第一讲【ROS-SLAM】2D激光雷达 cartographer构建地图

最新推荐文章于 2024-05-01 22:56:07 发布
最新推荐文章于 2024-05-01 22:56:07 发布
阅读量8.9k 收藏 223
点赞数 20
分类专栏： SLAM算法 文章标签： linux SLAM Cartographer SLAM ROS 建图导航 自主避障 路径规划 SLAM 机器人 ROS SLAM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wesigj/article/details/107321591
版权

系列文章目录

第一讲【ROS-SLAM】2D激光雷达 cartographer构建地图

第二讲 【cartographer】Ubuntu16.04 kinetic 最新版cartographer安装（2020/11/4更新）

第三讲 【cartographer】 添加功能以从RVIZ为纯本地化模式设置初始姿势

第四讲 【cartographer】纯定位 纯本地化 pure_localization

第五讲【cartographer】在仿真环境中 建图 纯定位

第六讲【cartographer】纯定位参数优化（初级篇）

文章目录

前言

Cartographer，是Google开源的一个ROS系统支持的2D和3D SLAM（simultaneous localization and mapping）库。
SLAM 算法结合来自多个传感器（比如，LIDAR、IMU 和 摄像头）的数据，同步计算传感器的位置并绘制传感器周围的环境。例如，使用该方法绘制住室的平面图：
拿着一台激光测距机站在房屋中央，在纸上画一 X ；
测量你所在位置到任一墙面的距离；
在墙面所在位置画一条线，并写下 X（你所在位置）与墙面之间的距离；
测量你所在位置到另一墙面的距离并画出代表墙面的直线；
现在，移动到房屋的另一位置；
因为墙面不会移动，你可以测量到上述两个墙面的距离，从而测定你的位置；
在这里插入图片描述
SLAM 是众多自动驾驶平台的重要组件，比如自动驾驶汽车、仓库中的自动叉车、扫地机器人、UAVs 等。
在产业界和学术界常见的传感器配置上，Cartographer 能实时建立全局一致的地图。
在这里插入图片描述

一、cartographer

1.cartographer安装

- ROS机器人操作系统学习教程
（有钱人专用）
https://download.csdn.net/download/wesigj/12602172
（穷人专用，狗头报名）
https://github.com/sychaichangkun/ROS-Academy-for-Beginners
上面是源码包，其中cartographer_demo文件夹有cartographer的src文件，我们只需要在~目录下mkdir catkin_test，复制src文件夹到此目录中，再安装编译，即可完成。
‘’’

当然，源码包可能会过时，下面是第二种安装方法：

https://blog.csdn.net/m0_37340621/article/details/103759792

## Cartographer安装编译

教程如下：

### 1.install wstool rosdep ninja

~~~sh
apt-get update
sudo apt-get install -y python-wstool python-rosdep ninja-build
~~~
### 2.Create cartographer workspace

由于编译方式的差异,我们另建一个carto的工作空间来单独编译和运行算法.

~~~sh
mkdir  ~/catkin_carto
解压本仓库的src.zip到 ~/catkin_carto/
#安装依赖
rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y
~~~

漫长的安装后，正确安装则会出现：

All required rosdeps installed successfully

### 3.Build and install

~~~sh
catkin_make_isolated --install --use-ninja
source install_isolated/setup.bash
~~~

2. 测试cartographer是否安装成功

## 仿真xbot运行cartographer建图操作步骤

- 1.启动仿真xbot：

cd ~/catkin_ws   #~/为ROS-Academy-for-Beginners-melodic代码工作空间
source devel/setup.bash
roslaunch robot_sim_demo robot_spawn.launch

- 2.启动Cartographer

cd ~/catkin_carto #~/catkin_carto为Cartographer代码工作空间
source install_isolated/setup.bash
roslaunch cartographer_ros cartographer_demo.launch

- 3.启动机器人控制代码，控制建图

cd ~/catkin_ws   #~/为ROS-Academy-for-Beginners-melodic代码工作空间
source devel/setup.bash
rosrun robot_sim_demo robot_keyboard_teleop.py

3.运行bag包

下载bag包
https://google-cartographer-ros.readthedocs.io/en/latest/data.html#d-cartographer-backpack-deutsches-museum

https://www.ncnynl.com/archives/201810/2783.html

测试bag包

**roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=**

后面添加bag包的文件地址，也可以直接将bag包拖过来喔

4.保存地图

使用bag包时，保存地图

rosrun map_server map_saver [-f mapname]

示例

rosrun map_server map_saver -f mymap

通常使用第二种方法保存地图
cartographer，手持激光雷达保存地图

＃ rosservice call /finish_trajectory 0　	//停止接受传感器数据

＃ rosservice call /write_state  /home/路径/***.pbstream		//生成pbstream文件

＃ roslaunch cartographer_ros assets_writer_ros_map.launch bag_filenames:=${HOME}/Downloads/2020-04-29-11-25-22.bag pose_graph_filename:=${HOME}/Downloads/2020-04-29-11-25-22.bag.pbstream

!](https://img-blog.csdnimg.cn/20200713195456875.png)

上图是我用雷达搞出来的第一张地图，泪目，蕾姆

5.测试激光雷达，致敬我们那年所遇到的坑

首先，激光雷达我们需要对它进行测试，确保能正常工作。 不同激光雷达有不同的测试方法，我只说 **坑** 你一定会遇到编译不了情况，因为有些msgs文件需要提前编译成头文件
  1. 权限
    chmod +x src/pavo_ros/cfg/pavo.cfg
  2. 编译
    catkin_make
    或catkin_make +…
  3. 添加环境
    source devel/setup.bash
  4. 文档
    roslaunch pavo_ros pavo_scan_view.launch
  5. 本地IP
    10.10.10.100，子网掩码
  6. 修改参数配置
    这部分坑了我一个上下午，我太难了
    在这里插入图片描述

6.激光雷达参数

6.配置雷达参数
  打开pavo_ros/launch/pavo_scan.launch或pavo_ros/launch/pavo_pcd.launch文件，进行参数配置
  参数说明：
  1.enable_motor 使雷达电机转动或停止，false表示使其停止，true表示使其转动
  2.method 使用的去除雷达拖尾的方法，取值范围为0,1,2,3；0表示不去除拖尾，1表示适中方式，2表示较强去除，3表示强烈去除.default=0.
  3.frame_id 雷达id，default=laser_frame
  4.scan_topic 雷达的topic名称，default=scan
  5.angle_min 最小角度，单位度，取值范围 [-135,135],default=-135,即-135度
  6.angle_max 最大角度，单位度，取值范围 [-135,135],default=135，即135度
  7.range_min 最小距离，单位米，default=0.10
  8.range_max 最大距离，单位米，default=50.0
  9.inverted 是否设置翻转，取值范围true，false . default=false
  10.motor_speed 雷达转速，单位Hz，取值范围为10,15,20,25,30.default=15Hz
  11.merge_coef 多点合并，取值范围为1,2,4,8.default=2，即2点合并为1点
  12.host_ip 主机ip，默认为10.10.10.100.所要绑定的网卡IP地址，即通过PavoView设置的雷达目标上位机地址
  13.host_port 所要绑定的主机端口号，默认为2368.
  14.lidar_ip 所要连接的雷达IP地址，即通过PavoView设置的雷达IP地址，默认为10.10.10.101.
  15.lidar_port 所要连接的雷达端口号，默认为2368.
  16.switch_active_mode 自2.0.0版本开始,不用再设置主机的IP和port.若使用之前版本的雷达，需将此value设为true，并为host_ip和host_port赋值

是真的不多，和善的眼光

三个重要的重要参数

 1. frame_id 雷达id，default=laser_frame
 2. scan_topic 雷达的topic名称，default=scan
 3. remap from="/PavoScanNode/scan" to="/scan" /

网络上很多文章都有，但是我还是在这卡了半天。其实就改这几个就能直接使用雷达画地图了。

demo_revo_lds.launch

<launch>
  <param name="/use_sim_time" value="true" />

  <node name="cartographer_node" pkg="cartographer_ros"
      type="cartographer_node" args="
          -configuration_directory $(find cartographer_ros)/configuration_files
          -configuration_basename revo_lds.lua"
      output="screen">
    <remap from="scan" to="scan" />
  </node>

  <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>

revo_lds.lua

include "map_builder.lua"
include "trajectory_builder.lua"

options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "laser_frame",
  published_frame = "laser_frame",
  odom_frame = "odom",
  provide_odom_frame = true,
  publish_frame_projected_to_2d = false,
  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.submaps.num_range_data = 35
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

pavo_scan.launch

<launch>
  <arg name="enable_motor"   default="true"/>
  <arg name="method"         default="0"/><!--设置使用的去除拖尾的方法，取值范围0,1,2,3;0表示不去除拖尾，1表示适中方式，2表示较强去除，3表示强烈去除，默认不开启去除拖尾-->

  <node name="PavoScanNode"    pkg="pavo_ros"  type="pavo_scan_node"  output="screen">
  <remap from="/PavoScanNode/scan" to="/scan" />
    <param name="frame_id"     type="string"   value="laser_frame"/><!--配置frame_id-->
    <param name="scan_topic"   type="string"   value="scan" /><!--设置激光雷达的topic名称--> 
    <param name="angle_min"    type="double"   value="-135.00" /><!--设置最小角度，单位度.取值范围[-135,135].default=-135.0-->
    <param name="angle_max"    type="double"   value="135.00"/><!--设置最大角度，单位度.取值范围[-135,135].default=135.0-->
    <param name="range_min"    type="double"   value="0.10" /><!--设置最小距离，单位米，default=0.10-->
    <param name="range_max"    type="double"   value="50.0" /><!--设置最大距离，单位米，default=20-->
    <param name="inverted"     type="bool"     value="false"/><!--配置雷达是否倒装，倒装true，正装false-->
    <param name="enable_motor" type="bool"     value="$(arg enable_motor)"/><!--设置雷达启动和停止,启动true，停止false-->
    <param name="motor_speed"  type="int"      value="15" /><!--可配10,15,20,25,30Hz,default=15Hz-->
    <param name="merge_coef"   type="int"      value="2" /><!--可配1,2,4,8点合并,default=2，即两点合并为一点-->
    <param name="lidar_ip"     type="string"   value="10.10.10.101" /><!--所要连接的雷达IP地址，即通过PavoView设置的雷达IP地址-->
    <param name="lidar_port"   type="int"      value="2368" /><!--雷达ip默认为10.10.10.101，端口号默认为2368-->
    <param name="method"       type="int"      value="$(arg method)" />
    <param name="switch_active_mode"   type="bool"  value="false"/><!--自2.0.0版本开始,不用再设置主机的IP和port.若使用之前版本，需将此value设为true；并为host_ip和host_port赋值-->
    <!--param name="host_ip"      type="string"   value="10.10.10.100" /--><!--所要绑定的网卡IP地址，即通过PavoView设置的雷达目标上位机地址-->
    <!--param name="host_port"    type="int"      value="2368" /--><!--所要绑定的端口-->
  </node>
</launch>

二、你问我都做了啥

你猜
好了不皮了，和善的眼神

1.修改雷达的发布话题

**第一个参数** 
remap from="scan" to="scan" /
remap from="/PavoScanNode/scan" to="/scan" /

保证同时两个文件都重映射到scan
坑来了
这个/PavoScanNode/scan怎么来的呢？
其实，当我开启雷达的时候，只需要使用一个rostopic list就可以看到scan的话题了。

2.读入数据

**第二个参数**

param name=“frame_id” type=“string” value=“laser_frame”/><!–配置frame_id–

我们只需要将修改下面就可以了

map_frame = "map",
tracking_frame = "laser_frame",
published_frame = "laser_frame",
odom_frame = "odom",

正常情况下，下面是符合逻辑的

a) 在只使用激光雷达的时候（tracking_frame=”laser”, publish_frame=”laser”）
b) 使用里程计+激光雷达时（tracking_frame=”base_link”, publish_frame=”odom”）
c) 使用IMU+激光+里程计时（tracking_frame=”imu_link”, publish_frame=”odom”）

我有一个梦想

话说我有一个梦想，那就是中国14亿人，每人都赏我一块钱，那样我就有14亿了。你是不是也有这样的梦想呢？但是我想让她变成现实。 Saying that I have a dream, that is, 1.4 billion people in China, each of whom rewards me a RMB, then I will have 1.4 billion RMB. Do you have such a dream? But I want her to become a reality.

总结

以上就是今天要讲的内容，本文介绍了cartographer的使用，而cartographer提供了能使我们快速便捷地SLAM建图的方法。

便捷通道：
https://github.com/cartographer-project
https://google-cartographer-ros.readthedocs.io/en/latest/

WeSiGJ
关注
  • 20
    点赞
  • 踩
  • 223
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
专栏目录
2D激光雷达局部地图SLAM
09-30
2D激光雷达局部地图构建和机器人定位，可以直接执行，亲测可行
ROS2利用cartographer算法进行激光建图
m0_73843839的博客
03-09 3693
ROS2下利用激光雷达进行SLAM建图
【SLAM】基于快速匹配算法实现2D激光雷达数据SLAM机器人路径规划附Matlab代码
m0_60703264的博客
05-01 1066
本文介绍了一种基于快速匹配算法实现2D激光雷达数据SLAM机器人路径规划的方法。该方法利用激光雷达数据构建环境地图，并使用快速匹配算法进行定位和建图。同时，本文还介绍了一种基于A*算法的路径规划方法，该方法可以根据环境地图和目标位置生成最优路径。最后，本文通过仿真实验验证了该方法的有效性。
【ROS2+slamtoolbox+nav2】实时地图构建和导航
qq_40789688的博客
02-20 1921
本文主要用于记录学习slam建图与navigation2导航的过程，区别于之前学习的在已知地图中的导航，此文记录的是未知地图中的导航。学习资源主要是小鱼的ros2教程和navigation2教程，为避免复制粘贴影响认知，部分代码中变量名称等做了改动。
ros2 humble cartographer 2D激光雷达建图
weixin_43087302的博客
07-13 3200
Cartographer是一个支持多平台和传感器配置的SLAM的系统。 本文主要讲述在ros2 humble系统上cartographer的安装方法，以及如何配置参数实现自己的ros2 bag包的离线建图。
（ROS学习笔记）激光雷达SLAM构图--by HectorSlam
Pac_KaGe的博客
10-21 1297
介绍： hector_mapping是可以在没有里程测量的情况下以及在展示（传感器，平台或两者的）俯仰/俯仰运动的平台上使用的SLAM方法。 利用现代LIDAR系统（如Hokuyo UTM-30LX）的高更新率，并以扫描速率（对于UTM-30LX为40Hz）提供2D姿态估计。 对于许多真实世界场景足够准确。 硬件环境： 1.思岚激光雷达 2. 笔记本电脑 3. Ubuntu16.04 4. R...
ROS小车研究笔记2/23/2023激光雷达建图（2）
Raine_Yang的博客
02-23 502
默认路径在/home/wheeltec/wheeltec_robot/src/turn_on_wheeltec_robot/map里。进入mapping.launch文件中，修改如图位置的default值即可切换算法。注意这里两个地址（由空格隔开），分别为要挂载的文件地址，挂载到的本机位置（一般默认选为/mnt）。保存好的地图显示和rviz中相同，黑色区域代表障碍物，白色区域代表空地。（关于激光雷达建图部分内容，可见文章http://t.csdn.cn/AiHk0）2 保存，自主命名地图。
【ROS Rikirobot基础-使用系列 第三章节】Rikirobot如何用激光雷达slam算法构建地图
风野萧萧
09-08 5825
激光雷达的slam地图构建 这里演示常用的是gmapping算法来构建地图，当然Rikirobot的功能很强大，集成了多种slam算法，像谷歌的Cartographer，hector，kartgo等构图算法都已经支持，按我们的使用视频操作就行，后面也会出文章说明。 1、首先我们上电启动小车，然后接上雷达（tips:rpliadr A1雷达上电就会转, A2雷达上电后需要执行建图命令后才转），然...
ROS-激光雷达建立地图算法介绍
热门推荐
口袋里的跳跳糖
12-28 2万+
                                                  激光雷达建立地图算法介绍 建图算法： 1. hector_slam 要求: 高更新频率、小测量噪声的激光扫描仪,不需要里程计，可手持建图。 在hector_slam程序中，最重要的是hector_mapping节点: (1)订阅的主题： scan(类型：sensor_msgs/L...
基于激光雷达SLAM技术的2D/3D研究与未来方向
09-17
主流的2D激光SLAM算法有Gmapping、Cartographer、Hector等，它们各有优缺点，如Gmapping在大尺度地图构建上的局限，Hector SLAM对不平坦环境的处理能力不足，以及Cartographer在几何对称环境中的回环问题。...
catkin-make编译构建版cartographer-ros
11-15
1. **cartographer**: Cartographer是一个实时SLAM框架，它能够为移动机器人提供3D或2D地图构建和定位服务。它使用概率滤波方法，如Hartley-Bayes滤波器，结合激光雷达和IMU等传感器数据进行实时的环境感知。 2. **...
ros中的五种2D SLAM算法.pdf
02-09
ros中的五种2D SLAM算法,论文对常用的五种2D slam 算法进行了全方面的比较，论文对常用的五种2D slam 算法进行了全方面的比较
基于ROS的激光雷达+小车+IMU的SLAM建图、定位、路径规划c++实现源码+项目说明.zip
04-10
基于ROS的激光雷达+小车+IMU的SLAM建图、定位、路径规划c++实现源码+项目说明.zip # 单线激光雷达SLAM建图与路径规划 使用的硬件：autolabor pro1小车、小觅双目相机(S1030标准版本)、IntelNUC迷你主机、显示器、2D...
基于ROS实现的激光雷达+小车+IMU 的 SLAM建图、定位、路径规划基于C++实现+源代码+文档说明.zip
最新发布
06-12
基于ROS实现的激光雷达+小车+IMU 的 SLAM建图、定位、路径规划基于C++实现+源代码+文档说明.zip单线激光雷达SLAM建图与路径规划 使用的硬件：autolabor pro1小车、小觅双目相机(S1030标准版本)、IntelNUC迷你主机、...
版本为ceres-solver-1.13.0，对应的是ros-melodic的环境，激光--cartographer中使用
05-31
在ROS（Robot Operating System）的生态系统中，激光SLAM（Simultaneous Localization And Mapping，即同时定位与建图）是一种关键的技术，它允许机器人在未知环境中自定位并构建地图。Ceres Solver是一个开源的数值...
建立地图专栏之五：3D激光雷达构建特征点云地图介绍
qq_35635374的博客
10-26 4847
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 TODO:写完再整理 文章目录系列文章目录前言一、3D激光SLAM的介绍1.地图形式2.主要应用领域3.3D激光SLAM的输入4.3D激光SLAM的输出二、3D激光SLAM的关键技术1.3D激光里程计【作为一个3d建图前端存在的】1. 激光雷达传感器原理2.3D激光里程计里程计整体流程介绍3. 前端里程计方案（1）基于直接匹配的方案1）点到点ICP系列2）NDT系列（2）基于特征的方案1）LOAM系列2）A-LOAM系列3）F
ROS2+cartorgrapher+激光雷达建图并保存
scarecrow_sun的博客
11-22 1万+
ROS2humble只使用激光雷达建图方法
SLAM学习--2D激光SLAM--入门学习
GGY1102的博客
11-05 3918
一、学习心得记录（不一定对）： 1. 激光slam 和视觉slam 实际在实现的时候完全是两码事，可能根本思想差不多，特别是非线性优化方面，但是实现方案差距较大，需要转变思维。 2. 2D激光slam和3D激光slam 的实现方案还是有些区别,3D目前主要用在室外无人车或者送快递机器人等； 2D主要用在室内环境，家用扫地机器人 、工厂货仓环境、室内（建筑物内）移动机器人（送餐，护士送药）等。 3. ROS wiki 和 中文版社区创客智造里面有很多现成的基于ros的软件包，按照教程 自己安装好之后，可
ROS机器人应用（6）—— 激光雷达建图和导航
zyw2002的博客
10-29 9998
gmapping建图节点：algorithm_gmapping.launch。小车初始化节点：turn_on_wheeltec_robot.launch。可以使用键盘控制、APP遥控、PS2遥控、航模遥控进行控制小车运动。注：地图文件可以使用PhotoShop进行编辑。雷达节点：rplidar.launch。
rfid算法 二叉树算法
10-11
RFID算法是指一组用于实现无线射频识别功能的算法。这些算法主要用于标签识别、身份验证和访问控制等应用中。其中比较常见的RFID算法有：Hash-Lock、Basic-CM、M2AP、KATAN和MAPLE等。而二叉树算法是指一类基于二叉树数据结构的算法，主要用于搜索、排序、压缩和加密等领域。其中比较常见的二叉树算法有：二叉查找树、红黑树、B树和Huffman编码等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

WeSiGJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值