SLAM技术之FAST_LIO和FAST_LIO2算法复现
FAST_LIO与FAST_LIO2算法复现指南
FAST_LIO（Fast LiDAR-Inertial Odometry）及其改进版FAST_LIO2是高效的激光雷达-惯性里程计算法，基于紧耦合的迭代误差状态卡尔曼滤波（IESKF）实现。以下是复现关键步骤：
环境配置
系统要求：Ubuntu 18.04/20.04，ROS Melodic/Noetic
依赖安装：
sudo apt-get install ros-${ROS_DISTRO}-cv-bridge ros-${ROS_DISTRO}-tf sudo apt-get install libomp-dev libceres-dev Eigen3.3.7+：需手动安装高版本Eigen（FAST_LIO2要求Eigen≥3.3.7）：
git clone https://gitlab.com/libeigen/eigen.git cd eigen && mkdir build && cd build cmake .. && sudo make install 源码编译
FAST_LIO：
git clone https://github.com/hku-mars/FAST_LIO.git cd FAST_LIO && mkdir build && cd build cmake .. && make -j4 FAST_LIO2：
git clone https://github.com/hku-mars/FAST_LIO2.git cd FAST_LIO2 && mkdir build && cd build cmake .. && make -j4
数据集准备
支持格式：
- ROS bag文件（需包含
/imu和/points话题） - 公开数据集（如NTU VIRAL、HILTI等）
数据播放：
rosbag play your_bag.bag --clock 参数配置
关键参数文件：
config/velodyne.yaml（传感器参数）config/mapping.yaml（算法参数）
修改示例：
# velodyne.yaml lidar_topic: "/points" imu_topic: "/imu" 运行与可视化
启动FAST_LIO：
roslaunch fast_lio mapping_velodyne.launch 启动FAST_LIO2：
roslaunch fast_lio2 mapping_velodyne.launch 可视化工具：
- RViz：显示点云地图和轨迹
rosrun rviz rviz加载配置config/rviz_config.rviz
性能调优
常见调整参数：
max_iteration：IESKF最大迭代次数（默认4-6）cube_side_length：地图分辨率（默认200m）filter_size_surf：点云降采样分辨率
实时性优化：
- 启用
fov_degree限制视场角 - 降低
max_points_num减少计算量
注意事项
- 时间同步：确保IMU和LiDAR时间戳严格同步，否则需外部同步工具。
- 传感器标定：提供准确的LiDAR-IMU外参（
extrinsic_T和extrinsic_R）。 - 点云类型：支持非结构化点云（如Velodyne、Ouster），需在配置中指定
point_type。
通过上述步骤可完成算法复现，具体效果取决于传感器质量与环境复杂度。建议从公开数据集开始验证。
