2D SLAM – 使用Gmapping雷达建图

地图是导航必要的节点，在ROS上面常见有四种二维SLAM建图方式，它们分别是gmapping、谷歌cartographer、hector、Karto，每种算法都有不同的优缺点，感兴趣可以看看这里的SLAM算法对比。

对于硬件要求我们使用灵遨科技灵风底盘，这款底盘电机采用光电编码器方案，为里程计提供精确的位置。

Gmapping算法优缺点

优点：是在构建小场景地图所需的计算量较小且精度较高，相比Cartographer在构建小场景地图时，Gmapping不需要太多的粒子并且没有回环检测因此计算量小于Cartographer而精度并没有差太多。并且CPU资源消耗比Cartographer小。

缺点：随着场景增大所需的粒子增加，因为每个粒子都携带一幅地图，因此在构建大地图时所需内存和计算量都会增加。因此不适合构建大场景地图。并且没有回环检测，因此在回环闭合时可能会造成地图错位，虽然增加粒子数目可以使地图闭合但是以增加计算量和内存为代价。

测试gmapping程序发现：采用同样的数据集，生成5cm的地图没压力，3cm地图就会扭曲；在生成5cm地图时，增加粒子数量，生成的地图非但没有变好，反而不能成图。

问题的关键在计算量，gmapping为单线程程序，多核cpu不起作用。计算量与地图分辨率、粒子数成正比，分辨率越大、粒子数越多，cpu占用率越高。cpu的高负荷导致一次数据处理的时间变长，从而导致部分数据得不到处理。cpu负荷越高，遗漏的数据越多，造成状态估计的不连续。这就是为什么随着粒子数的增加或地图分辨率的提高，会出现地图扭曲、未知区域变大、直接拼图失败等现象。

启动底盘通讯与雷达节点

在主控节点启动与底盘的通讯与雷达，同时程序会将IMU姿态与位置融合发布odom位置信息

 roslaunch lingao_bringup robot.launch

等待IMU校准后出现First IMU message received并且没有错误基本上就是启动成功

启动Gmapping建图

在主控节点启动雷达与Gmapping节点

roslaunch lingao_slam slam.launch

通过图片可看到下图无错误既是启动成功，有时候Rplidar因为电流问题会启动失败，需要重新执行命令。

启动本地可视化rviz

在本地PC主机启动rviz在窗口内可看到机器人tf位姿数据、激光节点、地图数据

roscd lingao_slam/rviz/
rviz -d slam.rviz

现在开始建图，使用航模手柄或者键盘控制小车走进行建图。

保存地图

保存地图使用以下命令(在主控节点输入)，以下任选一个

• 快捷保存地图

roslaunch lingao_slam save_map.launch 

默认地图名为map

• 快捷保存地图为其他名字

roslaunch lingao_slam save_map.launch map_name:=map2

保存名字为map2的地图

• 或者直接使用map_server服务保存在目录下：

roscd lingao_navigation/maps/
rosrun map_server map_saver -f map

-f map，参数map为地图名

保存地图后可看到map.pgm和map.yaml文件就是本次建的地图

结束建图在开启建图的终端下ctrl+c取消即可