ROS实验笔记之——基于cartographer方法的SLAM

之前做的2D LiDAR的实验中，大多采用gmapping，本博文试试采用cartographer。对于cartographer方法，相比起gmapping，其多了IMU以及回环检测。有了回环检测后，可以避免odom的累积误差，故此，较为适合用于大面积地图的构建。

cartographer采用的是主流的SLAM框架，也就是特征提取、闭环检测、后端优化的三段式。由一定数量的LaserScan组成一个submap子图，一系列的submap子图构成了全局地图。用LaserScan构建submap的短时间过程累计误差不大，但是用submap构建全局地图的长时间过程就会存在很大的累计误差，所以需要利用闭环检测来修正这些submap的位置，闭环检测的基本单元是submap，闭环检测采用scan_match策略。cartographer的重点内容就是融合多传感器数据（odometry、IMU、LaserScan等）的submap子图创建以及用于闭环检测的scan_match策略的实现。

目录

Cartographer的配置

实验

参考资料

---

Cartographer的配置

首先安装依赖包

sudo apt-get install ros-melodic-cartographer*

然后对于运行的SLAM launch加入参数指定SLAM方法即可

roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=cartographer

直接运行仿真时会报错（https://blog.csdn.net/c417469898/article/details/117365197）

$ roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=cartographer

错误如下：
sensor_bridge.cc:126] Check failed: sensor_to_tracking->translation().norm() < 1e-5 The IMU frame must be colocated with the tracking frame. Transforming linear acceleration into the tracking frame will otherwise be imprecise.

这是gazebo_ros_imu的一个bug

解决方法1

运行slam时候，添加参数指定仿真用配置文件

configuration_basename:=turtlebot3_lds_2d_gazebo.lua

roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=cartographer configuration_basename:=turtlebot3_lds_2d_gazebo.lua

运行键盘

roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch

实验

接下来看看实验的效果以及跟gmapping的对比：对于他们两者，一个是基于图优化框架的SLAM，一个基于滤波框架的SLAM（gmapping）。

 

 

 从上图可以看出。对于但机器人而言，gmapping与Cartographer好像差别并不是很大。但是对于multi robot map merge而言，就差别比较大了。类似的设置，类似的距离下，多机器人地图融合若采用Cartographer，其建图的效果会很差。但是理论上，map merge这个包仅仅是把栅格地图作为输入，不应该受到SLAM方法的影响吖~~~

参考资料

https://www.cnblogs.com/hiram-zhang/archive/2019/02/21/10415865.html