别再混淆了！用ROS2和LIO-SAM实战搞懂SLAM中的map、odom、base_link坐标系

ROS2与LIO-SAM实战：SLAM坐标系动态关系可视化指南

当激光雷达扫描到前方障碍物时，为什么机器人导航系统有时会"误判"距离？这个困扰无数开发者的典型问题，往往源于对SLAM坐标系动态关系的理解偏差。在ROS2生态中，map、odom、base_link三个关键坐标系的相互作用，构成了机器人定位的核心骨架。本文将带您通过LIO-SAM这一前沿激光惯性里程计框架，用可视化手段透视坐标系间的微妙舞蹈。

1. 坐标系本质与ROS2实现机制

1.1 坐标系角色定位

在ROS2的tf2系统中，每个坐标系都扮演着不可替代的角色：

• map坐标系：全局定位的"真值锚点"，其原点通常对应建图时的初始位置。在LIO-SAM中，它通过闭环检测和全局优化保持稳定。
• odom坐标系：里程计的"误差容器"，累积传感器短期漂移。其与map的变换关系（map->odom）正是SLAM算法的核心输出。
• base_link坐标系：机器人本体的"物理化身"，直接反映实际运动状态。

# 查看ROS2中的坐标系树
ros2 run tf2_tools view_frames.py

1.2 动态关系可视化

通过Rviz的TF插件，可以观察到典型场景下的坐标系行为：