ROS2实战：基于Cartographer纯定位与Navigation2的自主导航全流程解析

1. 从SLAM到纯定位：Cartographer的核心原理

第一次接触Cartographer纯定位功能时，我花了整整三天才搞明白它的工作原理。与常见的AMCL定位不同，Cartographer的纯定位模式实际上是在已有地图基础上运行的SLAM系统。简单来说，它会把预先建好的地图作为"固定参考系"，然后在这个框架内持续优化机器人的位姿。

这里有个很形象的比喻：想象你拿着手机在商场里导航。建图阶段相当于商场工作人员用专业设备绘制了完整的室内地图；而纯定位阶段就是你打开手机导航APP，利用已有的商场地图来确定自己当前的位置。Cartographer的纯定位就是这样的过程，只不过它用的是激光雷达数据而不是手机信号。

关键参数pure_localization_trimmer控制着系统保留多少历史数据用于定位。我实测发现，对于TurtleBot3这样的小型机器人，保留3-5个子图（submap）就能获得不错的定位效果。这个参数设置得太小会导致定位不稳定，太大又会增加计算负担。下面是一个典型的配置示例：

lua复制TRAJECTORY_BUILDER.pure_localization_trimmer = {
    max_submaps_to_keep = 3,
}

在Gazebo仿真中验证定位精度时，我发现两个常见问题：一是TF坐标系配置错误导致定位完全失效，二是地图分辨率与传感器数据不匹配造成定位漂移。解决方法也很直接：

1. 确保tracking_frame和published_frame与你的机器人URDF定义一致
2. 建图和定位时使用相同的分辨率参数（建议0.05m）

2. Navigation2与Cartographer的集成实战

把Cartographer作为Navigation2的定位源，最让我头疼的是坐标系的转换问题。Navigation2默认使用AMCL，要改用Cartographer需要修改几个关键配置。首先在nav2_params.yaml中，需要禁用AMCL并启用Cartographer的定位话题：

yaml复制amcl:
  ros__parameters:
    use_amcl: false

localization:
  ros__parameters:
    use_sim_time: True
    topic: /odom

实际集成时我踩过一个大坑：Cartographer输出的位姿默认是在map坐标系下的，而Navigation2需要的是odom坐标系。解决方法是在launch文件中添加静态TF变换：

python复制Node(
    package='tf2_ros',
    executable='static_transform_publisher',
    arguments=['0', '0', '0', '0', '0', '0', 'map', 'odom']
)

性能调优方面，经过多次测试我总结出这些经验值：

• optimize_every_n_nodes设为20-30（太大延迟明显，太小计算负担重）
• publish_period_sec建议0.5-1.0秒
• 在RViz中同时显示/map和/scan话题，观察匹配程度

3. 完整工作流搭建与调试技巧

从建图到导航的全流程中，最容易出问题的环节是地图保存与加载。我强烈建议同时保存两种格式的地图：

1. .pgm+.yaml用于可视化检查
2. .pbstream用于纯定位

保存pbstream文件时，路径权限问题可能导致保存失败。我习惯先用touch命令创建空文件并设置权限：

bash复制touch ~/map.pbstream
chmod 777 ~/map.pbstream

在FishBot上实测时，我发现Cartographer对IMU数据的质量非常敏感。如果机器人没有物理IMU，建议在Gazebo中降低IMU的噪声参数，或者在配置文件中完全禁用IMU：

lua复制TRAJECTORY_BUILDER_2D.use_imu_data = false

调试时最实用的技巧是在RViz中同时显示：

• /map话题（检查地图加载是否正确）
• /tf坐标系树（确认各坐标系关系）
• /scan原始数据（观察匹配质量）
• /particlecloud（仅在使用AMCL时）

4. 性能优化与常见问题排查

经过多个项目的验证，我整理出这套性能优化方案：

计算资源分配：

• 给Cartographer分配独立CPU核心（使用taskset命令）
• 限制地图更新频率（publish_period_sec参数）
• 在低配设备上降低分辨率（0.1m）

典型错误及解决方案：

1. 定位突然跳变：检查TF树是否完整，特别是base_link到laser的变换
2. 地图不显示：确认pbstream路径正确，且文件权限可读
3. 导航路径规划失败：检查global_costmap和local_costmap的层配置

对于资源受限的嵌入式设备，可以调整这些参数减轻负载：

lua复制POSE_GRAPH.optimize_every_n_nodes = 50
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 50
MAP_BUILDER.num_background_threads = 1

在TurtleBot3上的实测数据显示，优化后CPU占用从90%降至45%，而定位精度仅下降约8%。这个取舍在大多数应用场景都是可以接受的。