拿到MID360这块雷达的时候，我第一反应是：这玩意儿终于不用再折腾机械式雷达那一堆接线和同步了。但等我把Fast-LIO2跑起来之后才意识到，硬件简单不代表软件链路简单——驱动、时间同步、外参标定、点云预处理，任何一个环节掉链子，建图效果都会直接给你颜色看。这篇博文就是把我从零开始把Livox MID360和Fast-LIO2部署到实际机器人平台的过程梳理一遍，覆盖驱动安装、SDK配置、参数调优、点云处理和问题排查，给准备上这套方案的朋友一条能直接照着走的路。
先说下适用范围：如果你手头有一块MID360，想在Ubuntu（20.04或22.04）上用Fast-LIO2做实时建图，或者想把雷达接入自己的ROS工程，那这篇内容基本就是为你准备的。我会尽量还原实际部署中会遇到的每一个坑，以及每个关键操作背后的原因，而不是单纯贴命令。
1. 方案概览：为什么选MID360和Fast-LIO2
1.1 MID360这颗雷达的脾气
Livox MID360是Livox（大疆旗下）推出的一款混合固态激光雷达。跟传统机械式雷达最大的区别在于，它的内部没有持续旋转的机械结构，而是通过棱镜反射实现扫描，所以体积小、重量轻、可靠性高，而且价格比同性能的机械雷达便宜不少。它的水平视场角是360度全覆盖，垂直视场角是59度（从-7度到52度），量程最远40米，典型场景下点频可以到20万点每秒，这个参数组合在室内机器人和室外园区场景里都非常能打。
但用MID360有个必须适应的点：它的扫描方式是非重复扫描，也就是说每一帧点云里的光斑轨迹都不会完全重叠，而是不断在视场范围内“打散”。这跟机械雷达的均匀扫描帧不同，好处是随着时间累积，视场覆盖率会越来越高，静止场景下点云会越来越密；坏处是单帧点云看起来比较“花”，需要注意别用机械雷达的思维去理解它。
1.2 Fast-LIO2的核心逻辑
Fast-LIO2是香港大学火星实验室开源的激光雷达惯性里程计框架，目前是机器人圈子里用得非常广的一个方案。它之所以“Fast”，核心在于两点：一是用迭代卡尔曼滤波（IKFOM）把IMU和激光雷达观测紧耦合在一起，而不是简单地做传感器拼接；二是用了自己实现的增量式kd-tree（ikd-Tree）来管理地图点云，支持高效的增量插入和删除，从而省去了传统方法里每帧都要全量匹配的耗时。
说白了，Fast-LIO2不需要你提前做特征提取，而是直接拿原始点云配准到局部地图上。这对于MID360这种非重复扫描雷达尤其友好，因为非重复扫描模式下点云特征不好用传统方式提取，直接原始配准反而能榨干传感器的信息。这也是我最终选这套组合的核心原因：硬件上MID360提供大视场角和高覆盖，算法上Fast-LIO2提供紧耦合和低延迟，两者搭配很自然。
1.3 这套组合适合什么场景，不适合什么场景
先说适合的：室内机器人建图定位、园区无人车、巡检机器人、AGV导航，尤其是那些需要看到天花板、墙角、低矮障碍物的场景，MID360的59度垂直视场角优势非常明显。Fast-LIO2在计算资源要求上也不算苛刻，我实测在NVIDIA Jetson Orin Nano这类嵌入式板子上也能跑得动。
不适合的场景也要提前说清楚：Fast-LIO2本质上是个里程计，它只做前端，不参与全局优化和回环检测。如果场地特别大、或者你想建一个长时间内一致性的地图，后期通常还要叠加SLAM的后端方案（比如FAST-LIO2 + SC-PGO，或者把它的里程计输出喂给LIO-SAM做回环）。另外，MID360在雨天、扬尘、强反光等恶劣环境下，点云质量会明显下降，这个属于物理限制。
2. 环境准备与驱动安装：把雷达先点亮
2.1 硬件连接与供电，第一步就有人翻车
MID360的硬件接口是标准以太网口（RJ45），供电方面支持POE+（802.3at标准），也可以直接用附带的电源线单独供电。我见过不少朋友第一步就卡在这：插上网线之后电脑网卡识别到了链路，但雷达就是不出点云，最后发现是供电功率不足。
注意：MID360不支持普通POE交换机，必须确认交换机或供电模块支持POE+（at标准，30W档），否则雷达可能时好时坏甚至烧掉供电口。
连接方式上分两种情况：
如果你只有一台电脑，直接用网线把雷达和电脑连起来，把电脑网卡的IPv4地址手动设为
192.168.1.50，子网掩码255.255.255.0，网关192.168.1.1。MID360的出厂默认IP一般为192.168.1.100左右，具体以官方文档为准。如果你要把雷达接到机器人主控上，并且主控需要同时跟其他设备通信，那建议通过千兆交换机连接，并且给雷达划分单独的VLAN段，避免广播流量干扰。
连接好之后，先用ping验证一下物理链路通不通：
ping 192.168.1.100如果你能稳定收到TTL回复，说明硬件链路没问题，可以进下一步软件配置了。如果ping不通，优先检查网卡IP是否配置对、网线是否千兆、供电是否正常。
2.2 Livox SDK编译与udev规则，权限问题别忽略
Livox官方提供两个驱动分支，需要注意区分：
livox_ros_driver：ROS1专用，老项目用得比较多。livox_ros_driver2：同时支持ROS1和ROS2，也是MID360推荐使用的版本。
我建议新项目直接上livox_ros_driver2，因为ROS1慢慢在往ROS2迁移，后期省得再换。编译前需要确认你已安装对应ROS版本，以ROS Noetic为例：
cd ~/catkin_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd livox_ros_driver2 ./build.sh ROS1这里有一个特别容易踩的坑：雷达设备权限。linux下访问USB转以太网设备或雷达自身生成的网络接口，如果当前用户不在dialout组或没有对应udev规则，会出现设备节点权限不足的问题，表现就是SDK能发现雷达但打不开设备。
解决方法是添加udev规则。在/etc/udev/rules.d/下新建一个文件，比如99-livox.rules，内容类似：
SUBSYSTEM=="tty", ATTRS{idVendor}=="10c4", MODE="0666" SUBSYSTEM=="usb", ATTRS{idVendor}=="10c4", MODE="0666"保存后执行：
sudo udevadm control --reload-rules sudo udevadm trigger然后再重新插拔设备。不同版本的固件可能使用不同的USB芯片（常见的是CP210x或FT232R），你可以用lsusb确认芯片型号，再对应写规则。
2.3 用Livox Viewer先验证雷达状态，别直接上Fast-LIO2
很多朋友拿到雷达后直接就跳到Fast-LIO2，结果跑起来全是黑屏、无点云、报错满天飞，最后回过头来才发现是雷达本身没配置好。我的建议是：驱动装好之后，先用Livox官方工具验证一遍雷达基本功能。
Livox Viewer是图形化工具，适合第一次上手时确认：
- 雷达是否被识别
- 点云是否正常输出
- 雷达的IP、子网掩码、网关配置是否正确
连接步骤一般是：
- 打开Livox Viewer，软件会自动扫描局域网内的Livox设备。
- 如果扫描不到，手动填入雷达IP。
- 连接成功后，能看到实时点云和IMU数据。
在这里确认点云正常后，再回ROS端启动驱动做进一步验证：
source devel/setup.bash roslaunch livox_ros_driver2 msg_MID360.launch如果一切正常，rostopic list里至少能看到类似/livox/lidar和/livox/imu这些话题。这一步是通过前置检查，避免后期排查范围太大。
3. Fast-LIO2的源码编译、参数配置与运行
3.1 编译依赖和源码准备
Fast-LIO2的源码在GitHub上，依赖项主要有PCL、Eigen、livox_ros_driver2（或ROS1版本）。这里有个常见的坑：如果你用的是Ubuntu 22.04 + ROS2 Humble，就不要去编ROS1版本的Fast-LIO，而是要拉取支持ROS2的分支或自己适配。
以ROS1 Noetic版本为例：
cd ~/catkin_ws/src git clone https://github.com/hku-mars/FAST_LIO.git cd .. && catkin_make编译过程中最常见的报错是找不到livox_ros_driver2的msg头文件，这是因为Fast-LIO的package.xml里没有显式声明对livox_ros_driver2的依赖。解决办法是确认livox_ros_driver2已经先编译并且source进了当前shell：
source ~/catkin_ws/devel/setup.bash catkin_make如果遇到PCL版本冲突，建议用系统自带的PCL版本，不要自己另装一套，否则会出现莫名其妙的模板编译错误。
3.2 关键参数怎么看、怎么改
Fast-LIO2的参数文件在config/avia.yaml里（根据雷达型号选择），MID360对应的是mid360.yaml或你需要自己新建一个配置文件。核心参数有：
lid_type：雷达类型，MID360要设为lidar_type: 1（对应Livox系列），如果是自定义点云需要选别的类型。imu_topic：IMU话题名，通常是/livox/imu，必须和驱动发布的话题一致。lidar_topic：点云话题名，通常是/livox/lidar。extrinsic_li_to_imu：雷达到IMU的外参。这里要注意，MID360的IMU和雷达在硬件装配上有一个已知的偏移量，官方文档有推荐值，但实际每台设备可能有细微差异，最好读一下出厂标定文件。time_sync_en：时间同步开关，MID360内部IMU和雷达使用同一时间基准，所以这里通常可以设false，依赖IMU时间戳即可。
外参这部分我单独多说一句：你可以把雷达坐标系和IMU坐标系想象成两个叠在一起的盒子，extrinsic_li_to_imu就是描述雷达这个盒子相对IMU盒子旋转和平移了多少。Fast-LIO2对外参非常敏感，尤其是旋转分量，如果给错了，建图会直接发散。新雷达第一次跑建议先按官方默认值，跑通流程后再用标定工具精标。
3.3 启动流程与实际运行
完成配置后，启动顺序是先启动雷达驱动，再启动Fast-LIO2节点。推荐用launch文件串联：
<launch> <include file="$(find livox_ros_driver2)/launch/msg_MID360.launch"/> <node name="fastlio" pkg="fast_lio" type="fastlio_mapping" output="screen" respawn="false"> <rosparam file="$(find fast_lio)/config/mid360.yaml"/> </node> </launch>然后执行：
source devel/setup.bash roslaunch fast_lio mapping_mid360.launch如果一切顺利，终端里会打印里程计输出和地图更新状态，同时弹出PCL可视化窗口显示实时构建的点云地图。我个人习惯在这里顺便看一下/Odometry话题的频率，正常能到10Hz以上才算健康。
3.4 录包与离线回放，排查问题的利器
实时跑通后，强烈建议录一段rosbag，方便后面反复调参和验证：
rosbag record /livox/lidar /livox/imu /Odometry回放时注意一个坑：如果直接回放bag跑Fast-LIO2，有时候会因为bag里的话题名和参数文件中配置不一致、或者时间戳跳变导致里程计发散。建议回放时用--clock选项，让ROS使用bag里记录的时间基准：
rosbag play --clock recorded.bag离线回放的价值在于：你可以在固定数据集上反复试不同参数，对比建图效果，而不是每次都要推着机器人在现场跑一遍。这是调参效率最高的方式。
4. 点云处理：看懂你手里的数据才是进阶的开始
4.1 MID360点云的特点和话题格式
MID360发布的话题类型有两种常见形态：一种是livox_ros_driver2自定义的livox_ros_driver2/msg/CustomMsg，另一种是转换后的标准sensor_msgs/PointCloud2。Fast-LIO2默认接收的是livox_ros_driver2的自定义消息，因为它包含了每个点的偏移时间（offset_time）等额外信息，这对运动补偿很有用。
如果你想把点云接进其他框架（比如PCL、Open3D），就需要转成标准PointCloud2。转换方式最简单的就是用RVIZ里自带的Topic工具，或者在代码里写一个订阅CustomMsg然后发布PointCloud2的节点。
MID360点云还有一个特点就是前面提到的非重复扫描。直观上看，一帧点云里点与点之间的间距不均匀，某些区域会密一些，某些区域会稀一些。这个特性带来的好处是在连续帧累积之后，静态场景会被覆盖得很完整，几乎没有“死角”。
4.2 时间戳、运动畸变和点云去畸变
点云处理绕不开时间戳。MID360驱动里每个点都有相对帧起始时刻的偏移时间，这个偏移时间对去畸变至关重要。什么是运动畸变？就是雷达在扫描一圈的过程中，传感器本身也在运动，导致点云里的每个点实际上是在不同时刻、不同位姿下测得的，如果把这些点都当成同一时刻测到的，点云就会“扭曲”。
Fast-LIO2之所以效果好，一个关键点是它直接利用了每一个点的偏移时间去和IMU数据对齐，相当于在迭代过程中隐式地做了运动补偿。我们自己写点云处理模块时，如果要做去畸变，最常用的方法是：
- 用一个高频里程计（或IMU预积分）获得帧内每一小段时刻的位姿。
- 根据每个点的偏移时间，把点云变换到帧起始时刻的坐标系下。
MID360的IMU出的是200Hz左右的数据，配合激光雷达点云的偏移时间，足够做精度不错的去畸变。但前提是时间戳必须对齐，这也是为什么官方一直强调时间同步的原因。
4.3 一个实用预处理流：降采样、滤噪、地面分割
虽然Fast-LIO2直接吃原始点云也能跑，但在实际工程中，尤其你还要把点云用于其他模块（如导航、障碍物检测）时，预处理流是少不了的。我自己的流水线一般是这样：
第一步，体素降采样。MID360单帧点云在近距离时密度很大，直接处理计算量太高。用PCL的VoxelGrid把点云降采样到0.05m或0.1m的分辨率，可以在不太损失几何信息的前提下大幅降低计算量。
pcl::VoxelGrid<pcl::PointXYZI> voxel; voxel.setLeafSize(0.05f, 0.05f, 0.05f); voxel.setInputCloud(cloud_in); voxel.filter(*cloud_out);第二步，半径离群点滤除。MID360在某些材质（如黑色哑光表面、玻璃）上会产生噪点，这些点又稀又远，用RadiusOutlierRemoval可以滤掉，半径设0.2m，邻域点数阈值设5~10个。
第三步，地面分割。如果做导航，地面点会严重影响后续的障碍物聚类。最简单的方式是基于法向量或平面模型分割（RANSAC），也可以用更快的ray-based方法。
提示：地面分割要谨慎，Fast-LIO2建图时地面点其实是有用的约束，去掉太多会影响低矮区域的地图完整性。我的做法是只在导航栈里做地面分割，建图时保持原始点云。
5. 实战踩坑与排查，都是真金白银换来的经验
5.1 驱动装好了但设备识别不到
这个问题出现频率极高，而且原因五花八门。排查路径我建议按下面顺序来：
ping雷达IP，ping不通就查网线和供电。- 用
ip addr确认网卡地址是否配置正确，MID360对网段很敏感，不在同一网段绝对连不上。 - 关掉系统防火墙或加白名单，有些系统默认会拦截UDP广播包。
- 确认Livox SDK版本和固件兼容，老SDK识别不了新固件的雷达，这种情况升级驱动或者降级固件。
5.2 雷达转起来但话题里没点云
这个话题问题多半出在ROS端的命名空间或消息类型不匹配。比如Fast-LIO2配置里写的是/livox/lidar，但实际驱动发的是/livox/cloud，那就什么都收不到。启动后第一时间用rostopic list确认话题名，再用rostopic hz看频率，用rostopic echo看内容。
还有一个隐蔽问题：如果你同时装了多个版本的livox驱动（比如ROS1和ROS2混装），库文件可能会冲突，表现为软件能启动但topic完全没有数据。这种情况建议彻底清理重装其中一个版本。
5.3 Fast-LIO2建图漂移、发散、地图糊
Fast-LIO2效果不好时，先别急着怀疑算法，按影响权重排查：
外参不准是第一大元凶。尤其是旋转外参，偏差哪怕1度，在建图后期就会累积成明显漂移。精标方法可以用官方标定工具，或者用Kalibr配合标定板做雷达-IMU外参标定。
IMU内参和量程问题排第二。MID360内置的IMU在高速旋转或剧烈运动时可能饱和，导致加速度计输出削顶，里程计会突然跳变。这种情况可以检查IMU数据是否有明显截断。
时间戳不对齐排第三。Fast-LIO2对点云和IMU时间戳一致性要求很高。如果时间戳有固定延迟，你会在建图时看到点云拖影，严重时直接发散。排查方法是检查雷达和IMU的时间戳差值是否稳定。
初始位姿和慢速运动。启动时如果雷达在动，或者刚开始没有被充分激励，滤波器的协方差收敛很慢，前几秒可能会出现短暂发散。建议启动后先静止2~3秒，让IMU初始化。
5.4 常见问题速查表
| 现象 | 优先排查方向 | 关键操作 |
|---|---|---|
| ping不通雷达 | 网线、供电、网卡IP | 手动设置IP到192.168.1.50段，确认POE+供电 |
| SDK扫不到设备 | 防火墙、SDK版本 | 放行UDP广播，升级SDK或固件 |
| 有话题但无点云 | 话题名、消息类型不匹配 | rostopic list对比参数文件 |
| 点云有拖影 | 时间戳不同步 | 检查IMU和点云时间戳延迟 |
| 地图整体漂移 | 外参不准、IMU饱和 | 重新精标外参，检查IMU量程 |
| 启动即发散 | 初始运动、坐标单位错误 | 静止启动，检查雷达坐标单位是否是米 |
| 地图模糊但有轮廓 | 点云畸变未补偿 | 确认是否需要开启时间同步，调整外参 |
这个速查表基本覆盖了我自己用MID360跑Fast-LIO2以来遇到的大多数问题，建议收藏备用。
6. 一些关于工具链和后续扩展的想法
部署稳定之后，你会发现这套组合的价值远超一个建图Demo。MID360的视场角优势配合Fast-LIO2的实时里程计输出，可以直接对接导航栈（比如move_base、Nav2），也可以结合多传感器融合做更复杂的机器人系统。
我个人在实际项目里通常会把Fast-LIO2输出的里程计接到两个方向：一是给导航提供高频位姿估计，二是给后端SLAM提供前端约束。如果你的场景需要全局一致性，强烈建议在Fast-LIO2之上叠加一个回环检测模块，否则长走廊、大回环场景建完图后你会发现首尾衔接的误差大得离谱。
最后再分享一个小技巧：每次部署前，在固定位置留一张标定板或者环境特征明显的区域，启动雷达后在这里静置几秒再开始建图。这个习惯能帮你快速判断雷达、IMU、外参是否正常工作，而不是等到建图跑了一半才发现问题。这套流程我前后在多个机器人平台上用过，MID360和Fast-LIO2的组合只要前期配置扎实，后期基本是稳的。
