RC-11361. FAST-LIVO2实机复现背景解析
第一次看到FAST-LIVO2这个项目是在去年参加机器人国际会议时，当时就被它惊人的实时建图精度震撼到了。作为一套基于紧耦合迭代卡尔曼滤波的激光-视觉-惯性里程计系统，它成功将激光雷达点云和视觉特征的融合精度提升到了毫米级。更难得的是，整套算法完全开源，这让我们这些SLAM开发者有了绝佳的学习样本。
不过在实际复现过程中，我发现官方文档对ROS1环境的适配说明相当简略，很多关键配置参数都隐藏在代码注释里。经过三周的反复调试和参数优化，终于在我的ThinkPad P15移动工作站（i9-11950H + 32GB内存）上实现了稳定运行。实测在室内走廊环境下，建图漂移控制在0.3%/100m以内，完全满足移动机器人定位需求。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与依赖安装
2.1 硬件配置建议
根据实测经验，推荐以下硬件配置：
- 处理器：至少6核CPU（i7-11800H或Ryzen7 5800H起步）
- 内存：16GB以上（点云处理非常吃内存）
- 传感器：
- 激光雷达：建议使用Ouster OS1-64或Velodyne VLP-16
- IMU：推荐BMI088或ICM-20948，需支持400Hz以上输出
- 相机：全局快门相机，如FLIR Blackfly S或大疆禅思H20
特别注意：IMU和激光雷达需要严格时间同步，建议使用PTP协议或硬件触发同步
2.2 软件依赖安装
在Ubuntu 18.04 + ROS Melodic环境下，依赖安装步骤如下：
bash复制# 安装ROS基础包
sudo apt-get install ros-melodic-pcl-ros ros-melodic-libg2o \
ros-melodic-navigation ros-melodic-tf2-sensor-msgs
# 安装第三方库
git clone https://github.com/gaoxiang12/fast-livo2.git
cd fast-livo2/thirdparty
./install_deps.sh # 这个脚本会自动安装Sophus、GTSAM等依赖
编译时常见问题处理：
- 如果遇到GTSAM版本冲突，建议完全卸载旧版后编译安装