【SLAM】（一）Google Cartographer的初步尝试

最近刚定了毕业设计的题目，大概是做SLAM方向，恰好Google不久前开源了他的室内SLAM库Cartographer，我就拿来用实验室的Robot试了一下，总体效果还是很好的。

• Cartographer的Github： https://github.com/googlecartographer

• Google的Paper：http://download.csdn.net/detail/jsgaobiao/9678941

• Cartographer的官方文档：https://google-cartographer-ros.readthedocs.io/en/latest/

Cartographer是Google的开源SLAM库，并且包含了ROS接口，主要依赖的传感器是激光雷达（Lidar）和惯性导航仪（IMU），用于2D和3D的室内SLAM。
它的设计目标是实现低计算资源消耗，实时优化，不追求高精度（可以达到r=5cm级别的精度）
Paper中说了，它主要的贡献并不在算法层面，而是提供了工程上高效率、Robust的代码实现（所以更要把它代码跑起来试一试~）。它的一个关键点在于将branch and bound（分支限界算法）引入到 loop closure的过程中，提高与之前submap比较的效率。

算法的基本思路可以看这个图：

Scan是激光扫描的单帧数据，通过累加Scan来构建局部地图（Submap）。Cartographer的实现并没有采用滤波方法，而是采用了类似图优化的模型进行Pose estimation，具体的实现是用了Ceres scan matching(Ceres是Google自家的库) 。
这样构造出来的很多很多submap是会产生累计误差的，最后通过Loop closing来消除这些误差，完成闭环。

Cartographer的官方文档中提供了很多Demo，基本的ROS框架如下图所示：

其中，Cartographer_node是它的主要模块，它订阅了很多topic（ROS操作系统中的概念，如果不熟悉ROS可以参考它的tutorial：http://wiki.ros.org/ROS/Tutorials），其中/scan是激光雷达的数据，/imu是IMU的数据，我所做的主要工作就是参考Google的demo实现了Laser publisher和IMU publisher，并做了一些测试。

我们的Robot上使用的是hokuyo的激光雷达，它提供了现成的ROS node，叫做urg_node，可以在ROS wiki上查询使用方法。
IMU的publisher使用了python实现，它publish的数据类型是sensor_msgs/Imu。目前我只输出了orientation，这个publisher还不够完善，不过已经基本能用了。publisher的实现等完善后再放上来。

我分别在室内和室外测试了该算法：
室内测试的视频可以看这里：百度网盘

在室外测试的时候很卡，不知道是因为我们的Robot上CPU不太够用还是可视化占用的内存太大，这个我还要继续研究下（因为离线跑Google数据的时候非常流畅），另外接下来还要补充SLAM的理论知识，并继续了解其他的SLAM算法。