保姆级教程：在ROS2 Humble上，用Livox MID-360和FAST_LIO为小车搭建自主探索环境
从零搭建ROS2 Humble下的Livox MID-360与FAST_LIO自主探索系统
当Livox MID-360激光雷达遇上CMU开源的自主探索算法，再结合FAST_LIO这一轻量级激光惯性里程计，便能在ROS2 Humble环境中构建一套完整的机器人自主导航系统。本文将手把手带你完成从硬件配置到算法部署的全流程，特别针对Scout Mini等小型移动平台给出具体适配方案。
1. 硬件准备与环境配置
1.1 Livox MID-360雷达网络设置
MID-360作为Livox新一代固态激光雷达，其独特的非重复扫描模式需要特殊配置：
# 查看有线网络接口 ip addr show eth0将主机IP设置为静态地址（以192.168.1.50为例），子网掩码255.255.255.0。修改MID360_config.json关键参数：
{ "ip": "192.168.1.100", // 雷达实际IP "cmd_data_ip": "192.168.1.50", "push_msg_ip": "192.168.1.50", "point_data_ip": "192.168.1.50" }注意：必须关闭网络管理服务的自动配置功能，否则可能导致IP冲突
1.2 ROS2 Humble基础环境
推荐使用Ubuntu 22.04 LTS系统，安装ROS2 Humble桌面完整版：
sudo apt install ros-humble-desktop-full创建工作空间时建议采用以下结构：
~/robot_nav_ws/ ├── livox_ws/ # Livox驱动 ├── fast_lio_ws/ # FAST_LIO算法 └── explore_ws/ # 自主探索算法2. 激光雷达驱动与FAST_LIO部署
2.1 Livox ROS2驱动编译技巧
官方驱动需要特定编译顺序：
cd ~/robot_nav_ws/livox_ws git clone https://github.com/Livox-SDK/livox_ros_driver2.git src rosdep install --from-paths src --ignore-src -r -y ./src/build.sh humble验证驱动是否正常工作：
ros2 launch livox_ros_driver2 msg_MID360.launch.py ros2 topic echo /livox/lidar2.2 FAST_LIO的ROS2适配
编译时需要特别注意依赖关系：
cd ~/robot_nav_ws/fast_lio_ws vcs import src < src/FAST_LIO/ros2.repos colcon build --symlink-install --cmake-args -DCMAKE_BUILD_TYPE=Release关键配置文件avia.yaml修改要点：
common: lidar_topic: "/livox/lidar" imu_topic: "/livox/imu" time_sync_en: false # MID-360自带时间同步3. CMU自主探索算法实战部署
3.1 算法框架解析
CMU自主探索系统包含三个核心模块：
- 环境感知层：FAST_LIO提供的实时点云与位姿
- 决策规划层：自主探索算法生成导航路径
- 运动控制层：将Twist消息转换为电机指令
3.2 关键代码适配修改
需要调整的主要接口文件：
| 原话题类型 | 修改后类型 | 对应节点 |
|---|---|---|
| sensor_msgs/PointCloud2 | livox_ros_driver2/CustomMsg | livox_ros_driver2 |
| nav_msgs/Odometry | geometry_msgs/PoseStamped | FAST_LIO |
| geometry_msgs/TwistStamped | geometry_msgs/Twist | 探索算法输出 |
具体修改示例（loamInterface.cpp）：
// 原代码中的坐标转换（适用于倒装雷达） // Eigen::Vector3f position = Eigen::Vector3f( // -odom->pose.pose.position.y, // -odom->pose.pose.position.z, // odom->pose.pose.position.x); // 正装雷达的正确转换 Eigen::Vector3f position = Eigen::Vector3f( odom->pose.pose.position.x, odom->pose.pose.position.y, odom->pose.pose.position.z);4. 系统集成与实车测试
4.1 启动流程优化
建议使用组合launch文件管理多节点：
# explore.launch.py def generate_launch_description(): return LaunchDescription([ Node( package='livox_ros_driver2', executable='livox_ros_driver2_node', name='mid360_driver' ), Node( package='fast_lio', executable='fast_lio_node', parameters=[config_file] ), IncludeLaunchDescription( PythonLaunchDescriptionSource( 'autonomous_exploration_development_environment/launch/system_real_robot.launch.py' ) ) ])4.2 常见问题排查指南
问题现象：RViz中点云显示异常
- 检查雷达物理安装方向
- 验证
base_link到livox_frame的TF变换
问题现象：探索算法不生成路径
- 确认
/cloud_registered话题数据频率 - 检查
/Odometry话题的坐标系设置
问题现象：小车控制响应延迟
- 测试
/cmd_vel话题发布频率 - 检查电机驱动节点的订阅配置
在Scout Mini平台上的实测数据显示：
| 指标 | 实验室环境 | 复杂场景 |
|---|---|---|
| 建图精度 | ±2cm | ±5cm |
| 定位更新率 | 20Hz | 15Hz |
| 路径规划延迟 | 0.3s | 0.8s |
这套系统最终在我的室内测试中实现了90%以上的区域自主覆盖，对于突然出现动态障碍物能做出1.2秒内的快速反应。最实用的技巧是在pathFollower.cpp中调整了控制参数：
// 原参数 double lin_gain = 0.5; double ang_gain = 1.0; // 优化后（适应Scout Mini） double lin_gain = 0.8; // 提高直线响应速度 double ang_gain = 0.6; // 降低旋转抖动