利用 Cartographer ROS 生成的地图
NOTE
本文档翻译自 Cartographer ROS Assets Writer 官方文档
Apache License, Version 2.0
Cartographer SHA: 30f7de1a325d6604c780f2f74d9a345ec369d12d
Cartographer ROS SHA: 44459e18102305745c56f92549b87d8e91f434fe
概述
随着传感器数据的输入，SLAM 算法（如 Cartographer）的状态会不断演化，以保持机器人轨迹和周围环境的当前最佳估计。因此，Cartographer 能够提供的最准确的定位和建图是在算法完成时获得的。
Cartographer 可以将其内部状态序列化为 .pbstream 文件格式，这本质上是一个压缩的 protobuf 文件，包含 Cartographer 内部使用的数据结构的快照。
为了在实时中高效运行，Cartographer 会立即丢弃其大部分传感器数据，仅使用其输入的一小部分，内部使用的地图（并保存在 .pbstream 文件中）因此非常粗糙。然而，当算法完成并建立了最佳轨迹后，可以事后将其与完整的传感器数据重新组合以创建高分辨率地图。
Cartographer 使用 cartographer_assets_writer 实现这种重组。
Assets Writer 输入
Assets Writer 需要以下输入：
- 原始传感器数据：用于执行 SLAM 的传感器数据（ROS
.bag文件） - Cartographer 状态：执行 SLAM 时捕获的 cartographer 状态（保存在
.pbstream文件中） - 传感器外参：来自 bag 的 TF 数据或 URDF 描述
- 管道配置：在
.lua文件中定义
Assets Writer 使用 .pbstream 中找到的轨迹批量处理 .bag 数据。管道可用于对 SLAM 点云数据进行着色、过滤并导出为各种格式。有多个这样的点处理步骤可以在管道中交错使用 - cartographer/io 中已经提供了几个。
使用示例
离线节点自动保存
使用离线节点运行 Cartographer 时，会自动保存 .pbstream 文件。例如，使用 3D 录制包示例：
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/b3-2016-04-05-14-14-00.bag
roslaunch cartographer_ros offline_backpack_3d.launch bag_filenames:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag观察命令行输出，直到节点终止。它将写入 b3-2016-04-05-14-14-00.bag.pbstream，表示 Cartographer 处理完所有数据并完成所有优化后的状态。
在线节点手动保存
在线节点运行时，Cartographer 不知道您的 bag（或传感器输入）何时结束，因此您需要使用公开的服务来明确完成当前轨迹并让 Cartographer 序列化其当前状态：
# 完成第一个轨迹。不再接受该轨迹的数据。
rosservice call /finish_trajectory 0
# 要求 Cartographer 序列化其当前状态。
# （按 Tab 键快速展开参数语法）
rosservice call /write_state "{filename: '${HOME}/Downloads/b3-2016-04-05-14-14-00.bag.pbstream', include_unfinished_submaps: "true"}"运行 Assets Writer
获得 .pbstream 文件后，可以使用 3D 背包的示例管道运行 assets writer：
roslaunch cartographer_ros assets_writer_backpack_3d.launch \
bag_filenames:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag \
pose_graph_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag.pbstream所有输出文件都以 --output_file_prefix 为前缀，默认为第一个 bag 的文件名。对于上一个示例，如果您在管道配置文件中指定 points.ply，这将转换为 ${HOME}/Downloads/b3-2016-04-05-14-14-00.bag_points.ply。
配置
Assets Writer 被建模为 PointsProcessor 步骤的管道。PointsBatch 数据流经每个处理器，它们都有机会在传递之前修改 PointsBatch。
例如，assets_writer_backpack_3d.lua 管道使用 min_max_range_filter 删除距离传感器太近或太远的点。之后，它保存"X 射线"（地图的半透明侧视图），然后根据传感器 frame ID 重新着色 PointsBatch，并使用这些新颜色写入另一组 X 射线。
可用的 PointsProcessor
可用的 PointsProcessor 都在 cartographer/io 子目录中定义，并在各自的头文件中进行了记录。
color_points
根据 frame_id 为点着色固定颜色。
dump_num_points
传递点，但跟踪它看到了多少点，并在 Flush 时输出。
fixed_ratio_sampler
只让固定的 sampling_ratio 的点通过。sampling_ratio 为 1.0 时，此过滤器无操作。
frame_id_filter
过滤所有具有黑名单 frame_id 或非白名单 frame_id 的点。注意，您可以指定白名单或黑名单，但不能同时指定两者。
write_hybrid_grid
创建点的混合栅格，体素大小为 voxel_size。range_data_inserter 选项用于配置通过混合栅格的距离数据光线追踪。
intensity_to_color
对来自具有 frame_id 的传感器的每个点应用 (intensity - min) / (max - min) * 255，并用此值为点着灰色。如果 frame_id 为空，这适用于所有点。
min_max_range_filtering
过滤所有距离其 origin 比 max_range 更远或比 min_range 更近的点。
voxel_filter_and_remove_moving_objects
对数据进行体素过滤，仅传递我们认为在非移动对象上的点。
write_pcd
将 PCD 文件流式传输到磁盘。标头在 Flush 中写入。
write_ply
将 PLY 文件流式传输到磁盘。标头在 Flush 中写入。
write_probability_grid
创建具有指定 resolution 的概率栅格。由于所有点都投影到 x-y 平面，因此忽略数据的 z 分量。range_data_inserter 选项用于配置通过概率栅格的距离数据光线追踪。
write_xray_image
通过点创建 X 射线切片，像素大小为 voxel_size。
write_xyz
写入 ASCII xyz 点。
点云的第一人称可视化
两个 PointsProcessor 特别有趣：pcd_writing 和 ply_writing 可以将点云保存为 .pcd 或 .ply 文件格式。然后，这些文件格式可以由专用软件（如 point_cloud_viewer 或 meshlab）使用，以浏览高分辨率地图。
典型管道配置
这种结果的典型 assets writer 管道由以下部分组成：
- IntensityToColorPointsProcessor - 为点着非白色
- PlyWritingPointsProcessor - 将结果导出到
.ply点云
此类管道的示例在 assets_writer_backpack_2d.lua 中。
使用 point_cloud_viewer
获得 .ply 后，按照 point_cloud_viewer 的 README 生成磁盘上的八叉树数据结构，可以通过同一仓库中的查看器之一（SDL 或基于 Web）查看。
注意：point_cloud_viewer 需要颜色才能正常工作。
Cody Gu