(三) 基本参数配置

launch 和 lua 配置文件都是在install_isolated/share/cartographer_ros/launch/ 和 install_isolated/share/cartographer_ros/configuration_files/ 下，所以如果只修改了cartographer_ros软件包中的launch 和 lua 文件之后是需要重新编译的，编译之后才能将修改的文件安装到install_isolated文件中。

从cartographer启动时输出的信息可知，我们自己的lua加载的其他lua有：map_builder.lua, pose_graph.lua, trajectory_builder.lua, trajectory_builder_2d.lua. 它们的路径都在/usr/local/share/cartographer/configuration_files。如果我们需要改这些基本lua的参数，可以在自己lua里覆盖地修改，直接改原文件不太好，它们的关系如下：

map_builder.lua和trajectory_build.lua起着总领的作用，前者包括的pose_graph.lua为后端优化的具体参数配置；后者是前端的参数配置，分为2d和3d两个文件。

lua_parameter_dictionary.cc是用于lua参数的，如果这里有报错，基本是lua参数的语法问题

1	[/cartographer_node] [ScopedRosLogSink::send] line_63 F0402 21:57:53.000000 20519 lua_parameter_dictionary.cc:399] Check failed: HasKey(key) Key 'use_nav_sat' not in dictionary:

在lua文件里必须设置use_nav_sat参数，同样报错的参数都要添加

自定义lua的参数

我用的是home.lua，先看options的内容，这是通用的参数。options块中定义的值定义了cartographer前端应当如何与机器人进行交互。定义在options段后的值用于调试cartographer的内部信息

开头的map_builder = MAP_BUILDER和trajectory_builder = TRAJECTORY_BUILDER万年不变:

map_builder = MAP_BUILDER,
trajectory_builder = TRAJECTORY_BUILDER,
map_frame = "map",
tracking_frame = "imu",
published_frame = "odom",
odom_frame = "odom",
provide_odom_frame = false,
publish_frame_projected_to_2d = false,
publish_tracked_pose = false

use_odometry = true,
use_nav_sat = false,
use_landmarks = false,

num_laser_scans = 1,
num_multi_echo_laser_scans = 0,
num_subdivisions_per_laser_scan = 1,
num_point_clouds = 0,

lookup_transform_timeout_sec = 0.2,
submap_publish_period_sec = 0.3,
pose_publish_period_sec = 5e-3,  --频率可能比较高
trajectory_publish_period_sec = 30e-3,

rangefinder_sampling_ratio = 1.,
odometry_sampling_ratio = 1.,
fixed_frame_pose_sampling_ratio = 1.,
imu_sampling_ratio = 1.,
landmarks_sampling_ratio = 1.,

# 补充
collate_fixed_frame = true  是否将数据放入阻塞队列
collate_landmarks = false  -- 一般都是false

坐标系组

map_frame: 用于发布submaps的ROS坐标系，也是位姿的父坐标系，通常是map
tracking_frame: 通常，如果使用IMU，就是imu_link; 如果不用IMU，可以用laser。博物馆的lua写的base_link

有时遇到这样的报错：

Check failed: sensor_to_tracking->translation().norm() < 1e-5 The IMU frame must be colocated with the tracking frame. Transforming linear acceleration into the tracking frame will otherwise be imprecise

这是因为在使用IMU的情况下，tracking frame不是imu的link

published_frame: 位姿子坐标系的ROS坐标系，例如”odom”坐标系，如果一个odom坐标系由系统的不同部分提供，在这种情况下，map_frame中的odom姿势将被发布。否则，将其设置为base_link可能是合适的
provide_odom_frame: true 适用于机器人本身没有odom坐标系的情况，如果启用，将发布局部、非闭环、持续的位姿，也就是odom_frame在map_frame中的坐标
odom_frame: 在provide_odom_frame为true才启用，坐标系在published_frame和map_frame之间用于发布局部SLAM结果，通常是”odom”
use_odometry: 如果启用，会订阅关于odom话题(或者叫其他名字)的nav_msgs/Odometry消息。应当提供里程信息，这些信息包含在SLAM里
use_nav_sat: 是否使用gps数据。如果启用，将订阅sensor_msgs/NavSatFix的话题，比如fix. 应当提供导航数据，将用于全局SLAM
use_landmarks: 如果启用，订阅cartographer_ros_msgs/LandmarkList的话题，比如landmarks. 应当提供Landmarks信息，这些信息包含在SLAM里
use_pose_extrapolator: 默认false. 发布tf时是使用 pose_extrapolator推断的位姿还是前端计算出来的位姿

stamped_transform.header.stamp =
    node_options_.use_pose_extrapolator
        ? ToRos(now)
        : ToRos(trajectory_data.local_slam_data->time);

旧版本没有这个参数，直接使用了now。这个参数认为位姿估计器很精确，但前提是雷达频率高，时间间隔短。最好是使用前端的时间戳

publish_frame_projected_to_2d: 默认false. 发布TF变换时，是否将tracking在Local坐标系中的坐标投影到2D平面上，这只是个显示功能，不影响SLAM。
publish_tracked_pose: 是否发布话题tracked_pose，也就是tracking坐标系在map坐标系的位姿，朝向与imu_link的x轴重合

num组

Cartographer可以订阅的主题有三种，我们一般用scan，还可以用echoes或points2，这三个是互斥的。分别对应lua中的num_laser_scans, num_multi_echo_laser_scans,num_point_clouds. 这三个参数必须都是 >= 0 且三者之和 >=1 代码在ComputeRepeatedTopicNames

lua中将num_laser_scans设置为1，则scan将用作SLAM的输入，如果num_laser_scans大于1，则多个编号的扫描主题（即scan_1，scan_2，scan_3，……直到并包括num_laser_scans）将用作SLAM的输入.

当num_point_clouds为1时，默认订阅points2话题的数据

同理，如果将num_multi_echo_laser_scans设置为１，则echoes做输入，但仅使用第一个回声，如果大于1，则多个编号的回声主题（即echoes_1，echoes_2，echoes_3，……直到并包括num_multi_echo_laser_scans）将用作SLAM的输入。echoes的消息类型为sensor_msgs/MultiEchoLaserScan，不同之处在于sensor_msgs/LaserEcho[] ranges和sensor_msgs/LaserEcho[] intensities

首先需要雷达支持多echo，即每个脉冲发出以后，会有多个echo返回。我们知道一般雷达要避免扫描玻璃，因为laser会穿透过去，但多echo雷达不仅可以获得玻璃返回的echo，也能获得玻璃后面的墙返回的echo，这样我们就获得不同深度的信息，对建图定位的帮助更大。

points２也是这样，消息类型sensor_msgs/PointCloud2，num_point_clouds适用于多线雷达，对于单线，设置为0

num_subdivisions_per_laser_scan: 将雷达一帧的数据拆分成几次发出来，必须>=1，默认10。在SensorBridge::HandleLaserScan中调用, 对点云points细分。比如雷达scan有200束激光，本参数为10，那么转换成点云后，对点云取很多小段处理：(0,20)、(20,40)……(190,200)。对于普通雷达来说，此处为1即可

period 组

都在Node的构造函数里，是ROS定时器的发布间隔

lookup_transform_timeout_sec: 使用tf2查找tracking_frame和雷达坐标系变换的超时秒数，在函数TfBridge::LookupToTracking
submap_publish_period_sec: 发布话题submap_list的间隔
posepublish_period_sec: 对应`publish_local_trajectory_data_timer和Node::PublishLocalTrajectoryData`. 例如5e-3，对应tf发布频率为200Hz
trajectory_publish_period_sec: 发布轨迹节点和Landmark的时间间隔，对应PublishTrajectoryNodeList和PublishLandmarkPosesList

ratio 组

5种观测的权重比

rangefinder_sampling_ratio: Fixed ratio sampling for range finders messages.
odometry_sampling_ratio: Fixed ratio sampling for odometry messages. 如odom的数据非常不准，可以设置为0.3，以减小odom对整体优化的影响
fixed_frame_sampling_ratio: Fixed ratio sampling for fixed frame messages.
imu_sampling_ratio: Fixed ratio sampling for IMU messages.
landmarks_sampling_ratio: Fixed ratio sampling for landmarks messages.

options结束后，一般有一句：MAP_BUILDER.use_trajectory_builder_2d = true，这是因为map_builder.lua中的这个参数设置为false了，我们在这里可以重新赋值，选择使用2D还是3D

不使用机器人的IMU和Odom

map_frame = "map",
tracking_frame = "base_footprint",
published_frame = "base_footprint",	
odom_frame = "odom",
provide_odom_frame = true,
publish_frame_projected_to_2d = false,
use_odometry = false,
TRAJECTORY_BUILDER_2D.use_imu_data = false  --默认true

进行2d slam时，carto的默认配置是使用imu的，所以如果没有imu就要TRAJECTORY_BUILDER_2D.use_imu_data = false，否则会一直等待imu的数据而进行不下去。而3D slam 必须使用imu，所以不必修改这个参数。

为什么3D必须有IMU，而2D可以不用？

在2D中，Cartographer支持运行相关的扫描匹配器，用于局部SLAM中寻找循环关闭的约束条件。它的计算代价很大，但通常会使odometry或IMU数据的加入变得不必要。2D也有假设平坦世界的好处，也就是说，上升是隐式定义的。
在三维中，IMU主要用于测量重力。重力在测量中是一个很有用的量，因为它不漂移，而且是一个非常强的信号，而且通常包含了大部分所要测量的加速度。

Node::LaunchSubscribers函数中有一段：

if (node_options_.map_builder_options.use_trajectory_builder_3d() ||
      (node_options_.map_builder_options.use_trajectory_builder_2d() &&
       options.trajectory_builder_options.trajectory_builder_2d_options()
           .use_imu_data() )  )

显然源码里已经做了规定

屏蔽机器人的里程计

如果我们不想使用轮式里程计， cartographer的lua无法屏蔽里程计，只能自己修改机器人的程序，不让它发布odom话题和odom--->base_footprint的tf变换。如果不修改，使用时会发现tf变换一会儿由 cartographer发布，一会儿由机器人程序发布，千万不能由两个节点发布同一个tf变换，从rviz看上去，RobotModel和LaserScan摇晃地很厉害。

这里有一个技巧，观察一个tf变换是否由两个节点发布，用rosrun tf view_frame是看不出来的，应该用rosrun rqt_tf_tree rqt_tf_tree，然后用刷新按钮观察。

如果不用IMU，Odom + Lidar在局部存在纠偏失败的可能。但是在里程计与imu不准的情况下，使用imu和odom反而建图效果会更差

使用机器人的odom和imu，lua做如下设置:

map_frame = "map",
tracking_frame = "imu",
published_frame = "odom",
odom_frame = "odom",
provide_odom_frame = false,
publish_frame_projected_to_2d = false,
use_odometry = true,

一开始，我增加了参数TRAJECTORY_BUILDER_2D.num_accumulated_range_data = 10，结果出现了scan一直在转的情况，使用tf_echo map和laser坐标系的关系，发现y位移一直在增大，但x z基本不变。去掉这个参数后，不再一直转了，但是过了几分钟还是有所偏，地图还出现了重影，这说明是机器人的里程计误差问题，需要校准，这个参数应该是放大了这种现象。

如果不想每过一段时间就校准，那么odom到base_link的tf就用cartographer的，因为它有重定位，累计误差比较小，而且可以得到修正

对是否使用odom的两套程序如下：
不用odom的程序组合.png

使用机器人odom的程序组合.png
查看节点cartographer_node是否订阅了IMU和Odom，检查是否用到了它们

问题

使用IMU后，有时启动时会报警：

出问题的代码在cartographer::mapping::ImuTracker::AddImuLinearAccelerationObservation()。启动一下imu程序，如果rostopic echo /xqserial_server/IMU/linear_acceleration就会发现，imu线加速度开始为0，过了一秒左右才有数据，这应该是节点通信的问题。所以cartographer读取到的线加速度全是0，在程序里就会报错。此时再重启就没事了
建图时地图围绕原点转圈，画出来的是一团黑，可能是用到的IMU的加速度有问题，需要校准IMU。还有可能是ceres的平移和旋转的权重没有进行重新配置。

如果出现下面的输出，一般是scan话题没有订阅到:

1	[ WARN][/cartographer_node] [ScopedRosLogSink::send] line_55 W0711 20:05:58.000000 12245 ordered_multi_queue.cc:155] Queue waiting for data: (0, scan)

正确的是这样：

1	[ INFO][/cartographer_node] [ScopedRosLogSink::send] line_51 I0711 20:14:56.000000 25541 ordered_multi_queue.cc:172] All sensor data for trajectory 0 is available starting at '637300664959145564'.

常常启动后出现这个报警：

这其实是tf坐标系的问题，cartographer源码里lookupTransform写的不好，不管也可以，详细分析可见

tf报警：Lookup would require extrapolation into the past

机器人在地图中的位置不稳定，有轻微摆动，tf_echo如下：

base_footprint在map中的坐标.png
yaw有跳变，判断是里程计累计误差

cartographer对雷达频率要求比较高，20Hz以上比较好，当频率达到30hz时，做纯旋转运动时不会产生地图的偏移。因为只有频率越高，2帧间的时间越短，误差才能越小。
如果雷达比较差，地图边界会比较粗糙，用robosense雷达明显效果好

map_builder.lua 和 trajectory_builder.lua

内容只有几行:

include "pose_graph.lua"

MAP_BUILDER = {
  use_trajectory_builder_2d = false,
  use_trajectory_builder_3d = false,
  num_background_threads = 4,
  pose_graph = POSE_GRAPH,
}

map_builder.lua内容太简单了，配置是使用trajectory_build_2d还是trajectory_build_3d，以及后端使用的线程数。 use_trajectory_builder_2d在上面讲过改为true，其他一般不动，如果CPU性能好，可以增大num_background_threads

include "trajectory_builder_2d.lua"
include "trajectory_builder_3d.lua"

TRAJECTORY_BUILDER = {
  trajectory_builder_2d = TRAJECTORY_BUILDER_2D,
  trajectory_builder_3d = TRAJECTORY_BUILDER_3D,
  pure_localization = false,
}

trajectory_builder.lua更简单，只有一个pure_localization区分是否使用carto用于机器人纯定位