基于谷歌Cartographer SLAM集成机器视觉

首发：今日头条号之机器人视觉

从工程的角度来看，Google开源的SLAM真是上乘之作，当然算法及实现也是大公司级手笔，鉴于当前中文介绍较少，就把近来看的源码分析介绍出来，也许能给某些人以方便。

这篇文章里，仅从ROS及Cartographer SLAM本身的调用流程讲起，关于算法等细节另开文章再详加说明。

首先，编译、安装，把代码跑起来，先一探究竟，如下图所示，2D环境下的SLAM示例，其中需要注意的地方：

1）安装方法，有个库ceres-solver从Google官网上是下载不下来的，需要修改配置文件的下载链接，GitHub上有这个库的替代链接下载地址。

2）ubuntu要准备好ROS环境，本人用的是16.04下的分支，系统配置高一些，运行过程会流畅不少。

3）示例中的数据，可以对家迅雷下载，2D的SLAM近500M数据量，3D的SLAM近8G数据量，还好能很快的下载完成。

从运行结果来看，Google不愧是大家，值得高度称赞！

Cartograpther 2D SLAM示例

其次，我们来看一下Google Cartographer的源码结构，工程上真可谓是达到商业级，相对本人了解的其他几种开源的SLAM。层次清晰、结构完整、方便扩充，随后会有讲解如何在SLAM点云数据的基础之上把本人的三维机器视觉算法整体嵌入。

Cartographer源码分析之调用流程

最后，在Google Cartographer SLAM基础之上，扩充2D/3D机器视觉方案，整体来看SLAM及视觉算法不复杂，但计算量不小，这里本人使用Nvidia Jetson TK1来实现，

实时视觉方案