在读取数据时注意激光雷达的IP地址和你使用的路由器的IP网段以及电脑的IP一致。如果激光雷达是直接连上工控机的，则需要你自己设置工控机的IP为与激光雷达同一网段的静态IP。
这里我们使用的是速腾16线的3D激光雷达，这里主要参考了博客[1]对激光雷达的数据进行读取
这里需要注意一个问题： 速腾16线的3D激光雷达定义的坐标系是基线头指向Y轴的负方向，但是厂家的驱动里面进行了坐标系转换，转换成为了ROS下的右手坐标系。在文档的23页有注释说明。
由于gmaping是2D激光SLAM的算法，不能直接使用3D点云建图，因此这里需要使用一个额外的包 pointcloud_to_laserscan[2] 将雷达采集到的3D点云压成2D点云。
这里需要注意一个问题，如果启动gmapping的时候出现报错，这主要是由于gmapping的堆栈大小的原因，3D转2D的时候点太密集，gmapping默认的堆栈太小，解决方法有两个：1是下载边缘gmapping的源码，手动把堆栈设置到4096大小。另一个方法就是把 pointcloud_to_laserscan 包中 angle_increment 调小一些，这样点就没有那么密，数据量就小了。
我所使用的配置参数如下：
<?xml version="1.0"?>
<launch>
<!-- run pointcloud_to_laserscan node -->
<node pkg="pointcloud_to_laserscan" type="pointcloud_to_laserscan_node" name="pointcloud_to_laserscan">
<remap from="cloud_in" to="/rslidar_points"/>
<rosparam>
target_frame: rslidar # Leave disabled to output scan in pointcloud frame
transform_tolerance: 0.01
min_height: -1.5
max_height: 20
angle_min: -3.1415926 # -M_PI
angle_max: 3.1415926 # M_PI
angle_increment: 0.03 # M_PI/360.0
scan_time: 0.1
range_min: 0.2
range_max: 100.0
use_inf: true
inf_epsilon: 1.0
# Concurrency level, affects number of pointclouds queued for processing and number of threads used
# 0 : Detect number of cores
# 1 : Single threaded
# 2->inf : Parallelism level
concurrency_level: 2
</rosparam>
</node>
</launch>
这里3D转2D的效果并不好，这个包感觉上只是截取了集中一层的线条做映射。修改以后的包[4]
gmapping使用的条件主要由三个：
gmapping输出的话题有：/map的地图数据，以及一个获取地图的服务（在建图完成以后保存地图用）
图片来源于[3]
sudo apt-get install ros-kinetic-gmapping #根据ROS的版本更改
配置好坐标系关系以后，接下来我们需要配置gmapping的运行参数（我自己设置的运行参数如下），新建一个文件夹“mick_navigation”,在该文件夹中建立名为"launch"的文件夹，编写gmapping.launch文件：
<?xml version="1.0"?>
<launch>
<arg name="scan_topic" default="scan" />
<node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen">
<param name="odom_frame" value="odom"/>
<param name="base_frame" value="base_link"/>
<param name="map_frame" value="map"/>
<!-- Process 1 out of every this many scans (set it to a higher number to skip more scans) -->
<param name="throttle_scans" value="1"/>
<param name="map_update_interval" value="5.0"/> <!-- default: 5.0 -->
<!-- The maximum usable range of the laser. A beam is cropped to this value. -->
<param name="maxUrange" value="5.0"/>
<!-- The maximum range of the sensor. If regions with no obstacles within the range of the sensor should appear as free space in the map, set maxUrange < maximum range of the real sensor <= maxRange -->
<param name="maxRange" value="10.0"/>
<param name="sigma" value="0.05"/>
<param name="kernelSize" value="1"/>
<param name="lstep" value="0.05"/>
<param name="astep" value="0.05"/>
<param name="iterations" value="5"/>
<param name="lsigma" value="0.075"/>
<param name="ogain" value="3.0"/>
<param name="minimumScore" value="0.0"/>
<!-- Number of beams to skip in each scan. -->
<param name="lskip" value="0"/>
<param name="srr" value="0.01"/>
<param name="srt" value="0.02"/>
<param name="str" value="0.01"/>
<param name="stt" value="0.02"/>
<!-- Process a scan each time the robot translates this far -->
<param name="linearUpdate" value="0.1"/>
<!-- Process a scan each time the robot rotates this far -->
<param name="angularUpdate" value="0.05"/>
<param name="temporalUpdate" value="-1.0"/>
<param name="resampleThreshold" value="0.5"/>
<!-- Number of particles in the filter. default 30 -->
<param name="particles" value="10"/>
<!-- Initial map size -->
<param name="xmin" value="-10.0"/>
<param name="ymin" value="-10.0"/>
<param name="xmax" value="10.0"/>
<param name="ymax" value="10.0"/>
<!-- Processing parameters (resolution of the map) -->
<param name="delta" value="0.02"/>
<param name="llsamplerange" value="0.01"/>
<param name="llsamplestep" value="0.01"/>
<param name="lasamplerange" value="0.005"/>
<param name="lasamplestep" value="0.005"/>
<remap from="scan" to="$(arg scan_topic)"/>
</node>
</launch>
接下来我们启动相应的节点实现地图的扫描，首先我们要启动激光雷达、pointcloud_to_laserscan和底盘三个节点。这里我们把这几个launch文件写入到一个launch中，让其一起启动。在中新建launch文件 mickx4_gmapping.launch 写入一下内容：
<?xml version="1.0"?>
<launch>
<arg name="rviz" default="true"/>
<!-- chassis -->
<include file="$(find mick_bringup)/launch/mickx4_bringup.launch" />
<!-- imu -->
<include file="$(find imu_driver)/launch/wit_imu.launch" />
<!-- urdf -->
<include file="$(find mick_description)/launch/state_publisher.launch" />
<!-- rslidar -->
<include file="$(find rslidar_pointcloud)/launch/rs_lidar_16.launch" />
<!-- pointcloud_to_laserscan -->
<include file="$(find pointcloud_to_laserscan)/launch/rslidar.launch" />
<!-- Gmapping -->
<include file="$(find mick_navigation)/launch/gmapping_no_rviz.launch" />
<!-- RViz -->
<node if="$(arg rviz)" pkg="rviz" type="rviz" name="$(anon rviz)" respawn="false" output="screen" args="-d $(find mick_navigation)/rviz/gmapping.rviz" />
</launch>
最后新打开一个终端，启动gmapping节点
source / catkin_ws/devel/setup.bash
roslaunch mick_navigation mickx4_gmapping.launch
这里的场景是一个小范围的场景，小车行走的距离大概是500m左右，建图过程中发现很多问题，比如说在室外使用3D转到2D以后，这个激光的会有很多的噪点，激光数据延时也比较大。在比较空旷的地方转弯会使得车辆转弯估计不准，这是由于我们限定了3D-2D时候激光的测量范围，比如在十字路口的时候就会有一个‘’缺口“”存在，不像在室内环境激光都是一个完整的圈，因此此时旋转车就会使得地图建立的不准。
MickX4 gmapping 室外2D建图
扫描完毕以后你需要运行map_server节点来保存地图，最后获得两个文件（xxx.png和 xxx.yaml）
rosrun map_server map_saver -f test
.png 主要是地图文件、.yaml 包含有地图的参数，精度之类的。
1、3D转2D时候这个包只保留了一条线，如果新建一个节点直接把Z轴压缩，把激光压缩到一个平面上，这样就会有很多条线的包罗在一起，在通过滤波处理一下，不知道效果会不会好一些？
2、gamapping在运行的时候依赖odom，如果odom不准确的话会使得gmapping建图的效果就会很差。 4轮差速模型转弯时候由于轮胎会和地面滑动摩擦，这会造成odom误差变大，尤其是没有加入IMU而直接使用轮子的差速模型计算航向角，以下是一个使用轮子计算yaw角导致odom不准的失败案例。
MickX4 gmapping 建图失败例子
[1] https://www.jianshu.com/p/4bf7102d661c?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation
[2] http://wiki.ros.org/pointcloud_to_laserscan
[3] https://blog.csdn.net/zhao_ke_xue/article/details/108944811
上一篇：开源自主导航小车MickX4（四）底盘URDF模型
下一篇：开源自主导航小车MickX4（六）cartographer 室外2D建图
欢迎大家点赞在评论区交流讨论（cenruping@vip.qq.com） O(∩_∩)O
或者加群交流（1149897304）
