雨前羽街1. 项目背景与核心价值
去年接触LIO-SAM时就被激光雷达惯性里程计的精度惊艳到了，但一直苦于其计算资源消耗过大。直到发现Fast-LIO2这个号称"计算效率提升10倍"的开源方案，才真正找到了能在Jetson Xavier NX这类边缘设备上实时运行的SLAM解决方案。经过两个月的实际部署和调参，记录下这些关键修改点，特别适合需要在资源受限环境下实现高精度定位的开发者参考。
Fast-LIO2的核心突破在于：
- 采用iEKF（迭代扩展卡尔曼滤波）替代传统EKF
- 引入紧耦合的激光-IMU融合架构
- 创新性地使用ikd-Tree进行高效点云管理
实测在Intel NUC11（i7-1165G7）上单线程运行仅占用35% CPU，而定位精度在室内环境下能达到厘米级，这使其成为服务机器人、AGV等应用的理想选择。
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. 环境配置优化记录
2.1 依赖库编译技巧
官方推荐的Ubuntu 20.04 + ROS Noetic组合确实最稳定，但有几个依赖项需要特别注意：
bash复制# Eigen建议手动编译3.4.0版本（重要！）
git clone https://gitlab.com/libeigen/eigen.git
mkdir build && cd build
cmake .. -DCMAKE_INSTALL_PREFIX=/usr/local/
make -j4 && sudo make install
PCL库的1.10.0版本存在线程安全问题，推荐使用apt安装的1.10.0+dfsg-5ubuntu1版本：
bash复制sudo apt install libpcl-dev=1.10.0+dfsg-5ubuntu1
踩坑提醒：如果在ARM架构设备（如Jetson）上编译，务必添加-march=native编译选项，否则ikd-Tree的性能会下降40%以上。
2.2 传感器驱动适配
针对不同型号的激光雷达，需要修改laserMapping.cpp中的点云预处理逻辑。以Livox MID-360为例：
cpp复制// 原始代码中的通用处理
pcl::PointCloud<PointType>::Ptr laserCloud(new pcl::PointClou