之前想用深度相机来做视觉里程计给无人机用还是太异想天开，最终还是买激光雷达上强度来了。总之就是MID-360S收集数据，Fast-LIO2负责状态估计，RTAB-Map负责建图、记录，Jetson提供算力。
- 配置：自组无人机（650轴距机架、Pixhawk 6c mini（PX4 1.16.0）、）、Livox MID-360S激光雷达、Jetson Orin NX Super 16G（JetPack 6 / Ubuntu 22.04 LST、ROS2 Humble）。
MID-360S的ROS2部署
买的MID-360，发货过来发现后面多了个“S”，原来是推出的新版，好像是性能一样但是更便宜而已（即被卖家坑了说是）。不先连笔记本测试了，直接上jetson配置，雷达通电、连接上jetson的网口后，查询以太网信息：
nmcli device
把Jetson的网口设置到192.168.1.x网段，我用的50：
sudo nmcli connection modify "Wired connection 1" ipv4.addresses 192.168.1.50/24
sudo nmcli connection modify "Wired connection 1" ipv4.method manual
sudo nmcli connection up "Wired connection 1"
sudo ufw disable # 关闭防火墙，避免连接出问题尝试ping激光雷达，其地址为192.168.1.1xx，最后两位由MID-360S上一个二维码标签底部的SN码决定，如我SN码最后两位是01，那么我的地址就是192.168.1.101：
ping 192.168.1.101有反应就说明初步连上了。然后安装Livox-SDK2（已支持mid-360s）：
cd ~
git clone https://github.com/Livox-SDK/Livox-SDK2.git
cd ./Livox-SDK2/
mkdir build
cd build
cmake .. && make -j
sudo make install接下来克隆livox_ros_driver2功能包，允许我们通过ros2获取到mid-360s的lidar点云话题和imu惯性话题：
cd ~/your_work_sapce/src
git clone https://github.com/Livox-SDK/livox_ros_driver2.git在编译之前，注意两个地方，一个是配置文件：
cd livox_ros_driver2
cd config
nano MID360s_config.json
# 给host_ip和lidar的ip处填入前面讲的地址，如我的就分别填192.168.1.50和192.168.1.101另一个是launch_ROS2文件夹中，msg_MID360s_launch.py和rviz_MID360s_launch.py里的xfer_format变量，0代表输出标准的ros2点云格式，1输出的是它自定义的一种复合格式，msg版默认的是1，rviz的是0，由于我并没有即时可视化的需求，肯定是用msg版，而刚好fast_lio2要求输入的也是1这种点云格式，所以不需要改。参考仓库原文（luanch文件名是以前老的）：
For livox serials, FAST-LIO only support the data collected by the
livox_lidar_msg.launchsince only itslivox_ros_driver2/CustomMsgdata structure produces the timestamp of each LiDAR point which is very important for the motion undistortion.livox_lidar.launchcan not produce it right now.
由于我把livox_ros_driver2跟其他所有功能包都部署在了一个工作空间下，但它又需要用自带的特定脚本来编译，会导致把现有全部包的编译一遍，所以改了下编译脚本的内容，让只编译这个包：
cd ..
nano build.sh
# 往下翻到colcon build那一行，加个--packages-up-to参数：
colcon build --packages-up-to livox_ros_driver2 --cmake-args -DROS_EDITION=${VERSION_ROS2} -DDISTRO_ROS=${ROS_DISTRO}
# 保存退出
# 当然实际上也可以自己填参数然后拿指令到外面去编译
./build.sh humble # 编译之后可以ros2 launch livox_ros_driver2 msg_MID360s_launch.py启动功能包，然后自行echo、hz等检查新话题是否能够正常接收。
Fast-LIO-ROS2克隆与部署
github上官方仓库是hku-mars/FAST_LIO，为了适配humble，要选择ROS2分支，此时底下的教程会指引我们克隆Ericsii/FAST_LIO_ROS2这个仓库。
而这个仓库的的克隆就有点头疼了，由于网络问题我本来一直没有clone成功，找镜像站也没成功。最后发现gitee上有同步仓库，然而由于还有个子模块指向了github中的ikd-Tree仓库，还是会中途失败断开，好在它同样也有个同步仓库，因此最后自己在gitee上给fast-lio2创建了一个分支，并将.gitmodules里的地址也改成gitee仓库，终于才成功：
cd ~/your_workspace/src
git clone https://gitee.com/qin-kaitong/FAST_LIO_ROS2.git --recursive
cd ..
rosdep install --from-paths src --ignore-src -y
colcon build --symlink-install --packages-select fast_lio # 还是只编译了这个包，而且是的这个包名不是FAST_LIO_ROS2而是fast_lio
. ./install/setup.bash # use setup.zsh if use zsh顺便编译这个包不能用–packages-up-to，因为它依赖livox_ros_driver2，会顺便编译这个然后因为没带参数而崩溃掉。
SLAM启动
在自己别的功能包（如我的slam功能包）的launch文件夹中创建启动文件，记得要先改setup.py。最后的SLAM代码如下，FAST-LIO2会订阅mid-360s发布的lidar和惯性imu数据，生成状态估计，并发布camera_init（相当于odom）、body（雷达自己的坐标系）、里程计话题/Odometry和去畸变对齐后的点云话题/cloud_registered，再给RTAB-Map用来建图。由于是装在无人机上，之后还要给飞控提供定位，还发布了base_link作为body的子坐标系。
import os
from launch import LaunchDescription
from launch.actions import IncludeLaunchDescription, DeclareLaunchArgument
from launch.launch_description_sources import
from launch.substitutions import LaunchConfiguration
from ament_index_python.packages import get_package_share_directory
from launch_ros.actions import Node
def generate_launch_description():
# 获取各个功能包的 launch 目录
livox_ros2_dir = get_package_share_directory('livox_ros_driver2')
fast_lio_dir = get_package_share_directory('fast_lio')
rtabmap_launch_dir = get_package_share_directory('rtabmap_launch')
# 1. 定义静态 TF 发布器，连接 base_link 和 body
static_tf_publisher = Node(
package='tf2_ros',
executable='static_transform_publisher',
name='base_link_to_livox_laser',
arguments=[
'0.0', '0.0', '-0.1', # X, Y, Z轴的平移绝对距离（单位：米）
'0.0', '0.0', '0.0', # Roll, Pitch, Yaw 旋转弧度（或者是角度，取决于Humble的具体小版本，推荐下面用参数形式更稳妥）
'body', # 父坐标系名称
'base_link' # 子坐标系名称
]
)
# 2. 启动 Livox Mid-360 驱动 (请确保你使用的是输出 msg 格式的 launch 文件，以配合 fast-lio)
livox_driver_launch = IncludeLaunchDescription(
PythonLaunchDescriptionSource(
os.path.join(livox_ros2_dir, 'launch_ROS2', 'msg_MID360s_launch.py')
# 注意检查路径和文件名是否与你的配置一致
)
)
# 3. 启动 FAST-LIO2
fast_lio_config_path = os.path.join(fast_lio_dir, 'config', 'mid360.yaml')
fast_lio_launch = IncludeLaunchDescription(
PythonLaunchDescriptionSource(
os.path.join(fast_lio_dir, 'launch', 'mapping.launch.py')
),
launch_arguments={
'config_file': fast_lio_config_path
}.items()
)
database_path = os.path.expanduser('~/WushanPilot/src/slam/rtabmap_livox.db')
rtabmap_node = Node(
package='rtabmap_slam',
executable='rtabmap',
name='rtabmap',
output='screen',
# 命令行参数：对应原本的 'rtabmap_args': '--delete_db_on_start'
arguments=['--delete_db_on_start'],
parameters=[{
'use_sim_time': False, # 真实环境设为 False
'frame_id': 'base_link', # 机器人的基础坐标系
'odom_frame_id': 'camera_init',
'database_path': database_path, # 数据库存放路径
# 严格关闭一切视觉输入
'subscribe_depth': False,
'subscribe_rgb': False,
'subscribe_rgbd': False,
'subscribe_scan': False, # 关闭 2D 雷达输入
# 严格开启 3D 激光雷达输入
'subscribe_scan_cloud': True, # 订阅 3D 点云
'approx_sync': True, # 开启近似时间同步
# RTAB-Map 后端优化与建图参数 (直接写在 parameters 字典中)
'Reg/Strategy': '1', # 回环匹配策略：1=ICP（纯几何匹配）
'Grid/CellSize': '0.05', # 2D 占据栅格地图分辨率（米）
'Grid/RangeMax': '20.0', # 构建栅格地图的最大距离（米）
'Icp/VoxelSize': '0.2', # ICP 匹配时的体素滤波降采样大小
# 额外安全性参数：确保处于建图（增量式内存）模式
'Mem/IncrementalMemory': 'true',
}],
# 核心 Topic 重映射 (等同于原本的 odom_topic 和 scan_cloud_topic)
# 格式为：( 'RTAB-Map默认内部话题', '你的实际话题' )
remappings=[
('odom', '/Odometry'),
('scan_cloud', '/cloud_registered')
]
)
return LaunchDescription([
static_tf_publisher,
livox_driver_launch,
fast_lio_launch,
rtabmap_node
])根据自己的具体情况修改上面的代码，然后编译功能包并launch该代码即可。
cd ~/your_workspace
colcon build --packages-select your_package
ros2 launch your_package slam_launch.py到自己电脑上回放一下db里的路径和点云。
边做边写，这篇怎么意外顺利。好吧实则中途也出了很多bug。
