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，核心在於實現自主定位導航，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，需要和人類繪製地圖一樣，描述環境、認識環境的過程主要就是依靠地圖。
而目前建圖方式有雷射雷達、視覺建圖、還有深度學習等。今天介紹的cartographer就屬於雷射slam。主流的雷射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雷射掃描儀，不需要裡程計。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。作者利用現代雷射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雷射傳感器時，即便測距估計很精確，對該系統都會出現一定的問題。
hector基於優化的算法（解最小二乘問題），優缺點：不需要裡程計，但對於雷達幀率要求很高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是一種基於粒子濾波的雷射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。基於粒子濾波的算法用許多加權粒子表示路徑的後驗概率，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複雜性。此外，與PF重採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：嚴重依賴裡程計，無法適應無人機及地面不平坦的區域，無迴環（雷射SLAM很難做迴環檢測），大的場景，粒子較多的情況下，特別消耗資源。
3. karto是基於圖優化的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製圖優勢更大。
karto採取的是spa(karto_slam)或g2o(nav2d), karto的前端與後端採取的是單線程進行。
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於非凸代價函數的方程組。為此，提出了一套基於圖論的程序，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採用基於google自家開發的ceres非線性優化的方法，cartographer的亮點在於代碼規範與工程化，非常適合於商業應用和再開發。並且cartographer基於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幹擾。並且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，後端優化的輸入項。成本較低的雷達也能跑出不錯的效果。cartographer是google推出的一套基於圖優化的SLAM算法。
cartographer算法並沒有給人驚豔的感覺，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裡已經安裝了ROS以下版本的任意一個：Noetic、Kinetic、Melodic。
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建立並維護一系列的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
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谷歌開發的一款用於非線性優化的庫，在谷歌的開源雷射雷達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。
兩種方式區別就在於，第一種雖然方便，但是由於網絡問題（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，最後下載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，用來替換複雜的make，從而實現快速編譯）
sudo apt-get update
sudo apt-get install -y python-wstool python-rosdep ninja-build2. 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 的文件裡面的內容，可以看到設置了cartographer、cartographer-ros下載連結。
靜靜等待下載，速度就取決你對於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，都可以用於數據存儲、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
對於這個問題，有兩種解決思路：訪問DNS解析環節解決或者直接切換軟體源。
DNS解析環節解決：
切換linux軟體源：
sudo rosdep initrosdep updaterosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y
5.最後一步編譯
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，然後再進行編譯安裝。
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大於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，用於線性代數，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許可的開源軟體。早期版本是根據GNU較寬鬆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於非線性優化的庫，在谷歌的開源雷射雷達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++ 日誌庫，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，都可以用於數據存儲、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，這些的腳本裡面還有編譯的選項，這時候我們就可以看下install_proto3.sh 這個文件，裡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我們直接複製直接編譯即可。
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不過在後續編譯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，而實際你編譯安裝後的包名稱為小寫。
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：
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
示例位於~/Downloads，並使用roslaunch來調出演示：
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag
roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bagwget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bagroslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag
又會是下載的問題，這些文件又大，下載速度又慢還經常失敗，我也是廢了九牛二虎之力下載下來的。
為了方便大家測試，大家可以公眾號後臺私我，或者添加我微信號，我把我下載好的文件發給大家。
截圖有限，之前操作都忘記截圖了，導致現在就只有一個了，大家湊合看了哈。
生成.pdstream地圖（等待直到cartographer_offline_node完成），
roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag然後運行純定位:
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此外還有turtlebot的數據，其實都是一樣的，大家也可以看一下創客智造的cartographer_turtlebot教程。
這就是我分享的cartographer的簡單測試使用，未來我會介紹更加詳細的cartographer使用以及源碼解析。此外如果大家有什麼更好的思路，也歡迎分享交流哈。
本公眾號全部原創乾貨已整理成一個目錄，回復[ 資源 ]即可獲得。
申明以上部分內容是參考了別人的文章，如有侵權，請告知，我將刪除！