安装abseil
cd ~/3rdparty
git clone https://github.com/abseil/abseil-cpp.git
cd abseil-cpp
git checkout d902eb869bcfacc1bad14933ed9af4bed006d481
mkdir build
cd build
cmake -G Ninja \
-DCMAKE_BUILD_TYPE=Release \
-DCMAKE_POSITION_INDEPENDENT_CODE=ON \
-DCMAKE_INSTALL_PREFIX=/usr/local/stow/absl \
..
ninja
sudo ninja install
cd /usr/local/stow
sudo stow absl
protobuf:依据个人情况是否安装proto3. (如果已经安装完ros,就不要在执行这条命名,因为ros里面已经安装了，不然会冲突
参考：
ubuntu18.04 源码安装cartorgrapher详细步骤(2021.5.16亲测有效)_大葱聪的博客-CSDN博客
Cartographer算法安装与仿真经历（ubuntu18.04）_cartographer小鱼安装_秋…雨的博客-CSDN博客
-------------------------------20230614-------雷达配置使用-----------------------------------------------------------
用于启动cartographer_node
cd src/cartographer_ros/cartographer_ros/launch然后创建这个launch文件
<launch>
<param name="/use_sim_time" value="false" />
<node name="cartographer_node" pkg="cartographer_ros"
type="cartographer_node" args="
-configuration_directory $(find cartographer_ros)/configuration_files
-configuration_basename rs16_lidar.lua"
output="screen">
<remap from="scan" to="/scan" />
</node>
<node pkg="tf" type="static_transform_publisher" name="base_to_laser" args="0.0 0.0 0.45 0 0.0 0.0 map rslidar 100" />
<node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"
type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
<node name="rviz" pkg="rviz" type="rviz" required="true"
args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />
</launch>
其中configuration_directory和configuration_basename表示的是.lua文件的目录和名字。.lua文件在cartographer运行的时候需要读取其中的参数。
node pkg="tf"是表示小车底盘坐标系和世界坐标系之间的关系。
node name="cartographer_occupancy_grid_node"通过运行cartographer_ros下的cartographer_occupancy_grid_node这个节点，Cartographer将根据之前建立的地图和轨迹数据，生成一个占用栅格地图，并在ROS中发布该地图。分辨率为0.05。
最后这个节点，将启动rviz可视化工具，并加载指定的配置文件
demo_2d.rviz。该配置文件将显示Cartographer生成的地图、轨迹和其他传感器数据，以便进行可视化和调试。
.lua文件配置
cd src/cartographer_ros/cartographer_ros/configuration_files
include "map_builder.lua"
include "trajectory_builder.lua"
options = {
map_builder = MAP_BUILDER,
trajectory_builder = TRAJECTORY_BUILDER,
map_frame = "map",
tracking_frame = "rslidar",
published_frame = "rslidar",
odom_frame = "odom",
provide_odom_frame = false,
publish_frame_projected_to_2d = false,
use_pose_extrapolator = on,
use_odometry = false,
use_nav_sat = false,
use_landmarks = false,
num_laser_scans = 1,
num_multi_echo_laser_scans = 0,
num_subdivisions_per_laser_scan = 1,
num_point_clouds = 0,
lookup_transform_timeout_sec = 0.2,
submap_publish_period_sec = 0.3,
pose_publish_period_sec = 5e-3,
trajectory_publish_period_sec = 30e-3,
rangefinder_sampling_ratio = 1.,
odometry_sampling_ratio = 1.,
fixed_frame_pose_sampling_ratio = 1.,
imu_sampling_ratio = 1.,
landmarks_sampling_ratio = 1.,
}
MAP_BUILDER.use_trajectory_builder_2d = true
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 2
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 10
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 90
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 8.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1
POSE_GRAPH.optimization_problem.huber_scale = 1e2
POSE_GRAPH.optimize_every_n_nodes = 35
POSE_GRAPH.constraint_builder.min_score = 0.65
return options
首先包含
map_builder.lua和trajectory_builder.lua文件中的配置
map_frame：设置地图坐标系的名称为"map"。
tracking_frame：设置跟踪帧的名称为"rslidar"。
published_frame：设置发布帧的名称为"rslidar"。
odom_frame：设置里程计坐标系的名称为"odom"。
provide_odom_frame：设置是否提供里程计坐标系为false，表示不提供。
publish_frame_projected_to_2d：设置是否发布经过2D投影的帧为false。
use_pose_extrapolator：设置是否使用姿态外推器为on。
use_odometry、use_nav_sat和use_landmarks：设置是否使用里程计、卫星导航和地标的数据为false。num_laser_scans = 1：雷达的个数
创建pointcloud_to_laserscan
cd src
git clone https://github.com/BluewhaleRobot/pointcloud_to_laserscan.git
cd xxx_ws
catkin_make
cd src/pointcloud_to_laserscan/launch<?xml version="1.0"?>
<launch>
<!-- run pointcloud_to_laserscan node -->
<node pkg="pointcloud_to_laserscan" type="pointcloud_to_laserscan_node" name="pointcloud_to_laserscan">
<remap from="cloud_in" to="/rslidar_points"/>
<rosparam>
# target_frame: rslidar # Leave disabled to output scan in pointcloud frame
transform_tolerance: 0.01
min_height: -0.4
max_height: 1.0
angle_min: -3.1415926 # -M_PI
angle_max: 3.1415926 # M_PI
angle_increment: 0.003 # 0.17degree
scan_time: 0.1
range_min: 0.2
range_max: 100
use_inf: true
inf_epsilon: 1.0
# Concurrency level, affects number of pointclouds queued for processing and number of threads used
# 0 : Detect number of cores
# 1 : Single threaded
# 2->inf : Parallelism level
concurrency_level: 1
</rosparam>
</node>
</launch>
参考：RoboSense（速腾）16线激光雷达数据进行cartographer建图的实践历程_%zoe%的博客-CSDN博客
------------------------------------------20230629----------------------------------------------
用自己的雷达跑cartographer
0 这里使用这个项目
首先创建一个工作空间并且catkin_make
然后把这个项目复制到src中，然后使用Vscode的Ctrl+Shift+B编译即可
（注：打开vscode的json文件可以看到编译使用的语句是："catkin_make_isolated --install --use-ninja"）
1 配置urdf文件，用于确定好安装的雷达和IMU之间的空间位姿关系（如果不使用imu就可以不配置urdf，使用imu建图更精准）
关于urdf文件，要么商家给你了，要么就只有自己量。
2 配置参数.lua文件
这一步则需要配置一下cartographer的TF树。这里的修改主要涉及到cartographer_ros/cartographer_ros/configuration_files下的lua文件中的几个参数：
map_frame = "map", -- 默认即可
-- 如果没有imu，下面两个frame可以都修改为雷达的坐标系，通常为laser
-- 如果有imu需要将 tracking_frame 更改为imu的frame_id
tracking_frame = "base_link", -- 一般为发布频率最高的传感器的 frame_id，有imu就用imu，不然就是雷达的frameid
published_frame = "base_link", -- 底盘的 frame_id
odom_frame = "odom", -- cartographer提供的里程计坐标系 frame_id 【与实际里程计无关】
provide_odom_frame = false, -- 是否使用cartographer提供的里程计坐标系
num_laser_scans = 1,
如何查看frameid：（frame_id：用来告诉你，发布的数据是来自哪一个坐标系的。）
激光雷达简介与激光数据分析_雷达的frameid是什么_wongHome的博客-CSDN博客
# rostopic echo [topic] | grep frame_id
# 查看我的imu话题的frame_id
rostopic echo /wit/imu | grep frame_id
# 查看雷达点云数据的frame_id
rostopic echo /point_cloud_raw | grep frame_id我们还可以借助rviz，看看base_link坐标系下有没有对应的imu数据。如下图中，需要将Fixed frame修改为frame_id，同时需要添加一个Imu组件并选择对应的话题。如果一切正确，就可以看见如图一个箭头，箭头也会对应偏移(主要是体现在姿态角的变化)。
tracking_frame一般设置为发布频率最高的传感器的frame_id，cartographer将会把其他数据都转移到该坐标系下进行计算。如果只使用雷达数据进行2D建图，那就只需要将其设置为雷达数据话题的frame_id，一般为laser。如果使用雷达数据+IMU进行2D或者3D建图，因为IMU的发布频率明显高于雷达，所以需要设置为imu数据话题的frame_id，一般imu_link。我使用的Pixhawk飞控的imu的frame_id为base_link，故设置为base_link。
3 launch文件
1）调用对应的配置文件 2）配置发布imu数据和雷达数据的话题
参考：Cartographer 3D实时建图教程(超详细) - 镭神C16 + IMU （一） - 知乎
---------------------------------------------wit imu配合cartographer----------------------------------------
2981
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
