Gmapping，Hector，Karto，Cartographer算法的对比

Gmapping：使用最广泛的建图算法（刚学习ROS的使用者挺多的）

作为2D激光雷达SLAM的里程碑，它基本上是ROS最早的建图算法。

优点：资料多，网上很多对Gmapping源码的分析，对于SLAM新手方便学习。

缺点：比较老的算法，是基于滤波器的，因为滤波器就相当于撒一堆粒子进行判断，所以会出现收敛过慢和粒子退化问题。

并且严重依赖里程计，因为它是根据里程计的运动来构建地图的。

无回环，对于大的地图回廊容易无法形成一个完整的回路

对于大地图特别占内存，因为gmapping给每一个粒子都携带了一份地图，所以会特别占内存。

但是不可否认的是 Gmapping在SLAM里还是很重要的，源码也有很多大佬进行了分析，很适合用来入门SLAM。

Hector：基于优化的算法

优点：不需要里程计（有前提）

可以使用在空中或不平坦的地方

因为该算法的初衷就是在一些地震后的灾区进行重建

缺点：需要高频率的激光雷达（40HZ以上）

不过博主使用过10HZ的雷达在小范围建图 会一直提示雷达频率不达标 但是也能实现建图。

也没有回环检测 这点和Gmapping一样

Karto：基于图优化的算法 比较新

优点：有回环检测 对于大的回廊可以实现回环匹配。

不会出现基于滤波器的粒子耗散的问题，也不会出现像gmapping的内存占用的问题

缺点：

代码耦合度很高 很难分析

其他博主暂未发现

Cartographer:谷歌的建图算法 也是图优化的算法

优点：很牛逼 谷歌开源算法 基本上Karto的优点全都有 这也是全网很多大佬的推荐

缺点：代码量很大 比较难进行分析

使用起来基本上需要桌面级CPU和4G以上的内存才跑得动

特别难安装