在前面已经完成了cartographer_ros的安装和demo的运行了。接下来，就要放到机器人上，实时进行SLAM了。

前一篇内容的链接如下：

Cartographer_ros的下载、配置及编译与问题处理_hxlanu的博客-CSDN博客_ros 编译

开始时基本的思路就是修改demo的文件。当时用的就是offline_backpack_2d.launch这个文件。这个能做到，但是要修改的很多，下面就来解决。（更推荐基于demo_revo_lds.launch这个文件进行修改，这个可以看后面问题部分。）

cartographer_ros的官方教程里提供了录制的二维激光雷达和IMU的bag包，如果像替换成其他雷达的数据，还需要做一些修改。

cartographer_ros提供的二维激光雷达数据包发布的数据topic包括/clock, /horizontal_laser_2d, /vertical_laser_2d和/imu。而二维激光雷达发布的激光扫描数据一般为/scan。另外，/horizontal_laser_2d和/vertical_laser_2d两个topic的数据类型都是sensor_msgs::MultiEchoLaserScan，而一般的雷达数据都是sensor_msgs::LaserScan类型，因此如果要使用二维激光雷达，要么进行数据类型转换后转发，要么更改cartographer_ros的设置一边接收sensor_msgs::laserscan类型。

数据类型转换法

先看sensor_msgs::MultiEchoLaserScan的数据

# Single scan from a multi-echo planar laser range-finder
#
# If you have another ranging device with different behavior (e.g. a sonar
# array), please find or create a different message, since applications
# will make fairly laser-specific assumptions about this dataHeader header            # timestamp in the header is the acquisition time of # the first ray in the scan.## in frame frame_id, angles are measured around # the positive Z axis (counterclockwise, if Z is up)# with zero angle being forward along the x axisfloat32 angle_min        # start angle of the scan [rad]
float32 angle_max        # end angle of the scan [rad]
float32 angle_increment  # angular distance between measurements [rad]float32 time_increment   # time between measurements [seconds] - if your scanner# is moving, this will be used in interpolating position# of 3d points
float32 scan_time        # time between scans [seconds]float32 range_min        # minimum range value [m]
float32 range_max        # maximum range value [m]LaserEcho[] ranges       # range data [m] (Note: NaNs, values < range_min or > range_max should be discarded)# +Inf measurements are out of range# -Inf measurements are too close to determine exact distance.
LaserEcho[] intensities  # intensity data [device-specific units].  If your# device does not provide intensities, please leave# the array empty.

而sensor_msgs::LaserScan的数据则是

# Single scan from a planar laser range-finder
#
# If you have another ranging device with different behavior (e.g. a sonar
# array), please find or create a different message, since applications
# will make fairly laser-specific assumptions about this dataHeader header            # timestamp in the header is the acquisition time of # the first ray in the scan.## in frame frame_id, angles are measured around # the positive Z axis (counterclockwise, if Z is up)# with zero angle being forward along the x axisfloat32 angle_min        # start angle of the scan [rad]
float32 angle_max        # end angle of the scan [rad]
float32 angle_increment  # angular distance between measurements [rad]float32 time_increment   # time between measurements [seconds] - if your scanner# is moving, this will be used in interpolating position# of 3d points
float32 scan_time        # time between scans [seconds]float32 range_min        # minimum range value [m]
float32 range_max        # maximum range value [m]float32[] ranges         # range data [m] (Note: values < range_min or > range_max should be discarded)
float32[] intensities    # intensity data [device-specific units].  If your# device does not provide intensities, please leave# the array empty.

对比之后可以发现，主要区别就是ranges和intensities这两个变量的数据类型。

因此，只需在转发程序里将ranges和intensities的数据进行转换。具体转换部分如下：


float range;
float inten;
sensor_msgs::LaserEcho echo;
sensor_msgs::LaserEcho intens;for(int i = 0; i < datalength; i++){ //datalength是激光的数据点数range = msg->ranges[i];//msg是激光数据topic的回调函数的消息指针inten = msg->intensities;echo.echoes.push_back(range);muls.ranges.push_back(echo);intens.echoes.push_back(inten);muls.intensities.push_back(intens);
}

注意，在数据转换的时候，消息的header和其他参数也需要相应的拷贝过去，一般直接拷贝就可以了。如果数据不全，则须按照激光雷达的参数进行设置。

Header 包含seq、stamp、frame_id，其中seq扫描顺序，stamp是时间戳，frame_id是雷达的名字。

其他参数的含义：

angle_min：第一个激光数据的角度

angle_max：最后一个激光数据的角度

angle_increment：相邻两个激光数据的角度差

time_increment：测量时间间隔

scan_time ：扫描时间间隔

range_min：测距最小值

range_max：测距最大值

最后，转发的topic叫/horizontal_laser_2d

参数设置法

参数设置法主要通过在cartographer_ros的lua中进行设置。demo里的offline_backpack_2d.launch文件里加载的backpack_2d.lua中有这样两行代码：

  num_laser_scans = 0,num_multi_echo_laser_scans = 1,

这里实际可通过更改这两个参数的数字来设置cartographer_ros接收哪种数据。如果num_laser_scans为1则默认接收sensor_msgs::LaserScan数据的topic；如果num_multi_echo_laser_scans为1则默认接收sensor_msgs::MultiEchoLaserScan数据的topic。

如果采用的通过修改demo_revo_lds.launch和revo_lds.lua文件，则默认是使用sensor_msgs::LaserScan的topic数据类型。

遇到的问题

用前面的方法解决数据匹配后，如果直接运行，会发现还会遇到很多问题，接下来将一个一个的解决。

问题一

由于不再需要录制的数据包，所以对launch文件进行修改，删除bag部分，修改后的offline_backpack_2d.launch为：

<launch><arg name="no_rviz" default="false"/><arg name="rviz_config" default="$(find cartographer_ros)/configuration_files/demo_2d.rviz"/><arg name="configuration_directory" default="$(find cartographer_ros)/configuration_files"/><arg name="configuration_basenames" default="backpack_2d.lua"/><arg name="urdf_filenames" default="$(find cartographer_ros)/urdf/backpack_2d.urdf"/><arg name="launch_prefix" default=""/><remap from="echoes" to="horizontal_laser_2d"/><include file="$(find cartographer_ros)/launch/offline_node.launch"><arg name="bag_filenames" value="$(arg bag_filenames)"/><arg name="no_rviz" value="$(arg no_rviz)"/><arg name="rviz_config" value="$(arg rviz_config)"/><arg name="configuration_directory" value="$(arg configuration_directory)"/><arg name="configuration_basenames" value="$(arg configuration_basenames)"/><arg name="urdf_filenames" value="$(arg urdf_filenames)"/><arg name="launch_prefix" value="$(arg launch_prefix)"/></include>
</launch>

注意，下面的这个语句

  <remap from="echoes" to="horizontal_laser_2d"/>

如果仍然采用sensor_msgs::MultiEchoLaserScan这个数据类型的话，保持不变；如果改用sensor_msgs::LaserScan，则需要把echoes改为scan。

问题二

如果通过前面的方法直接用demo中的launch文件进行运行的话，就会遇到缺少/imu这个topic的问题，解决方法就是修改lua文件。打开launch文件中对应的lua文件，找到num_subdivisions_per_laser_scan这个参数，并做如下修改：

首先找到

MAP_BUILDER.use_trajectory_builder_2d = true

删除后面的

TRAJECTORY_BUILDER_2D.num_accumulated_range_data = 10

然后参考revo_lds.lua，添加如下部分：

TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 8.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1POSE_GRAPH.optimization_problem.huber_scale = 1e2
POSE_GRAPH.optimize_every_n_nodes = 35
POSE_GRAPH.constraint_builder.min_score = 0.65

修改后即可解决上述问题。

问题三

如果通过前面的方法直接用demo中的launch文件进行运行的话，就会遇到一下问题：

Ignored subdivision of a LaserScan message from sensor scan because previous subdivision time xxxxxxxxx is not before current subdivision time xxxxxxxxx

解决这个问题的办法还是修改lua文件。打开launch文件中对应的lua文件，找到num_subdivisions_per_laser_scan这个参数，并做如下修改：

num_subdivisions_per_laser_scan = 1,

同时，在launch文件中，还需要添加如下语句：

 <param name="use_sim_time" value="false" />

通过以上修改就可以解决前面的问题了。

问题四

如果运行过程中出现以下提示：

range_data_collator.cc:82] Dropped 1 earlier points.

这是由于激光的数据问题。可以通过在转发的时候给header.stamp赋予现在的时间即可。

sensor_msgs::LaserScan ls.header.stamp = ros::Time::now();

问题五

如果需要对sensor_msgs::laserscan进行转发，可能遇到一下问题：

segmentation fault

这个问题发生在

ls.ranges[i] = msg->ranges[i];

这是因为ls这个变量定义后，它的成员ranges需要确定大小。所以解决方法就是在给它赋值前进行初始化，初始化方法如下：

ls.ranges.resize(num);ls.intensities.resize(num);

这里num是激光雷达的数据长度。

至此，可以应该就可以运行cartographer_ros。

我主要是通过修改backpack_2d.launch文件和backpack_2d.lua文件实现。为了实现直接采用激光雷达数据，则需删除最后的rosbag的部分。修改后的launch文件如下：

<launch><param name="/use_sim_time" value="false" /><node name="cartographer_node" pkg="cartographer_ros"type="cartographer_node" args="-configuration_directory $(find cartographer_ros)/configuration_files-configuration_basename revo_lds.lua"output="screen"><remap from="scan" to="/scan" /></node><node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"type="cartographer_occupancy_grid_node" args="-resolution 0.05" /><node name="rviz" pkg="rviz" type="rviz" required="true"args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />
</launch>

修改后的lua文件为：

include "map_builder.lua"
include "trajectory_builder.lua"options = {map_builder = MAP_BUILDER,trajectory_builder = TRAJECTORY_BUILDER,map_frame = "map",tracking_frame = "base_link",published_frame = "base_link",odom_frame = "odom",provide_odom_frame = true,publish_frame_projected_to_2d = false,use_pose_extrapolator = true,use_odometry = false,use_nav_sat = false,use_landmarks = false,num_laser_scans = 1,num_multi_echo_laser_scans = 0,num_subdivisions_per_laser_scan = 1,num_point_clouds = 0,lookup_transform_timeout_sec = 0.2,submap_publish_period_sec = 0.3,pose_publish_period_sec = 5e-3,trajectory_publish_period_sec = 30e-3,rangefinder_sampling_ratio = 1.,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.submaps.num_range_data = 35
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 12.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1POSE_GRAPH.optimization_problem.huber_scale = 1e2
POSE_GRAPH.optimize_every_n_nodes = 35
POSE_GRAPH.constraint_builder.min_score = 0.65return options

接下来就是运行了cartographer_ros了！

当然，lua里的参数还需要修改才能实现较好的效果，可以参考一下两个网址：

Cartographer_ros解读 - ColinQin - 博客园 (cnblogs.com)

Algorithm walkthrough for tuning — Cartographer ROS documentation (google-cartographer-ros.readthedocs.io)

Tuning methodology — Cartographer ROS documentation (google-cartographer-ros.readthedocs.io)

Configuration — Cartographer documentation (google-cartographer.readthedocs.io)

基于激光雷达定位和DWA的小型无人机穿越窄门演示

使用二维激光雷达和cartographer_ros实现实时SLAM相关推荐

激光雷达和IMU联合标定包 lidar_IMU_calib 基于RS-32的扩展
前段时间参与一个项目需要进行激光雷达和imu的外参标定,发现目前网上开源的标定包只有浙江大学开源的方案-lidar_IMU_calib.lidar-align等少数几种,其中lidar-align听说 ...
激光雷达和V2X技术
激光雷达和V2X技术
二维激光SLAM( 使用Laser Scan Matcher )
目录一.Laser Scan Matcher安装配置二.二维激光定位一.Laser Scan Matcher安装配置 ROS自带的laser_scan_matcher库,使用的是CSM(Cano ...
从零开始搭二维激光SLAM --- 基于GMapping的栅格地图的构建
上篇文章讲解了如何在ROS中发布栅格地图,以及如何向栅格地图赋值．这篇文章来讲讲如何将激光雷达的数据构建成栅格地图．雷达的数据点所在位置表示为占用,从雷达开始到这点之间的区域表示为空闲． 1 GM ...
使用杉川3i-T1单线激光雷达和Cartographer库SLAM问题及解决
用Cartographer做二维的激光SLAM,用杉川给的ROS例子发布LaserScan数据,发现在Rviz中显示的数据,本来应该是平直的墙变成弧形的,建图也是混乱的,如下图: 研究杉川的ROS例子 ...
室内移动机器人二维激光数据线特征提取算法的总结与开源算法分享
本文章总结并翻译于 A comparison of line extraction algorithms using 2D rangedata for indoor mobile robotics 除 ...
从零开始搭二维激光SLAM --- Hector论文公式推导与相关代码解析
这篇文章将带领大家推导一下hector slam论文中的公式．之后再对这部分公式对应的代码进行讲解下． markdown打公式太费劲了,所以我用手写了．(懒) 然后csdn又限制了图片文件大小,我是照 ...
激光雷达和3D点云算法
文章目录 1.1 激光雷达硬件平台 1.2 激光雷达原理 1.3 三维激光系统研发难点 1.4 点云应用方向 1.5 点云分类,点云分割,点云特征提取(pointnet++) 1.6 点云补全(PF- ...
从零开始搭二维激光SLAM --- 激光雷达数据效果对比
我们知道,不同品牌的激光雷达产生的数据是不一样的,那这些不同点是如何影响建图效果的呢? 这篇文章就是来分析这个问题,将从不同光强下的点云效果,不同夹角下的点云效果,以及 1 激光雷达的技术指标激光雷 ...

使用二维激光雷达和cartographer_ros实现实时SLAM

数据类型转换法

最后，转发的topic叫/horizontal_laser_2d

参数设置法

遇到的问题

问题一

问题二

问题三

问题四

问题五

使用二维激光雷达和cartographer_ros实现实时SLAM相关推荐

最新文章

热门文章