Cartographer调参与系统资源使用情况分析

任务动机：通过Cartographer调参，达到在Rockchip rk3399开发板上实时和精度兼顾的效果。

任务描述：参照Cartographer官方调参文档，通过逐个调参，记录真实机器人建立的地图和系统资源消耗。

1. 硬件及OS信息

name	type
CPU	RK3399 双核Cortex-A72(大核)+四核Cortex-A53(小核)
Kernel	4.4.179
ROS	Meloc
lidar	ToF
bag	Speed 0.266 m/s Turn 1.0 Rad/s

使用预先录制好的bag，然后用同一个bag对比不同的参数效果

2. 参数效果

评判调参效果，从两方面进行：

1. 建图中的优化实时性，即在建图中纠偏优化的实时速度；
2. 建图完成后的优化速度或者优化时间。

建图完成以后，地图的保存分成三步，写成一个脚本文件，这里并没有用通用变量，用起来需要进入脚本修改名称。使用cartographer_ros/offline_node 进行参数粗调，找到建图质量较好的地图后，记录实时的CPU使用情况。

2.1 官方给出的调参教程

### Low latency 调整
#### local
- 提高 voxel_filter_size
- 提高 submaps.resolution
- 降低 min_num_points max_range 提高 max_length
- 降低 max_range
- 降低 submap.num_range_data

#### global
- 降低 optimize_every_n_nodes
- 提高 num_background_threads <= CPU 核数
- 降低 linear_xy_search_window linear_z_search_window angular_search_window
- 提高global_constraint_search_after_n_seconds
- 降低max_num_iterations

2.2 参数调整

第一个调整的参数推荐 MAP_BUILDER.num_background_threads 先明确预留的CPU资源，在这个基础上进行调整。

2.2.1 Local SLAM(optimize_every_n_nodes = 0)

a.submap.num_range_data

构建子图需要的scan数据量

• value = 90(default)

过程效果 = 1

最终效果 = 4

CPU使用情况

• value = 10

过程中

优化后

CPU

• value = 50

过程中

优化后

• value = 30