4. Cartographer 集成：Google Cartographer 原理、ROS2 接口、参数调优

说到建图，Cartographer 是我个人非常偏爱的一个工具。它不像 Gmapping 那样依赖里程计，也不像 Hector 那样对雷达频率要求苛刻。说白了，Cartographer 的核心思想就是——用局部匹配构建子图，再用全局优化消除累积误差。这个思路，在长走廊、大回环的场景下特别管用。

4.1 Cartographer 的工作原理

Cartographer 的工作流程可以拆成三步：

1. 扫描匹配（Scan Matching）：将当前激光帧与最近的子图进行匹配，得到位姿估计。这里用的是 Ceres Solver 做非线性优化。
2. 子图构建（Submap Construction）：每插入一定数量的激光帧，就生成一个局部子图。子图之间通过位姿图（Pose Graph）连接。
3. 全局优化（Global Optimization）：当检测到闭环时，对整个位姿图进行优化，消除漂移。

我在项目中遇到过一个问题：在长直走廊里，Cartographer 的局部匹配会慢慢漂移。但一旦走到尽头拐弯，闭环检测一触发，整个地图瞬间就拉回来了。嗯，这就是图优化的魅力。

4.2 ROS2 接口与集成

Cartographer 在 ROS2 中的集成，主要靠 cartographer_ros 这个包。它提供了两个核心节点：

• cartographer_node：负责建图，订阅激光雷达和里程计数据。
• cartographer_occupancy_grid_node：将 Cartographer 的内部地图转换为 ROS2 的 OccupancyGrid 消息。

启动文件通常长这样：

# cartographer.launch.py
from launch import LaunchDescription
from launch_ros.actions import Node

def generate_launch_description():
    return LaunchDescription([
        Node(
            package='cartographer_ros',
            executable='cartographer_node',
            name='cartographer_node',
            output='screen',
            parameters=[{'use_sim_time': True}],
            arguments=[
                '-configuration_directory', '/opt/ros/humble/share/cartographer_ros/configuration_files',
                '-configuration_basename', 'backpack_2d.lua'
            ]
        ),
        Node(
            package='cartographer_ros',
            executable='cartographer_occupancy_grid_node',
            name='cartographer_occupancy_grid_node',
            parameters=[{'use_sim_time': True}]
        )
    ])

这里要注意的是 backpack_2d.lua 这个配置文件。它包含了所有参数，我建议你直接复制一份出来改，别动原文件。

4.3 参数调优实战

参数调优是 Cartographer 集成中最头疼的部分。我刚开始调的时候，地图要么飞了，要么卡死。后来总结出一套经验：先调局部，再调全局。

参数名	作用	我的推荐值
TRAJECTORY_BUILDER_2D.min_range	激光最小有效距离	0.3（过滤掉机器人自身反射）
TRAJECTORY_BUILDER_2D.max_range	激光最大有效距离	30.0（太远的数据噪声大）
TRAJECTORY_BUILDER_2D.submaps.num_range_data	每个子图的激光帧数	90（室内场景够用）
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight	平移匹配权重	10.0（提高平移精度）
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight	旋转匹配权重	40.0（旋转容易漂，加重权重）
POSE_GRAPH.optimize_every_n_nodes	每 N 个节点优化一次	90（与子图帧数一致）
POSE_GRAPH.constraint_builder.sampling_ratio	闭环检测采样率	0.3（调高检测更准，但更慢）

4.4 核心流程可视化

下面这张图展示了 Cartographer 的核心数据流。我画的时候特意把闭环检测的路径标红了，因为这是整个系统的关键。

4.5 实战调优步骤

如果你第一次调 Cartographer，我建议按这个顺序来：

1. 先跑通默认参数：用官方给的 backpack_2d.lua，确保能建出图来。
2. 调整激光范围：把 min_range 和 max_range 设好，过滤掉无效数据。
3. 调整子图大小：num_range_data 设小一点（比如 60），建图更快，但精度会降。设大一点（120），精度高但慢。
4. 调整匹配权重：如果机器人转弯多，把 rotation_weight 调高到 50 以上。
5. 调整闭环检测：sampling_ratio 从 0.1 开始，慢慢往上加，直到地图不飘为止。

嗯，Cartographer 的集成大概就这些。记住一点：没有万能参数，只有适合你场景的参数。多试几次，你就能找到感觉。