4. SLAM进阶与优化：Cartographer算法对比、回环检测、建图质量调优
各位同学，欢迎来到SLAM进阶篇。说实话，很多做机器人的朋友，卡就卡在建图这一步。地图建不好，后面导航避障全是空中楼阁。今天咱们就聊聊Cartographer这个算法，以及怎么把地图质量调上去。
核心观点：建图质量 = 传感器精度 × 算法参数 × 场景适配。缺一个，地图就崩。
4.1 Cartographer算法对比：为什么选它？
市面上2D SLAM算法不少，Gmapping、Hector、Karto、Cartographer……我最早用的是Gmapping，后来发现它在长廊、大场景下容易飘。Cartographer的优势在哪？说白了，它引入了子图（Submap）和回环检测机制，能有效抑制累积误差。
| 算法 | 回环检测 | 实时性 | 大场景表现 | 我个人的评价 |
|---|---|---|---|---|
| Gmapping | 无 | 高 | 差（易飘） | 适合小房间，入门友好 |
| Hector | 无 | 极高 | 中（依赖高帧率激光） | 没IMU容易炸，我踩过坑 |
| Karto | 有（基于图优化） | 中 | 中 | 中规中矩，回环不够鲁棒 |
| Cartographer | 有（基于分支定界） | 高 | 好 | 工业级首选，调参有门道 |
你想想看，Cartographer为什么能成为ROS2中的主流？因为它把局部匹配和全局优化分开了。局部匹配用CSM（相关扫描匹配），速度快；全局优化用图优化，精度高。两者配合，既保证了实时性，又控制了误差。
我的经验：如果你用的是16线以下激光，或者室内环境特征少（比如白墙长廊），Cartographer几乎是唯一能稳定出图的选择。Gmapping在这种场景下，跑着跑着地图就歪了。
4.2 回环检测：地图闭合的关键
回环检测，说白了就是让机器人认出“哎，这个地方我来过”。没有回环检测，地图就会像一条拉长的橡皮筋，越走越歪。
Cartographer的回环检测用的是分支定界法（Branch and Bound）。嗯，这里要注意，它不是暴力匹配所有历史帧，而是通过构建一个搜索树，快速找到最优匹配。效率比暴力搜索高好几个数量级。
# Cartographer回环检测核心参数（.lua文件）
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
POSE_GRAPH.optimize_every_n_nodes = 90
POSE_GRAPH.constraint_builder.sampling_ratio = 0.3
POSE_GRAPH.global_sampling_ratio = 0.003我在项目中遇到过一个问题：回环检测明明触发了，但地图就是闭合不上。后来排查发现，是optimize_every_n_nodes设得太大了（比如300）。节点积累太多，优化一次计算量爆炸，反而容易优化失败。我建议这个值设在60~120之间，根据你的CPU性能来调。
避坑指南：我曾经把global_sampling_ratio设到0.01，结果回环检测每帧都在算，CPU直接拉满，机器人原地卡死。这个值一般0.002~0.005就够了，别贪心。
4.3 建图质量调优：从能用到好用
地图建出来是一回事，建得好是另一回事。我见过太多同学，地图能跑但导航时频繁卡死、撞墙。为什么？地图质量不行。
影响建图质量的三个核心维度：
- 传感器数据质量：激光雷达的畸变、IMU的零偏、里程计的滑移
- 算法参数匹配：分辨率、匹配窗口、优化频率
- 运动控制策略：建图时的速度、转向角速度、是否原地旋转
4.3.1 传感器校准是第一步
别急着调参数，先看看你的传感器数据干不干净。我习惯用rosbag record录一段数据，然后用rviz回放。如果激光点云在静止时还在抖动，那说明IMU或里程计有问题。
# 检查激光数据是否稳定
rostopic echo /scan -n 10 | grep ranges如果发现数据抖动，先校准IMU的加速度计和陀螺仪零偏。Cartographer对IMU的依赖比Gmapping重得多，IMU不准，地图必歪。
4.3.2 参数调优实战
Cartographer的调参，我总结了一个“三步走”策略：
- 先调局部匹配：让机器人能跟上当前运动
- 再调全局优化：让回环能正确闭合
- 最后调地图输出：让地图清晰可用
| 调优阶段 | 关键参数 | 我的推荐值 | 说明 |
|---|---|---|---|
| 局部匹配 | submaps.resolution | 0.05 | 分辨率太高（0.025）计算量大，太低（0.1）地图模糊 |
| 局部匹配 | submaps.num_range_data | 90~120 | 子图包含的激光帧数，太少回环难检测，太多内存爆炸 |
| 全局优化 | pose_graph.optimize_every_n_nodes | 90 | 每90个节点优化一次，平衡实时性和精度 |
| 地图输出 | map_builder.num_background_threads | 4 | 根据CPU核心数设置，树莓派建议2 |
一个实用技巧：建图时把机器人速度控制在0.2~0.3m/s，转向角速度不超过0.5rad/s。跑太快，激光畸变严重，地图直接糊掉。我见过有人用0.8m/s建图，结果地图像喝醉了一样。
4.3.3 常见问题与解决
建图过程中，你可能会遇到这些问题：
- 地图出现重影：回环检测没触发或触发失败。检查
global_sampling_ratio是否太低，或者场景特征太少。 - 地图边缘锯齿严重：分辨率太低。把
submaps.resolution从0.05降到0.025试试，但注意计算量会翻倍。 - 建图过程中机器人突然卡住：CPU过载。检查
num_background_threads和optimize_every_n_nodes，适当降低。
我的调试习惯：先用默认参数跑一遍，录下bag。然后离线回放bag，一边调参一边看效果。这样不用反复跑机器人，省时省力。你想想看，机器人跑一圈要5分钟，调参调10次就是50分钟，用bag回放10分钟搞定。
4.4 知识体系总览
下面这张图，是我自己总结的Cartographer建图调优知识体系。你可以把它当作一个检查清单，每次建图前过一遍。
这张图我每次做项目都会贴在工位上。说白了，建图调优就是个系统工程，传感器、算法、运动控制，哪个环节出问题都不行。我见过太多人只盯着参数调，结果传感器数据本身就是脏的，调破天也没用。
最后提醒一句：别指望一次调参就能搞定所有场景。换一个环境，换一台机器人，参数就得重新微调。我习惯把每次调参的配置和效果截图保存下来，慢慢积累成自己的参数库。时间长了，你看到场景就能大概知道参数怎么设。
好了，这一章的内容就到这。记住，建图是导航的基石，地基打不牢，后面全是白费功夫。去动手试试吧，把理论变成你自己的经验。