【SLAM实战】从零到一：Cartographer配置、运行与关键参数调优全解析

1. 环境准备与依赖安装

第一次接触Cartographer时，最头疼的就是环境配置。我在Ubuntu 20.04上实测过多次，总结出最稳定的安装方案。先确保系统已更新：

bash复制sudo apt update && sudo apt upgrade -y

核心依赖包括CMake、Eigen3和Boost库，建议手动安装而非完全依赖脚本：

bash复制sudo apt install -y cmake libeigen3-dev libboost-all-dev

ROS Noetic用户需要额外安装这些包：

bash复制sudo apt install -y ros-noetic-cartographer ros-noetic-cartographer-ros

遇到protobuf版本冲突时（这是常见坑），可以这样解决：

bash复制sudo apt install -y libprotobuf-dev protobuf-compiler

我习惯用脚本检查关键依赖版本：

bash复制cmake --version | grep "3.16" && protoc --version | grep "3.6"

注意：如果使用李想老师的注释版源码，建议先卸载系统自带的cartographer包，避免符号冲突

2. 源码编译实战技巧

源码编译环节最容易卡住。推荐使用SSD硬盘编译，机械硬盘可能要多等半小时。先创建工作空间：

bash复制mkdir -p ~/carto_ws/src
cd ~/carto_ws/src
git clone --recursive https://github.com/xiangli0608/cartographer_detailed_comments_ws.git

编译时有三个关键点：

1. 使用-j参数根据CPU核心数调整编译线程（我常用-j$(nproc)）
2. 首次编译务必加--use-ninja参数加速
3. 内存不足时添加-DCMAKE_BUILD_TYPE=Release

完整编译命令示例：

bash复制catkin_make_isolated --install --use-ninja -DCMAKE_BUILD_TYPE=Release

编译成功后，在.bashrc中添加环境变量：

bash复制echo "source ~/carto_ws/install_isolated/setup.bash" >> ~/.bashrc

3. 2D建图全流程解析

用RS16雷达数据建图时，launch文件需要特别注意这些参数：

xml复制<param name="use_sim_time" value="true" />
<node name="cartographer_node" pkg="cartographer_ros" type="cartographer_node" args="-configuration_directory $(find cartographer_ros)/configuration_files -configuration_basename lx_rs16_2d_outdoor.lua" output="screen">

实测发现bag播放速度影响建图质量，推荐用以下命令控制速率：

bash复制rosbag play --clock -r 0.5 your_bag.bag

建图过程中要监控两个关键话题：

• /submap_list 查看子图生成情况
• /constraint_list 观察优化约束数量

保存地图时，我更喜欢用pbstream格式，后期可二次编辑：

bash复制rosservice call /finish_trajectory 0
rosservice call /write_state "{filename: '${HOME}/map.pbstream'}"

4. 3D建图深度优化

3D建图对硬件要求更高，建议显卡至少6GB显存。启动前修改lua配置：

lua复制TRAJECTORY_BUILDER_3D.num_accumulated_range_data = 1
MAP_BUILDER.use_trajectory_builder_3d = true

点云处理有个实用技巧 - 在rviz中添加PointCloud2显示时，把Decay Time设为0.5秒能更清晰观察扫描线。

保存3D地图时，assets_writer的配置很关键：

xml复制<param name="pose_graph_filename" value="$(arg pose_graph_filename)" />
<param name="output_file_prefix" value="$(arg output_file_prefix)" />

用pcl_viewer查看点云时，按数字键5开启高度着色模式，能直观判断楼层结构。

5. 关键参数调优指南

tracking_frame设置要看实际传感器：

• 九轴IMU设为imu_link
• 六轴IMU建议用base_link
• 纯激光雷达可设为laser_link

坐标系转换常见问题排查：

1. 用tf_monitor检查各坐标系连接
2. tf_echo命令实测变换矩阵
3. 在rviz中固定显示map->odom->base_link层级

运动补偿参数这样调：

lua复制TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 10

6. 定位模式实战技巧

切换到定位模式时，pbstream加载要注意时间同步：

lua复制POSE_GRAPH.constraint_builder.min_score = 0.65
POSE_GRAPH.optimize_every_n_nodes = 10

实测发现调整这两个参数能显著提升重定位成功率：

• global_sampling_ratio从0.3调到0.5
• max_covariance_trace设为8.0

有个实用debug技巧：在rviz中同时显示当前scan和地图点云，观察匹配情况。

7. 性能优化与问题排查

内存占用高的解决方案：

1. 修改pose_graph的max_nodes_per_submap为50
2. 调整submaps的num_range_data到30
3. 启用trimming策略

遇到地图漂移时检查：

• IMU数据是否正常（用rostopic hz /imu）
• 雷达时间戳对齐（检查header.stamp）
• 运动预测器参数是否合理

最后分享一个监控脚本，实时显示CPU/内存占用：

bash复制watch -n 1 'echo "CPU: "$[100-$(vmstat 1 2|tail -1|awk '\''{print $15}'\'')]"% MEM: "$(free -m | grep Mem | awk '\''{print $3/$2 * 100}'\'')"%"'