Cartographer用于机器人纯定位

  *转载请注明出处 @梦凝小筑

前言

         本人研一主要研究室内2D激光SLAM，对应的项目是激光AGV。现在项目也已经完结，这里分享下Cartographer用于机器人定位的经验。

        我看到大部分使用Cartographer的人只用Cartographer进行建图，并没有用其进行定位。大多还是用的Cartographer + AMCL + MoveBase这一套。本人一开始也是这样做的，但后来发现AMCL定位精度比较差，而且已经废了很大劲学习Cartographer，为什么不用他来进行定位呢？于是现在使用的是Cartographer + MoveBase，把 AMCL 去掉了。

        后面才了解到SLAM（同步定位与建图），建图的过程中便是 定位 + 地图叠加，因此Cartographer可用于建图，必然可用于定位，事实的确如此。Cartographer源码里其实也开放了纯定位的接口，只是初学的话一般很难运用。

Cartographer纯定位接口：

文件：backpack_2d_localization.lua:

TRAJECTORY_BUILDER.pure_localization_trimmer = {
  max_submaps_to_keep = 3, //最大保存子图数，存定位模式通过子图进行定位，但只需要当前和上一个子图即可，我这里设置的是2
}
POSE_GRAPH.optimize_every_n_nodes = 20 //每20个有效帧一个子图，子图构建完成要闭环检测一次，这个数越小，闭环检测越频繁，当然CPU爆炸

一、纯定位仿真测试

        官方文档提供了纯定位的仿真教程，步骤如下：

下载数据集

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-05-14-44-52.bag
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-27-12-31-41.bag

建图

roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag

纯定位测试

这里后面两个参数一个是上一步建好的地图，pbstream格式，另一个是数据集

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

也就是说，先用第一个数据集建图，建完图后用第二个数据集进行定位测试。

 

二、纯定位用在自己的机器人上

能看这篇文章相信已经掌握了Cartographer建图的方法。其实想让Cartographer用于定位也很简单。步骤如下：

修改文件 demo_backpack_2d_localization.launch

按照下面的文档中序号修改即可，不要直接粘贴。这个lannch文件建议大家也备份一个

  
    

    

  

  
          -load_state_filename /home/yourname/Map/map.pbstream" 
      output="screen">
     
  

   

  
    

修改说明：

1. 仿真为true，实际测试false

2.修改机器人模型 这里建议新建一个 my_backpack_2d.urdf

里面设置自己的机器人模型，下面是我的

3.纯定位接口参数设置 同样建议新建一个 my_backpack_2d_localization.lua

设置如下：

include "my_backpack_2d.lua"

TRAJECTORY_BUILDER.pure_localization_trimmer = {
  max_submaps_to_keep = 3, //最大保存子图数，存定位模式通过子图进行定位，但只需要当前和上一个子图即可，我这里设置的是2
}
POSE_GRAPH.optimize_every_n_nodes = 20 //每20个有效帧一个子图，子图构建完成要闭环检测一次，这个数越小，闭环检测越频繁，当然CPU爆炸

上面第一行引用的文件是 my_backpack_2d.lua，这个文件是backpack_2d.lua修改过来的，配置Cartographer在定位过程中的其它参数的，这里也建议新建一个my_backpack_2d.lua，用于区分建图时用的参数。

4.纯定位使用的地图，我是直接用固定路径,这里按照自己的路径修改即可

5.修改文件occupancy_node_main.cc

这个文件在路径cartographer_ros-master\cartographer_ros\cartographer_ros\occupancy_grid_node_main.cc

第171行或者直接搜索下面这行代码：

 //occupancy_grid_publisher_.publish(*msg_ptr);

注释掉这行代码，不然你纯定位过程建立的子图会覆盖在之前建好的地图上。

但是这行代码在建图的时候又肯定的是需要的，我的解决方法是引入外部参数进行切换。

修改文件在https://github.com/lllray/file/blob/master/occupancy_grid_node_main.cc

 

6.不需要跑数据集，直接打开自己的雷达

因为是用在自己的机器人上，所以不需要数据集

一般的步骤是：

先开雷达驱动

再开机器人驱动

最后打开我们修改的demo_backpack_2d_localization.launch文件

补充说明：

如果上述步骤失败的，检查下自己的TF变换是否正确，TOPIC是否对上了。

ROS用在机器人导航上就这些问题，只要TOPIC对上了，TF变换正确，基本都没啥问题，这也正是ROS的强大之处。

 

三、定位结果

我觉的很好，比AMCL好多了，哈哈哈，你们可以试试。

有一个很强大之处，由于Cartographer定位是是当前帧和子图进行匹配，所以对于机器人周围被新物体遮挡的情况完全没有影响。

唯一影响就是没法重定位了，因为地图上没有这些新物体，如下面那一圈障碍。

但是就算长时间被遮挡，存在累积定位误差，只要机器人离开了遮挡区域，回到了之前的环境，就可以重定位回来。

因此Cartographer定位十分稳定，特别是一大堆领导来检查的时候（一般都会把可怜的机器人团团围住），完全没怕的，哈哈哈。

 

结语：好久没更新了，多了好多粉丝，为了感谢大家的关注，写一篇粉丝可见的文章。