的 FAST-LIO2 启动文件。

查看官方 mapping_mid360.launch

它主要负责：

• 加载 mid360.yaml；

• 设置点云降采样参数；

• 设置滤波器最大迭代次数；

• 启动 fastlio_mapping 节点；

• 启动 RViz。

十二、Ubuntu 20.04 和 MID-360 落地运行

下面使用以下环境：

Ubuntu 20.04
ROS Noetic
Livox MID-360
MID-360 内置 IMU
FAST-LIO2 ROS1

以下步骤默认已经完成 ROS Noetic 的安装。

十三、安装基础依赖

sudo apt update

sudo apt install -y \\
git \\
cmake \\
build-essential \\
libeigen3-dev \\
libpcl-dev \\
libapr1-dev \\
ros-noetic-pcl-ros \\
ros-noetic-eigen-conversions \\
ros-noetic-tf \\
ros-noetic-rosbag

加载 ROS Noetic 环境：

source /opt/ros/noetic/setup.bash

十四、安装 Livox-SDK2

MID-360 使用 Livox-SDK2，而不是旧版 Livox-SDK。

cd ~

git clone https://github.com/Livox-SDK/Livox-SDK2.git

cd Livox-SDK2

mkdir build

cd build

cmake ..

make -j4

sudo make install

官方安装说明：

Livox-SDK2 官方仓库

安装完成后，相关库文件通常位于：

/usr/local/lib

相关头文件通常位于：

/usr/local/include

十五、创建 ROS 工作空间

mkdir -p ~/fastlio_ws/src

cd ~/fastlio_ws/src

下载 MID-360 驱动：

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

下载 FAST-LIO2，并同时下载 ikd-Tree 子模块：

git clone –recursive https://github.com/hku-mars/FAST_LIO.git

如果之前下载 FAST_LIO 时没有添加 –recursive，需要执行：

cd ~/fastlio_ws/src/FAST_LIO

git submodule update –init –recursive

否则编译时可能出现：

ikd_Tree.h: No such file or directory

十六、处理 livox_ros_driver2 兼容问题

这是 MID-360 运行 FAST-LIO2 时最容易遇到的问题之一。

官方 FAST_LIO 仓库虽然已经提供：

config/mid360.yaml
launch/mapping_mid360.launch

但是部分源码和编译配置中仍然引用旧版：

livox_ros_driver

MID-360 实际使用的是：

livox_ros_driver2

需要修改以下文件：

CMakeLists.txt
package.xml
src/preprocess.h
src/preprocess.cpp
src/laserMapping.cpp

进入 FAST_LIO 目录：

cd ~/fastlio_ws/src/FAST_LIO

执行兼容替换：

perl -pi -e 's/livox_ros_driver(?!2)/livox_ros_driver2/g' \\
CMakeLists.txt \\
package.xml \\
src/preprocess.h \\
src/preprocess.cpp \\
src/laserMapping.cpp

检查替换结果：

rg -n "livox_ros_driver2" \\
CMakeLists.txt \\
package.xml \\
src/preprocess.h \\
src/preprocess.cpp \\
src/laserMapping.cpp

例如，原来的：

#include <livox_ros_driver/CustomMsg.h>

应当变成：

#include <livox_ros_driver2/CustomMsg.h>

原来的命名空间：

livox_ros_driver::CustomMsg

应当变成：

livox_ros_driver2::CustomMsg

十七、配置电脑和 MID-360 的 IP

MID-360 通过网线连接电脑，因此电脑网卡和雷达必须位于同一个网段。

官方驱动示例一般使用：

电脑 IP：192.168.1.5
雷达 IP：192.168.1.12
子网掩码：255.255.255.0

但不同设备的实际雷达 IP 可能不同，应以 Livox Viewer 2 中显示的信息为准。

在 Ubuntu 中进入：

设置 → 网络 → 有线网络 → IPv4

设置为：

IPv4 方法：手动
地址：192.168.1.5
子网掩码：255.255.255.0
网关：可以留空

然后测试网络：

ping -c 4 192.168.1.12

接下来修改驱动配置：

nano ~/fastlio_ws/src/livox_ros_driver2/config/MID360_config.json

重点检查电脑 IP：

"host_net_info": {
"cmd_data_ip": "192.168.1.5",
"push_msg_ip": "192.168.1.5",
"point_data_ip": "192.168.1.5",
"imu_data_ip": "192.168.1.5"
}

检查雷达 IP：

"lidar_configs": [
{
"ip": "192.168.1.12"
}
]

其中：

• host_net_info 填写电脑有线网卡 IP；

• lidar_configs 中的 ip 填写 MID-360 的实际 IP。

官方配置文件：

MID360_config.json

十八、编译工作空间

执行：

source /opt/ros/noetic/setup.bash

cd ~/fastlio_ws/src/livox_ros_driver2

./build.sh ROS1

该脚本会调用：

catkin_make -DROS_EDITION=ROS1

并编译整个 fastlio_ws 工作空间。

以后重新编译时，可以执行：

source /opt/ros/noetic/setup.bash

cd ~/fastlio_ws

catkin_make -DROS_EDITION=ROS1

编译成功后加载工作空间：

source ~/fastlio_ws/devel/setup.bash

十九、单独测试 MID-360 驱动

打开第一个终端：

source /opt/ros/noetic/setup.bash

source ~/fastlio_ws/devel/setup.bash

roslaunch livox_ros_driver2 msg_MID360.launch

这里建议使用：

msg_MID360.launch

不要使用：

rviz_MID360.launch

原因是：

• msg_MID360.launch 发布 Livox 自定义 CustomMsg；

• CustomMsg 中包含每个点的 offset_time；

• FAST-LIO2 需要点级时间信息进行运动畸变校正。

打开第二个终端，查看话题：

source /opt/ros/noetic/setup.bash

source ~/fastlio_ws/devel/setup.bash

rostopic list

正常情况下应当看到：

/livox/lidar
/livox/imu

检查点云消息类型：

rostopic type /livox/lidar

预期结果：

livox_ros_driver2/CustomMsg

检查点云频率：

rostopic hz /livox/lidar

检查 IMU 频率：

rostopic hz /livox/imu

如果这两个话题没有数据，暂时不要启动 FAST-LIO2，应优先检查：

• 电脑网卡 IP；

• 雷达 IP；

• 网线连接；

• 雷达供电；

• MID360_config.json；

• Ubuntu 防火墙。

二十、检查 FAST-LIO2 的 MID-360 参数

打开：

nano ~/fastlio_ws/src/FAST_LIO/config/mid360.yaml

首先检查话题：

common:
lid_topic: "/livox/lidar"
imu_topic: "/livox/imu"
time_sync_en: false
time_offset_lidar_to_imu: 0.0

这里的话题名称必须和 rostopic list 中完全一致。

MID-360 预处理参数：

preprocess:
lidar_type: 1
scan_line: 4
blind: 0.5

参数含义如下。

外参配置：

mapping:
extrinsic_est_en: false
extrinsic_T: [-0.011, -0.02329, 0.04412]
extrinsic_R: [1, 0, 0,
0, 1, 0,
0, 0, 1]

在 FAST-LIO2 中，这组参数表示：

LiDAR 在 IMU 坐标系中的位置和姿态

如果使用 MID-360 内置 IMU，可以先使用官方示例参数。

如果使用外置 IMU，则必须重新标定 LiDAR 和 IMU 的外参，不能直接照搬 MID-360 内置 IMU 参数。

二十一、启动 FAST-LIO2

保持 MID-360 驱动终端继续运行。

打开新的终端：

source /opt/ros/noetic/setup.bash

source ~/fastlio_ws/devel/setup.bash

roslaunch fast_lio mapping_mid360.launch

正常情况下会自动打开 RViz。

启动后先让 MID-360 静止几秒钟，等待终端出现：

IMU Initial Done

完成初始化后，再缓慢拿起设备开始扫描。

第一次测试时建议：

• 不要快速甩动设备；

• 不要在启动后立刻大角度旋转；

• 尽量避免一直对着纯白墙；

• 选择有墙角、门框、桌椅等结构的环境；

• 保持运动连续和平稳；

• 确保 MID-360 安装牢固。

二十二、FAST-LIO2 的输出话题

运行后可以使用：

rostopic list

查看输出。

查看实时里程计：

rostopic echo /Odometry

查看里程计频率：

rostopic hz /Odometry

对于手持扫描系统：

• 实时定位主要使用 /Odometry；

• 实时轨迹显示主要使用 /path；

• 三维点云显示主要使用 /cloud_registered。

二十三、录制和播放 rosbag

运行 MID-360 驱动后，可以记录原始点云和 IMU：

cd ~

rosbag record -O mid360_data.bag \\
/livox/lidar \\
/livox/imu

录制结束后按：

Ctrl + C

查看 rosbag 信息：

rosbag info mid360_data.bag

离线运行时，先启动 FAST-LIO2：

source /opt/ros/noetic/setup.bash

source ~/fastlio_ws/devel/setup.bash

roslaunch fast_lio mapping_mid360.launch

然后在另一个终端播放：

rosbag play mid360_data.bag

如果电脑处理速度不足，可以降低播放速度：

rosbag play -r 0.5 mid360_data.bag

二十四、保存 PCD 点云地图

打开：

nano ~/fastlio_ws/src/FAST_LIO/config/mid360.yaml

检查：

pcd_save:
pcd_save_en: true
interval: -1

参数含义如下。

如果扫描时间较长，不建议一直使用：

interval: -1

因为所有点会持续保存在内存中，可能导致内存不足。

可以修改为：

pcd_save:
pcd_save_en: true
interval: 500

运行结束后，应当使用：

Ctrl + C

正常关闭 FAST-LIO2。

地图通常保存在：

~/fastlio_ws/src/FAST_LIO/PCD/

可能生成：

scans.pcd
scans_1.pcd
scans_2.pcd

使用 PCL 查看：

pcl_viewer ~/fastlio_ws/src/FAST_LIO/PCD/scans.pcd

二十五、关键运行参数解释

1. point_filter_num

位于：

launch/mapping_mid360.launch

例如：

<param name="point_filter_num" type="int" value="3"/>

它表示按照一定间隔保留激光点。

• 数值越小，保留点越多，地图细节越丰富，计算量越大；

• 数值越大，保留点越少，运行速度越快，细节可能减少。

MID-360 可以先使用默认值：

3

2. filter_size_surf

<param name="filter_size_surf" type="double" value="0.5"/>

它控制当前帧点云的体素降采样尺寸。

• 数值减小：点云更密，计算量增加；

• 数值增大：点云更稀疏，运行速度提高。

室内精细扫描可以尝试：

0.2～0.4

但需要同时观察 CPU 占用和实时性。

3. filter_size_map

<param name="filter_size_map" type="double" value="0.5"/>

它控制地图点云的密度。

• 数值过大：地图细节不足；

• 数值过小：地图点数和内存占用快速增加。

4. max_iteration

<param name="max_iteration" type="int" value="3"/>

表示每帧滤波更新的最大迭代次数。

增加迭代次数可能提高收敛能力，但也会增加计算时间。

5. blind

blind: 0.5

表示删除距离雷达过近的点。

如果设备周围存在大量近距离噪点，可以适当增大；如果需要扫描近距离物体，可以适当减小，但不能忽略 MID-360 本身的近距离测量限制。

6. time_sync_en

time_sync_en: false

只有在无法进行可靠时间同步时，才考虑启用软件时间同步。

软件时间同步不能完全替代可靠的硬件同步。对于 MID-360 内置 IMU，一般先保持该参数为 false。

7. extrinsic_est_en

extrinsic_est_en: false

如果已经知道准确的 LiDAR 与 IMU 外参，建议设为：

false

如果使用外置 IMU 且外参未知，应先进行专门的 LiDAR–IMU 标定。

二十六、常见问题及解决方法

1. 找不到 livox_ros_driver/CustomMsg.h

报错示例：

fatal error: livox_ros_driver/CustomMsg.h:
No such file or directory

原因是 FAST_LIO 仍然依赖旧版 livox_ros_driver。

需要将以下文件中的 livox_ros_driver 替换为 livox_ros_driver2：

CMakeLists.txt
package.xml
src/preprocess.h
src/preprocess.cpp
src/laserMapping.cpp

然后重新编译：

cd ~/fastlio_ws

catkin_make -DROS_EDITION=ROS1

2. 找不到 livox_ros_driver2/CustomMsg.h

常见原因：

• livox_ros_driver2 没有成功编译；

• 没有加载 ROS 工作空间；

• FAST_LIO 和驱动不在同一个工作空间；

• 编译缓存存在问题。

重新执行：

source /opt/ros/noetic/setup.bash

cd ~/fastlio_ws

catkin_make -DROS_EDITION=ROS1

source ~/fastlio_ws/devel/setup.bash

3. RViz 中没有点云

依次检查：

rostopic list

rostopic hz /livox/lidar

rostopic hz /livox/imu

rostopic type /livox/lidar

如果 /livox/lidar 没有数据，问题通常出在：

• 电脑网卡 IP；

• MID-360 IP；

• 驱动配置；

• 网线；

• 雷达供电。

如果原始点云有数据，但 FAST-LIO2 没有输出，应检查消息类型是否为：

livox_ros_driver2/CustomMsg

4. 使用了错误的启动文件

如果使用：

roslaunch livox_ros_driver2 rviz_MID360.launch

驱动主要发布 PointCloud2 数据。

FAST-LIO2 的 Livox 处理分支需要 CustomMsg，因此应该使用：

roslaunch livox_ros_driver2 msg_MID360.launch

5. 出现点时间戳警告

例如：

Failed to find match for field 'time'

这表示点云中缺少 FAST-LIO2 需要的点级时间信息。

MID-360 应优先使用 CustomMsg，其中包含：

offset_time

缺少点时间戳时，点云运动畸变校正将无法正常工作。

6. 地图突然飞走或严重漂移

应重点检查：

需要注意的是，只修改 RViz 或 URDF 中的显示旋转，并不会自动修改 FAST-LIO2 内部使用的 LiDAR–IMU 外参。

7. 出现 No Effective Points

可能原因包括：

• 当前点云为空；

• LiDAR 话题不匹配；

• blind 设置过大；

• 点云数据格式错误；

• 周围缺少有效几何结构；

• 最近邻平面拟合失败；

• 初始位姿已经严重错误。

应先检查原始点云和 IMU 是否正常，再检查 FAST-LIO2 参数。

8. 找不到 ikd-Tree

执行：

cd ~/fastlio_ws/src/FAST_LIO

git submodule update –init –recursive

然后重新编译。

9. 没有生成 PCD 文件

检查：

pcd_save:
pcd_save_en: true

运行结束时使用：

Ctrl + C

让 FAST-LIO2 正常执行保存流程。不要直接关闭终端窗口，否则最后一部分点云可能没有写入文件。

10. 长距离返回起点后地图没有闭合

这是因为 FAST-LIO2 官方核心代码没有完整的回环检测和全局优化。

FAST-LIO2 更适合作为：

高频、低延迟的 LiDAR–IMU 前端

如果需要大范围全局一致地图，还需要增加：

• 回环检测；

• 位姿图优化；

• GNSS 约束；

• 重定位模块。

二十七、FAST-LIO2 在手持扫描系统中的应用

对于基于 MID-360 的手持激光雷达，可以采用以下系统结构：

Livox MID-360
├─ 激光点云
└─ 内置 IMU
↓
livox_ros_driver2
↓
FAST-LIO2
├─ 实时位姿 /Odometry
├─ 实时轨迹 /path
├─ 配准点云 /cloud_registered
└─ 三维地图 scans.pcd
↓
点云滤波、裁剪、测量和模型重建

建议按照以下顺序进行开发：

按照这个顺序，可以将硬件问题、网络问题、驱动问题、算法问题和嵌入式性能问题分开排查。

二十八、总结

FAST-LIO2 的核心可以概括为三点：

第一，使用 IMU 进行高频状态预测和点云运动畸变校正。

第二，使用当前激光点与地图中的局部平面构建几何残差，并通过迭代误差状态卡尔曼滤波修正设备位姿。

第三，使用 ikd-Tree 增量管理点云地图，从而提高最近邻搜索和地图更新效率。

对于 MID-360 手持扫描项目，真正决定系统能否稳定运行的关键包括：

• 使用 livox_ros_driver2；

• 使用 msg_MID360.launch 发布 CustomMsg；

• 确保点云包含点级时间信息；

• 正确修改 FAST_LIO 的驱动依赖；

• 保证 LiDAR 与 IMU 的时间同步；

• 设置正确的 LiDAR–IMU 外参；

• 初始化阶段保持设备静止；

• 长时间扫描时分段保存 PCD。

完成以上步骤后，FAST-LIO2 就可以作为手持三维扫描系统中的核心实时定位与建图模块。