4. SLAM建图：激光SLAM原理、Cartographer使用、地图保存

在机器人路径规划中，地图是决策的基础。没有一张可用的栅格地图，全局路径规划与局部避障都无从谈起。本章聚焦于激光SLAM建图，重点讲解其核心原理、Cartographer工具的实际使用流程，以及地图的保存与格式转换。

4.1 激光SLAM核心原理：从扫描到占据栅格

激光SLAM（Simultaneous Localization and Mapping）的核心任务可以概括为：机器人在未知环境中，一边利用激光雷达感知周围障碍物，一边估计自身位姿，同时增量式地构建环境地图。其本质是一个“先有鸡还是先有蛋”的循环问题——定位需要地图，建图需要位姿，因此SLAM算法必须联合求解。

在ROS2中，最常用的激光SLAM算法是Cartographer，它由Google开源，采用图优化（Graph-based SLAM）框架。其核心思想分为两个层级：

• 局部匹配（前端）：利用当前激光帧与最近一段时间的子图（Submap）进行扫描匹配，得到相对位姿。Cartographer采用非线性最小二乘优化（如Ceres Solver）来求解帧与子图间的刚体变换，从而获得高频、低精度的局部轨迹。
• 全局闭环（后端）：当机器人回到曾经访问过的区域时，通过分支定界（Branch and Bound）搜索算法在历史子图中寻找匹配，一旦检测到闭环，则触发一次全局的位姿图优化，消除累积漂移，得到全局一致的轨迹与地图。

最终生成的地图是占据栅格地图（Occupancy Grid Map）。每个栅格存储一个概率值，表示该位置被障碍物占据的可能性。在ROS2中，该值通常以0~100表示占据概率，-1表示未知区域。

4.2 Cartographer在ROS2中的安装与配置

在ROS2环境中使用Cartographer，通常通过二进制安装或源码编译。以Humble版本为例，推荐使用apt安装：

sudo apt install ros-humble-cartographer
sudo apt install ros-humble-cartographer-ros

安装完成后，需要准备两个关键配置文件：Lua脚本（用于定义算法参数）和URDF模型（用于描述机器人底盘与雷达的外参）。一个典型的Lua配置片段如下：

include "map_builder.lua"
include "trajectory_builder.lua"

options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "base_link",
  published_frame = "odom",
  odom_frame = "odom",
  provide_odom_frame = true,
  use_odometry = true,
  num_laser_scans = 1,
  num_subdivisions_per_laser_scan = 1
}

return options

启动建图时，通常需要同时启动三个节点：激光雷达驱动、Cartographer节点以及可视化节点RViz2。可以使用如下命令：

ros2 launch cartographer_ros cartographer.launch.py \
  configuration_basename:="my_robot.lua"

4.3 实操案例：使用Cartographer构建室内地图

以下是一个典型的建图流程，假设你已有一个发布/scan话题的2D激光雷达，以及一个可遥控的差速底盘。

1. 启动底盘与雷达驱动：确保/odom与/scan话题正常输出。
2. 启动Cartographer：加载Lua配置，开始接收数据并构建子图。
3. 遥控机器人运动：缓慢平移并旋转，避免原地高速旋转，确保激光帧有足够重叠。
4. 观察RViz2中的实时地图：检查是否有明显错位或漂移。
5. 触发闭环：让机器人回到起点附近，观察地图是否自动校正对齐。

下表总结了建图过程中的关键参数与建议值：

4.4 地图保存与格式转换

建图完成后，需要将Cartographer的当前地图快照保存为静态地图文件，供后续导航使用。Cartographer本身不直接保存pgm/yaml，而是通过map_saver节点来订阅/map话题并保存。

ros2 run nav2_map_server map_saver_cli -f ~/map/my_room

执行后，会生成两个文件：my_room.pgm（图像文件）和my_room.yaml（元数据文件）。其中yaml内容类似：

image: my_room.pgm
resolution: 0.050000
origin: [-10.0, -10.0, 0.0]
negate: 0
occupied_thresh: 0.65
free_thresh: 0.196

在保存地图前，务必在RViz2中确认/map话题的显示正常，且地图边界完整。如果地图存在大量黑色噪点，可以先用map_editor工具或图像处理软件清理后再保存。

4.5 常见误区与复盘

在实际建图过程中，初学者常犯以下错误，导致地图质量不佳：

• 误区一：雷达频率过低。如果雷达扫描频率低于5Hz，机器人运动稍快就会造成帧间匹配失败，地图出现断裂。建议使用10Hz以上的雷达。
• 误区二：忽略IMU的作用。对于不平坦地面或底盘打滑明显的情况，仅靠轮式里程计无法提供足够的运动约束，此时应配置IMU并设置use_imu = true。
• 误区三：建图时速度过快。Cartographer虽然鲁棒，但过快的角速度会导致激光帧变形，建议线速度不超过0.5m/s，角速度不超过0.5rad/s。
• 误区四：保存地图前未等待闭环完成。如果地图还在漂移中就保存，会导致导航时定位失败。正确做法是观察地图稳定后再保存。

复盘一个典型失败案例：某次建图时，地图在走廊尽头出现明显的“分叉”现象。排查后发现，原因是雷达的安装位置与URDF中描述的偏移量不一致，导致前端匹配时引入了系统性误差。修正外参后，重新建图，地图恢复正常。这提醒我们：外参标定是SLAM建图的前提，任何微小的安装偏差都会在长时间建图中被放大。

通过本章的学习，你已经掌握了激光SLAM的核心原理、Cartographer的配置与使用、地图保存方法以及常见问题的排查思路。在下一阶段，你将基于这张静态地图，开展机器人的自主定位与路径规划实验。