cartographer环境创建以及建图测试（详细级）

时间 2021-03-07

标签前端 node python linux nginx c++ git github 算法 sql 栏目 Python 繁體版

原文原文链接

前言前端

目前机器人使用中须要进行SLAM建图，由于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，须要和人类绘制地图同样，描述环境、认识环境的过程主要就是依靠地图。node

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。python

下面简单的介绍几种SLAM算法：linux

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，不须要里程计。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。做者利用现代激光雷达的高更新率和低距离测量噪声，经过扫描匹配实时地对机器人运动进行估计。因此当只有低更新率的激光传感器时，即使测距估计很精确，对该系统都会出现必定的问题。nginx

hector基于优化的算法（解最小二乘问题），优缺点：不须要里程计，但对于雷达帧率要求很高40Hz，估计6自由度位姿，能够适应空中或者地面不平坦的状况。初值的选择对结果影响很大，因此要求雷达帧率较高。 c++

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几率，每一个粒子都给出一个重要性因子。可是，它们一般须要大量的粒子才能得到比较好的的结果，从而增长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下降了算法的准确性。git

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

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做为解。图优化方法利用图的均值表示地图，每一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，箭头的指向的链接表示连续机器人位置点的运动，每一个新节点加入，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余方法在大环境下制图优点更大。算法

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

4.LagoSLAM 是线性近似图优化,不须要初始假设。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,过程迭代必定次数直到局部最小代价函数达到. (假设起始点通过屡次迭代使得局部代价函数最小). 。假设图中每一个节点的相对位置和方向都是独立的，做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，经过线性定位和线性位置估计，获得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，很是适合于商业应用和再开发。而且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当中环境中移动物体的干扰。而且cartographer支持多传感器数据（odometry、IMU、LaserScan等）建图，支持2D_SLAM和3D_SLAM建图。

能自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算法并无给人惊艳的感受，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，因此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如下版本的任意一个：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, 该部分经过一帧帧的Laser Scan创建并维护一系列的Submap，而所谓的submap就是一系列的Grid Map。当再有新的Laser Scan中会经过Ceres Scan Matching的方法将其插入到子图中的最佳位置。可是submap会产生偏差累积的问题，所以，算法的第二个部分，称为Global SLAM的部分，就是经过Loop Closure来进行闭环检测，来消除累积偏差：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.

做者：良知犹存

转载受权以及围观：欢迎添加微信公众号：羽林君

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中通信交互数据的部分，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须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，可是因为网络问题（你懂的）因此Google的相关文件下载会失败，因此就出现了，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. 创建一个wstool下载+ROS基本编译的二合一环境

mkdir catkin_ws
cd catkin_ws
wstool init src
wstool 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，能够看到设置了cartographer、cartographer-ros下载连接。

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，具备良好的可扩展性。Protobuf和全部的序列化框架同样，均可以用于数据存储、通信协议。

src/cartographer/scripts/install_proto3.sh

此外其实除了Protobuf咱们还能够配置其余依赖，这些脚本都在这个目录，若是编译过程当中遇到依赖问题就能够去利用脚本去下载。

4.rosdep init在安装ROS时候就安装过了，不过这个常常会出现问题，我以前写过一篇ROS安装的文件，你们有兴趣能够去看看

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 init
rosdep update
rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y

5.最后一步编译

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

可是好多时候由于下载问题，就会出现这样那样的问题，因此就出现了下面的方法，把包单独下载，而后再进行编译安装。

注！：在我编译cartographer过程当中，和文章所写这种一鼓作气的感受偏偏相反，我编译了好屡次才编译成功的，并且中间出现各类编译问题，基本都是版本问题。因此请你们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分红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受权的。

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3.2.9
git clone  https://gitlab.com/libeigen/eigen.git
mkdir build
cd build
cmake ..
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1.13.0
git clone https://github.com/ceres-solver/ceres-solver.git
mkdir build
cd build
cmake ..
make -j8
sudo make install

编译过程当中若是出现这个编译问题：

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

这个缘由是缺失glog库(glog 是一个 C++ 日志库，它提供 C++ 流式风格的 API。在安装 glog 以前须要先安装 gflags，这样 glog 就可使用 gflags 去解析命令行参数)，咱们能够用apt-get install安装，也能够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.git
cd glog
mkdir build
cmake ..
make
sudo make install

再从新进行cere编译安装，又经过一关

3. protobuf

注意：protobuf安装方式特殊，脚本安装

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

此次也会遇到error问题，

第一个error 48: autoreconf: not found

是在不一样版本的 tslib 下执行 autogen.sh 产生。它们产生的缘由同样,是由于没有安装automake 工具, 用下面的命令安装好就能够了。

sudo apt-get install autoconf automake libtool

第二个error多是下载问题，这边会提示你下载失败，你能够选择注释掉，或者使用我提供的第二种编译方法：

#如碰见Error，prot：443,注释autogen.sh脚本34行
./configure
make -j8
sudo make install
sudo ldconfig
#测试一下protobuf
protoc --version
#不出意外将会显示libprotoc 3.0.0

第二种编译方法：

上文说到，咱们在cartographer/scripts目录下能够找到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，这时候咱们就能够看下install_proto3.sh 这个文件，里面能够看到以下内容：

mkdir build
cd build
cmake -G Ninja \
  -DCMAKE_POSITION_INDEPENDENT_CODE=ON \
  -DCMAKE_BUILD_TYPE=Release \
  -Dprotobuf_BUILD_TESTS=OFF \
  ../cmake
ninja
sudo ninja install

咱们直接复制直接编译便可。

4.abseil

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

cartographer对abseil没有版本要求，可是必定要有。

git clone https://github.com/abseil/abseil-cpp.git
mkdir build
cd build
cmake .. -DCMAKE_CXX_STANDARD=11
make -j8
sudo make install

不过在后续编译abseil，你们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，是由于CMakeLists.txt在进行搜寻absil中，定义的名称和你编译abseil名称不一样，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 修改成 absl

5.carographer

注意：carographer和cartographer _ros版本必须对应

mkdir cartographer
cd cartographer & mkdir src
cd src


git clone https://github.com/cartographer-project/cartographer.git
git clone https://github.com/cartographer-project/cartographer_ros.git


catkin_make_isolated   /*也能够用*/  catkin_make_isolated --install --use-ninja

编译成功：

建图开发

如今安装了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)，这样我就能够很方便测试Cartographer生成地图和其余的功能了。

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，下载速度又慢还常常失败，我也是废了九牛二虎之力下载下来的。

为了方便你们测试，你们能够公众号后台私我，或者添加我微信号，我把我下载好的文件发给你们。

截图有限，以前操做都忘记截图了，致使如今就只有一个了，你们凑合看了哈。

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

而后运行纯定位:

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，其实都是同样的，你们也能够看一下创客智造的cartographer_turtlebot教程。

这就是我分享的cartographer的简单测试使用，将来我会介绍更加详细的cartographer使用以及源码解析。此外若是你们有什么更好的思路，也欢迎分享交流哈。

—END—

【2】嵌入式底层开发的软件框架简述

【3】CPU中的程序是怎么运行起来的必读
【4】什么？还不懂c++vector的用法，你凭什么勇气来的！
【5】阶段性文章总结分析

本公众号所有原创干货已整理成一个目录，回复[ 资源 ]便可得到。

申明以上部份内容是参考了别人的文章，若有侵权，请告知，我将删除！