RK3588平台部署FAST-LIO2激光雷达SLAM全攻略

1. 项目背景与核心需求

最近在调试Livox MID360激光雷达时，发现官方提供的FAST-LIO2安装指南对RK3588平台适配不足，导致不少用户在Ubuntu20.04环境下遇到编译错误、依赖缺失等问题。作为一款基于迭代卡尔曼滤波的轻量级激光惯性里程计，FAST-LIO2在嵌入式设备上的实时性能表现优异，特别适合无人机、移动机器人等场景。本文将分享在RK3588+Ubuntu20.04环境下的完整部署方案，重点解决以下痛点：

• ARM架构特有的依赖库兼容性问题
• Livox MID360驱动与ROS1的接口配置
• Eigen3版本冲突的规避方案
• 点云去畸变参数的实际调参经验

实测环境：Rockchip RK3588开发板（8核Cortex-A76/A55），Ubuntu 20.04.6 LTS，内核版本5.10.160

2. 环境准备与依赖安装

2.1 系统基础配置

首先更新apt源并安装基础编译工具：

bash复制sudo apt update && sudo apt upgrade -y
sudo apt install -y build-essential cmake git wget

针对RK3588的ARMv8架构，需要特别安装以下优化库：

bash复制sudo apt install -y libatlas-base-dev libopenblas-dev liblapack-dev 

2.2 ROS1 Noetic安装

由于FAST-LIO2官方推荐使用ROS1，我们选择Noetic版本：

bash复制sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
sudo apt install -y ros-noetic-desktop-full

配置环境变量时需注意ARM平台的特殊路径：

bash复制echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

2.3 关键依赖项处理

Eigen3版本控制

FAST-LIO2要求Eigen3版本≥3.3.7，但Ubuntu20.04默认安装的是3.3.4。推荐源码编译安装：

bash复制wget https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.tar.gz
tar xzf eigen-3.4.0.tar.gz
cd eigen-3.4.0
mkdir build && cd build
cmake .. -DCMAKE_INSTALL_PREFIX=/usr/local
sudo make install

PCL库优化

默认的PCL库可能存在点云处理性能问题，建议重新编译：

bash复制sudo apt install -y libflann-dev libboost-all-dev libvtk7-dev libqhull-dev
git clone https://github.com/PointCloudLibrary/pcl.git
cd pcl && mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release -DBUILD_GPU=ON ..
make -j$(nproc)
sudo make install

3. FAST-LIO2源码编译与配置

3.1 创建工作空间

bash复制mkdir -p ~/fastlio_ws/src
cd ~/fastlio_ws/src
catkin_init_workspace

3.2 下载并编译FAST-LIO2

bash复制git clone https://github.com/hku-mars/FAST_LIO.git
cd FAST_LIO
git submodule update --init
cd ../..

编译前需要修改两处关键配置：

1. 修改FAST_LIO/CMakeLists.txt：

cmake复制# 添加Eigen3路径
include_directories(/usr/local/include/eigen3)

2. 修改FAST_LIO/include/common_lib.h中的宏定义：

cpp复制#define USE_IKFOM 1  // 启用迭代卡尔曼滤波

开始编译：

bash复制catkin_make -j4 -DCMAKE_BUILD_TYPE=Release

注意：RK3588的Cortex-A76核心建议使用-j4参数，避免内存溢出

3.3 Livox MID360驱动配置

安装Livox ROS驱动：

bash复制cd ~/fastlio_ws/src
git clone https://github.com/Livox-SDK/livox_ros_driver.git

修改livox_ros_driver/config/MID360_config.json：

json复制{
  "lidar_summary_info" : {
    "lidar_type": 8,
    "support_features": {
      "imu": true,
      "rain_fog_mode": false
    }
  }
}

编译驱动：

bash复制cd ~/fastlio_ws
catkin_make -j4

4. 参数调优与实战测试

4.1 启动文件配置

创建FAST_LIO/launch/mid360.launch：

xml复制<launch>
  <arg name="rviz" default="true" />
  
  <node pkg="livox_ros_driver" type="livox_ros_driver_node" name="livox_lidar" output="screen">
    <param name="xfer_format" value="1"/>
    <param name="multi_topic" value="0"/>
    <param name="data_src" value="0"/>
    <param name="publish_freq" type="double" value="10.0"/>
    <param name="output_data_type" value="0"/>
    <param name="frame_id" value="livox_frame"/>
    <param name="lvx_file_path" value="$(find livox_ros_driver)/config/MID360_config.json"/>
  </node>

  <node pkg="fast_lio" type="fastlio_mapping" name="laserMapping" output="screen">
    <param name="map_file_path" type="string" value="" />
    <param name="max_iteration" type="int" value="4" />
    <param name="cube_side_length" type="double" value="200.0" />
    <rosparam command="load" file="$(find fast_lio)/config/mid360.yaml" />
  </node>

  <group if="$(arg rviz)">
    <node pkg="rviz" type="rviz" name="rviz" args="-d $(find fast_lio)/rviz_cfg/loam_livox.rviz" />
  </group>
</launch>

4.2 关键参数解析

config/mid360.yaml中需要特别关注的参数：

yaml复制preprocess:
  lidar_type: 8               # MID360设备类型码
  blind: 0.5                  # 过滤近距离噪点(m)
  point_filter_num: 1         # 降采样率

feature_extract:
  N_SCANS: 6                  # 激光线数
  edge_threshold: 0.1         # 边缘特征阈值
  surf_threshold: 0.1         # 平面特征阈值

mapping:
  acc_cov: 0.1                # 加速度计协方差
  gyr_cov: 0.1                # 陀螺仪协方差
  b_acc_cov: 0.0001           # 加速度计偏置协方差
  b_gyr_cov: 0.0001           # 陀螺仪偏置协方差

4.3 实时性能优化技巧

1. 线程绑定：通过taskset将进程绑定到大核

bash复制taskset -c 4-7 roslaunch fast_lio mid360.launch

2. CPU频率锁定：防止动态调频导致延迟

bash复制sudo cpufreq-set -g performance

3. 内存预分配：修改common_lib.h中的缓冲区大小

cpp复制#define INIT_BUFFER_SIZE 1e7  // 根据点云密度调整

5. 常见问题排查

5.1 编译错误解决方案

问题1：Eigen版本冲突

code复制error: ‘Eigen::aligned_allocator’ has not been declared

解决方法：

bash复制sudo rm -rf /usr/include/eigen3
sudo ln -s /usr/local/include/eigen3 /usr/include/eigen3

问题2：PCL库缺失

code复制Could not find a package configuration file provided by "PCL"

解决方法：

bash复制sudo apt install -y ros-noetic-pcl-conversions ros-noetic-pcl-ros

5.2 运行时异常处理

问题3：点云畸变严重
现象：运动过程中点云拉伸变形
解决方法：

• 检查mid360.yaml中的time_offset参数
• 增加mapping部分的imu_cov值

问题4：CPU占用过高
优化方案：

yaml复制# 在mid360.yaml中添加：
mapping:
  max_iteration: 3      # 减少迭代次数
  downsample_size: 0.5  # 增大降采样粒度

6. 实测效果与精度验证

在室内10m×10m环境下的测试数据：

调试建议：

1. 对于低速移动机器人，可降低mapping/fov_degree到30
2. 室外场景建议增大cube_side_length至500以上
3. MID360的IMU数据需要校准extrinsic_T参数