室内无人机定位实战：Livox Mid360激光雷达与光流融合方案

1. 室内无人机定位为什么这么难搞

室内飞无人机这件事，玩过的都懂。室外有GPS，卫星一锁，位置信息直接喂给飞控，定点悬停、自动航线这些功能基本是白送。但一进厂房、仓库、地下车库或者自家客厅，GPS信号要么弱到只有三四颗星，要么直接归零，飞控拿不到可靠的位置更新，姿态稍微一偏就飘，飘着飘着就撞墙了。这不是飞控不行，是它压根不知道自己在哪。

我最早接触室内定位方案是从光流传感器开始的。那会儿用的是PMW3901这类消费级光流模块，配合超声波定高，在光线充足、地面纹理丰富的环境下确实能稳住，成本也低。但问题很快就暴露了：地面是纯色瓷砖或者水泥地，光流直接失效；飞高一点超声波测距噪声大得离谱；侧向风一吹或者快速平移，光流跟不上，位置估计直接发散。后来也试过UWB、视觉标签方案，精度是够了，但布设成本高，换个场地就得重新部署，灵活性太差。

直到用上Livox Mid360这款激光雷达，才算找到了一个平衡点。Mid360是Livox出的固态式激光雷达，非重复扫描方式，视场角大，点云密度在近距离非常可观，而且价格相比传统机械式多线雷达便宜不少。它输出的点云可以直接用来做SLAM或者点云配准，给飞控提供位置和姿态估计。但光有雷达还不够，室内飞行高度通常不高，Z轴方向如果只靠雷达点云做匹配，在走廊这种几何特征退化的场景里容易漂。所以我又加了一个光流传感器做辅助，专门负责低速情况下的水平速度估计和高度保持。

这套组合的核心思路是：Mid360负责全局位置约束和建图，光流负责局部速度观测和高度稳定，两者通过扩展卡尔曼滤波融合，输出给飞控做位置控制。听起来简单，但实际调起来坑不少，下面我把整个方案拆开讲。

2. 硬件选型与系统架构设计

2.1 为什么选Mid360而不是其他雷达

市面上室内定位用的激光雷达大致分三类：机械式多线雷达、固态雷达、单线雷达。机械式多线雷达比如Velodyne VLP-16，精度高、点云规整，但体积大、重量重、价格高，装在小型四轴无人机上会严重影响载重和续航。单线雷达比如RPLIDAR系列，便宜轻便，但只能扫一个平面，在三维空间里做定位约束不够，尤其无人机有俯仰和横滚时，单线雷达的数据基本没法用。

Mid360属于固态雷达，重量约265克，尺寸小巧，适合挂载在轴距250到450毫米的无人机上。它的水平视场角360度，垂直视场角-7度到52度，这个垂直角度很关键——无人机在室内飞行时，天花板和地面的点云都能扫到，给Z轴提供了足够的几何约束。非重复扫描模式下，随着积分时间增加，点云覆盖率会越来越高，静止或低速时建图效果很好。

注意：Mid360的最远探测距离标称40米，但室内实际有效距离受环境反射率影响很大。白色墙面反射率高，能到20米以上；深色或者吸光材质，可能只有5到8米。做定位时不要指望它在全黑或者全吸光环境里工作。

2.2 光流传感器的角色定位

光流传感器我选的是PMW3901配合VL53L1X激光测距的方案。PMW3901负责水平方向的位移测量，VL53L1X负责高度测量。为什么不用超声波？因为超声波在室内多径反射严重，尤其是地面和天花板之间来回弹，测出来的高度跳变能到十几厘米，对定高来说太粗糙了。VL53L1X是ToF原理，精度能到毫米级，响应也快，适合室内低空定高。

光流在这里的作用不是替代雷达，而是补盲。雷达点云在走廊、长直通道这种几何特征退化的场景里，前后方向的特征很少，SLAM容易在前进方向上漂移。光流直接测量地面纹理的移动，对水平速度的观测非常直接，能有效抑制这种漂移。另外，光流的数据更新频率高，通常能到100Hz以上，比雷达点云的10Hz快得多，在飞控做高频控制时能提供更平滑的速度估计。

2.3 整体系统架构

整个系统的数据流是这样的：Mid360通过以太网输出点云数据到机载计算机，机载计算机跑SLAM算法（我用的是FAST-LIO2），输出雷达里程计和点云地图。光流传感器通过SPI或I2C接到飞控，输出水平速度和高度。飞控内部跑EKF2或EKF3，把雷达里程计、光流速度、IMU数据融合，输出位置、速度、姿态估计，最后给位置控制器。

机载计算机我用的是一块Intel NUC或者树莓派4B，看载重决定。NUC性能强，能跑更复杂的SLAM和避障，但重；树莓派轻，跑FAST-LIO2勉强够用，但点云频率要降。飞控是Pixhawk 6C，跑PX4固件，EKF3支持外部视觉/雷达里程计输入。

3. 雷达与光流的安装与标定实操

3.1 Mid360的安装位置与角度

Mid360的安装位置直接影响点云质量和SLAM效果。我的经验是：雷达尽量安装在无人机重心正上方或正下方，避免偏心导致点云随姿态变化产生额外运动畸变。如果装在机头前方，无人机俯仰时雷达会跟着上下摆动，点云配准的难度会增加。

安装角度上，Mid360默认是水平安装，垂直视场角-7度到52度。这个角度意味着它主要往上和往前看，地面点云相对少。如果你希望更多地看到地面特征，可以把雷达稍微向下倾斜10到15度，但注意不要倾斜太多，否则天花板点云会丢失，Z轴约束会变弱。我试过向下倾斜15度，在走廊里效果不错，但在开阔厂房里天花板约束不够，高度会慢慢漂。

实操心得：雷达安装支架一定要刚性足够。我用3D打印的PLA支架，飞行时振动导致点云抖动，SLAM经常丢。后来换成碳纤维板加橡胶减震柱，点云稳定多了。减震柱不要选太软的，否则雷达会晃；也不要太硬，否则振动直接传过去。中等硬度的硅胶柱比较合适。

3.2 光流模块的安装与校准

光流模块的安装要求比雷达更苛刻。PMW3901必须垂直向下安装，镜头平面与地面平行，倾斜角最好控制在2度以内。倾斜会导致光流测量出现系统性偏差，飞的时候会感觉无人机总是往一个方向飘。我一开始用热熔胶固定，飞了几次发现胶受热变软，光流歪了，后来改用螺丝加尼龙柱固定。

VL53L1X的安装位置要避开螺旋桨下洗气流的影响。如果装在桨叶正下方，下洗气流会导致测距噪声增大，高度估计跳变。我通常把它装在机腹靠后的位置，远离桨盘中心。另外，VL53L1X的视场角比较窄，地面如果有坑洼或者倾斜，测距值会突变，所以最好在飞控里加一个低通滤波，截止频率设5到10Hz。

光流校准分两步：第一步是尺度校准，让无人机在已知距离上平移，比较光流积分位移和实际位移，算出尺度因子。第二步是旋转校准，把无人机放在原地旋转，检查光流输出的方向是否和实际旋转方向一致。这两步在PX4里都有对应的校准流程，跟着做就行。

3.3 雷达和光流的时间同步

时间同步是个容易被忽略但很致命的问题。雷达点云的时间戳和光流数据的时间戳如果不一致，EKF融合时会出现观测错位，表现为位置估计滞后或者震荡。Mid360输出的点云自带时间戳，精度到微秒级。光流模块通过SPI读取时，飞控会打上本地时间戳，但SPI读取有延迟，通常几毫秒。

我的做法是在飞控参数里设置一个固定的光流延迟补偿值，通过实验标定。具体方法是：让无人机在光流有效的高度上做快速往复平移，观察EKF输出的速度和光流原始速度的相位差，调整延迟参数直到两者对齐。这个过程比较繁琐，但调好之后位置估计的平滑度会明显提升。

4. SLAM与EKF融合的参数调优

4.1 FAST-LIO2的配置要点

FAST-LIO2是我目前用过在室内场景下最稳的雷达SLAM方案之一。它直接对点云做迭代卡尔曼滤波，不需要特征提取，计算量相对可控，在树莓派4B上跑10Hz没问题。配置文件里几个关键参数需要根据Mid360调整：

• lidar_type设为Livox，scan_line设为4（Mid360是4线？实际上Mid360是非重复扫描，这里按Livox协议配置）。
• blind_spot设0.5米，过滤掉雷达近处的无效点。
• filter_size_surf设0.2到0.3米，这是降采样的体素大小。设太小计算量大，设太大特征丢失。
• max_iteration设3到5，迭代次数太多实时性跟不上。

注意：FAST-LIO2输出的里程计是雷达坐标系下的，需要外参标定转换到飞控的机体坐标系。外参包括旋转和平移，旋转可以用CAD模型量，平移最好实际测量。如果外参不准，EKF融合时会出现系统性偏差，飞的时候会感觉无人机总是往一个方向偏。

4.2 EKF3的外部观测融合

PX4的EKF3支持多种外部观测输入，包括视觉位置、视觉速度、光流、距离传感器等。雷达里程计通常以vehicle_visual_odometry话题发布，包含位置、姿态、速度、角速度等信息。EKF3会把雷达里程计和IMU做融合，同时用光流做速度观测，用VL53L1X做高度观测。

参数调优上，EKF2_EV_NOISE_MD设为0，表示使用外部指定的噪声参数。EKF2_EV_P_NOISE是位置观测噪声，雷达SLAM的位置精度在室内通常能到厘米级，我设0.05到0.1。EKF2_EV_V_NOISE是速度观测噪声，设0.1到0.2。光流的噪声参数EKF2_OF_N_MIN和EKF2_OF_N_MAX根据实际测试调整，通常设0.1和0.3。

这里有个坑：雷达SLAM在初始化阶段输出不稳定，位置可能跳变。如果EKF3在雷达还没收敛时就融合它的数据，会导致滤波器发散。我的做法是在飞控里加一个判断，等雷达里程计连续输出稳定位置超过2秒后，再启动EKF融合。PX4里可以通过EKF2_EV_DELAY参数设置延迟，或者在地面站里手动控制融合开关。

4.3 光流与雷达的权重分配

光流和雷达在EKF里的权重不是固定的，需要根据飞行状态动态调整。低速悬停时，光流的速度观测很准，可以给高权重；快速平移时，光流可能因为地面纹理模糊而失效，这时候应该降低光流权重，更多依赖雷达。PX4的EKF3没有直接的动态权重接口，但可以通过设置光流的最大速度限制来实现类似效果。EKF2_OF_MAX_VEL设2到3米每秒，超过这个速度光流观测自动降权。

另外，光流的高度观测和VL53L1X是绑定的。如果VL53L1X测距超过有效范围（比如飞太高），高度观测会自动失效，EKF会切换到气压计或者雷达Z轴。室内飞行高度通常不超过3米，VL53L1X的量程够用，但要注意地面反射率。深色地面反射弱，测距可能跳变，这时候可以在飞控里加一个中值滤波。

5. 飞行测试与常见问题排查

5.1 首次飞行测试流程

第一次试飞不要直接切定点模式，先用手动模式或者自稳模式飞，观察无人机的基本姿态是否正常。然后切高度模式，检查VL53L1X定高是否稳定。最后再切定点模式，看位置保持效果。

我通常的测试步骤是：

1. 地面通电，检查雷达点云是否正常输出，光流数据是否有跳变。
2. 手动起飞，悬停1米高度，观察无人机是否往一个方向漂。
3. 切高度模式，松杆看高度是否稳定在±10厘米以内。
4. 切定点模式，轻推杆让无人机平移，松杆看是否能停住。
5. 做一次快速往复平移，观察位置估计是否滞后或震荡。

实操心得：第一次切定点模式时，最好在无人机下方铺一块纹理丰富的地毯或者放几个纸箱。光流在纯色地面上容易失效，有纹理的地面能让光流工作更稳定。如果地面实在没法改，那就把光流权重调低，更多依赖雷达。

5.2 常见问题速查表

5.3 避坑指南：我踩过的那些坑

第一个坑是雷达供电不足。Mid360的峰值电流能到2A以上，如果直接从飞控的5V输出取电，电压会被拉低，雷达会间歇性重启。我一开始没注意，飞的时候雷达点云突然断流，SLAM直接丢失，无人机飘了。后来单独给雷达配了一个5V 3A的BEC，问题解决。

第二个坑是光流镜头脏了。室内飞行灰尘大，光流镜头几天不擦就一层灰，光流质量值直接掉到20以下。现在我每次飞之前都用镜头布擦一下，养成习惯。

第三个坑是EKF初始化顺序。PX4的EKF3在启动时需要所有观测源都有效才会进入导航模式。如果雷达SLAM还没收敛，光流也没校准好，EKF会一直卡在初始化状态。我的做法是先在地面静止等待雷达SLAM收敛（通常10到20秒），再解锁起飞。

第四个坑是飞行速度太快。室内空间有限，快速飞行时雷达点云运动畸变严重，SLAM跟不上。我建议室内定点飞行速度控制在1米每秒以内，最快不要超过2米每秒。超过这个速度，再好的算法也救不回来。

6. 方案扩展与进阶玩法

这套Mid360加光流的方案，基础功能是室内定点悬停和低速航线飞行。如果想进一步扩展，有几个方向可以尝试。

一是加入视觉避障。Mid360的点云本身就可以用来做避障，通过局部代价地图或者VFH算法，可以在飞控里实现简单的避障功能。PX4支持obstacle_distance话题输入，把雷达点云投影成二维距离图就能用。

二是多机协同。室内多机飞行时，每台无人机的雷达点云可以共享，通过一个中心节点做全局地图融合，提高定位精度和鲁棒性。这个需要额外的通信链路和地图融合算法，复杂度较高，但效果很好。

三是自主探索与建图。利用雷达SLAM输出的点云地图，结合前沿点检测算法，可以让无人机自主探索未知室内环境并建图。这个在仓库盘点、厂房巡检场景下很有用。

四是更换更轻的机载计算机。树莓派4B跑FAST-LIO2已经比较吃力了，如果换成Jetson Orin Nano或者RK3588，可以跑更复杂的SLAM和避障算法，同时重量增加不多。

最后分享一个小技巧：雷达和光流的融合参数不是调一次就一劳永逸的。换一个场地，地面材质、天花板高度、环境纹理都会变，参数可能需要微调。我通常会在新场地先做一次低速悬停测试，观察EKF日志里的位置和速度估计，如果噪声大就适当调高观测噪声参数，如果响应慢就调低。这个过程花不了几分钟，但能避免很多炸机风险。