怎么實現環境建立以及進行建圖測試

怎么實現環境建立以及進行建圖測試，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

目前機器人使用中需要進行SLAM建圖，因為移動機器人想要實現自主行走，核心在于實現自主定位導航，在自主定位導航技術中會涉及到定位、建圖、路徑規劃等問題，而地圖構建的好壞將直接影響機器人的行走路徑。機器人想要到達某個目的地，需要和人類繪制地圖一樣，描述環境、認識環境的過程主要就是依靠地圖。

    而目前建圖方式有激光雷達、視覺建圖、還有深度學習等。今天介紹的cartographer就屬于激光slam。主流的激光SLAM算法有hector、gmapping、karto、cartographer等。

下面簡單的介紹幾種SLAM算法：

  1.  hector是一種結合了魯棒性較好的掃描匹方法2D_SLAM方法和使用慣性傳感系統的導航技術。傳感器的要求較高，高更新頻率小測量噪聲的激光掃描儀，不需要里程計。使空中無人機與地面小車在不平坦區域運行存在運用的可能性。作者利用現代激光雷達的高更新率和低距離測量噪聲，通過掃描匹配實時地對機器人運動進行估計。所以當只有低更新率的激光傳感器時，即便測距估計很精確，對該系統都會出現一定的問題。

    hector基于優化的算法（解最小二乘問題），優缺點：不需要里程計，但對于雷達幀率要求很高40Hz，估計6自由度位姿，可以適應空中或者地面不平坦的情況。初值的選擇對結果影響很大，所以要求雷達幀率較高。 

  2.  gmapping是一種基于粒子濾波的激光SLAM算法，它已經集成在ROS中，是移動機器人中使用最多的SLAM算法。基于粒子濾波的算法用許多加權粒子表示路徑的后驗概率，每個粒子都給出一個重要性因子。但是，它們通常需要大量的粒子才能獲得比較好的的結果，從而增加該算法的的計算復雜性。此外，與PF重采樣過程相關的粒子退化耗盡問題也降低了算法的準確性。

    缺點：嚴重依賴里程計，無法適應無人機及地面不平坦的區域，無回環（激光SLAM很難做回環檢測），大的場景，粒子較多的情況下，特別消耗資源。

  3.  karto是基于圖優化的SLAM算法，用高度優化和非迭代cholesky矩陣進行稀疏系統解耦作為解。圖優化方法利用圖的均值表示地圖，每個節點表示機器人軌跡的一個位置點和傳感器測量數據集，箭頭的指向的連接表示連續機器人位置點的運動，每個新節點加入，地圖就會依據空間中的節點箭頭的約束進行計算更新。路標landmark越多,內存需求越大,然而圖優化方式相比其他方法在大環境下制圖優勢更大。

     karto采取的是spa(karto_slam)或g2o(nav2d),  karto的前端與后端采取的是單線程進行。

    4.LagoSLAM 是線性近似圖優化,不需要初始假設。基本的圖優化slam的方法就是利用最小化非線性非凸代價函數.每次迭代, 解決局部凸近似的初始問題來更新圖配置,過程迭代一定次數直到局部最小代價函數達到. (假設起始點經過多次迭代使得局部代價函數最小). 。假設圖中每個節點的相對位置和方向都是獨立的，作者求解了一個等價于非凸代價函數的方程組。為此，提出了一套基于圖論的程序，通過線性定位和線性位置估計，得到非線性系統的一階近似。

   5. cartographer是google開發的實時室內SLAM項目，cartographer采用基于google自家開發的ceres非線性優化的方法，cartographer的亮點在于代碼規范與工程化，非常適合于商業應用和再開發。并且cartographer基于submap子圖構建全局地圖的思想，能有效的避免建圖過程中環境中移動物體的干擾。并且cartographer支持多傳感器數據（odometry、IMU、LaserScan等）建圖，支持2D_SLAM和3D_SLAM建圖。

    能天然的輸出協方差矩陣，后端優化的輸入項。成本較低的雷達也能跑出不錯的效果。cartographer是google推出的一套基于圖優化的SLAM算法。

    cartographer算法并沒有給人驚艷的感覺，但該算法的主要目標是實現低計算資源消耗，達到實時SLAM的目的，所以很適合嵌入式端的使用。

這篇文章是介紹cartographer在linuxPC環境（Ubuntu16）下進行源碼下載進行demo測試的教程，本文的前提條件是你的電腦里已經安裝了ROS以下版本的任意一個：Noetic、Kinetic、Melodic。

   

算法分析

   

    該算法主要分為兩個部分，第一個部分稱為Local SLAM, 該部分通過一幀幀的Laser Scan建立并維護一系列的Submap，而所謂的submap就是一系列的Grid Map。當再有新的Laser Scan中會通過Ceres Scan Matching的方法將其插入到子圖中的最佳位置。但是submap會產生誤差累積的問題，因此，算法的第二個部分，稱為Global SLAM的部分，就是通過Loop Closure來進行閉環檢測，來消除累積誤差：當一個submap構建完成，也就是不會再有新的laser scan插入到該submap時，算法會將該submap加入到閉環檢測中。閉環檢測的本質也是一個優化問題，該優化問題被表達成了一個pixel-accurate match的形式，解決優化問題的方法是Branch-and-Bound Approach.

作者：良知猶存

轉載授權以及圍觀：歡迎添加微信公眾號：羽林君

   

安裝介紹

   

    cartographer的安裝主要包括三個部分：cartographer、cartographer-ros、ceres-solver。其中cartographer 是計算的部分，cartographer-ros是算法在ROS中通訊交互數據的部分，ceres-solver谷歌開發的一款用于非線性優化的庫，在谷歌的開源激光雷達slam項目cartographer中被大量使用。

    安裝的方法有兩種，一種是官網的集成式下載配置，一種是把cartographer需要的依賴部分分別安裝配置。

    兩種方式區別就在于，第一種雖然方便，但是由于網絡問題（你懂的）所以Google的相關文件下載會失敗，所以就出現了，把依賴單獨下載編譯，最后下載cartographer進行編譯。

官網方式：

1. 安裝 wstool下載工具、rosdep和ninja編譯工具（ninja是一個新型的編譯小工具，用來替換復雜的make，從而實現快速編譯）

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

2. 建立一個wstool下載+ROS基本編譯的二合一環境

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

這是 wstool 命令生成 .rosinstall 的文件里面的內容，可以看到設置了cartographer、cartographer-ros下載鏈接。

wstool update -t src

靜靜等待下載，速度就取決你對于Google的認知。

3.安裝proto3.

    Protocol Buffers(簡稱Protobuf) ，是Google出品的序列化框架，與開發語言無關，和平臺無關，具有良好的可擴展性。Protobuf和所有的序列化框架一樣，都可以用于數據存儲、通訊協議。

src/cartographer/scripts/install_proto3.sh

此外其實除了Protobuf我們還可以配置其他依賴，這些腳本都在這個目錄，如果編譯過程中遇到依賴問題就可以去利用腳本去下載。

4.rosdep init在安裝ROS時候就安裝過了，不過這個經常會出現問題，我之前寫過一篇ROS安裝的文件，大家有興趣可以去看看

對于這個問題，有兩種解決思路：訪問DNS解析環節解決或者直接切換軟件源。

DNS解析環節解決：

切換linux軟件源：

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

5.最后一步編譯

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

    但是好多時候因為下載問題，就會出現這樣那樣的問題，所以就出現了下面的方法，把包單獨下載，然后再進行編譯安裝。

注！：在我編譯cartographer過程中，和文章所寫這種一氣呵成的感覺恰恰相反，我編譯了好多次才編譯成功的，而且中間出現各種編譯問題，基本都是版本問題。所以請大家注意下載各個分包的版本，切記，切記，切記~

你看我probuf版本下載記錄就知道了。

分包編譯方式：

cartographer分成6個部分，分別是eigen3.2.9,ceres1.13.0,protobuf大于3.0.0,cartographer,cartogpher_ros，abseil。分開進行編譯：

1.eigen

    Eigen是高級 C ++ 模板標頭庫，用于線性代數，矩陣和矢量運算，幾何變換，數值求解器和相關算法。自3.1.1版以來，Eigen是根據Mozilla Public License 2.0許可的開源軟件。早期版本是根據GNU較寬松通用公共許可證授權的。

注意警告：cartographer對eigen，ceres，protobuf有嚴格的版本限制，版本必須嚴格！！！

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

安裝完成

2.ceres

Ceres solver 是谷歌開發的一款用于非線性優化的庫，在谷歌的開源激光雷達slam項目cartographer中被大量使用。

注意：ceres版本必須是1.13.0,其它版本與eigen3.2.9不匹配

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

編譯過程中如果出現這個編譯問題：

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

這個原因是缺失glog庫(glog 是一個 C++ 日志庫，它提供 C++ 流式風格的 API。在安裝 glog 之前需要先安裝 gflags，這樣 glog 就可以使用 gflags 去解析命令行參數)，我們可以用apt-get install安裝，也可以下載源碼進行編譯安裝.

apt-get install安裝:

sudo apt-get install libgoogle-glog-dev

下載源碼進行編譯安裝:

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

再重新進行cere編譯安裝，又通過一關

3. protobuf

Protocol Buffers(簡稱Protobuf) ，是Google出品的序列化框架，與開發語言無關，和平臺無關，具有良好的可擴展性。Protobuf和所有的序列化框架一樣，都可以用于數據存儲、通訊協議。

注意：protobuf安裝方式特殊，腳本安裝

選擇版本3.0.0git clone https://github.com/protocolbuffers/protobuf.git./autogen.sh

這次也會遇到error問題，

第一個error    48: autoreconf: not found

是在不同版本的 tslib 下執行 autogen.sh 產生。它們產生的原因一樣,是因為沒有安裝automake 工具,  用下面的命令安裝好就可以了。

sudo apt-get install autoconf automake libtool

第二個error可能是下載問題，這邊會提示你下載失敗，你可以選擇注釋掉，或者使用我提供的第二種編譯方法：

#如遇見Error，prot：443,注釋autogen.sh腳本34行./configuremake -j8sudo make installsudo ldconfig#測試一下protobufprotoc --version#不出意外將會顯示libprotoc 3.0.0

第二種編譯方法：

    上文說到，我們在cartographer/scripts目錄下可以找到cartographer依賴文件的下載的腳本，這些的腳本里面還有編譯的選項，這時候我們就可以看下install_proto3.sh 這個文件，里面可以看到如下內容：

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

我們直接復制直接編譯即可。

4.abseil

abseil 是 google 開源的 C++通用庫，其目標是作為標準庫的補充。abseil 不但提供了標準庫沒有但很常用的功能，也對標準庫的一些功能進行了增強設計，使用 abseil 庫能使程序性能和開發效率都取得不錯的提升。

cartographer對abseil沒有版本要求，但是一定要有。

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

不過在后續編譯abseil，大家可能會遇到這個問題

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.

不過沒事，是因為CMakeLists.txt在進行搜尋absil中，定義的名稱和你編譯abseil名稱不同，CMakeLists.txt是大寫的，而實際你編譯安裝后的包名稱為小寫。

修改如上所示：Abseil 修改為 absl 

5.carographer

注意：carographer和cartographer _ros版本必須對應

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

編譯成功：

   

建圖開發

   

現在安裝了Cartographer和Cartographer的ROS集成，官方也提供了一些數據集，Deutsches Museum(德意志博物館)，這樣我就可以很方便測試Cartographer生成地圖和其他的功能了。

下載示例包（例如德意志博物館的2D和3D背包系列）到一個已知的位置

示例位于~/Downloads，并使用roslaunch來調出演示：

# 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

    又會是下載的問題，這些文件又大，下載速度又慢還經常失敗，我也是廢了九牛二虎之力下載下來的。

為了方便大家測試，大家可以公眾號后臺私我，或者添加我微信號，我把我下載好的文件發給大家。

截圖有限，之前操作都忘記截圖了，導致現在就只有一個了，大家湊合看了哈。

生成.pdstream地圖（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

然后運行純定位:

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

關于怎么實現環境建立以及進行建圖測試問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。