參考

• Cartographer 官方文檔
• Cartographer 從入門到精通

1. Cartographer 安裝

1.1 前置條件

• 推薦在剛裝好的 Ubuntu 16.04 或 Ubuntu 18.04 上進行編譯
• ROS 安裝：ROS學習1：ROS概述與環境搭建

1.2 依賴庫安裝

• 資源下載完解壓并執行以下指令
  • https://pan.baidu.com/s/1LWqZ4SOKn2sZecQUDDXXEw?pwd=j6cf

  $ sudo chmod 777 auto-carto-build.sh
  $ ./auto-carto-build.sh
  

1.3 編譯

本文只編譯 cartographer_ros，以下為同時開三個終端操作

$ mkdir -p cartographer_ws/src

$ cd ~
$ git clone https://github.com/xiangli0608/cartographer_detailed_comments_ws
$ mv ~/cartographer_detailed_comments_ws/src/cartographer_ros ~/cartographer_ws/src

$ cd ~/cartographer_ws
$ catkin_make

2. Cartographer 運行

2.1 數據集下載

• 百度網盤鏈接（rslidar-outdoor-gps.bag、landmarks_demo_uncalibrated.bag）
  • https://pan.baidu.com/s/1leRr4JDGg61jBNCwNlSCJw?pwd=5nkq

2.2 配置文件

• lx_rs16_2d_outdoor.launch

  <launch><!-- bag 的地址與名稱（根據自己情況修改，建議使用絕對路徑） --><arg name="bag_filename" default="/home/yue/bag/rslidar-outdoor-gps.bag"/><!-- 使用 bag 的時間戳 --><param name="/use_sim_time" value="true" /><!-- 啟動 cartographer --><node name="cartographer_node" pkg="cartographer_ros"type="cartographer_node" args="-configuration_directory $(find cartographer_ros)/configuration_files-configuration_basename lx_rs16_2d_outdoor.lua"output="screen"><remap from="points2" to="rslidar_points" /><remap from="scan" to="front_scan" /><remap from="odom" to="odom_scout" /><remap from="imu" to="imu" /></node><!-- 生成 ros 格式的地圖 --><node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"type="cartographer_occupancy_grid_node" args="-resolution 0.05" /><!-- 啟動 rviz --><node name="rviz" pkg="rviz" type="rviz" required="true"args="-d $(find cartographer_ros)/configuration_files/lx_2d.rviz" /><!-- 啟動 rosbag --><node name="playbag" pkg="rosbag" type="play"args="--clock $(arg bag_filename)" /></launch>
  

• lx_rs16_2d_outdoor.lua

  include "map_builder.lua"
  include "trajectory_builder.lua"options = {map_builder = MAP_BUILDER，               -- map_builder.lua的配置信息trajectory_builder = TRAJECTORY_BUILDER， -- trajectory_builder.lua的配置信息map_frame = "map"，                       -- 地圖坐標系的名字tracking_frame = "imu_link"，             -- 將所有傳感器數據轉換到這個坐標系下published_frame = "footprint"，           -- tf: map -> footprintodom_frame = "odom"，                     -- 里程計的坐標系名字provide_odom_frame = false，              -- 是否提供odom的tf，如果為true,則tf樹為map->odom->footprint-- 如果為false tf樹為map->footprintpublish_frame_projected_to_2d = false，   -- 是否將坐標系投影到平面上--use_pose_extrapolator = false，           -- 發布tf時是使用pose_extrapolator的位姿還是前端計算出來的位姿use_odometry = false，                    -- 是否使用里程計,如果使用要求一定要有odom的tfuse_nav_sat = false，                     -- 是否使用gpsuse_landmarks = false，                   -- 是否使用landmarknum_laser_scans = 0，                     -- 是否使用單線激光數據num_multi_echo_laser_scans = 0，          -- 是否使用multi_echo_laser_scans數據num_subdivisions_per_laser_scan = 1，     -- 1幀數據被分成幾次處理,一般為1num_point_clouds = 1，                    -- 是否使用點云數據lookup_transform_timeout_sec = 0.2，      -- 查找tf時的超時時間submap_publish_period_sec = 0.3，         -- 發布數據的時間間隔pose_publish_period_sec = 5e-3,trajectory_publish_period_sec = 30e-3,rangefinder_sampling_ratio = 1.，         -- 傳感器數據的采樣頻率odometry_sampling_ratio = 1.,fixed_frame_pose_sampling_ratio = 1.,imu_sampling_ratio = 1.,landmarks_sampling_ratio = 1.,
  }MAP_BUILDER.use_trajectory_builder_2d = trueTRAJECTORY_BUILDER_2D.use_imu_data = true
  TRAJECTORY_BUILDER_2D.min_range = 0.3
  TRAJECTORY_BUILDER_2D.max_range = 100.
  TRAJECTORY_BUILDER_2D.min_z = 0.2
  --TRAJECTORY_BUILDER_2D.max_z = 1.4
  --TRAJECTORY_BUILDER_2D.voxel_filter_size = 0.02--TRAJECTORY_BUILDER_2D.adaptive_voxel_filter.max_length = 0.5
  --TRAJECTORY_BUILDER_2D.adaptive_voxel_filter.min_num_points = 200.
  --TRAJECTORY_BUILDER_2D.adaptive_voxel_filter.max_range = 50.--TRAJECTORY_BUILDER_2D.loop_closure_adaptive_voxel_filter.max_length = 0.9
  --TRAJECTORY_BUILDER_2D.loop_closure_adaptive_voxel_filter.min_num_points = 100
  --TRAJECTORY_BUILDER_2D.loop_closure_adaptive_voxel_filter.max_range = 50.TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = false
  TRAJECTORY_BUILDER_2D.ceres_scan_matcher.occupied_space_weight = 1.
  TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 1.
  TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 1.
  --TRAJECTORY_BUILDER_2D.ceres_scan_matcher.ceres_solver_options.max_num_iterations = 12--TRAJECTORY_BUILDER_2D.motion_filter.max_distance_meters = 0.1
  --TRAJECTORY_BUILDER_2D.motion_filter.max_angle_radians = 0.004
  --TRAJECTORY_BUILDER_2D.imu_gravity_time_constant = 1.TRAJECTORY_BUILDER_2D.submaps.num_range_data = 80.
  TRAJECTORY_BUILDER_2D.submaps.grid_options_2d.resolution = 0.1POSE_GRAPH.optimize_every_n_nodes = 160.
  POSE_GRAPH.constraint_builder.sampling_ratio = 0.3
  POSE_GRAPH.constraint_builder.max_constraint_distance = 15.
  POSE_GRAPH.constraint_builder.min_score = 0.48
  POSE_GRAPH.constraint_builder.global_localization_min_score = 0.60return options
  

• trajectory_builder_2d.lua

  TRAJECTORY_BUILDER_2D = {use_imu_data = true,            -- 是否使用imu數據min_range = 0.,                 -- 雷達數據的最遠最近濾波, 保存中間值max_range = 30.,min_z = -0.8,                   -- 雷達數據的最高與最低的過濾, 保存中間值max_z = 2.,missing_data_ray_length = 5.,   -- 超過最大距離范圍的數據點用這個距離代替num_accumulated_range_data = 1, -- 幾幀有效的點云數據進行一次掃描匹配voxel_filter_size = 0.025,      -- 體素濾波的立方體的邊長-- 使用固定的voxel濾波之后, 再使用自適應體素濾波器-- 體素濾波器 用于生成稀疏點云 以進行 掃描匹配adaptive_voxel_filter = {max_length = 0.5,             -- 嘗試確定最佳的立方體邊長, 邊長最大為0.5min_num_points = 200,         -- 如果存在 較多點 并且大于'min_num_points', 則減小體素長度以嘗試獲得該最小點數max_range = 50.,              -- 距遠離原點超過max_range 的點被移除},-- 閉環檢測的自適應體素濾波器, 用于生成稀疏點云 以進行 閉環檢測loop_closure_adaptive_voxel_filter = {max_length = 0.9,min_num_points = 100,max_range = 50.,},-- 是否使用 real_time_correlative_scan_matcher 為ceres提供先驗信息-- 計算復雜度高 , 但是很魯棒 , 在odom或者imu不準時依然能達到很好的效果use_online_correlative_scan_matching = false,real_time_correlative_scan_matcher = {linear_search_window = 0.1,             -- 線性搜索窗口的大小angular_search_window = math.rad(20.),  -- 角度搜索窗口的大小translation_delta_cost_weight = 1e-1,   -- 用于計算各部分score的權重rotation_delta_cost_weight = 1e-1,},-- ceres匹配的一些配置參數ceres_scan_matcher = {occupied_space_weight = 1.,translation_weight = 10.,rotation_weight = 40.,ceres_solver_options = {use_nonmonotonic_steps = false,max_num_iterations = 20,num_threads = 1,},},-- 為了防止子圖里插入太多數據, 在插入子圖之前之前對數據進行過濾motion_filter = {max_time_seconds = 5.,max_distance_meters = 0.2,max_angle_radians = math.rad(1.),},-- TODO(schwoere,wohe): Remove this constant. This is only kept for ROS.imu_gravity_time_constant = 10.,-- 位姿預測器pose_extrapolator = {use_imu_based = false,constant_velocity = {imu_gravity_time_constant = 10.,pose_queue_duration = 0.001,},imu_based = {pose_queue_duration = 5.,gravity_constant = 9.806,pose_translation_weight = 1.,pose_rotation_weight = 1.,imu_acceleration_weight = 1.,imu_rotation_weight = 1.,odometry_translation_weight = 1.,odometry_rotation_weight = 1.,solver_options = {use_nonmonotonic_steps = false;max_num_iterations = 10;num_threads = 1;},},},-- 子圖相關的一些配置submaps = {num_range_data = 90,          -- 一個子圖里插入雷達數據的個數的一半grid_options_2d = {grid_type = "PROBABILITY_GRID", -- 地圖的種類, 還可以是tsdf格式resolution = 0.05,},range_data_inserter = {range_data_inserter_type = "PROBABILITY_GRID_INSERTER_2D",-- 概率占用柵格地圖的一些配置probability_grid_range_data_inserter = {insert_free_space = true,hit_probability = 0.55,miss_probability = 0.49,},-- tsdf地圖的一些配置tsdf_range_data_inserter = {truncation_distance = 0.3,maximum_weight = 10.,update_free_space = false,normal_estimation_options = {num_normal_samples = 4,sample_radius = 0.5,},project_sdf_distance_to_scan_normal = true,update_weight_range_exponent = 0,update_weight_angle_scan_normal_to_ray_kernel_bandwidth = 0.5,update_weight_distance_cell_to_hit_kernel_bandwidth = 0.5,},},},
  }
  

• pose_graph.lua

  POSE_GRAPH = {-- 每隔多少個節點執行一次后端優化optimize_every_n_nodes = 90,-- 約束構建的相關參數constraint_builder = {sampling_ratio = 0.3,                 -- 對局部子圖進行回環檢測時的計算頻率, 數值越大, 計算次數越多max_constraint_distance = 15.,        -- 對局部子圖進行回環檢測時能成為約束的最大距離min_score = 0.55,                     -- 對局部子圖進行回環檢測時的最低分數閾值global_localization_min_score = 0.6,  -- 對整體子圖進行回環檢測時的最低分數閾值loop_closure_translation_weight = 1.1e4,loop_closure_rotation_weight = 1e5,log_matches = true,                   -- 打印約束計算的log-- 基于分支定界算法的2d粗匹配器fast_correlative_scan_matcher = {linear_search_window = 7.,angular_search_window = math.rad(30.),branch_and_bound_depth = 7,},-- 基于ceres的2d精匹配器ceres_scan_matcher = {occupied_space_weight = 20.,translation_weight = 10.,rotation_weight = 1.,ceres_solver_options = {use_nonmonotonic_steps = true,max_num_iterations = 10,num_threads = 1,},},-- 基于分支定界算法的3d粗匹配器fast_correlative_scan_matcher_3d = {branch_and_bound_depth = 8,full_resolution_depth = 3,min_rotational_score = 0.77,min_low_resolution_score = 0.55,linear_xy_search_window = 5.,linear_z_search_window = 1.,angular_search_window = math.rad(15.),},-- 基于ceres的3d精匹配器ceres_scan_matcher_3d = {occupied_space_weight_0 = 5.,occupied_space_weight_1 = 30.,translation_weight = 10.,rotation_weight = 1.,only_optimize_yaw = false,ceres_solver_options = {use_nonmonotonic_steps = false,max_num_iterations = 10,num_threads = 1,},},},matcher_translation_weight = 5e2,matcher_rotation_weight = 1.6e3,-- 優化殘差方程的相關參數optimization_problem = {huber_scale = 1e1,                -- 值越大,（潛在）異常值的影響就越大acceleration_weight = 1.1e2,      -- 3d里imu的線加速度的權重rotation_weight = 1.6e4,          -- 3d里imu的旋轉的權重-- 前端結果殘差的權重local_slam_pose_translation_weight = 1e5,local_slam_pose_rotation_weight = 1e5,-- 里程計殘差的權重odometry_translation_weight = 1e5,odometry_rotation_weight = 1e5,-- gps殘差的權重fixed_frame_pose_translation_weight = 1e1,fixed_frame_pose_rotation_weight = 1e2,fixed_frame_pose_use_tolerant_loss = false,fixed_frame_pose_tolerant_loss_param_a = 1,fixed_frame_pose_tolerant_loss_param_b = 1,log_solver_summary = false,use_online_imu_extrinsics_in_3d = true,fix_z_in_3d = false,ceres_solver_options = {use_nonmonotonic_steps = false,max_num_iterations = 50,num_threads = 7,},},max_num_final_iterations = 200,   -- 在建圖結束之后執行一次全局優化, 不要求實時性, 迭代次數多global_sampling_ratio = 0.003,    -- 純定位時候查找回環的頻率log_residual_histograms = true,global_constraint_search_after_n_seconds = 10., -- 純定位時多少秒執行一次全子圖的約束計算--  overlapping_submaps_trimmer_2d = {--    fresh_submaps_count = 1,--    min_covered_area = 2,--    min_added_submaps_count = 5,--  },
  }
  

2.3 運行演示

$ source devel/setup.bash
$ roslaunch cartographer_ros lx_rs16_2d_outdoor.launch

3. Cartographer 調參總結

3.1 降低延遲與減小計算量

• 前端

  • 減小 max_range 即減小了需要處理的點數，在激光雷達遠距離的數據點不準時一定要減小這個值
  • 增大 voxel_filter_size，相當于減小了需要處理的點數
  • 增大 submaps.resolution，相當于減小了匹配時的搜索量
  • 對于自適應體素濾波 減小 min_num_points 與 max_range，增大 max_length，相當于減小了需要處理的點數

• 后端

  • 減小 optimize_every_n_nodes, 降低優化頻率, 減小了計算量
  • 增大 MAP_BUILDER.num_background_threads, 增加計算速度
  • 減小 global_sampling_ratio, 減小計算全局約束的頻率
  • 減小 constraint_builder.sampling_ratio, 減少了約束的數量
  • 增大 constraint_builder.min_score, 減少了約束的數量
  • 減小分枝定界搜索窗的大小, 包括linear_xy_search_window,inear_z_search_window, angular_search_window
  • 增大 global_constraint_search_after_n_seconds, 減小計算全局約束的頻率
  • 減小 max_num_iterations, 減小迭代次數

3.2 降低內存

• 增大子圖的分辨率 submaps.resolution

3.3 常調的參數

TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 100.
TRAJECTORY_BUILDER_2D.min_z = 0.2 -- / -0.8
TRAJECTORY_BUILDER_2D.voxel_filter_size = 0.02
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.occupied_space_weight = 10.
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 1.
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 1.
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 80.
TRAJECTORY_BUILDER_2D.submaps.grid_options_2d.resolution = 0.1 -- / 0.02
POSE_GRAPH.optimize_every_n_nodes = 160. -- 2倍的num_range_data以上
POSE_GRAPH.constraint_builder.sampling_ratio = 0.3
POSE_GRAPH.constraint_builder.max_constraint_distance = 15.
POSE_GRAPH.constraint_builder.min_score = 0.48
POSE_GRAPH.constraint_builder.global_localization_min_score = 0.60

4. Cartographer 工程化建議

4.1 如何提升建圖質量

• 選擇頻率高（25 Hz 以上）、精度高的激光雷達
• 如果只能用頻率低的激光雷達
  • 使用高頻、高精度 IMU，且讓機器人運動慢一點
  • 調 ceres 的匹配權重，將地圖權重調大，平移旋轉權重調小
  • 將代碼中平移和旋轉的殘差注釋掉
• 里程計
  • Cartographer 中對里程計的使用不太好
  • 可以將 karto 與 GMapping 中使用里程計進行預測的部分拿過來進行使用，改完后就可達到比較好的位姿預測效果
• 粗匹配
  • 將 karto 的掃描匹配的粗匹配放過來，karto 的掃描匹配的計算量很小，當做粗匹配很不錯
• 地圖
  • 在最終生成地圖的時候使用后端優化后的節點重新生成一次地圖，這樣生成的地圖效果會比前端地圖的疊加要好很多

4.2 降低計算量與內存

• 體素濾波與自適應體素濾波的計算量（不是很大）
• 后端進行子圖間約束時的計算量很大
• 分支定界算法的計算量很大
• 降低內存，內存的占用基本就是多分辨率地圖，每個子圖的多分辨率地圖都進行保存是否有必要

4.3 純定位的改進建議

• 將純定位模式與建圖拆分開，改成讀取之前軌跡的地圖進行匹配.
• 新的軌跡只進行位姿預測，拿到預測后的位姿與之前軌跡的地圖進行匹配，新的軌跡不再進行地圖的生成與保存，同時將整個后端的功能去掉.
• 去掉后端優化會導致沒有重定位功能，這時可將 cartographer 的回環檢測（子圖間約束的計算）部分單獨拿出來，做成一個重定位功能，通過服務來調用這個重定位功能，根據當前點云確定機器人在之前地圖的位姿

4.4 去 ros 的參考思路

• 仿照 cartographer_ros 里的操作：獲取到傳感器數據，將數據轉到 tracking_frame 坐標系下并進行格式轉換，再傳入到 cartographer 里就行

5. 源碼注釋

• cartographer_detailed_comments_ws