2.2.4 启动hector_slam演示
分别开启三个终端运行以下命令：
$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch # 动一个gazebo仿真节点 $ roslaunch mbot_navigation hector_demo.launch # hector建图节点 $ roslaunch mbot_teleop mbot_teleop.launch # 启动一个键盘控制节点
第一个节点启动了gazebo仿真，它使用仿真的雷达给出了一个scan扫描数据；而后下面的节点订阅了这个数据并进行处理，最后得到一个二维栅格地图。
hector这个算法有一个很大的问题，就是在于它的自定位，它利用自身的激光雷达数据进行定位，如果上一次的扫描数据与下一次的扫描数据基本一致的话，它就很难确定自己是否在运动，例如当我给一个足够大的空间，这里有一条没有任何特征点的长廊，长度远远超过激光扫描的最大距离时，hector基本就失去了建图的能力。
2.3 cartographer
2.3.1 cartographer功能包
2016年10月5日，谷歌开源
基于图网络的优化方法
二维或三维条件下的定位及建图功能
设计目的是在计算资源有限的情况下，实时获取相对较高精度的2D地图
主要基于激光雷达
后续会支持更多传感器和机器人平台，同时不断增加新的功能。
2.3.2 cartographer安装
方法一：（新方法）
sudo apt-get update sudo apt-get install ros-<your ros version>-cartographer* # 安装全部关于cartographe
方法二：原来的方法（有好处）
cartographer功能功能包没有集成到ROS的软件源里面，所以需要采用源码编译方式进行安装。为了不与其他安装包冲突，最好为cartographer专门创建一个工作空间，这里我们创建了一个工作空间catkin_google_ws：
1、安装工具：
$ sudo apt-get update $ sudo apt-get install -y python-wstool python-rosdep ninja-build
2、初始化工作空间：
$ mkdir google_ws # 创建工作空间，名称为google_ws $ cd google_ws $ wstool init src
3、设置下载地址（挂VPN最好）
在新建的工作空间下输入下边指令：
# 如果这一步错误，见下面方法一、方法二 $ wstool merge -t src https://raw.githubusercontent.com/googlecartographer/cartographer_ros/master/cartographer_ros.rosinstall $ wstool update -t src
说明：配置Cartographer需要三个包，分别是：Cartographer、Cartographer_ros 和ceres-solver。
方法一：
# 如果无法从google取出代码可以从github提取code： # 在~/google_ws/src下目录下面ctrl+h打开隐藏文件夹，修改里面第三个包的下载地址： https://github.com/ceres-solver/ceres-solver.git
方法二：
# 输入完第一个命令后需要改文件的下载地址，另起终端输入： $ gedit google_ws/src/.rosinstall # 将最后一个git来源网址由https://ceres-solver.googlesource.com/ceres-solver.git改为htt
4、安装功能包依赖
# 安装 proto3.sh 进入protobuf的release版本下载页，link：https://github.com/protocolbuffers/protobuf/releases # 在google_ws目录下 # protobuf的下载太慢，可以在官网手动下载好，放到cartographer目录下(和src同级，具体操作如下) $ src/cartographer/scripts/install_proto3.sh # 安装 deb 依赖，出现错误可以忽略 $ sudo rosdep init $ rosdep update $ rosdep install --from-paths src --ignore-src --rosdistro=${kinetic} -y
5、编译功能包
$ catkin_make_isolated --install --use-ninja # 在google_ws目录下，编译
6、在当前终端，设置环境变量
source install_isolated/setup.bash #设置环境变量，在当前终端中设置环境变量，只能在当
建议把该句source命令直接写入系统的bashrc环境里
$ vim ./bashrc source install_isolated/setup.bash # 然后把该句source命令添加到最后一行即可
2.3.3 启动2D、3D 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
启动Revo LDS demo演示
启动PR2 demo填示
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/pr2/2011-09-15-08-32-46.bag roslaunch cartographer_ros demo_pr2.launch bag_filename:=~/Downloads/2011-09-15-08-32-46.bag
2.3.4 把cartographer功能包运行到自己的机器人上
由于传感器的rostopic不同，我们需要对cartographer订阅的名称进行修改，需要在launch文件中进行修改，但是修改后发现没有任何作用，这是因为修改后需要重新按照上面的流程进行编译安装，这个可能是因为在安装的时候其实已经把launch文件安装到系统中了，所以我们调用的时候还是调用系统中的launch文件
1、配置cartographer节点
mbot_navigation/launch/cartographer_demo_rplidar.launch
2、参数配置
mbot_navigation/config/rplidar.lua
2.3.5 启动cartographer仿真
catkin_make_isolated --install--use-ninja roslaunch mbot_ gazebo mbot_laser_nav_gazebo.launch roslaunch cartographer_ros cartographer_demo_rplidar.launch roslaunch mbot_teleop mbot_teleop.launch
2.4 ORB_SLAM
2.4.1 ORB_SLAM功能包
基于特征点的实时单目SLAM系统
实时解算摄像机的移动轨迹
构建三维点云地图
不仅适用于手持设备获取的一组连续图像，也可以应用于汽车行驶过程中获取的连续图像
Raul Mur-Artal，J.M.M.Montiel和Juan D.Tardos于2015年发表在IEEE Transactions on Robotics上
2.4.2 ORB_SLAM2安装
1、安装工具&下载源码：
sudo apt-get install libboost-all-dev libblas-dev liblapack-dev git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2 # 克隆到home下
2、安装eigen3.2.10
去官网下载：http://eigen.tuxfamily.org/index.php?title=Main_Page 解压源码包，并进入目录： mkdir build cd build cmake .. make sudo make install
3、编译g2o
cd ~/ORB_SLAM2/Thirdparty/g2o/ mkdir build cd build cmake .. -DCMAKE_BUILD_TYPE=Release make
4、编译DBoW2
cd ~/ORB_SLAM2/Thirdparty/DBoW2/ mkdir build && cd build cmake .. -DCMAKE_BUILD_TYPE=Release make
5、编译Pangolin
sudo apt-get install libglew-dev git clone https://github.com/stevenlovegrove/Pangolin.git cd Pangolin mkdir build && cd build cmake .. cmake --build .
6、编译ORM_SLAM
cd ~/ORB_SLAM2 mkdir build && cd build cmake .. -DCMAKE_BUILD_TYPE=Release make
7、编译功能包（配置ROS环境）
# 首先修改.bashrc文件 $ cd ~ $ gedit .bashrc # 打开.bashrc文件在最后一行加入 source ~/ORB_SLAM2/Examples/ROS/ORB_SLAM2/build/devel/setup.bash $ source ~/.bashrc
$ export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/ggk/ORB_SLAM2/Examples/ROS $ cd ~/ORB_SLAM2 $ chmod +x build_ros.sh $ ./build_ros.sh
第7步，编译功能包 出现的问题：
解决方法：
修改 ~/ORB_SLAM2/Examples/ROS/ORB_SLAM2/CMakeLists.txt,添加 -lboost_system
2.4.3 启动单目SLAM示例（基于数据包）
KITTI：http://www.cvlibs.net/datasets/kitti/eval_odometry.php，是室外，双目
1、首先下载数据包TUM：这个主要是室内，单目和RGB-D
https://vision.in.tum.de/data/datasets/rgbd-dataset/download#freiburg1_desk
在ORB-SLAM2下新建文件夹Data，把测试的数据解压在这里。
TUM数据集分为相机fr1，fr2，fr3，对应TUM1-3.yaml；
一般第一次测试用fr1/xyz这个数据集，这个就是x，y，z方向来回动，用来检测一下系统出没出什么问题。
其他的数据看名字就知道，比如desk就是在桌子附近来回转，room就是在房间里面扫来扫去。
值得注意的是，运行其他数据集的时候，单目不一定能追踪成功，在台式机上能成功的在虚拟机上也不一定能成功，这就需要我们进行一些调整，比如调整初始化需求数量等，这个关系到对SLAM系统的理解。
2、分别打开三个终端运行下面的三个命令：
$ roscore # 进入ORB_SLAM2目录下启动Mono功能节点。 # 看到开启的等待数据的可视化建图界面 $ rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml # 进入数据包所在目录下，运行命令 # /camera/image_raw表示播放的数据要发布的话题名称，此时可以在界面中看到建图的效果 $ rosbag play rgbd_dataset_freiburg1_desk.bag /camera/rgb/image_color:=/camera/image_raw
PATH_TO_VOCABULARY：算法参数文件，在ORB_SLAM2/Vocabulary中，将其中的压缩包解压即可；
PATH_TO_SETTINGS_FILE：相机参数设置文件，需要对camera进行标定产生，也可以使用ORB_SLAM2/Examples/ROS/ORB_SLAM2中已有的设置文件Asus.yaml。
2.4.4 启动AR示例（基于数据包）
$ roscore # 进入ORB_SLAM2目录下启动Mono功能节点。 # 看到开启的等待数据的可视化建图界面 $ rosrun ORB_SLAM2 MonoAR Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml # 进入数据包所在目录下，运行命令 # /camera/image_raw表示播放的数据要发布的话题名称，此时可以在界面中看到建图的效果 $ rosbag play rgbd_dataset_freiburg1_desk.bag /camera/rgb/image_color:=/camera/image_raw
点击界面Insert Cube，看到正方形插入进来，展示AR效果
2.4.5 启动ORB_SLAM示例（真实摄像头）
$ roslaunch mbot_navigation usb_cam_remap.launch # 进入ORB_SLAM2目录下启动Mono功能节点。 # 看到开启的等待数据的可视化建图界面 $ rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml
2.4.6 启动AR示例（真实摄像头）
摄像头要运动起来，来完成地图构建
$ roslaunch mbot_vision usb_cam_remap.launch # 进入ORB_SLAM2目录下启动Mono功能节点。 # 看到开启的等待数据的可视化建图界面 $ rosrun ORB_SLAM2 MonoAR Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml
3 参考资料
2.3 参考资料
Compiling Cartographer ROS
https://google-cartographer-ros.readthedocs.io/en/latest/compilation.html#building-installation
ROS slam-google cartographer编译和demo运行
https://blog.csdn.net/x_r_su/article/details/52927564
Google Cartographer安装教程
https://blog.csdn.net/xmy306538517/article/details/81455625
ubuntu18.04配置cartographer
https://blog.csdn.net/SimileciWH/article/details/82939752
