FAST-LIO2的在线外参标定：为何不需要精确手工测量

FAST-LIO2的一个实用特性，是将激光雷达与IMU之间的外参纳入状态向量进行在线估计。这意味着用户在部署系统时，不再需要预先通过专用标定工具获得精确的外参值，手工测量的粗略数值也足够让系统启动并逐渐收敛到正确值。这项设计显著降低了FAST-LIO2的部署门槛，也使系统在不同平台间移植时更加便利。

一、背景：为何外参标定是LIO系统的痛点

在激光雷达-惯性里程计系统中，外参描述了激光雷达坐标系与IMU坐标系之间的相对位姿关系（即旋转R和平移t）。这个关系是必需的：补偿运动畸变时，需要将每个雷达点转换到IMU坐标系；关联点云到全局地图时，同样需要经过这一转换。

传统做法是离线标定——将设备固定，利用棋盘格、AprilTag等特定目标物采集数据，求解相对位姿。这类方法精度较高，但存在明显局限：需要专门的标定场地和工具；手工测量只能得到近似值，毫米级的安装误差和不可忽略的角度偏差会直接影响定位精度；不同传感器的安装位置不同，在工装设计不统一的平台上，重复标定消耗大量时间；对于消费级设备或现场部署场景，难以找到专门的标定条件。

二、在线外参标定的基本原理

FAST-LIO2的方法是将外参直接加入状态变量，与位姿、速度、IMU偏置等一起在滤波器中实时优化。

状态量的定义如下：

x = (R, p, v, b_ω, b_a, R_{L→I}, p_{L→I})

其中R_{L→I}和p_{L→I}是激光雷达到IMU的旋转外参和平移外参。状态量共24维（部分框架为18维，外参单独处理）。状态量将在每次IEKF迭代中更新，随定位过程同步优化。

点云与地图匹配的残差为z = n^T (R_I · (R_LI · p_L + t_LI) + p_I — q)，其中n为法向量，p_L为雷达点，q为平面上一点。残差对外参的雅可比矩阵通过链式法则推导，在迭代更新中引导外参向正确方向调整。

关于公式的详细推导，可参考论文附录及系列前一篇文章对观测雅可比的分析。

三、在线标定与离线方法对比

FAST-LIO2的方法特别适合缺少专业标定设备的用户快速上手部署测试，但实际应用中需要注意在线标定的以下局限。

四、工程使用指南

4.1 基本步骤

第一步：获取外参粗略近似值

FAST-LIO2不需要精确外参作为初值，但不能完全为零。对于旋转，通常初始化为单位矩阵[1,0,0,0,1,0,0,0,1]，表示两坐标系轴向对齐，假设IMU与雷达的姿态基本一致。若激光雷达与IMU安装不平行（如雷达向左倾斜30°），需按实际硬件图纸设置粗略旋转。

对于平移，手工测量即可。用直尺测量雷达中心到IMU中心的三轴距离，单位毫米，填入extrinsic_T。对于Livox Avia配合典型IMU的情况，参考值约为[0.04165, 0.02326, -0.0284]。

第二步：启用在线估计

在配置yaml中设置：

text

extrinsic_est_en: true

extrinsic_T: [测量值X, 测量值Y, 测量值Z]

extrinsic_R: [1, 0, 0, 0, 1, 0, 0, 0, 1]  # 或依据手测角度设置

在线估计需充分运动激励才能收敛（见下文分析）。

第三步：运行与验证

录制几组数据，比较extrinsic_est_en: true和false两种模式下建图的一致性。若建图长期稳定无漂移，则表明外参已正确收敛。

通过rviz可视化可直观评估。理想情况下，原始点云补偿后应与全局地图几何对齐，无明显错层或重影。

4.2 收敛条件

在线外参标定依赖充分运动激励才能准确收敛。官方建议明确提到：推荐在外参已知时将extrinsic_est_en设为false，因为在线标定需要大量的激励（much excitations）才能收敛。

所谓“充分激励”，包括充分的旋转（覆盖各轴方向）和充分的平移变化，使外参旋转部分和平移部分都可观。长期直线运动或完全静止时，外参几乎不更新。建议在系统启动后做几组左右旋转、前后平移的动作，帮助外参快速收敛。

4.3 时间同步问题

在线标定或在线外参优化需要传感器数据在时间上精确对齐。若雷达时间戳与IMU时间戳存在固定的常值偏差（时间偏移），该偏差会折合到外参估计中，导致平移和旋转同时产生系统性偏差。

FAST-LIO中可配置time_sync_en和time_offset_lidar_to_imu来处理偏移，但外参与时间偏移并不完全解耦。因此，用户至少应保证：

• 雷达和IMU使用同一系统时钟源（均以ROS时间为基准，或通过硬件同步触发）。

• 若时间偏移较大，优先通过驱动或硬件调整为接近0.00秒，再启用在线外参标定。

4.4 已知结论

在FAST-LIO系列中，平移外参的精确度对最终定位精度影响相对有限，而旋转外参影响更为显著。原因是平移误差可通过里程计的其他状态部分吸收，旋转误差则会直接导致点云投影到全局地图时产生系统性形变。在线标定旋转外参比标定平移外参更重要，收敛也更快。

若外参初始值偏差过大，尤其在旋转角度误差超过数度时，滤波器可能陷入局部最优，收敛到错误值。此时应先用手工测量或其他近似方法提供一个更接近真实值的初值。实机调试时，可开启extrinsic_est_en实时观察外参变化，确认其是否逐渐稳定。

五、注意事项

• 初始值不能完全为零：虽然FAST-LIO2能够从粗略初始值收敛，但完全没有初始估计时收敛时间会显著延长，还可能发散。

• 平移外参精度要求不高：手工测量误差在几厘米内的平移初始值不影响最终精度，旋转外参才是主要影响因素。

• 先手工测量或近似，后由在线优化微调：先设定粗略初值，运行系统观察收敛情况。若发现建图漂移，暂停运动待系统稳定，重新检查数据。

• 外参收敛后建议关闭在线标定功能：将extrinsic_est_en设为false，固定外参以节省计算资源。

• 不同雷达平台的初始参考值：可查阅FAST-LIO官方配置示例获取针对各型雷达的手册推荐值。

• 开源工具辅助：Livox官方提供LI_Init工具，专用于固态雷达的离线标定，可提供更精确的初值。

六、总结

FAST-LIO2的在线外参标定功能允许用户在缺少精确先验信息的情况下启动系统，并在运行过程中逐步优化外参。这项设计显著降低了LIO系统的部署难度，尤其适合固态雷达和快速原型场景。离线标定追求的是可复现的精密基准，而FAST-LIO2的在线标定解决的是工程现场快速适配的现实需求——两者各有适用场景，不矛盾。

参考资料

• FAST-LIO2论文：Xu, Wei, et al. "FAST-LIO2: Fast Direct LiDAR-inertial Odometry." IEEE Transactions on Robotics, 2022.

• 官方GitHub：https://github.com/hku-mars/FAST_LIO2

• 配置参数详解：https://blog.csdn.net/m0_55260921/article/details/151315696

• LI_Init工具：https://github.com/Livox-SDK/LI_Init

• 雅可比推导细节：本系列前一篇“从零推导FAST-LIO的观测雅可比”