Livox Avia与FAST-LIO2激光惯性SLAM建图实操教程

我陆续见过不下二十个拿着Livox Avia的初学者，卡在FAST-LIO2这个组合上，问题都差不多：环境装不明白、launch文件不知道改哪个、外参乱填一通、跑起来地图像揉皱了的纸。索性这次我用一篇“麻瓜也能照抄”的教程，把从装系统到拿到一张干净点云地图的全过程，逐步拆开讲，每一步都写清楚为什么这么做、哪里会踩坑，照着操作基本不会跑偏。

这套组合适合谁？刚接触激光惯性SLAM的学生、准备给机器人配建图方案的硬件工程师，或者只是想把手里的Avia“盘活”的折腾党。FAST-LIO2是目前对Livox这种非重复扫描雷达最友好的开源框架之一，它不需要你前期做复杂的特征提取，配置得当以后，基本就是“雷达转一圈，地图自己出来”。但所谓“配置得当”，恰恰是大多数教程没讲透的部分。下面我从头捋一遍。

1. 先搞清楚这三样东西各干什么

1.1 Avia、FAST-LIO2、你的电脑，分别承担什么角色

Livox Avia是一台固态激光雷达，它不像传统机械雷达那样靠电机旋转扫描，而是通过棱镜反射激光束，在视场角内逐点扫描，形成一种“非重复扫描”的花瓣式点云。这种模式的优点是随着时间累积，视场覆盖率会越来越高，非常适合机器人感知和建图。缺点也很明显：点云没有规整的线束结构，传统基于特征提取的LOAM类算法很难直接用，你很难从一帧不规整点云里稳定提取角点和面点。

FAST-LIO2正是为这类问题出现的。它来自香港大学MaRS实验室，核心思路是把IMU数据与激光雷达点云放进一个迭代卡尔曼滤波器（IEKF）里做状态估计，同时因为不再显式提取特征而直接使用原始点云，对于Livox这种扫描方式几乎称得上“天生适配”。它还有一项很实用的能力：在运行中在线估计雷达与IMU的外参，这就大大降低了对精准标定的依赖。

你的电脑则负责把这两者串起来：通过网线接收雷达数据，通过驱动把点云和IMU数据发布成ROS话题，再喂给FAST-LIO2进行状态估计和建图。这里有一个常常被忽略的物理前提：雷达的数据走的是网口，IMU走的是雷达内部串口/总线，二者都由驱动打包发布，你不需要单独接一根IMU线。

1.2 做这件事之前，你应该准备的硬件和软件清单

硬件方面，最简单的配置就是一台Livox Avia、一根六类网线、一台能跑Ubuntu的电脑，以及一个给雷达供电的电源。Avia的供电通常是12V DC，很多套件会附带电源适配器，如果没有，记住功率至少达到10W，插头上也别用劣质降压模块，不然建图到一半雷达重启会非常崩溃。

我个人强烈建议：新手老老实实用Ubuntu 20.04 + ROS Noetic这个组合。倒不是说18.04不行，而是20.04的库版本更宽容，教程也多，遇到问题搜索时看到的基本都能对上号。如果你的电脑是Windows，先用虚拟机装Ubuntu也行，但注意给虚拟机至少分配2个CPU核心和4GB以上内存，网卡要选桥接模式让雷达能直接访问到物理网口。

软件清单大致是：Ubuntu 20.04系统、ROS Noetic、PCL点云库、Eigen矩阵库、livox_ros_driver2驱动、FAST_LIO源码，以及一个RViz可视化工具。这些在后面两步里会一一安装。

2. 环境搭建：网上很多教程省略的“为什么”

2.1 ROS与基础依赖的安装，一次到位

ROS Noetic安装就不展开讲了，官方文档和社区教程非常多。装完ROS后，建议立刻装齐FAST-LIO2需要的依赖：

sudo apt update sudo apt install libeigen3-dev libpcl-dev libyaml-cpp-dev sudo apt install ros-noetic-pcl-ros ros-noetic-cv-bridge ros-noetic-tf2-geometry-msgs

为什么要装Eigen和PCL？FAST-LIO2的滤波器里大量使用矩阵运算，Eigen是C++最常用的线性代数库，PCL则负责点云的存储、滤波和可视化。yaml-cpp用来读取参数文件，也就是你在config目录下看到的那些yaml配置文件。cv-bridge是ROS图像消息和OpenCV图像之间的转换桥，虽然在纯雷达建图里用得不多，但很多源码编译时仍会引用相关的头文件，索性一并装上，省得编译时报一堆缺失。

安装完成后，建议验证一下Eigen版本：

pkg-config --modversion eigen3

输出3.3.7以上基本就没问题。如果系统里同时存在多个Eigen版本，FAST-LIO2编译时可能因为头文件路径混乱而报错，这种情况需要用find_package(Eigen3 REQUIRED)来显式指定版本，不过新手很少碰到，只要不是自己手动从源码装过Eigen，一般系统默认就够用。

2.2 拉取FAST-LIO2源码并完成首次编译

开始之前，需要创建一个catkin工作空间。catkin是ROS的构建系统，你可以简单把它理解为ROS的“CMake工程管理器”。

mkdir -p ~/catkin_ws/src cd ~/catkin_ws/src git clone https://github.com/hku-mars/FAST_LIO.git

注意FAST-LIO2的GitHub仓库名为FAST_LIO，不是FAST_LIO2。仓库里包含几个子模块，需要初始化更新：

cd FAST_LIO git submodule update --init --recursive

子模块是源码里引用的一些第三方工具库，比如ikd-Tree，不更新的话编译会报找不到头文件。接下来编译整个工作空间：

cd ~/catkin_ws catkin_make source devel/setup.bash

如果第一次编译就顺利通过，恭喜你，运气很好。但多数人在这里会遇到至少一个编译错误，我下面单独列了几种最常见的情况。

2.3 编译过程中常见的“三连坑”及解决思路

第一个坑：找不到livox_ros_driver2或者livox_ros_driver。FAST-LIO2的CMakeLists会在源码树中查找Livox的驱动包，如果你只克隆了FAST_LIO而没有克隆驱动，编译时必然报错。解决办法是把livox_ros_driver2一起克隆到src目录下，放在FAST_LIO旁边：

cd ~/catkin_ws/src git clone https://github.com/Livox-SDK/livox_ros_driver2.git cd ~/catkin_ws catkin_make

第二个坑：Eigen3对齐宏报错。这类错误通常出现在使用Eigen新版3.4.x且编译选项开启AVX指令集时，报错信息里会出现EIGEN_MAKE_ALIGNED_OPERATOR_NEW之类的字样。解决办法是在FAST_LIO的CMakeLists.txt中添加编译宏-DDISABLE_AVX，或者直接关闭Eigen的新对齐特性。有的版本还需要在cmake之前先清理一下旧的构建缓存。

第三个坑：yaml-cpp版本不匹配导致运行时报错。有些操作系统的软件源自带yaml-cpp 0.6，而仓库源码是按照0.8编写的，运行时会直接退出并打印YAML解析失败。解决办法是自己编译yaml-cpp 0.8.0并安装到系统目录，或者干脆用vcpkg管理依赖。这类问题报错信息不一定直观，我建议如果遇到YAML::Detail相关报错，优先怀疑yaml-cpp版本。

我根据实际经验整理了一个编译问题速查表，后面会放在第6节里统一讲。

3. 让电脑“看见”雷达，网络配置不能偷懒

3.1 配置雷达的静态IP，保证驱动能找到它

Livox Avia默认使用固定IP与电脑通信，出厂的网口IP一般是192.168.1.12（不同批次可能不同，建议查看说明书或Livox Viewer显示）。电脑端需要配置成同一网段下的IP，比如192.168.1.50。

Ubuntu下可以通过图形界面设置，也可以直接用命令行：

sudo ip addr add 192.168.1.50/24 dev eth0

这里eth0要换成你的网卡名称，可以用ip addr查看。如果网卡名称是enp3s0，把eth0改成enp3s0即可。这种即时配置在重启后会失效，新手阶段图省事没问题，长期用建议写到/etc/netplan/配置里做成静态IP。

配置完IP后，给雷达上电，等待约10秒，然后启动livox_ros_driver2的Rviz可视化launch：

source ~/catkin_ws/devel/setup.bash roslaunch livox_ros_driver2 rviz_HDR.launch

如果一切正常，Rviz中会出现雷达点云画面，此时说明驱动链路已经跑通。如果画面是空的，先检查网络连通性：

ping 192.168.1.12

能ping通说明网络正常，接下来排查供电和驱动参数；ping不通，先查网线、网口和IP本身。

3.2 确认数据话题在发布：rostopic是关键指令

如果想确认FAST-LIO2能否拿到数据，建议额外开两个终端，输入：

rostopic list rostopic hz /livox/lidar rostopic hz /livox/imu

Avia的点云话题默认是/livox/lidar，IMU话题默认是/livox/imu，这是FAST-LIO2默认订阅的名字。rostopic hz会周期性打印话题发布频率，正常情况IMU频率在200Hz左右，点云频率在10Hz左右。如果看到频率为0，检查驱动是否真正在运行、话题名是否一致。

这一步很重要。很多人在写yaml参数时把话题名改成了/livox/points，导致FAST-LIO2一直收不到数据，map迟迟不更新，还以为是算法问题。这里我特别说明：不同版本的驱动发布的话题名不同，老版本驱动可能是/livox/lidar，新版驱动也可能是/livox/lidar，但有人改过配置后就变了。最稳妥的方式是先看rostopic list实际输出了什么，再去订正FAST-LIO2的参数文件。

3.3 关于Livox Viewer：调试雷达本身用它，建图过程不必开

Livox Viewer是Livox官方的点云查看工具，可以帮你确定雷达本身是否异常、查看扫描角度和点云质量，也能顺便读取雷达的序列号和固件版本。如果你的IP配置没问题，但ROS驱动始终连不上雷达，打开Livox Viewer看看是不是设备自身报错。多数情况下，驱动能连上就不需要再开Viewer了，它和ROS驱动同时连接雷达可能造成端口冲突。

4. 参数与外参：建图稳不稳的关键

4.1 理解雷达到IMU外参：先填初值，后续再修正

FAST-LIO2融合的是IMU数据和激光点云，所以必须知道IMU坐标系和雷达坐标系之间的变换关系。如果你的Avia没有外接扩展板、使用的是雷达内置IMU，那么物理上IMU与雷达外壳的相对旋转很接近零，外参可以近似填成单位阵：

extrinsic_T: [0.0, 0.0, 0.0] extrinsic_R: [1, 0, 0, 0, 1, 0, 0, 0, 1]

如果你手上是别人改装过的雷达，比如把IMU单独用双面胶贴在雷达外壳上，那外参就不能用单位阵了，需要在两个传感器之间量出相对位置和安装角度。但有个好消息：FAST-LIO2支持在线外参估计，把extrinsic_est_en设置成true，它会随着建图过程不断修正外参，你只要给它一个不太离谱的初始值就够了。

这里有一个“麻瓜”建议：第一步先用单位阵跑通，等能看到地图之后，再去关心外参优化。很多入门者一上来就拿着各种标定工具折腾外参，结果还没见过正常地图长什么样就放弃了。先让系统跑起来，再逐步精调，是接触这类算法时最省心的策略。

4.2 avia.yaml参数逐项拆解，别让默认值背锅

FAST_LIO源码里的config目录下有多个yaml文件，Avia对应的通常是avia.yaml。打开这个文件，你会看到类似下面的关键参数：

common: lid_topic: "/livox/lidar" imu_topic: "/livox/imu" preprocess: blind: 0.5 scan_line: 6 dis_compensation: true mapping: max_iteration: 3 point_filter_num: 4 filter_size_surf: 0.5 filter_size_map: 0.5 extrinsic_est_en: true

我用“人话”解释一下这几个参数：

• blind：雷达盲区半径，即距离雷达太近的点直接忽略。Avia的近距离点云容易受外壳反射干扰，设成0.5米左右比较合理。如果你拿给机器人用，盲区设大一点反而安全，设成1米问题不大。
• scan_line：扫描线数。Avia是6线，mid360是3线，这个参数影响点云的组织方式，不要随便改。
• dis_compensation：是否做运动畸变补偿。如果你的平台移动速度快，建议保持true，否则点云会像果冻一样扭曲。
• point_filter_num：抽稀间隔，每N个点保留一个。这个值越小，点云越密，地图越精细，但计算也更重。Avia默认常用4，如果你觉得CPU占用过高，可以调到5或6。
• filter_size_surf和filter_size_map：局部地图和全局地图的体素滤波尺寸，单位米。值越小地图细节越丰富，但对噪声越敏感。想快速建图可以先保持默认，后续再根据效果微调。
• extrinsic_est_en：是否开启外参在线估计，建议先保持true。

4.3 初始化那几秒，直接决定建图成败

FAST-LIO2是基于IMU惯导递推和激光点云匹配的紧耦合系统，启动初期需要“把状态激活”：因为滤波器的初始位姿和速度都不知道，必须靠IMU的加速度和角速度激发出可观测的约束。我测试过很多次，正确的做法是：启动节点后，等待RViz中出现第一幅点云，然后把手持设备拿在手里做缓慢的“8”字形摇晃，持续5到10秒，等终端开始打印里程计信息（类似Odometry ...的调试输出）之后，再开始按你规划的路径移动。

这里有一个很反直觉的注意点：不要等雷达静止超过3秒。很多人习惯启动后，先放在桌面上等地图“加载”，结果IMU零偏还没估出来就停着，系统状态很容易坐到错误的收敛点。更不要一上来就快速旋转雷达，那样IMU角速度瞬间饱和，滤波器容易发散。

另外，如果你的终端里出现类似[WARN] PointCloud has too few points的提示，说明点云数量太少，大概率是盲区设置过大或雷达离墙太近，把盲区调小一点即可。

5. 完整建图实操：从启动到保存一张地图

5.1 一套不会出错的启动顺序

我建议你养成“三个终端，按顺序执行”的习惯，这样每次都能快速定位问题：

第一个终端，启动雷达驱动：

source ~/catkin_ws/devel/setup.bash roslaunch livox_ros_driver2 msg_AVIA.launch

第二个终端，启动FAST-LIO2：

source ~/catkin_ws/devel/setup.bash roslaunch fast_lio avia.launch

第三个终端，用于查看话题状态和必要时保存地图：

source ~/catkin_ws/devel/setup.bash rostopic hz /livox/lidar

注意：有的FAST_LIO版本在avia.launch里已经包含了启动驱动的node，你查看launch文件如果看到livox_ros_driver2_node，说明不需要手动启动驱动。判断方法很简单，看第二个终端启动后，雷达是否有点云数据输出、有没有报错找不到话题。launch文件里默认的RVIZ配置一般会弹出一个RViz窗口，选择FastLIO的固定坐标系就能看到雷达运动轨迹和地图增量。

5.2 建图过程中的操作节奏与距离把控

实际操作时，我一般这样走：先把设备举到膝盖高度，缓慢走一个“8”字初始化；等到终端打印出里程计信息后，开始沿着走廊或房间边缘移动，移动速度保持在0.3到0.8米每秒，转弯的时候尽量平缓。扫室内环境时，尽量让雷达能看到天花板和地面交界处，这样能为地图提供足够的垂直约束。扫室外时，避免对着太阳方向猛拍，Livox的红外点云在强阳光下会有噪点，地图上会出现一撮一撮的“花点”。

整个过程如果看到RN-RANSAC或者ICP的残差突然猛增、地图开始拖影，不要慌，放慢速度、原路退回刚才的位置，系统通常会重新收敛。这是因为FAST-LIO2面对突然的大范围旋转时，匹配退化，回到原有区域后约束恢复，漂移能被慢慢拉回来。

5.3 保存地图与格式转换，自己留着也能给别人用

建图结束后，保存地图有好几种方式。最直接的是启用源码中的自动保存功能。运行FAST-LIO2的那个终端里，如果代码打印了类似“S to save pcd”的提示，按住键盘上的s键，它会自动把当前地图保存成PCD文件。保存位置一般在~/.ros/目录，文件名通常是scans.pcd，保存过程中会刷新进度。

如果你更习惯用参数控制，可以打开README里提到的pcd_save_enable，把它设为true，节点在退出时会自动保存。不管哪种方式，保存后都建议用命令查看一下文件大小：

ls -lh ~/.ros/scans.pcd

生成的点云默认是二进制PCD格式，可以用CloudCompare直接打开。如果你想转成PLY用于其他软件，PCL提供现成工具：

pcl_pcd2ply ~/.ros/scans.pcd scans.ply

如果只是想快速抽稀，也可以使用PCL的pcl_voxel_grid工具。对地图精度有要求的场合，我建议在保存前先停止移动设备并静止5秒，这样最后一帧点云和地图匹配更充分，输出文件不容易带着尾巴。

6. 常见问题排查：照着表找问题，能省半天时间

6.1 驱动连不上雷达，问题多半在网络和供电

这是所有坑里出现频率最高的。我把常见现象和排查方向整理成表格，方便直接对照。

这里补充一个细节：livox_ros_driver2里，不同雷达型号的launch文件不一样，Avia用的是msg_AVIA.launch，mid360用的是msg_MID360.launch。如果你拿的是mid360却启动了Avia的配置，驱动一般也能启动，但是点云频次、FOV特征处处不对，提前排查看起来最像参数错误。

6.2 编译期报错的速查对策

遇到编译错误时，先看第一个错误，不要盯着最后几行崩溃信息。CMake/Make的错误列表通常会很长，但根因往往在最上方。

6.3 建图质量不理想，先别急着换算法

很多人在地图出现漂移后，第一反应是换LOAM、换LIO-SAM，结果问题根本没解决。我个人经验是：地图质量差，优先检查四个方向。

一是初始化是否充分。正确的做法是启动后慢慢“8”字晃5秒以上，让滤波器的IMU零偏、速度和重力方向都收敛。二是外参初始值是否离谱。如果雷达和IMU坐标系差了几十厘米，单位阵初始值会直接导致匹配发散，在线外参估计也无法拉回。三是雷达盲区和抽稀参数是否合适。盲区太大会丢近距离约束，抽稀太高会让地图密度不够。四是移动速度与场景复杂度是否匹配。纯走廊场景下，几何约束不足，漂移在长轴方向几乎是必然的，尽量增加环路，走回起点形成闭环。

7. 如果你手上是mid360，这套方法只需改三处

最近“mid360使用fast-lio建图”被问得特别多，这里单独说一嘴。mid360跟Avia的核心逻辑完全一样，区别在FOV和点云参数。mid360的水平视场是360度，竖直视场大约59度，盲区只有0.1米，比Avia更适合室内的移动机器人底盘。

在FAST-LIO2里用mid360，主要改动三处：第一，launch文件换成mid360对应的版本；第二，yaml里的scan_line从6改成3，blind从0.5改到0.2左右；第三，point_filter_num可以调小到2，因为mid360的单帧点云本来就不多，抽稀太狠会让地图非常稀疏。

驱动那边也一样，用livox_ros_driver2启动mid360对应的launch，话题名同样确认是/livox/lidar和/livox/imu。配置好后，启动、初始化、建图的操作方式与Avia完全一致，你在这一套教程里学会的思路可以直接迁移过去。

最后分享一个实操心得：我第一次用FAST-LIO2时也卡了两天，后来发现大部分时间都花在驱动和编译上，真正的调参只占了半小时。现在你拿到这套“麻瓜教程”，如果还遇到奇怪的问题，建议记一下启动时的完整日志，尤其是WARN、ERROR、FATAL开头的关键词，这些是快速定位问题的钥匙。我自己的习惯是每次调试只改一个参数，改完跑一遍看效果，别同时动三个参数，不然出了问题都不知道是哪一步引入的。祝你们少走弯路，早日建出干净漂亮的地图。