cartographer安装与编译（成功运行数据集）_cartography源码安装

1 Cartographer的介绍

Cartographer是一种用于构建实时二维和三维地图的开源算法库。它由Google开发，旨在支持机器人和自动驾驶车辆的定位和环境建模。Cartographer结合了激光雷达和惯性测量单元（IMU）的数据，并利用了多传感器数据的时间同步性，以高效地生成准确的地图。

Cartographer的主要特点包括：

（1）并行扫描匹配（Parallel Scan Matching）：Cartographer使用并行计算来加快扫描匹配的速度。它将激光雷达数据划分为多个子集，并在并行处理器上同时处理这些子集，以实现快速的扫描匹配。

（2）位姿图优化（Pose Graph Optimization）：Cartographer使用图优化技术来估计机器人的姿态和地图的拓扑结构。通过优化位姿图，可以提高地图的准确性和一致性，并减少传感器噪声和误差的影响。

（3）实时地图更新：Cartographer能够在机器人移动时实时更新地图。它通过处理连续的激光雷达数据流，并根据新的观测信息和机器人的运动来更新地图。这使得Cartographer适用于实时应用，如机器人导航和建筑物内的环境建模。

（4）支持二维和三维地图：Cartographer支持构建二维和三维地图。对于二维地图，它可以处理激光雷达数据，而对于三维地图，它可以使用激光雷达和IMU数据来进行建模。

2 Cartographer的框架

从上面的系统框图中可以看出， catographer算法的输入是各类传感器，其中包括有雷达数据，里程计位姿，IMU数据和GPS数据。雷达数据首先经过一个体素滤波器，再经过自适应体素滤波与由里程计和IMU融合构成位姿估计器生成local slam ，在local slam中 的扫描匹配使用 google 自家的seres库进行非线性求解，然后是构成子图，子图的构建过程通过运动滤波器。当子图不再生成时则会加入到global slam中，位姿间的约束通过稀疏位姿调整。

3. Cartographe的r安装 

因为运行cartographer需要很多依赖，因此第一步就是解决依赖的问题，执行下面的指令安装必要的库：

sudo apt-get install \
    clang \
    cmake \
    g++ \
    git \
    google-mock \
    libboost-all-dev \
    libcairo2-dev \
    libcurl4-openssl-dev \
    libeigen3-dev \
    libgflags-dev \
    libgoogle-glog-dev \
    liblua5.2-dev \
    libsuitesparse-dev \
    lsb-release \
    ninja-build \
    stow \
    python3-wstool \
    python3-rosdep \
    python3-sphinx \
    libatlas-base-dev

接下来是安装abseil库：

git clone https://github.com/abseil/abseil-cpp.git
cd abseil-cpp
git checkout 215105818dfde3174fe799600bb0f3cae233d0bf # 20211102.0
mkdir build
cd build
cmake -G Ninja \
  -DCMAKE_BUILD_TYPE=Release \
  -DCMAKE_POSITION_INDEPENDENT_CODE=ON \
  -DCMAKE_INSTALL_PREFIX=/usr/local/stow/absl \
  ..
ninja
sudo ninja install
cd /usr/local/stow

接下来是ceres库

​
sudo apt-get install  liblapack-dev libsuitesparse-dev libcxsparse3 libgflags-dev libgoogle-glog-dev libgtest-dev
 
GitHub - ceres-solver/ceres-solver: A large scale non-linear optimization library
 
mkdir build
cd build
 
cmake ..
 
make -j4
 
sudo make install
 
​

然后安装proto3

git clone https://github.com/google/protobuf.git
cd protobuf
git checkout tags/${VERSION}
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

最后再安装cartographer

cd cartographer
mkdir build
cd build
cmake .. -G Ninja
ninja
CTEST_OUTPUT_ON_FAILURE=1 ninja test
sudo ninja install

由于本人使用的github上大神注释好源码的版本，因此这里主要是按照该项目的安装演示，首先是到GitHub - xiangli0608/cartographer_detailed_comments_ws: cartographer work space with detailed comments该链接中克隆到自己的系统上。

 4.Cartographer的编译

进入到工作空间，然后找到cat_make.sh脚本，执行./cat_make.sh，即可对整个工程进行编译。成功编译后会显示有四个功能包包含进去。

5. Cartographer的运行

5.1 2d 建图实验

执行指令 roslaunch cartographer_ros lx_rs16_2d_outdoor.launch

效果图：

5.2 3d 建图实验

执行指令：

roslaunch cartographer_ros lx_rs16_3d.launch

效果图

5.3 纯定位模式

执行指令：

roslaunch cartographer_ros lx_rs16_2d_outdoor_localization.launch

效果图

5.4官方数据集测试

先下载官方的数据集，点击该链接即可Running Cartographer ROS on a demo bag — Cartographer ROS documentation

5.4.1官方数据集2d建图测试

roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag

效果图

5.4.2官方数据集3d建图测试

执行指令：ghm@ghm-QNLXS:~$ roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

效果图：

 

5.2.3 纯定位测试

执行指令：（1） roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag

等建图完成之后，再运行（2） roslaunch cartographer_ros demo_backpack_2d_localization.launch    load_state_filename:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag.pbstream    bag_filename:=${HOME}/Downloads/b2-2016-04-27-12-31-41.bag

（1）所完成的工作生成一张地图，然后保存地图的配置文件，这样在（2）才可以在所对应的地图中进行定位测试。

效果图：

结语：本文中学习了如何将cartographer安装到自己的系统，并成功通过cartographer对自制的数据集和官方的数据集进行建图和定位测试，数据集的获取可以私信。

下一篇预告：使用husky机器人对自定义的gazebo仿真环境进行测试。

参考链接：

GitHub - xiangli0608/cartographer_detailed_comments_ws: cartographer work space with detailed comments

https://github.com/cartographer-project/cartographer

Running Cartographer ROS on a demo bag — Cartographer ROS documentation