FAST-LIVO2项目在Ubuntu 20.04下的显卡性能优化实践

问题背景

在使用FAST-LIVO2项目进行SLAM建图时，用户在一台配置较高的X86架构笔记本上遇到了严重的系统卡顿问题。该笔记本搭载了12代Intel i7-12700H处理器和NVIDIA RTX 3050显卡，内存配置为64GB（32GB×2），存储为1.5TB（0.5TB+1TB）。尽管硬件配置强大，但在运行HIT_Graffiti_Wall_01.bag数据集时，系统在60秒后开始出现明显卡顿，300秒后甚至鼠标移动都变得困难。

问题分析

通过初步测试发现几个关键现象：

1. 调整point_filter_num参数（设置为1或3）对卡顿问题没有明显改善
2. 当屏蔽RVIZ可视化工具后，系统可以以8倍速流畅运行建图算法
3. 系统默认情况下可能没有充分利用NVIDIA显卡的硬件加速能力

这些现象表明，问题的根源在于图形处理环节，特别是RVIZ可视化工具没有正确使用独立显卡的显存资源，导致系统负载过高。

解决方案

针对这一问题，我们实施了一套完整的显卡性能优化方案：

1. 验证显卡驱动状态

首先使用nvidia-smi命令确认NVIDIA显卡驱动已正确安装并能被系统识别。这是后续所有优化步骤的基础。

2. 调整显卡性能模式

通过nvidia-settings命令调出NVIDIA显卡设置界面，将"Preferred Mode"设置为"最高性能"模式。这一设置可以确保显卡在需要时提供最大计算能力，而不是为了节能而限制性能。

3. 切换显卡工作模式

使用sudo prime-select nvidia命令将系统默认图形处理器设置为NVIDIA独立显卡。这一步骤至关重要，因为它决定了系统将使用哪块显卡来处理图形计算任务。设置完成后，可以通过sudo prime-select query命令验证切换是否成功。

4. 系统重启验证

完成上述设置后，需要重启系统使所有更改生效。重启后，在系统图形界面的"关于"选项中应该能够看到NVIDIA RTX 3050显卡的具体型号信息，这表示系统已正确识别并使用独立显卡。

效果验证

实施优化后重新运行FAST-LIVO2建图算法，观察到：

1. 系统卡顿现象完全消失
2. 随着建图时间增加，显存占用逐步上升（这是正常现象）
3. 系统整体响应流畅，包括鼠标移动等基本操作不再受影响

技术原理

这一优化方案的核心在于确保系统正确使用NVIDIA独立显卡进行图形计算。在Linux系统中，特别是Ubuntu发行版，默认情况下可能会优先使用Intel集成显卡以节省功耗。对于计算密集型的SLAM算法，特别是需要实时可视化的场景，这种默认设置会导致性能瓶颈。

通过显式选择NVIDIA显卡作为主图形处理器，我们确保了：

1. RVIZ可视化工具能够充分利用GPU加速
2. 图形计算任务不会占用宝贵的CPU资源
3. 系统能够动态管理显存使用，避免内存交换导致的性能下降

总结

对于在Ubuntu系统上运行FAST-LIVO2等SLAM算法的用户，特别是使用高性能笔记本工作站的开发者，正确配置显卡工作模式是保证系统流畅运行的关键。本文描述的优化方案不仅适用于FAST-LIVO2项目，对于其他需要GPU加速的机器人算法和可视化工具同样具有参考价值。

在实际应用中，如果遇到类似性能问题，建议按照以下步骤排查：

1. 确认显卡驱动安装正确
2. 检查当前使用的显卡模式
3. 根据需求调整性能偏好
4. 必要时强制使用高性能独立显卡

通过系统化的性能调优，可以充分发挥硬件潜力，为SLAM算法研究和开发提供稳定的高性能计算环境。