前言
目前机器人使用中需要进行SLAM建图，因为移动机器人想要实现自主行走，核心在于实现自主定位导航，在自主定位导航技术中会涉及到定位、建图、路径规划等问题，而地图构建的好坏将直接影响机器人的行走路径。机器人想要到达某个目的地，需要和人类绘制地图一样，描述环境、认识环境的过程主要就是依靠地图。
而目前建图方式有激光雷达、视觉建图、还有深度学习等。今天介绍的cartographer就属于激光slam。主流的激光SLAM算法有hector、gmapping、karto、cartographer等。
下面简单的介绍几种SLAM算法：
1. hector是一种结合了鲁棒性较好的扫描匹方法2D_SLAM方法和使用惯性传感系统的导航技术。传感器的要求较高，高更新频率小测量噪声的激光扫描仪，不需要里程计。使空中无人机与地面小车在不平坦区域运行存在运用的可能性。作者利用现代激光雷达的高更新率和低距离测量噪声，通过扫描匹配实时地对机器人运动进行估计。所以当只有低更新率的激光传感器时，即便测距估计很精确，对该系统都会出现一定的问题。
hector基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但对于雷达帧率要求很高40Hz，估计6自由度位姿，可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大，所以要求雷达帧率较高。
2. gmapping是一种基于粒子滤波的激光SLAM算法，它已经集成在ROS中，是移动机器人中使用最多的SLAM算法。基于粒子滤波的算法用许多加权粒子表示路径的后验概率，每个粒子都给出一个重要性因子。但是，它们通常需要大量的粒子才能获得比较好的的结果，从而增加该算法的的计算复杂性。此外，与PF重采样过程相关的粒子退化耗尽问题也降低了算法的准确性。
缺点：严重依赖里程计，无法适应无人机及地面不平坦的区域，无回环（激光SLAM很难做回环检测），大的场景，粒子较多的情况下，特别消耗资源。
3. karto是基于图优化的SLAM算法，用高度优化和非迭代cholesky矩阵进行稀疏系统解耦作为解。图优化方法利用图的均值表示地图，每个节点表示机器人轨迹的一个位置点和传感器测量数据集，箭头的指向的连接表示连续机器人位置点的运动，每个新节点加入，地图就会依据空间中的节点箭头的约束进行计算更新。路标landmark越多,内存需求越大,然而图优化方式相比其他方法在大环境下制图优势更大。
karto采取的是spa(karto_slam)或g2o(nav2d), karto的前端与后端采取的是单线程进行。
4.LagoSLAM 是线性近似图优化,不需要初始假设。基本的图优化slam的方法就是利用最小化非线性非凸代价函数.每次迭代, 解决局部凸近似的初始问题来更新图配置,过程迭代一定次数直到局部最小代价函数达到. (假设起始点经过多次迭代使得局部代价函数最小). 。假设图中每个节点的相对位置和方向都是独立的，作者求解了一个等价于非凸代价函数的方程组。为此，提出了一套基于图论的程序，通过线性定位和线性位置估计，得到非线性系统的一阶近似。
5. cartographer是google开发的实时室内SLAM项目，cartographer采用基于google自家开发的ceres非线性优化的方法，cartographer的亮点在于代码规范与工程化，非常适合于商业应用和再开发。并且cartographer基于submap子图构建全局地图的思想，能有效的避免建图过程中环境中移动物体的干扰。并且cartographer支持多传感器数据（odometry、IMU、LaserScan等）建图，支持2D_SLAM和3D_SLAM建图。
能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。cartographer是google推出的一套基于图优化的SLAM算法。
cartographer算法并没有给人惊艳的感觉，但该算法的主要目标是实现低计算资源消耗，达到实时SLAM的目的，所以很适合嵌入式端的使用。
这篇文章是介绍cartographer在linuxPC环境（Ubuntu16）下进行源码下载进行demo测试的教程，本文的前提条件是你的电脑里已经安装了ROS以下版本的任意一个：Noetic、Kinetic、Melodic。
算法分析
该算法主要分为两个部分，第一个部分称为Local SLAM, 该部分通过一帧帧的Laser Scan建立并维护一系列的Submap，而所谓的submap就是一系列的Grid Map。当再有新的Laser Scan中会通过Ceres Scan Matching的方法将其插入到子图中的最佳位置。但是submap会产生误差累积的问题，因此，算法的第二个部分，称为Global SLAM的部分，就是通过Loop Closure来进行闭环检测，来消除累积误差：当一个submap构建完成，也就是不会再有新的laser scan插入到该submap时，算法会将该submap加入到闭环检测中。闭环检测的本质也是一个优化问题，该优化问题被表达成了一个pixel-accurate match的形式，解决优化问题的方法是Branch-and-Bound Approach.
作者：良知犹存
转载授权以及围观：欢迎添加微信公众号：羽林君
安装介绍
cartographer的安装主要包括三个部分：cartographer、cartographer-ros、ceres-solver。其中cartographer 是计算的部分，cartographer-ros是算法在ROS中通讯交互数据的部分，ceres-solver谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达slam项目cartographer中被大量使用。
安装的方法有两种，一种是官网的集成式下载配置，一种是把cartographer需要的依赖部分分别安装配置。
两种方式区别就在于，第一种虽然方便，但是由于网络问题（你懂的）所以Google的相关文件下载会失败，所以就出现了，把依赖单独下载编译，最后下载cartographer进行编译。
官网方式：
1. 安装 wstool下载工具、rosdep和ninja编译工具（ninja是一个新型的编译小工具，用来替换复杂的make，从而实现快速编译）
sudo apt-get update sudo apt-get install -y python-wstool python-rosdep ninja-build
2. 建立一个wstool下载+ROS基本编译的二合一环境
mkdir catkin_ws cd catkin_ws wstool init src wstool merge -t src https://raw.githubusercontent.com/googlecartographer/cartographer_ros/master/cartographer_ros.rosinstall
这是 wstool 命令生成 .rosinstall 的文件里面的内容，可以看到设置了cartographer、cartographer-ros下载链接。
wstool update -t src
静静等待下载，速度就取决你对于Google的认知。
3.安装proto3.
Protocol Buffers(简称Protobuf) ，是Google出品的序列化框架，与开发语言无关，和平台无关，具有良好的可扩展性。Protobuf和所有的序列化框架一样，都可以用于数据存储、通讯协议。
src/cartographer/scripts/install_proto3.sh
此外其实除了Protobuf我们还可以配置其他依赖，这些脚本都在这个目录，如果编译过程中遇到依赖问题就可以去利用脚本去下载。
4.rosdep init在安装ROS时候就安装过了，不过这个经常会出现问题，我之前写过一篇ROS安装的文件，大家有兴趣可以去看看
对于这个问题，有两种解决思路：访问DNS解析环节解决或者直接切换软件源。
DNS解析环节解决：
切换linux软件源：
sudo rosdep init rosdep update rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y
5.最后一步编译
catkin_make_isolated --install --use-ninja source install_isolated/setup.bash
但是好多时候因为下载问题，就会出现这样那样的问题，所以就出现了下面的方法，把包单独下载，然后再进行编译安装。
注！：在我编译cartographer过程中，和文章所写这种一气呵成的感觉恰恰相反，我编译了好多次才编译成功的，而且中间出现各种编译问题，基本都是版本问题。所以请大家注意下载各个分包的版本，切记，切记，切记~
你看我probuf版本下载记录就知道了。
分包编译方式：
cartographer分成6个部分，分别是eigen3.2.9,ceres1.13.0,protobuf大于3.0.0,cartographer,cartogpher_ros，abseil。分开进行编译：
1.eigen
Eigen是高级 C ++ 模板标头库，用于线性代数，矩阵和矢量运算，几何变换，数值求解器和相关算法。自3.1.1版以来，Eigen是根据Mozilla Public License 2.0许可的开源软件。早期版本是根据GNU较宽松通用公共许可证授权的。
注意警告：cartographer对eigen，ceres，protobuf有严格的版本限制，版本必须严格！！！
#选择版本3.2.9 git clone https://gitlab.com/libeigen/eigen.git mkdir build cd build cmake .. sudo make install
安装完成
2.ceres
Ceres solver 是谷歌开发的一款用于非线性优化的库，在谷歌的开源激光雷达slam项目cartographer中被大量使用。
注意：ceres版本必须是1.13.0,其它版本与eigen3.2.9不匹配
#选择版本1.13.0 git clone https://github.com/ceres-solver/ceres-solver.git mkdir build cd build cmake .. make -j8 sudo make install
编译过程中如果出现这个编译问题：
Failed to find glog
-- Failed to find installed glog CMake configuration, searching for glog build directories exported with CMake.
-- Failed to find an installed/exported CMake configuration for glog, will perform search for installed glog components.
-- Failed to find glog - Could not find glog include directory, set GLOG_INCLUDE_DIR to directory containing glog/logging.h
这个原因是缺失glog库(glog 是一个 C++ 日志库，它提供 C++ 流式风格的 API。在安装 glog 之前需要先安装 gflags，这样 glog 就可以使用 gflags 去解析命令行参数)，我们可以用apt-get install安装，也可以下载源码进行编译安装.
apt-get install安装:
sudo apt-get install libgoogle-glog-dev
下载源码进行编译安装:
git clone https://github.com/google/glog.git cd glog mkdir build cmake .. make sudo make install
再重新进行cere编译安装，又通过一关
3. protobuf
Protocol Buffers(简称Protobuf) ，是Google出品的序列化框架，与开发语言无关，和平台无关，具有良好的可扩展性。Protobuf和所有的序列化框架一样，都可以用于数据存储、通讯协议。
注意：protobuf安装方式特殊，脚本安装
选择版本3.0.0 git clone https://github.com/protocolbuffers/protobuf.git ./autogen.sh
这次也会遇到error问题，
第一个error 48: autoreconf: not found
是在不同版本的 tslib 下执行 autogen.sh 产生。它们产生的原因一样,是因为没有安装automake 工具, 用下面的命令安装好就可以了。
sudo apt-get install autoconf automake libtool
第二个error可能是下载问题，这边会提示你下载失败，你可以选择注释掉，或者使用我提供的第二种编译方法：
#如遇见Error，prot：443,注释autogen.sh脚本34行 ./configure make -j8 sudo make install sudo ldconfig #测试一下protobuf protoc --version #不出意外将会显示libprotoc 3.0.0
第二种编译方法：
上文说到，我们在cartographer/scripts目录下可以找到cartographer依赖文件的下载的脚本，这些的脚本里面还有编译的选项，这时候我们就可以看下install_proto3.sh 这个文件，里面可以看到如下内容：
mkdir build cd build cmake -G Ninja \ -DCMAKE_POSITION_INDEPENDENT_CODE=ON \ -DCMAKE_BUILD_TYPE=Release \ -Dprotobuf_BUILD_TESTS=OFF \ ../cmake ninja sudo ninja install
我们直接复制直接编译即可。
4.abseil
abseil 是 google 开源的 C++通用库，其目标是作为标准库的补充。abseil 不但提供了标准库没有但很常用的功能，也对标准库的一些功能进行了增强设计，使用 abseil 库能使程序性能和开发效率都取得不错的提升。
cartographer对abseil没有版本要求，但是一定要有。
git clone https://github.com/abseil/abseil-cpp.git mkdir build cd build cmake .. -DCMAKE_CXX_STANDARD=11 make -j8 sudo make install
不过在后续编译abseil，大家可能会遇到这个问题
CMake Error at CMakeLists.txt:49 (find_package):
By not providing "FindAbseil.cmake" in CMAKE_MODULE_PATH this project has
asked CMake to find a package configuration file provided by "Abseil", but
CMakedid not find one.
Could not find a package configuration file provided by "Abseil" with any
of the following names:
AbseilConfig.cmake
abseil-config.cmake
Add the installation prefix of "Abseil" to CMAKE_PREFIX_PATH or set
"Abseil_DIR" to a directory containing one of the above files. If "Abseil"
provides a separate development package or SDK, be sure it has been
installed.
不过没事，是因为CMakeLists.txt在进行搜寻absil中，定义的名称和你编译abseil名称不同，CMakeLists.txt是大写的，而实际你编译安装后的包名称为小写。
修改如上所示：Abseil 修改为 absl
5.carographer
注意：carographer和cartographer _ros版本必须对应
mkdir cartographer cd cartographer & mkdir src cd src git clone https://github.com/cartographer-project/cartographer.git git clone https://github.com/cartographer-project/cartographer_ros.git catkin_make_isolated /*也可以用*/ catkin_make_isolated --install --use-ninja
编译成功：
建图开发
现在安装了Cartographer和Cartographer的ROS集成，官方也提供了一些数据集，Deutsches Museum(德意志博物馆)，这样我就可以很方便测试Cartographer生成地图和其他的功能了。
下载示例包（例如德意志博物馆的2D和3D背包系列）到一个已知的位置
示例位于~/Downloads，并使用roslaunch来调出演示：
# Download the 2D backpack example bag. wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag # Launch the 2D backpack demo. roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag # Download the 3D backpack example bag. wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag # Launch the 3D backpack demo. roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag
又会是下载的问题，这些文件又大，下载速度又慢还经常失败，我也是废了九牛二虎之力下载下来的
为了方便大家测试，大家可以公众号后台私我，或者添加我微信号，我把我下载好的文件发给大家。
截图有限，之前操作都忘记截图了，导致现在就只有一个了，大家凑合看了哈。
生成.pdstream地图（等待直到cartographer_offline_node完成），
roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag
然后运行纯定位:
roslaunch cartographer_ros demo_backpack_2d_localization.launch load_state_filename:=${HOME}/Download/cartographer_paper_deutsches_museum.bag.pbstream bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag
此外还有turtlebot的数据，其实都是一样的，大家也可以看一下创客智造的cartographer_turtlebot教程。
这就是我分享的cartographer的简单测试使用，未来我会介绍更加详细的cartographer使用以及源码解析。此外如果大家有什么更好的思路，也欢迎分享交流哈。
