20_系统集成评估与调优

第51章：系统集成、评估与性能调优（第52-53周）

教学目标：将Mini-LIO在真实公开数据集上运行，进行完整的精度评估和性能调优，与主流开源系统对比。

核心内容：

• 数据集选择与运行：KITTI Odometry（结构化道路，有GPS真值）、MulRan（韩国大尺度城市环境，含DCC/Riverside/KAIST序列）、NTU VIRAL（室内外多传感器——LiDAR+IMU+Camera+UWB）。下载数据集 → 编写launch文件 → 录制rosbag → 运行Mini-LIO并保存轨迹TUM格式

• EVO轨迹评估：evo_ape绝对位姿误差（APE，全局精度）、evo_rpe相对位姿误差（RPE，漂移率）、evo_traj轨迹对齐可视化。将Mini-LIO结果与LIO-SAM/FAST-LIO2/KISS-ICP在相同数据集上的公开结果对比，分析精度差距的可能原因

• 性能Profiling系统级分析：

• perf record -g ./slam_node && perf report找到CPU热点函数（通常是KNN搜索或矩阵求逆）
• valgrind --tool=callgrind ./slam_node + KCachegrind可视化调用图和逐行耗时
• Chrome tracing（JSON格式火焰图）——可视化SLAM各模块在时间轴上的耗时分布：预处理|配准|ESKF更新|地图更新|发布

• perf stat查看cache miss率、分支预测失败率、IPC（每周期指令数）

• 内存分析：valgrind --tool=massif ./slam_node + ms_print分析内存增长曲线——检测地图内存是否持续增长（应该在滑窗大小范围内稳定）。/proc/self/status中VmRSS实时监控。如果内存持续增长→检查旧关键帧是否正确释放、ikd-Tree/VoxelHashMap是否有内存泄漏

• 多线程优化：ThreadSanitizer检测数据竞争（可能的竞争点：传感器回调写入deque vs 主循环读取deque、地图更新 vs 可视化发布）。htop观察CPU核心利用率——如果4核CPU只有1核100%说明并行度不足，需要在瓶颈函数上添加TBB/OpenMP并行

• 参数调优：降采样分辨率（0.1→0.2→0.5m，精度vs速度权衡）、ICP最大迭代次数（10→30→100，收敛质量vs帧率）、关键帧选择阈值（移动距离/旋转角度，地图密度vs内存使用）、局部地图范围（20→50→100m，匹配质量vs搜索开销）

• Jetson部署考量（可选进阶）：交叉编译设置、功耗模式选择（15W节能vs30W性能vs MAXN最大算力）、CUDA加速收益评估（用fast_gicp GPU版替代CPU版ICP的帧率提升）、实时性验证（确保每帧处理时间<100ms即10Hz LiDAR要求）

---