最近剛定了畢業設計的題目，大概是做SLAM方向，恰好Google不久前開源了他的室內SLAM庫Cartographer，我就拿來用實驗室的Robot試了一下，總體效果還是很好的。
Cartographer的Github： https://github.com/googlecartographer
Google的Paper：http://download.csdn.net/detail/jsgaobiao/9678941
- Cartographer的官方文檔：https://google-cartographer-ros.readthedocs.io/en/latest/
Cartographer是Google的開源SLAM庫，並且包含了ROS接口，主要依賴的傳感器是激光雷達（Lidar）和慣性導航儀（IMU），用於2D和3D的室內SLAM。
它的設計目標是實現低計算資源消耗，實時優化，不追求高精度（可以達到r=5cm級別的精度）
Paper中說了，它主要的貢獻並不在算法層面，而是提供了工程上高效率、Robust的代碼實現（所以更要把它代碼跑起來試一試~）。它的一個關鍵點在於將branch and bound（分支限界算法）引入到 loop closure的過程中，提高與之前submap比較的效率。
算法的基本思路可以看這個圖：
Scan是激光掃描的單幀數據，通過累加Scan來構建局部地圖（Submap）。Cartographer的實現並沒有採用濾波方法，而是採用了類似圖優化的模型進行Pose estimation，具體的實現是用了Ceres scan matching(Ceres是Google自家的庫) 。
這樣構造出來的很多很多submap是會產生累計誤差的，最後通過Loop closing來消除這些誤差，完成閉環。
Cartographer的官方文檔中提供了很多Demo，基本的ROS框架如下圖所示：
其中，Cartographer_node是它的主要模塊，它訂閱了很多topic（ROS操作系統中的概念，如果不熟悉ROS可以參考它的tutorial：http://wiki.ros.org/ROS/Tutorials），其中/scan是激光雷達的數據，/imu是IMU的數據，我所做的主要工作就是參考Google的demo實現了Laser publisher和IMU publisher，並做了一些測試。
我們的Robot上使用的是hokuyo的激光雷達，它提供了現成的ROS node，叫做urg_node，可以在ROS wiki上查詢使用方法。
IMU的publisher使用了python實現，它publish的數據類型是sensor_msgs/Imu。目前我只輸出了orientation，這個publisher還不夠完善，不過已經基本能用了。publisher的實現等完善後再放上來。
我分別在室內和室外測試了該算法：
室內測試的視頻可以看這裏：百度網盤
在室外測試的時候很卡，不知道是因爲我們的Robot上CPU不太夠用還是可視化佔用的內存太大，這個我還要繼續研究下（因爲離線跑Google數據的時候非常流暢），另外接下來還要補充SLAM的理論知識，並繼續瞭解其他的SLAM算法。