Jetson Orin NX + Fast-LIO2自主无人机完整部署方案

Jetson Orin NX + Fast-LIO2自主无人机完整部署方案

🚀 本文完整介绍如何在Jetson Orin NX上构建一套完整的自主飞行四旋翼无人机系统，包括实时SLAM定位、自主路径规划和动态避障。

预计阅读时间: 15分钟

📑 文章目录

• 一、系统概述
• 二、硬件配置
• 三、软件架构
• 四、环境配置
• 五、关键模块部署
• 六、系统集成
• 七、常见问题
• 八、参考资源

一、系统概述

1.1 项目背景

在自主无人机领域，实现高精度定位和自主飞行一直是重要研究课题。本项目结合最新的SLAM算法（Fast-LIO2）、高效的路径规划和实时避障，在Jetson Orin NX这个边缘计算平台上实现了完整的自主飞行系统。

1.2 核心特性

✨ 实时SLAM定位 - Fast-LIO2算法，100Hz频率，<2%漂移
✨ 自主路径规划 - A*算法实现的全局路径规划，1-5Hz
✨ 动态避障 - 势场法实现实时避障，<200ms反应时间
✨ PX4集成 - 通过MAVLink高效通信与飞控集成
✨ ROS2框架 - 完整的中间件和通信栈支持

1.3 系统性能指标

二、硬件配置

2.1 核心硬件清单

├─ 计算单元 │ ├─ Jetson Orin NX 16GB (Ubuntu 22.04) │ ├─ 冷却风扇 │ └─ NVMe SSD 256GB+ │ ├─ 飞控系统 │ ├─ PX4飞控板 (Pixhawk 4) │ ├─ GPS/GNSS模块 │ └─ 遥测模块 (433MHz/3DR) │ ├─ 传感器系统 │ ├─ Livox MID360激光雷达 (主传感器) │ ├─ IMU (集成在飞控) │ ├─ 气压计 (集成在飞控) │ └─ 光流传感器 (可选) │ ├─ 无人机平台 │ ├─ 四轴机体 │ ├─ 4×无刷电机 │ ├─ 电调(ESC) │ ├─ 锂电池 │ └─ 螺旋桨 │ └─ 通信模块 ├─ USB-C线缆 ├─ UART转USB适配器 └─ USB集线器 (有源) 

2.2 硬件连接拓扑

UART 921600bpsUSB 3.0MAVLink🛩️ PX4 Flight Controller
Pixhawk 4💻 Jetson Orin NX 16GB
Ubuntu 22.04 + ROS2🔴 Livox MID360
Laser Lidar📡 Telemetry Module
433MHz/3DR

2.3 关键参数

三、软件架构

3.1 系统三层架构

graph TB subgraph Decision["🎯 Decision & Planning Layer"] PathPlanning["📍 Path Planning<br/>A* / RRT / Dijkstra"] LocalAvoid["🚧 Obstacle Avoidance<br/>Potential Field"] end subgraph Navigation["🧭 Navigation & Control Layer"] SLAM["🗺️ SLAM Fast-LIO2<br/>Localization & Mapping<br/>100Hz"] Controller["⚙️ PID Controller<br/>Trajectory Tracking"] end subgraph Hardware["🔧 Hardware Interface Layer"] PX4Driver["🛩️ PX4 (MAVLink)<br/>Firmware Interface"] LivoxDriver["📡 Livox Driver<br/>MID360 SDK"] end Decision --> Navigation Navigation --> Hardware SLAM -.->|Odometry| PathPlanning SLAM -.->|Odometry| LocalAvoid PathPlanning -.->|Global Path| Controller LocalAvoid -.->|Avoid Velocity| Controller Controller -.->|Control Command| PX4Driver style Decision fill:#fff9c4 style Navigation fill:#c8e6c9 style Hardware fill:#bbdefb 

3.2 数据流处理

Feedback🔴 MID360
100Hz📡 Livox Driver☁️ Point Cloud
/livox/lidar🗺️ Fast-LIO2
100Hz📍 Odometry
/fastlio2/odometry📍 Path Planning
1-5Hz🛣️ Global Path🚧 Local Planner
20Hz👁️ Obstacle Detect⬆️ Avoid Velocity🎛️ Decision Fusion➡️ Final Command🎬 RViz
Visualize

四、环境配置

4.1 Jetson Orin NX初始化（5分钟）

# 1. 系统更新sudoapt update &&sudoapt upgrade -y # 2. 安装基础开发工具sudoaptinstall -y \ build-essential cmake gitcurlwget\ python3-dev python3-pip libssl-dev libopencv-dev # 3. 增加交换空间（重要！）sudo fallocate -l 12G /swapfile sudochmod600 /swapfile sudomkswap /swapfile sudoswapon /swapfile echo'/swapfile none swap sw 0 0'|sudotee -a /etc/fstab # 4. 验证CUDA nvcc --version nvidia-smi 

💡 Tip: Orin NX内存有限，增加交换空间是编译大型项目的必要步骤。

4.2 ROS 2 Humble安装（10分钟）

# 1. 添加ROS2源sudocurl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key |\sudo apt-key add - echo"deb [arch=$(dpkg --print-architecture)] http://packages.ros.org/ros2/ubuntu $(lsb_release -cs) main"|\sudotee /etc/apt/sources.list.d/ros2-latest.list > /dev/null # 2. 安装ROS 2 Humblesudoapt update sudoaptinstall -y ros-humble-desktop # 3. 配置环境变量echo"source /opt/ros/humble/setup.bash">> ~/.bashrc source ~/.bashrc # 4. 验证安装 ros2 --version 

4.3 核心依赖库安装（15分钟）

# PCL - 点云库sudoaptinstall -y libpcl-dev pcl-tools ros-humble-pcl-ros # Eigen - 线性代数sudoaptinstall -y libeigen3-dev # OpenCV - 计算机视觉sudoaptinstall -y libopencv-dev opencv-data # YAML - 配置文件处理sudoaptinstall -y libyaml-cpp-dev # Ceres Solver - 优化库（可选但推荐）cd ~/workspace git clone https://github.com/ceres-solver/ceres-solver.git cd ceres-solver &&mkdir build &&cd build cmake .. -DBUILD_TESTING=OFF -DBUILD_EXAMPLES=OFF make -j$(nproc)&&sudomakeinstall

4.4 创建ROS2工作空间

# 创建工作空间mkdir -p ~/uav_ws/src cd ~/uav_ws # 初始化工作空间 colcon build --symlink-install # 配置环境echo"source ~/uav_ws/install/setup.bash">> ~/.bashrc source ~/.bashrc 

五、关键模块部署

5.1 Fast-LIO2 SLAM部署

5.1.1 源码编译

cd ~/uav_ws/src git clone https://github.com/hku-mars/Fast-LIO2.git # 编译Fast-LIO2cd ~/uav_ws colcon build --packages-select fast_lio2 \ --cmake-args -DCMAKE_BUILD_TYPE=Release # 验证 ros2 pkg list |grep fast_lio2 

5.1.2 MID360配置文件

创建 ~/.ros/fast_lio2_mid360.yaml:

common:lidar_type:1# 1=Livoxtime_sync_en:falseimu_en:truescan_pub_en:truelidar:lidar_cov:0.03# 激光雷达噪声blind:0.5# 盲点距离(m)imu:gyr_cov:0.1# 陀螺仪噪声acc_cov:0.1# 加速度计噪声b_gyr_cov:0.0001# 偏差协方差b_acc_cov:0.0001mapping:res_mean_size:0.05# 体素大小cube_len:200# 地图范围max_cov:100.0min_cov:0.001

5.1.3 启动命令

# 启动MID360驱动 ros2 launch livox_ros2_driver livox_ros2_driver.launch.py # 启动Fast-LIO2（新终端） ros2 run fast_lio2 fastlio2_node --ros-args \ -p config_file:=~/.ros/fast_lio2_mid360.yaml # 验证输出（第三个终端） ros2 topic hz /fastlio2/odometry # 预期: 100Hz

5.2 路径规划模块

5.2.1 A*算法实现核心

// src/path_planner.cpp#include<rclcpp/rclcpp.hpp>#include<nav_msgs/msg/path.hpp>#include<sensor_msgs/msg/point_cloud2.hpp>#include<queue>#include<map>classPathPlanner:public rclcpp::Node{public:PathPlanner():Node("path_planner"){// 初始化订阅和发布 cloud_sub_ =this->create_subscription<sensor_msgs::msg::PointCloud2>("/fastlio2/cloud_registered",10, std::bind(&PathPlanner::cloud_callback,this, std::placeholders::_1)); path_pub_ =this->create_publisher<nav_msgs::msg::Path>("/planned_path",10);} nav_msgs::msg::Path plan_path(const geometry_msgs::msg::Point& start,const geometry_msgs::msg::Point& goal ){// A*算法实现 std::priority_queue<Node> open_set; std::map<std::string, Node> closed_set;// ... 完整的A*实现 ...return path;}private: rclcpp::Subscription<sensor_msgs::msg::PointCloud2>::SharedPtr cloud_sub_; rclcpp::Publisher<nav_msgs::msg::Path>::SharedPtr path_pub_;voidcloud_callback(const sensor_msgs::msg::PointCloud2::SharedPtr msg){// 更新占用网格}};

5.2.2 启动配置

# launch/path_planning.launch.pyimport os from launch import LaunchDescription from launch_ros.actions import Node defgenerate_launch_description():return LaunchDescription([ Node( package='uav_autonomous_flight', executable='path_planner', name='path_planner', parameters=[{'planning_rate':1.0,'goal_tolerance':0.1,'grid_resolution':0.2,}], output='screen'),])

5.3 避障模块

5.3.1 势场法避障

// src/local_planner.cpp - 关键部分voidLocalPlanner::compute_avoidance_velocity(){// 1. 提取障碍物 std::vector<geometry_msgs::msg::Point> obstacles =extract_obstacles(latest_cloud_);// 2. 计算排斥力double force_x =0.0, force_y =0.0;for(constauto& obs : obstacles){double dist = std::hypot(obs.x, obs.y);if(dist < COLLISION_THRESHOLD){double repulsion =(COLLISION_THRESHOLD - dist)/ COLLISION_THRESHOLD; force_x -= repulsion * std::cos(std::atan2(obs.y, obs.x)); force_y -= repulsion * std::sin(std::atan2(obs.y, obs.x));}}// 3. 输出避障速度 geometry_msgs::msg::Twist cmd_vel; cmd_vel.linear.x = force_x; cmd_vel.linear.y = force_y; cmd_vel_pub_->publish(cmd_vel);}

六、系统集成

6.1 完整启动脚本

#!/bin/bash# launch_autonomous_flight.shsource ~/uav_ws/install/setup.bash echo"Starting UAV Autonomous Flight System..."# 终端1: MID360驱动 gnome-terminal -- bash -c \"ros2 launch livox_ros2_driver livox_ros2_driver.launch.py; bash"&sleep2# 终端2: Fast-LIO2 gnome-terminal -- bash -c \"ros2 launch fast_lio2 mid360_config.launch.py; bash"&sleep3# 终端3: MAVROS (PX4通信) gnome-terminal -- bash -c \"ros2 launch mavros apm.launch fcu_url:=/dev/ttyTHS1:921600; bash"&sleep2# 终端4: 路径规划和避障 gnome-terminal -- bash -c \"ros2 launch uav_autonomous_flight autonomous_flight.launch.py; bash"&# 终端5: RViz可视化 gnome-terminal -- bash -c \"rviz2 -d $(ros2 pkg prefix uav_autonomous_flight)/rviz/config.rviz; bash"&echo"All modules started!"

6.2 系统健康检查

#!/bin/bash# check_system.shecho"=== UAV System Health Check ==="# 检查节点echo"[1] Active Nodes:" ros2 node list |tail -10 # 检查话题echo"[2] Key Topics:"echo" - SLAM: $(ros2 topic hz /fastlio2/odometry 2>/dev/null |head -1)"echo" - LiDAR: $(ros2 topic hz /livox/lidar 2>/dev/null |head -1)"# 检查系统资源echo"[3] System Resources:"free -h |grep Mem nvidia-smi --query-gpu=memory.used,memory.total --format=csv,nounits # 检查PX4状态echo"[4] PX4 Status:" ros2 topic echo /mavros/state -n 1|grep mode echo"=== Check Complete ==="

七、常见问题

问题1: Fast-LIO2运行缓慢（频率不稳定）

症状: ros2 topic hz /fastlio2/odometry 显示频率波动大

原因:

• Orin NX CPU负载过高
• ROS 2中间件配置不优化

解决方案:

# 1. 启用最高性能模式sudo nvpmodel -m 0sudo jetson_clocks # 2. 使用高效的DDS实现exportRMW_IMPLEMENTATION=rmw_cyclonedds_cpp # 3. 关闭不必要的发布# 在fast_lio2配置文件中:# feat_pub_en: false# dense_publish_en: false

问题2: MID360无法连接

症状: lsusb 看不到MID360设备

解决方案:

# 1. 检查USB设备 lsusb |grep -i livox # 2. 检查USB权限sudousermod -a -G dialout $USER newgrp dialout # 3. 重新插拔设备# 检查udev规则ls /etc/udev/rules.d/ |grep -i livox # 4. 测试连接 ros2 launch livox_ros2_driver livox_ros2_driver.launch.py 

问题3: PX4通信失败

症状: MAVROS无法连接PX4

原因: 波特率设置不匹配或权限问题

解决方案:

# 1. 验证波特率 stty -F /dev/ttyTHS1 921600# 2. 检查UART权限ls -l /dev/ttyTHS1 # 3. 在QGroundControl中验证PX4波特率设置# 应设为921600 bps# 4. 测试连接 ros2 launch mavros apm.launch fcu_url:=/dev/ttyTHS1:921600 

问题4: 内存泄漏导致系统崩溃

症状: 运行时间越长，可用内存越少

解决方案:

# 1. 减少点云缓冲# fast_lio2配置中: cube_len: 100# 从200改为100# 2. 优化ROS 2 QoS# 创建qos_config.yaml并在launch中引用# 3. 定期监控watch -n 1'free -h'

八、参考资源

8.1 官方文档

8.2 推荐论文

1. Fast-LIO2: “Fast Direct LIO SAM”
   • 关键贡献: 紧耦合的SLAM系统，无需预扫描
2. 路径规划: “Optimal RRT-based Motion Planning”
   • 关键贡献: 高效的采样算法
3. 避障: “Obstacle Avoidance using Artificial Potential Fields”
   • 关键贡献: 实时避障方法

如果本文对你有帮助，请点个👍和⭐吧！有任何问题欢迎在评论区提问。

声明: 本文仅供学习和研究使用。实际部署请确保遵守相关法律法规和安全规范。