cartographer环境建立以及建图测试（详细级）

目前机器人使用中需要进行 SLAM 建图，因为移动机器人想要实现自主行走，核心在于实现自主定位导航，在自主定位导航技术中会涉及到定位、建图、路径规划等问题，而地图构建的好坏将直接影响机器人的行走路径。机器人想要到达某个目的地，需要和人类绘制地图一样，描述环境、认识环境的过程主要就是依靠地图。

而目前建图方式有激光雷达、视觉建图、还有深度学习等。今天介绍的 cartographer 就属于激光 slam。主流的激光 SLAM 算法有 hector、gmapping、karto、cartographer 等。

下面简单的介绍几种 SLAM 算法：

1.hector 是一种结合了鲁棒性较好的扫描匹方法 2D_SLAM 方法和使用惯性传感系统的导航技术。传感器的要求较高，高更新频率小测量噪声的激光扫描仪，不需要里程计。使空中无人机与地面小车在不平坦区域运行存在运用的可能性。作者利用现代激光雷达的高更新率和低距离测量噪声，通过扫描匹配实时地对机器人运动进行估计。所以当只有低更新率的激光传感器时，即便测距估计很精确，对该系统都会出现一定的问题。

hector 基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但对于雷达帧率要求很高 40Hz，估计 6 自由度位姿，可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大，所以要求雷达帧率较高。

2.gmapping 是一种基于粒子滤波的激光 SLAM 算法，它已经集成在 ROS 中，是移动机器人中使用最多的 SLAM 算法。基于粒子滤波的算法用许多加权粒子表示路径的后验概率，每个粒子都给出一个重要性因子。但是，它们通常需要大量的粒子才能获得比较好的的结果，从而增加该算法的的计算复杂性。此外，与 PF 重采样过程相关的粒子退化耗尽问题也降低了算法的准确性。

缺点：严重依赖里程计，无法适应无人机及地面不平坦的区域，无回环（激光 SLAM 很难做回环检测），大的场景，粒子较多的情况下，特别消耗资源。

3.karto 是基于图优化的 SLAM 算法，用高度优化和非迭代 cholesky 矩阵进行稀疏系统解耦作为解。图优化方法利用图的均值表示地图，每个节点表示机器人轨迹的一个位置点和传感器测量数据集，箭头的指向的连接表示连续机器人位置点的运动，每个新节点加入，地图就会依据空间中的节点箭头的约束进行计算更新。路标 landmark 越多,内存需求越大,然而图优化方式相比其他方法在大环境下制图优势更大。

karto 采取的是 spa(karto_slam)或 g2o(nav2d),karto 的前端与后端采取的是单线程进行。

4.LagoSLAM 是线性近似图优化,不需要初始假设。基本的图优化 slam 的方法就是利用最小化非线性非凸代价函数 . 每次迭代, 解决局部凸近似的初始问题来更新图配置,过程迭代一定次数直到局部最小代价函数达到 . (假设起始点经过多次迭代使得局部代价函数最小). 。假设图中每个节点的相对位置和方向都是独立的，作者求解了一个等价于非凸代价函数的方程组。为此，提出了一套基于图论的程序，通过线性定位和线性位置估计，得到非线性系统的一阶近似。

5. cartographer 是 google 开发的实时室内 SLAM 项目，cartographer 采用基于 google 自家开发的 ceres 非线性优化的方法，cartographer 的亮点在于代码规范与工程化，非常适合于商业应用和再开发。并且 cartographer 基于 submap 子图构建全局地图的思想，能有效的避免建图过程中环境中移动物体的干扰。并且 cartographer 支持多传感器数据（odometry、IMU、LaserScan 等）建图，支持 2D_SLAM 和 3D_SLAM 建图。

能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。cartographer 是 google 推出的一套基于图优化的 SLAM 算法。

cartographer 算法并没有给人惊艳的感觉，但该算法的主要目标是实现低计算资源消耗，达到实时 SLAM 的目的，所以很适合嵌入式端的使用。

这篇文章是介绍 cartographer 在 linuxPC 环境（Ubuntu16）下进行源码下载进行 demo 测试的教程，本文的前提条件是你的电脑里已经安装了 ROS 以下版本的任意一个：Noetic、Kinetic、Melodic。

算法分析

该算法主要分为两个部分，第一个部分称为 Local SLAM, 该部分通过一帧帧的 Laser Scan 建立并维护一系列的 Submap，而所谓的 submap 就是一系列的 Grid Map。当再有新的 Laser Scan 中会通过 Ceres Scan Matching 的方法将其插入到子图中的最佳位置。但是 submap 会产生误差累积的问题，因此，算法的第二个部分，称为 Global SLAM 的部分，就是通过 Loop Closure 来进行闭环检测，来消除累积误差：当一个 submap 构建完成，也就是不会再有新的 laser scan 插入到该 submap 时，算法会将该 submap 加入到闭环检测中。闭环检测的本质也是一个优化问题，该优化问题被表达成了一个 pixel-accurate match 的形式，解决优化问题的方法是 Branch-and-Bound Approach.

安装介绍

cartographer 的安装主要包括三个部分：cartographer、cartographer-ros、ceres-solver。其中 cartographer 是计算的部分，cartographer-ros 是算法在 ROS 中通讯交互数据的部分，ceres-solver 谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达 slam 项目 cartographer 中被大量使用。

安装的方法有两种，一种是官网的集成式下载配置，一种是把 cartographer 需要的依赖部分分别安装配置。

两种方式区别就在于，第一种虽然方便，但是由于网络问题（你懂的）所以 Google 的相关文件下载会失败，所以就出现了，把依赖单独下载编译，最后下载 cartographer 进行编译。

官网方式：

1. 安装 wstool 下载工具、rosdep 和 ninja 编译工具（ninja 是一个新型的编译小工具，用来替换复杂的 make，从而实现快速编译）

sudo apt-get update
sudo apt-get install -y python-wstool python-rosdep ninja-build

2. 建立一个 wstool 下载+ROS 基本编译的二合一环境

mkdir catkin_wscd catkin_wswstool init srcwstool merge -t src https://raw.githubusercontent.com/googlecartographer/cartographer_ros/master/cartographer_ros.rosinstall

这是 wstool 命令生成 .rosinstall 的文件里面的内容，可以看到设置了 cartographer、cartographer-ros 下载链接。

wstool update -t src

静静等待下载，速度就取决你对于 Google 的认知。

3. 安装 proto3.

Protocol Buffers(简称 Protobuf) ，是 Google 出品的序列化框架，与开发语言无关，和平台无关，具有良好的可扩展性。Protobuf 和所有的序列化框架一样，都可以用于数据存储、通讯协议。

src/cartographer/scripts/install_proto3.sh

此外其实除了 Protobuf 我们还可以配置其他依赖，这些脚本都在这个目录，如果编译过程中遇到依赖问题就可以去利用脚本去下载。

4.rosdep init 在安装 ROS 时候就安装过了，不过这个经常会出现问题，我之前写过一篇 ROS 安装的文件，大家有兴趣可以去看看

对于这个问题，有两种解决思路：访问 DNS 解析环节解决或者直接切换软件源。

DNS 解析环节解决：

切换 linux 软件源：

sudo rosdep initrosdep updaterosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y

5. 最后一步编译

catkin_make_isolated --install --use-ninjasource install_isolated/setup.bash

但是好多时候因为下载问题，就会出现这样那样的问题，所以就出现了下面的方法，把包单独下载，然后再进行编译安装。

注！：在我编译 cartographer 过程中，和文章所写这种一气呵成的感觉恰恰相反，我编译了好多次才编译成功的，而且中间出现各种编译问题，基本都是版本问题。所以请大家注意下载各个分包的版本，切记，切记，切记~

你看我 probuf 版本下载记录就知道了。

分包编译方式：

cartographer 分成 6 个部分，分别是 eigen3.2.9,ceres1.13.0,protobuf 大于 3.0.0,cartographer,cartogpher_ros，abseil。分开进行编译：

1.eigen

Eigen 是高级 C ++ 模板标头库，用于线性代数，矩阵和矢量运算，几何变换，数值求解器和相关算法。自 3.1.1 版以来，Eigen 是根据 Mozilla Public License 2.0 许可的开源软件。早期版本是根据 GNU 较宽松通用公共许可证授权的。

注意警告：cartographer 对 eigen，ceres，protobuf 有严格的版本限制，版本必须严格！！！

#选择版本 3.2.9git clone  https://gitlab.com/libeigen/eigen.gitmkdir buildcd buildcmake ..sudo make install

安装完成

2.ceres

Ceres solver 是谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达 slam 项目 cartographer 中被大量使用。

注意：ceres 版本必须是 1.13.0,其它版本与 eigen3.2.9 不匹配

#选择版本 1.13.0git clone https://github.com/ceres-solver/ceres-solver.gitmkdir buildcd buildcmake ..make -j8sudo make install

编译过程中如果出现这个编译问题：

Failed to find glog

-- Failed to find installed glog CMake configuration, searching for glog build directories exported with CMake.

-- Failed to find an installed/exported CMake configuration for glog, will perform search for installed glog components.

-- Failed to find glog - Could not find glog include directory, set GLOG_INCLUDE_DIR to directory containing glog/logging.h

这个原因是缺失 glog 库(glog 是一个 C++ 日志库，它提供 C++ 流式风格的 API。在安装 glog 之前需要先安装 gflags，这样 glog 就可以使用 gflags 去解析命令行参数)，我们可以用 apt-get install 安装，也可以下载源码进行编译安装 .

apt-get install 安装:

sudo apt-get install libgoogle-glog-dev

下载源码进行编译安装:

git clone https://github.com/google/glog.gitcd glogmkdir buildcmake ..makesudo make install

再重新进行 cere 编译安装，又通过一关

3. protobuf

注意：protobuf 安装方式特殊，脚本安装

选择版本 3.0.0git clone https://github.com/protocolbuffers/protobuf.git./autogen.sh

这次也会遇到 error 问题，

第一个 error48: autoreconf: not found

是在不同版本的 tslib 下执行 autogen.sh 产生。它们产生的原因一样,是因为没有安装 automake 工具, 用下面的命令安装好就可以了。

sudo apt-get install autoconf automake libtool

第二个 error 可能是下载问题，这边会提示你下载失败，你可以选择注释掉，或者使用我提供的第二种编译方法：

#如遇见 Error，prot：443,注释 autogen.sh 脚本 34 行./configuremake -j8sudo make installsudo ldconfig#测试一下 protobufprotoc --version#不出意外将会显示 libprotoc 3.0.0

第二种编译方法：

上文说到，我们在 cartographer/scripts 目录下可以找到 cartographer 依赖文件的下载的脚本，这些的脚本里面还有编译的选项，这时候我们就可以看下 install_proto3.sh 这个文件，里面可以看到如下内容：

mkdir buildcd buildcmake -G Ninja \  -DCMAKE_POSITION_INDEPENDENT_CODE=ON \  -DCMAKE_BUILD_TYPE=Release \  -Dprotobuf_BUILD_TESTS=OFF \  ../cmakeninjasudo ninja install

我们直接复制直接编译即可。

4.abseil

abseil 是 google 开源的 C++通用库，其目标是作为标准库的补充。abseil 不但提供了标准库没有但很常用的功能，也对标准库的一些功能进行了增强设计，使用 abseil 库能使程序性能和开发效率都取得不错的提升。

cartographer 对 abseil 没有版本要求，但是一定要有。

git clone https://github.com/abseil/abseil-cpp.gitmkdir buildcd buildcmake .. -DCMAKE_CXX_STANDARD=11make -j8sudo make install

不过在后续编译 abseil，大家可能会遇到这个问题

CMake Error at CMakeLists.txt:49 (find_package):

By not providing "FindAbseil.cmake" in CMAKE_MODULE_PATH this project has

asked CMake to find a package configuration file provided by "Abseil", but

CMake did not find one.

Could not find a package configuration file provided by "Abseil" with any

of the following names:

AbseilConfig.cmake

abseil-config.cmake

Add the installation prefix of "Abseil" to CMAKE_PREFIX_PATH or set

"Abseil_DIR" to a directory containing one of the above files.If "Abseil"

provides a separate development package or SDK, be sure it has been

installed.

不过没事，是因为 CMakeLists.txt 在进行搜寻 absil 中，定义的名称和你编译 abseil 名称不同，CMakeLists.txt 是大写的，而实际你编译安装后的包名称为小写。

修改如上所示：Abseil 修改为 absl

5.carographer

注意：carographer 和 cartographer _ros 版本必须对应

mkdir cartographercd cartographer & mkdir srccd src
git clone https://github.com/cartographer-project/cartographer.gitgit clone https://github.com/cartographer-project/cartographer_ros.git
catkin_make_isolated   /*也可以用*/  catkin_make_isolated --install --use-ninja

编译成功：

建图开发

现在安装了 Cartographer 和 Cartographer 的 ROS 集成，官方也提供了一些数据集，Deutsches Museum(德意志博物馆)，这样我就可以很方便测试 Cartographer 生成地图和其他的功能了。

下载示例包（例如德意志博物馆的 2D 和 3D 背包系列）到一个已知的位置

示例位于~/Downloads，并使用 roslaunch 来调出演示：

# Download the 2D backpack example bag.wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag
# Launch the 2D backpack demo.roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag# Download the 3D backpack example bag.wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag# Launch the 3D backpack demo.roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

又会是下载的问题，这些文件又大，下载速度又慢还经常失败，我也是废了九牛二虎之力下载下来的。

为了方便大家测试，大家可以公众号后台私我，或者添加我微信号，我把我下载好的文件发给大家。

截图有限，之前操作都忘记截图了，导致现在就只有一个了，大家凑合看了哈。

生成 .pdstream 地图（等待直到 cartographer_offline_node 完成），

roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag

然后运行纯定位:

roslaunch cartographer_ros demo_backpack_2d_localization.launch  load_state_filename:=${HOME}/Download/cartographer_paper_deutsches_museum.bag.pbstream   bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag

此外还有 turtlebot 的数据，其实都是一样的，大家也可以看一下创客智造的 cartographer_turtlebot 教程。

这就是我分享的 cartographer 的简单测试使用，未来我会介绍更加详细的 cartographer 使用以及源码解析。此外如果大家有什么更好的思路，也欢迎分享交流哈。