Cartographer 高级功能
本文档翻译自 Cartographer 高级功能官方文档
Apache License, Version 2.0
概述
Cartographer 不仅是一个出色的 SLAM 算法，它还附带了一个功能齐全的实现，提供了许多"额外"功能。本页列出了一些不太为人所知的功能。
更多输入源
里程计输入
如果您有里程计源（例如轮式编码器）在 nav_msgs/Odometry 话题上发布，并希望使用它来改进 Cartographer 的定位，可以在 .lua 配置文件中添加输入：
use_odometry = true消息将在 odom 话题上被接收。
GPS 输入
在名为 fix 的 sensor_msgs/NavSatFix 话题上发布的 GPS 可以改进全局 SLAM：
use_nav_sat = true地标输入
对于在名为 landmark 的 cartographer_ros_msgs/LandmarkList（在 cartographer_ros 中定义的消息）话题上发布的地标：
use_landmarks = true纯定位模式
如果您已经有了满意的地图并希望减少计算量，可以使用 Cartographer 的纯定位模式，该模式将针对现有地图运行 SLAM，而不会构建新地图。
启用纯定位模式
通过使用 -load_state_filename 参数运行 cartographer_node 并在 lua 配置中定义以下行来启用：
TRAJECTORY_BUILDER.pure_localization_trimmer = {
max_submaps_to_keep = 3,
}IMU 标定
在执行全局优化时，Ceres 会尝试改进 IMU 和测距传感器之间的位姿。
具有大量回环约束的精心选择的采集（例如，如果机器人沿直线行驶然后返回）可以提高这些校正的质量，并成为位姿校正的可靠来源。
然后，您可以将 Cartographer 用作校准过程的一部分，以提高机器人外参标定的质量。
多轨迹 SLAM
Cartographer 可以从多个并行发射数据的机器人执行 SLAM。
全局 SLAM 能够检测共享路径，并在可能的情况下立即合并不同机器人构建的地图。
这是通过使用两个 ROS 服务 start_trajectory 和 finish_trajectory 来实现的。（有关其用法的更多详细信息，请参阅 ROS API 参考文档）
应用场景
- 多机器人协同建图
- 分布式 SLAM
- 大规模环境建图
使用 gRPC 的云集成
Cartographer 围绕 Protobuf 消息构建，这使其非常灵活和可互操作。
该架构的优势之一是可以轻松分布在分散在互联网上的机器上。
典型用例
典型用例是在已知地图上导航的机器人群。它们可以在运行多轨迹 Cartographer 实例的远程强大集中式定位服务器上运行其 SLAM 算法。
优势
- 集中式计算：利用强大的服务器进行 SLAM 计算
- 减少机器人负载：机器人端只需发送传感器数据
- 统一地图管理：所有机器人共享同一地图
- 实时协作：多个机器人可以实时协作建图和定位
NOTE
TODO：关于如何开始使用 gRPC Cartographer 实例的说明
Cody Gu