ROS小车实践记录（十三）

ROS小车gmapping建图

1. 初步介绍 Gmapping
   对于建图，SLAM,也称为 CML (Concurrent Mapping and Localization), 我们从
   名字就可以得知，其包含机器人的定位与地图的构建两部分，或者说并发建图与定
   位。对于这个问题的模型，就是如果将一个机器人放入未知环境中的未知位置，是否
   有办法让机器人一边移动一边逐步描绘出此环境完全的地图（完全的地图是指不受障
   碍行进到房间可进入的每个角落，也就是熟知地图的障碍点）。定位与建图相辅相
   成、互相影响。
   首先，构建地图要知道机器人的精确位姿，精确定位又需要给定的地图做参考。
   先讲已知精确位姿（坐标和朝向）的地图创建，机器人位置已知，通过激光雷达扫描
   到环境特征，即障碍物距离。可通过机器人坐标和朝向以及障碍物距离计算出障碍物
   的坐标，采用 bresenham 直线段扫面算法，障碍物所处的栅格标注为 occupy，机器人
   所处的栅格与障碍物所处的栅格之间画直线，直线所到之处都为 free。当然每个栅格
   并不是简单的非 0 即 1，栅格的占据可用概率表示，若某一个栅格在激光束 a 扫描下标
   识为 occupy，在激光束 b 扫描下也标识为 occupy，那该栅格的占据概率就变大，反
   之，则变小。这样，机器人所处的环境就可以通过二维栅格地图来表征。

2. Gmapping 功能包实现的前提
   1>.提供的有两个 tf，一个是 base_footprint 与 laser 之