解决方案

激光SLAM教程

主要目标：

本章节将设计激光SLAM的介绍，并以Cartographer作为激光SLAM算法的代表进行介绍。

在本章节，你将学会：

● 了解什么是激光SLAM

● 了解激光SLAM的代表算法Cartographer的原理和源码库的基本代码逻辑

● 掌握在ROS的仿真环境下运行Cartographer算法进行建图

● 掌握使用真实的机器人运行Cartographer算法进行建图

激光SLAM后端通常分为两种处理方式，一是以扩展卡尔曼滤波（Extend Kalman Filter,EKF）为代表的滤波方法，另一种是以图优化为代表的非线性优化方法。

Cartographer是Google研究者们于2016年推出的激光SLAM解决方案，是目前公认效果最好的基于图优化的激光SLAM算法。Cartographer的重要思想之一是Submap概念，即由一定数量的激光扫描数据组成的子图，实际上市一部分场景范围内的占据栅格地图。

局部SLAM

局部SLAM以激光雷达、里程计和IMU的数据输入，构建并维护若干Submap。

全局SLAM

与局部SLAM着眼于单帧激光扫描数据的插入不同，全局SLAM关注多帧已插入地图的激光扫描数据和多个子图的位姿优化。Cartographer将整个地图拆分为多个子图的构建，认为短时间内的位姿漂移幅度较小，因而单个子图的内部误差较小。然而，随着时间推移，多个子图的累积误差逐渐增大，需要通过回环检测来优化某些激光扫描帧和子图的位姿。

激光SLAM视频