1. 为什么选择Jetson Orin NX Mid360 FAST-LIO2组合最近在给实验室的巡检机器人升级SLAM系统时我测试了多种硬件组合方案。实测下来Jetson Orin NX搭配Livox Mid360激光雷达再跑FAST-LIO2算法这个组合在室内复杂环境的表现让我印象深刻。先说说为什么这么选Orin NX的算力达到100TOPSINT8但功耗只有15W。对比我之前用的Xavier NX在建图时帧率能提升2-3倍。Mid360这个固态激光雷达特别适合移动机器人——水平FOV 360°无盲区垂直FOV59°最大测距260米而且没有旋转部件抗震性比传统机械雷达强太多。FAST-LIO2算法最大的优势是IMU紧耦合设计。简单说就是激光雷达每扫描到一个点算法会立即用IMU数据做运动补偿而不是等攒够一帧点云再处理。这种设计让建图延迟降低到毫秒级实测在快速移动的无人机上也不会出现鬼影。2. 环境配置与依赖安装2.1 系统基础配置建议直接用Ubuntu 22.04.3 LTS镜像刷机。Orin NX的刷机步骤和普通x86电脑不太一样关键是要先进入Force Recovery模式按住电源键40秒直到绿灯闪烁然后用SDK Manager刷机。刷完后记得sudo apt update sudo apt upgrade -y sudo apt install -y cmake git python3-colcon-common-extensions特别提醒一定要装NVIDIA闭源驱动我遇到过因为没装驱动导致CUDA无法调用GPU加速的情况。可以通过nvidia-smi命令检查驱动是否正常。2.2 Livox SDK安装踩坑记Mid360的驱动安装有几个坑点需要注意。官方SDK2仓库现在要求必须用git clone --recursive否则会缺少子模块git clone --recursive https://github.com/Livox-SDK/Livox-SDK2.git cd Livox-SDK2 mkdir build cd build cmake .. -DCMAKE_BUILD_TYPERelease make -j$(nproc) sudo make install编译时如果报错找不到USB库需要先安装libusbsudo apt install -y libusb-1.0-0-dev3. 网络配置与雷达连接3.1 静态IP设置技巧Mid360默认使用192.168.1.50这个IP所以Orin NX需要配置同网段静态IP。我推荐用nmcli命令配置比图形界面更可靠sudo nmcli con mod 有线连接 1 \ ipv4.addresses 192.168.1.100/24 \ ipv4.gateway 192.168.1.1 \ ipv4.dns 8.8.8.8 \ ipv4.method manual sudo nmcli con up 有线连接 1验证连接时建议先用ping 192.168.1.50测试基础连通性再用Livox Viewer工具检查点云质量。有时候网线接触不良会导致点云断裂这时候重新插拔网线比折腾配置更有效。3.2 ROS2驱动配置详解livox_ros_driver2的配置文件中这几个参数最关键{ lidar_configs: [ { ip: 192.168.1.50, pcl_data_type: 1, point_data_type: 1, imu_data_type: 0, extrinsic_parameter_enable: false } ], host_network_config: { cmd_data_port: 56100, push_msg_port: 56200, point_data_port: 56300, imu_data_port: 56400 } }特别注意如果同时接多个Mid360每个雷达的IP最后两位要改成S/N码后两位比如192.168.1.101、192.168.1.102。4. FAST-LIO2算法部署实战4.1 源码编译优化技巧FAST-LIO2默认配置是为x86优化的在ARM平台需要调整编译参数。修改CMakeLists.txtset(CMAKE_CXX_FLAGS -O3 -mcpucortex-a78 -mtunecortex-a78) add_definitions(-DUSE_IKFOMON)实测开启IKFOM迭代卡尔曼滤波后Orin NX上的处理延迟能从15ms降到9ms。编译时建议用--parallel-workers选项colcon build --parallel-workers 4 --cmake-args -DCMAKE_BUILD_TYPERelease4.2 关键参数调优指南mid360.yaml里这几个参数直接影响建图效果preprocess: lidar_type: 1 # Mid360对应类型 blind: 0.5 # 过滤近距离噪点 max_range: 100.0 # 最大探测距离 mapping: acc_cov: 0.1 # IMU加速度计协方差 gyr_cov: 0.1 # IMU陀螺仪协方差 max_iteration: 3 # 迭代次数 cube_len: 1000.0 # 地图尺寸室内场景建议把cube_len调到20-50米否则会浪费内存。如果发现墙面波浪形扭曲尝试把acc_cov调到0.05。5. 建图效果评估与优化5.1 实时性能监控方法开三个终端分别运行# 终端1雷达驱动 ros2 launch livox_ros_driver2 msg_MID360_launch.py # 终端2FAST-LIO2 ros2 launch fast_lio mapping.launch.py config_file:mid360.yaml # 终端3性能监控 watch -n 0.5 echo CPU: $[100-$(vmstat 1 2|tail -1|awk \{print $15}\)]%; nvidia-smi --query-gpuutilization.gpu --formatcsv,noheader健康指标参考值CPU占用率 ≤70%GPU占用率 40-60%处理延迟 ≤20ms5.2 常见问题解决方案问题1点云出现拖尾检查IMU和雷达的时间同步在mid360.yaml中减小time_offset参数问题2建图时发生漂移校准IMU外参运行livox_camera_lidar_calibration增加mapping.max_iteration到4-5问题3系统突然卡死检查散热Orin NX表面温度超过85℃会降频用jetson_clocks锁定最高频率最后保存地图时建议用PCD格式而非PLY因为FAST-LIO2生成的PCD自带强度信息。可以用CloudCompare做后期处理我常用Tools Segmentation Extract sections功能切分多层平面图。