写点什么

cartographer 环境建立以及建图测试(详细级)

用户头像
良知犹存
关注
发布于: 2020 年 12 月 10 日



前言





目前机器人使用中需要进行SLAM建图,因为移动机器人想要实现自主行走,核心在于实现自主定位导航,在自主定位导航技术中会涉及到定位、建图、路径规划等问题,而地图构建的好坏将直接影响机器人的行走路径。机器人想要到达某个目的地,需要和人类绘制地图一样,描述环境、认识环境的过程主要就是依靠地图



而目前建图方式有激光雷达、视觉建图、还有深度学习等。今天介绍的cartographer就属于激光slam。主流的激光SLAM算法有hector、gmapping、karto、cartographer等。

下面简单的介绍几种SLAM算法:

1. hector是一种结合了鲁棒性较好的扫描匹方法2D_SLAM方法和使用惯性传感系统的导航技术。传感器的要求较高,高更新频率小测量噪声的激光扫描仪,不需要里程计。使空中无人机与地面小车在不平坦区域运行存在运用的可能性。作者利用现代激光雷达的高更新率和低距离测量噪声,通过扫描匹配实时地对机器人运动进行估计。所以当只有低更新率的激光传感器时,即便测距估计很精确,对该系统都会出现一定的问题。

hector基于优化的算法(解最小二乘问题),优缺点:不需要里程计,但对于雷达帧率要求很高40Hz,估计6自由度位姿,可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大,所以要求雷达帧率较高。

2. gmapping是一种基于粒子滤波的激光SLAM算法,它已经集成在ROS中,是移动机器人中使用最多的SLAM算法。基于粒子滤波的算法用许多加权粒子表示路径的后验概率,每个粒子都给出一个重要性因子。但是,它们通常需要大量的粒子才能获得比较好的的结果,从而增加该算法的的计算复杂性。此外,与PF重采样过程相关的粒子退化耗尽问题也降低了算法的准确性。



缺点:严重依赖里程计,无法适应无人机及地面不平坦的区域,无回环(激光SLAM很难做回环检测),大的场景,粒子较多的情况下,特别消耗资源。

3. karto是基于图优化的SLAM算法,用高度优化和非迭代cholesky矩阵进行稀疏系统解耦作为解。图优化方法利用图的均值表示地图,每个节点表示机器人轨迹的一个位置点和传感器测量数据集,箭头的指向的连接表示连续机器人位置点的运动,每个新节点加入,地图就会依据空间中的节点箭头的约束进行计算更新。路标landmark越多,内存需求越大,然而图优化方式相比其他方法在大环境下制图优势更大。

karto采取的是spa(karto_slam)或g2o(nav2d), karto的前端与后端采取的是单线程进行。



4.LagoSLAM 是线性近似图优化,不需要初始假设。基本的图优化slam的方法就是利用最小化非线性非凸代价函数.每次迭代, 解决局部凸近似的初始问题来更新图配置,过程迭代一定次数直到局部最小代价函数达到. (假设起始点经过多次迭代使得局部代价函数最小). 。假设图中每个节点的相对位置和方向都是独立的,作者求解了一个等价于非凸代价函数的方程组。为此,提出了一套基于图论的程序,通过线性定位和线性位置估计,得到非线性系统的一阶近似。



5. cartographer是google开发的实时室内SLAM项目,cartographer采用基于google自家开发的ceres非线性优化的方法,cartographer的亮点在于代码规范与工程化,非常适合于商业应用和再开发。并且cartographer基于submap子图构建全局地图的思想,能有效的避免建图过程中环境中移动物体的干扰。并且cartographer支持多传感器数据(odometry、IMU、LaserScan等)建图,支持2D_SLAM和3D_SLAM建图。

能天然的输出协方差矩阵,后端优化的输入项。成本较低的雷达也能跑出不错的效果。cartographer是google推出的一套基于图优化的SLAM算法。

cartographer算法并没有给人惊艳的感觉,但该算法的主要目标是实现低计算资源消耗,达到实时SLAM的目的,所以很适合嵌入式端的使用。



这篇文章是介绍cartographer在linuxPC环境(Ubuntu16)下进行源码下载进行demo测试的教程,本文的前提条件是你的电脑里已经安装了ROS以下版本的任意一个:Noetic、Kinetic、Melodic。



算法分析

该算法主要分为两个部分,第一个部分称为Local SLAM, 该部分通过一帧帧的Laser Scan建立并维护一系列的Submap,而所谓的submap就是一系列的Grid Map。当再有新的Laser Scan中会通过Ceres Scan Matching的方法将其插入到子图中的最佳位置。但是submap会产生误差累积的问题,因此,算法的第二个部分,称为Global SLAM的部分,就是通过Loop Closure来进行闭环检测,来消除累积误差:当一个submap构建完成,也就是不会再有新的laser scan插入到该submap时,算法会将该submap加入到闭环检测中。闭环检测的本质也是一个优化问题,该优化问题被表达成了一个pixel-accurate match的形式,解决优化问题的方法是Branch-and-Bound Approach.





作者:良知犹存

转载授权以及围观:欢迎添加微信公众号:羽林君



安装介绍

cartographer的安装主要包括三个部分:cartographer、cartographer-ros、ceres-solver。其中cartographer 是计算的部分,cartographer-ros是算法在ROS中通讯交互数据的部分,ceres-solver谷歌开发的一款用于非线性优化的库,在谷歌的开源激光雷达slam项目cartographer中被大量使用。



安装的方法有两种,一种是官网的集成式下载配置,一种是把cartographer需要的依赖部分分别安装配置。

两种方式区别就在于,第一种虽然方便,但是由于网络问题(你懂的)所以Google的相关文件下载会失败,所以就出现了,把依赖单独下载编译,最后下载cartographer进行编译。

官网方式:

1. 安装 wstool下载工具、rosdep和ninja编译工具(ninja是一个新型的编译小工具,用来替换复杂的make,从而实现快速编译)

sudo apt-get update


sudo apt-get install -y python-wstool python-rosdep ninja-build




2. 建立一个wstool下载+ROS基本编译的二合一环境

mkdir catkin_ws
cd catkin_ws
wstool init src
wstool merge -t src https://raw.githubusercontent.com/googlecartographer/cartographer_ros/master/cartographer_ros.rosinstall




这是 wstool 命令生成 .rosinstall 的文件里面的内容,可以看到设置了cartographer、cartographer-ros下载链接。





wstool update -t src




静静等待下载,速度就取决你对于Google的认知。

3.安装proto3.

Protocol Buffers(简称Protobuf) ,是Google出品的序列化框架,与开发语言无关,和平台无关,具有良好的可扩展性。Protobuf和所有的序列化框架一样,都可以用于数据存储、通讯协议。

src/cartographer/scripts/install_proto3.sh




此外其实除了Protobuf我们还可以配置其他依赖,这些脚本都在这个目录,如果编译过程中遇到依赖问题就可以去利用脚本去下载。





4.rosdep init在安装ROS时候就安装过了,不过这个经常会出现问题,我之前写过一篇ROS安装的文件,大家有兴趣可以去看看

对于这个问题,有两种解决思路:访问DNS解析环节解决或者直接切换软件源。

DNS解析环节解决:





切换linux软件源:





sudo rosdep init
rosdep update
rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y




5.最后一步编译

catkin_make_isolated --install --use-ninja
source install_isolated/setup.bash




但是好多时候因为下载问题,就会出现这样那样的问题,所以就出现了下面的方法,把包单独下载,然后再进行编译安装。

注!:在我编译cartographer过程中,和文章所写这种一气呵成的感觉恰恰相反,我编译了好多次才编译成功的,而且中间出现各种编译问题,基本都是版本问题。所以请大家注意下载各个分包的版本,切记,切记,切记~

你看我probuf版本下载记录就知道了。





分包编译方式:

cartographer分成6个部分,分别是eigen3.2.9,ceres1.13.0,protobuf大于3.0.0,cartographer,cartogpher_ros,abseil。分开进行编译:

1.eigen

Eigen是高级 C ++ 模板标头库,用于线性代数,矩阵和矢量运算,几何变换,数值求解器和相关算法。自3.1.1版以来,Eigen是根据Mozilla Public License 2.0许可的开源软件。早期版本是根据GNU较宽松通用公共许可证授权的。

注意警告:cartographer对eigen,ceres,protobuf有严格的版本限制,版本必须严格!!!

#选择版本3.2.9
git clone https://gitlab.com/libeigen/eigen.git
mkdir build
cd build
cmake ..
sudo make install




安装完成

2.ceres

Ceres solver 是谷歌开发的一款用于非线性优化的库,在谷歌的开源激光雷达slam项目cartographer中被大量使用。

注意:ceres版本必须是1.13.0,其它版本与eigen3.2.9不匹配

#选择版本1.13.0
git clone https://github.com/ceres-solver/ceres-solver.git
mkdir build
cd build
cmake ..
make -j8
sudo make install




编译过程中如果出现这个编译问题:

Failed to find glog

-- Failed to find installed glog CMake configuration, searching for glog build directories exported with CMake.

-- Failed to find an installed/exported CMake configuration for glog, will perform search for installed glog components.

-- Failed to find glog - Could not find glog include directory, set GLOG_INCLUDE_DIR to directory containing glog/logging.h

这个原因是缺失glog库(glog 是一个 C++ 日志库,它提供 C++ 流式风格的 API。在安装 glog 之前需要先安装 gflags,这样 glog 就可以使用 gflags 去解析命令行参数),我们可以用apt-get install安装,也可以下载源码进行编译安装.

apt-get install安装:

sudo apt-get install libgoogle-glog-dev




下载源码进行编译安装:

git clone https://github.com/google/glog.git
cd glog
mkdir build
cmake ..
make
sudo make install




再重新进行cere编译安装,又通过一关





3. protobuf

Protocol Buffers(简称Protobuf) ,是Google出品的序列化框架,与开发语言无关,和平台无关,具有良好的可扩展性。Protobuf和所有的序列化框架一样,都可以用于数据存储、通讯协议。

注意:protobuf安装方式特殊,脚本安装

选择版本3.0.0
git clone https://github.com/protocolbuffers/protobuf.git
./autogen.sh




这次也会遇到error问题,

第一个error 48: autoreconf: not found

是在不同版本的 tslib 下执行 autogen.sh 产生。它们产生的原因一样,是因为没有安装automake 工具, 用下面的命令安装好就可以了。

sudo apt-get install autoconf automake libtool




第二个error可能是下载问题,这边会提示你下载失败,你可以选择注释掉,或者使用我提供的第二种编译方法:

#如遇见Error,prot:443,注释autogen.sh脚本34行
./configure
make -j8
sudo make install
sudo ldconfig
#测试一下protobuf
protoc --version
#不出意外将会显示libprotoc 3.0.0




第二种编译方法:

上文说到,我们在cartographer/scripts目录下可以找到cartographer依赖文件的下载的脚本,这些的脚本里面还有编译的选项,这时候我们就可以看下install_proto3.sh 这个文件,里面可以看到如下内容:

mkdir build
cd build
cmake -G Ninja \
-DCMAKE_POSITION_INDEPENDENT_CODE=ON \
-DCMAKE_BUILD_TYPE=Release \
-Dprotobuf_BUILD_TESTS=OFF \
../cmake
ninja
sudo ninja install




我们直接复制直接编译即可。

4.abseil

abseil 是 google 开源的 C++通用库,其目标是作为标准库的补充。abseil 不但提供了标准库没有但很常用的功能,也对标准库的一些功能进行了增强设计,使用 abseil 库能使程序性能和开发效率都取得不错的提升。

cartographer对abseil没有版本要求,但是一定要有。

git clone https://github.com/abseil/abseil-cpp.git
mkdir build
cd build
cmake .. -DCMAKE_CXX_STANDARD=11
make -j8
sudo make install




不过在后续编译abseil,大家可能会遇到这个问题

CMake Error at CMakeLists.txt:49 (find_package):

By not providing "FindAbseil.cmake" in CMAKE_MODULE_PATH this project has

asked CMake to find a package configuration file provided by "Abseil", but

CMake did not find one.

Could not find a package configuration file provided by "Abseil" with any

of the following names:

AbseilConfig.cmake

abseil-config.cmake

Add the installation prefix of "Abseil" to CMAKE_PREFIX_PATH or set

"Abseil_DIR" to a directory containing one of the above files. If "Abseil"

provides a separate development package or SDK, be sure it has been

installed.





不过没事,是因为CMakeLists.txt在进行搜寻absil中,定义的名称和你编译abseil名称不同,CMakeLists.txt是大写的,而实际你编译安装后的包名称为小写。





修改如上所示:Abseil 修改为 absl

5.carographer

注意:carographer和cartographer _ros版本必须对应

mkdir cartographer
cd cartographer & mkdir src
cd src


git clone https://github.com/cartographer-project/cartographer.git
git clone https://github.com/cartographer-project/cartographer_ros.git


catkin_make_isolated /*也可以用*/ catkin_make_isolated --install --use-ninja




编译成功:





建图开发

现在安装了Cartographer和Cartographer的ROS集成,官方也提供了一些数据集,Deutsches Museum(德意志博物馆),这样我就可以很方便测试Cartographer生成地图和其他的功能了

下载示例包(例如德意志博物馆的2D和3D背包系列)到一个已知的位置

示例位于~/Downloads,并使用roslaunch来调出演示:

# Download the 2D backpack example bag.
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag


# Launch the 2D backpack demo.
roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag
# Download the 3D backpack example bag.
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag
# Launch the 3D backpack demo.
roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag




又会是下载的问题,这些文件又大,下载速度又慢还经常失败,我也是废了九牛二虎之力下载下来的。





为了方便大家测试,大家可以公众号后台私我,或者添加我微信号,我把我下载好的文件发给大家。

截图有限,之前操作都忘记截图了,导致现在就只有一个了,大家凑合看了哈。





生成.pdstream地图(等待直到cartographer_offline_node完成),

roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag




然后运行纯定位:

roslaunch cartographer_ros demo_backpack_2d_localization.launch load_state_filename:=${HOME}/Download/cartographer_paper_deutsches_museum.bag.pbstream bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag




此外还有turtlebot的数据,其实都是一样的,大家也可以看一下创客智造的cartographer_turtlebot教程。

这就是我分享的cartographer的简单测试使用,未来我会介绍更加详细的cartographer使用以及源码解析。此外如果大家有什么更好的思路,也欢迎分享交流哈。



END



推荐阅读

【1】linux开发各种I/O操作简析,以及select、poll、epoll机制的对比

【2】嵌入式底层开发的软件框架简述

【3】CPU中的程序是怎么运行起来的 必读

【4】什么?还不懂c++vector的用法,你凭什么勇气来的!

【5】阶段性文章总结分析

本公众号全部原创干货已整理成一个目录,回复[ 资源 ]即可获得。

申明以上部分内容是参考了别人的文章,如有侵权,请告知,我将删除!



发布于: 2020 年 12 月 10 日阅读数: 58
用户头像

良知犹存

关注

还未添加个人签名 2020.05.29 加入

还未添加个人简介

评论

发布
暂无评论
cartographer环境建立以及建图测试(详细级)