SLAM - 同时定位与建图¶

SLAM（Simultaneous Localization and Mapping）是机器人自主导航的核心技术，它使机器人能够在未知环境中同时构建地图并确定自身位置。

什么是 SLAM？¶

┌─────────────────────────────────────────────────────────────┐
│                    SLAM 问题定义                             │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  输入：                                                     │
│    - 传感器数据（激光雷达、相机、IMU）                       │
│    - 里程计数据（轮式编码器、视觉里程计）                    │
│                                                             │
│  输出：                                                     │
│    - 环境地图（2D/3D）                                      │
│    - 机器人位姿（位置和方向）                                │
│                                                             │
│  挑战：                                                     │
│    - 传感器噪声                                             │
│    - 累积误差                                               │
│    - 动态环境                                               │
│    - 计算复杂度                                             │
│                                                             │
└─────────────────────────────────────────────────────────────┘

SLAM 算法分类¶

基于激光雷达的 SLAM¶

算法	特点	适用场景
gmapping	2D 激光 SLAM，基于粒子滤波	室内环境，小范围
cartographer	Google 开发，2D/3D SLAM	室内外，大范围
hector_slam	无需里程计	无人机、手持设备
karto_slam	基于图优化	大规模环境

基于视觉的 SLAM¶

算法	特点	适用场景
ORB-SLAM	特征点法	室内外通用
LSD-SLAM	直接法	纹理丰富环境
DSO	直接稀疏里程计	高精度定位
RTAB-Map	视觉+激光融合	多传感器融合

在 ROS 中使用 SLAM¶

1. gmapping¶

gmapping 是最常用的 2D 激光 SLAM 算法。

安装¶

sudo apt install ros-noetic-gmapping

使用¶

# 启动 gmapping
roslaunch gmapping demo.launch

# 保存地图
rosrun map_server map_saver -f my_map

配置参数¶

<launch>
  <node name="gmapping" pkg="gmapping" type="slam_gmapping">
    <param name="base_frame" value="base_link"/>
    <param name="odom_frame" value="odom"/>
    <param name="map_frame" value="map"/>
    <param name="xmin" value="-25.0"/>
    <param name="xmax" value="25.0"/>
    <param name="ymin" value="-25.0"/>
    <param name="ymax" value="25.0"/>
    <param name="delta" value="0.05"/>
    <param name="maxUrange" value="12.0"/>
    <param name="maxRange" value="12.0"/>
  </node>
</launch>

2. cartographer¶

cartographer 是 Google 开发的 SLAM 系统，支持 2D 和 3D SLAM。

安装¶

sudo apt install ros-noetic-cartographer
sudo apt install ros-noetic-cartographer-ros

使用¶

# 2D SLAM
roslaunch cartographer_ros demo_backpack_2d.launch

# 3D SLAM
roslaunch cartographer_ros demo_backpack_3d.launch

# 保存地图
rosrun cartographer_ros cartographer_assets_writer - \
  -configuration_directory /path/to/config \
  -configuration_basename assets_writer.lua

配置文件¶

-- backpack_2d.lua
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 = "odom",
  odom_frame = "odom",
  provide_odom_frame = false,
  publish_frame_projected_to_2d = true,
  use_odometry = true,
  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,
}

MAP_BUILDER.use_trajectory_builder_2d = true
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.angular_search_window = math.rad(20.)

return options

3. RTAB-Map¶

RTAB-Map 是一个支持多传感器融合的 SLAM 系统。

安装¶

sudo apt install ros-noetic-rtabmap-ros

使用¶

# 使用激光雷达
roslaunch rtabmap_ros rtabmap.launch \
  laser_scan:=/scan \
  frame_id:=base_link

# 使用 RGB-D 相机
roslaunch rtabmap_ros rtabmap.launch \
  rgb_topic:=/camera/rgb/image_raw \
  depth_topic:=/camera/depth/image_raw \
  camera_info_topic:=/camera/rgb/camera_info

# 保存地图
rosrun map_server map_saver -f my_map

SLAM 实践步骤¶

步骤 1：准备传感器¶

# 检查激光雷达
rostopic echo /scan

# 检查里程计
rostopic echo /odom

# 检查 TF
rosrun tf view_frames

步骤 2：启动 SLAM¶

# 启动机器人
roslaunch my_robot bringup.launch

# 启动 SLAM
roslaunch gmapping slam.launch

# 启动 RViz 可视化
roslaunch my_robot rviz.launch

步骤 3：建图¶

# 使用键盘控制机器人移动
rosrun teleop_twist_keyboard teleop_twist_keyboard.py

# 在 RViz 中观察地图构建过程

步骤 4：保存地图¶

# 保存地图
rosrun map_server map_saver -f my_map

# 生成文件
# my_map.pgm  (地图图像)
# my_map.yaml (地图配置)

步骤 5：加载地图¶

# 加载地图
roslaunch map_server map_server.launch map_file:=/path/to/my_map.yaml

SLAM 调优技巧¶

1. 参数调优¶

# gmapping 参数
maxUrange: 激光雷达最大有效范围
particles: 粒子数量（越多越精确，但越慢）
delta: 地图分辨率
xmin/xmax/ymin/ymax: 地图范围

2. 传感器校准¶

# 检查 TF 树
rosrun tf view_frames

# 检查坐标变换
rosrun tf tf_echo /base_link /laser

3. 里程计校准¶

# 检查里程计精度
rostopic echo /odom

# 校准轮子间距和轮子半径

SLAM 评估¶

1. 视觉评估¶

在 RViz 中观察： - 地图是否一致 - 是否有重影 - 是否有闭环

2. 定量评估¶

使用 slam_eval 工具：

# 安装
sudo apt install ros-noetic-slam-eval

# 评估
rosrun slam_eval eval map1.yaml map2.yaml

常见问题¶

1. 地图漂移¶

原因：里程计误差累积

解决方案： - 增加闭环检测 - 使用更好的里程计（视觉里程计、IMU） - 减小粒子数量

2. 地图重影¶

原因：机器人移动过快或传感器噪声

解决方案： - 降低机器人移动速度 - 增加扫描匹配参数 - 使用更好的传感器

3. 计算资源不足¶

原因：粒子数量过多或地图范围过大

解决方案： - 减小粒子数量 - 减小地图范围 - 使用更高效的算法（cartographer）