2D Laser SLAM

1 Laser SLAM概述

  Laser SLAM(Simultaneous Localization and Mapping，激光同步定位与地图构建)是一种机器人技术，旨在解决机器人在未知环境中定位与地图构建问题，它主要依靠激光传感器获取环境信息。
  以上为基于子地图的2D SLAM的基本流程图，摘自高翔的"自动驾驶与机器人中的SLAM技术"。

2 cartographer

  对于机器人激光SLAM而言，cartographer是最接近落地的开源激光SLAM项目。它是一套完整的工程化代码，包括基于图优化的算法及ROS的集成。它的软件架构设计非常的优秀，便于接入IMU、(单/多线)雷达、里程计、甚至为二维码辅助等视觉识别方式也预留了接口。它的地图为2D栅格地图，可以直接用于导航。以下为cartographer的软件框架[摘自官网]。
  虽然cartographer非常的优秀，但距离真正的落地，中间还是存在一道鸿沟。特别是消费类产品，需要考虑硬件成本，产品需求等。
  本专栏会基于cartographer、cartographer_ros2的工程化代码，首先裁剪与重构carto，然后新增实用功能，最终构建出一套轻量级、实用级的室内2D激光SLAM。此套2D激光SLAM为不带后端优化的版本。它适用于小区域作业的机器人，例如家庭扫地机器人，陪伴机器人等。

3 裁剪与重构carto

• 删除cloud、ground_truth、metrics、grpc、测试模块
• 删除后端优化模块
• 删除3D SLAM模块
• 删除因3D SLAM而引入的各种多态
• 删除基于轨迹ID的建图与定位方案
• 裁剪并修改msg模块及对应实现
• 封装ROS接口的的topic、service、action消息
• 解除cartographer_ros内topic机制与ID的绑定
• 修改传感器数据传输机制
• 修改map数据的获取与发布机制
• 修改地图的保存机制
• 修改地图的加载机制
• 裁剪最终产物

4 gorilla slam

• 建图与定位
• 业务输入与输出
• 寻找主方向
• 重定位
• 地图管理
• 异常处理
• 地图美化
• 地图分区

5 效果展示

6 VS cartographer

• 无abseil、protobuf、lua、cairo、boost、pcl
• 参数只用yaml文件构成，配置参数少，更容易上手
• 无各种多态，无轨迹策略，无3D相关内容，调用清晰明了
• 新增了地图裁剪、美化和分区
• 新增产品级别的ROS接口
• 基于cmake方式编译，结果只有可执行程序和相应的.so文件

7 合作

  本教程不会对外公布，有需求请私信。