程序员经验分享-hwhale

开源自主导航小车MickX4（七）cartographer 室外3D建图

2023-05-16

开源自主导航小车MickX4（七）cartographer 室外3D建图

  • 1 cartographer 3D建图demo
    • 1.1 cartographer 安装
    • 1.2 3D数据集建图
    • 1.3 3D定位
  • 2 小车上的3D建图
    • 2.1 配置launch文件
    • 2.2 配置TF 关系
    • 2.3 配置lua参数文件
  • 3 大范围场景测试
  • 3.1 路线1
  • 3.2 路线2
  • 4 小结
  • 参考资料

首先，在前面我们已经实现了2D建图，为什么还要测试室外的3D建图？

  • 前面的地图构建时候是通过压缩3D到2D，实际只取了16线激光雷达中的一条线，信息利用不充分，建图的效果也不理想。
  • 3D转2D的建图在空旷的场景（空间大于20m）时2D点就比较稀疏了，会造成地图更新失败，小车无法计算自己的位姿的情况。
  • 3D 转2D 以后在空旷或者非结构化的场景（室外的树）会造成定位不准。

1 cartographer 3D建图demo

3D建图的时候需要提供IMU的信息，这里我们使用的是Xsens MTi-30的IMU，XsensIMU的安装方法可以参考我们博客。
在这里插入图片描述

1.1 cartographer 安装

cartographer 的安装可以参考我们上一篇博客中的介绍。

1.2 3D数据集建图

使用3D激光雷达建图的时候我们必须要结合IMU，使用IMU提供的重力方向向量。这里我们直接根据官网[1] 的步骤进行运行，首先你需要去下载这个3D数据包[5]

其次我们需要将官网上的 “offline_backpack_3d.launch”替换为 “demo_backpack_3d.launch”,否则在保存地图的时候会出现无法调用

启动3D激光雷达建图

roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-13-54-42.bag

Cartography-3D建图

等到数据运行完毕以后调用 write_state 服务来保存地图

rosservice call /write_state ~/demo_3d_local.pbstream

将这个pbstream文件进一步转化成3D的ply点云文件（注意使用绝对路径）

roslaunch cartographer_ros assets_writer_backpack_3d.launch bag_filenames:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-13-54-42.bag pose_graph_filename:=/home/administrator/demo_3d_local.pbstream

在这里插入图片描述

等待一段时间，处理完成后命令会自动退出，此时在bag文件旁边会生成一个.bag_points.ply后缀文件，这个就是点云文件[6].最后利用PCL自带的工具将ply文件转换成pcd文件

pcl_ply2pcd b3-2016-04-05-13-54-42.bag_points.ply test_3d.pcd

在运行的时候，机器人的位姿是发布在TF中的，如下图所示。因此我们可以通过读取odom->map之间的坐标变换来知道机器人的位置
在这里插入图片描述
这个TF关系是通过 目录 “cartographer_ros/cartographer_ros/urdf/backpack_3d.urdf” 这个urdf文件来进行配置的

以下是建图时候所使用的部分配置参数

include "map_builder.lua"
include "trajectory_builder.lua"

options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "base_link",
  published_frame = "base_link",
  odom_frame = "odom",
  provide_odom_frame = true,
  publish_frame_projected_to_2d = false,
  use_odometry = false,
  use_nav_sat = false,
  use_landmarks = false,
  num_laser_scans = 0,
  num_multi_echo_laser_scans = 0,
  num_subdivisions_per_laser_scan = 1,
  num_point_clouds = 2, #使用两个点云
  lookup_transform_timeout_sec = 0.2,
  submap_publish_period_sec = 0.3,
  pose_publish_period_sec = 5e-3,
  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.,
}

1.3 3D定位

3D定位我们是利用在3.1部分生成的 “***~/3d_local.pbstream***”作为已有地图，将当前激光数据输入进行匹配，估计位置

cartographer_ros demo_backpack_3d_localization.launch load_state_filename:=/home/crp/3d_local.pbstream bag_filename:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-15-52-20.bag

Cartography-3D定位

同样在运行定位的时候，机器人的位姿也是发布在TF中的，如下图所示。因此我们可以通过读取odom->map之间的坐标变换来知道机器人的位置。（可以明显看出，定位时候的位姿输出频率要远远低于建图时候的频率）
在这里插入图片描述
定位时候的参数（在建图参数上增加了两行）

include "backpack_3d.lua"

TRAJECTORY_BUILDER.pure_localization = true
POSE_GRAPH.optimize_every_n_nodes = 100

return options

2 小车上的3D建图

2.1 配置launch文件

新建文件 demo_mickx4_3d.launch ，填入以下内容：

<launch>
  <param name="/use_sim_time" value="true" />
  
  <include file="$(find cartographer_ros)/launch/mickx4_mapping_3d.launch" />

  <node name="rviz" pkg="rviz" type="rviz" required="true"
      args="-d $(find cartographer_ros)/configuration_files/mickx4_mapping_3d.rviz" />

  <node name="playbag" pkg="rosbag" type="play" args="--clock $(arg bag_filename)" />
</launch>

2.2 配置TF 关系

3D建图必须要加入IMU设备，IMU的坐标这里于demo的坐标系保持一致（发布imu_link 到 base_link之间的关系），这里我是用URDF 文件传入的。 新建文件 mickx4_mapping_3d.launch ，填入以下内容：

<launch>

  <param name="robot_description" textfile="$(find cartographer_ros)/urdf/mickx4.urdf" />

  <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher" />
 
    <node name="cartographer_node" pkg="cartographer_ros"
      type="cartographer_node" args="
          -configuration_directory $(find cartographer_ros)/configuration_files
          -configuration_basename mickx4_mapping_3d.lua"
      output="screen">
    <remap from="points2" to="/rslidar_points" />
    <remap from="/imu" to="/imu/data" />
    <remap from="/odom" to="/odom" />
    
  </node>

  <node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"
      type="cartographer_occupancy_grid_node" args="-resolution 0.05" />

</launch>

在这里插入图片描述

2.3 配置lua参数文件

这里我发现四轮差速的里程计不准，也就没有使用里程计。有里程及计的话TF 树也是这样，只需要吧topic和参数（provide_odom_frame 和 use_odometry）使能就可以了

include "map_builder.lua"
include "trajectory_builder.lua"


options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "imu_link",
  published_frame = "base_footprint",
  odom_frame = "odom",
  provide_odom_frame = false,
  publish_frame_projected_to_2d = false,
  use_odometry = false,
  use_nav_sat = false,
  use_landmarks = false,
  num_laser_scans = 0,
  num_multi_echo_laser_scans = 0,
  num_subdivisions_per_laser_scan = 1,
  num_point_clouds = 1,
  lookup_transform_timeout_sec = 0.2,
  submap_publish_period_sec = 0.3,
  pose_publish_period_sec = 5e-3,
  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.,
}

TRAJECTORY_BUILDER_3D.num_accumulated_range_data = 1
TRAJECTORY_BUILDER_3D.min_range = 0.2
TRAJECTORY_BUILDER_3D.max_range = 150
TRAJECTORY_BUILDER_2D.min_z = 0.1
TRAJECTORY_BUILDER_2D.max_z = 1.0
TRAJECTORY_BUILDER_3D.use_online_correlative_scan_matching = false

MAP_BUILDER.use_trajectory_builder_3d = true
MAP_BUILDER.num_background_threads = 4
POSE_GRAPH.optimization_problem.huber_scale = 5e2
POSE_GRAPH.optimize_every_n_nodes = 320
POSE_GRAPH.constraint_builder.sampling_ratio = 0.03
POSE_GRAPH.optimization_problem.ceres_solver_options.max_num_iterations = 20
POSE_GRAPH.constraint_builder.min_score = 0.5
POSE_GRAPH.constraint_builder.global_localization_min_score = 0.55


POSE_GRAPH.optimization_problem.odometry_translation_weight = 1e3
POSE_GRAPH.optimization_problem.odometry_rotation_weight = 1e3

return options

启动 cartographer 建图节点

roslaunch cartographer_ros demo_mickx4_3d.launch bag_filename:=/home/administrator/bagfiles/mick_2021-01-27-21-34-13.bag

下面是在实验室门口外运行的视频，场景属于室外小范围场景

Cartographer 在机器人上实现3D建图-小场景

等到数据运行完毕以后调用 write_state 服务来保存地图

rosservice call /write_state ~/mickx4_3d_mapping.pbstream

修改以后的 cartographer_ros和相关的配置参数 可以在我的github [7] 上找到。

3 大范围场景测试

3.1 路线1

第一个场景是围绕我们学校的主教楼转了一圈，大约有1公里，最后回环没有回上，我只保留了效果较好的一部分地图。地图在有结构化的场景中建图效果是比较好的，在操场边那个地方停有很多的车，其环境比较空旷。在这种情况下感觉估计的位姿就不准了，导致后面的点云有重影

roslaunch cartographer_ros demo_mickx4_3d.launch bag_filename:=/home/administrator/bagfiles/MickX4_Dataset/mick_2021-02-01-15-43-14.bag

cartographer-室外-3D-大场景建图-1KM

3.2 路线2

第一个场景是围绕我们学校的几个楼之间转了一圈，大约有1.5公里。这个场景中大部分都是沿着公路走的，公路旁边都是建筑物和数，整体的定位效果很好，走一圈下来位置也没差多远，估计有个2M左右。

roslaunch cartographer_ros demo_mickx4_3d.launch bag_filename:=/home/administrator/bagfiles/MickX4_Dataset/mick_2021-02-01-15-22-28.bag

cartographer-室外-3D-大范围场景-1.5KM

有需要 大范围场景测试 中的两个录制的bag的同学，可在评论区留下邮箱。（记得来一波点赞加关注哦）

4 小结

cartographer 3D 建图的效果不是很理想，总体而言存在很多的噪点。但是3D建图的效果比2D要好的多，主要是2D是利用3D进行压缩得到的2D平面，室外毕竟不是规则的环境，这个鲁棒性还是要弱一些，因此在室外使用2D激光还是不是太好。测试中还发现：

1）cartographer 3D 对环境比较敏感（校园里面树木比较多，一般都长在路面两侧，会建筑物的墙面有遮挡，导致结构化的元素比较少。因此在这段区域建图的效果就不是很好。等到了后面的路线中，没有树木了，激光可以扫描到两边的墙体时候建图的效果就好了很多了）
2）对地面也比较敏感，在中间的一段，地面有坑，导致小车会上下颠簸，这种因素也会对建图产生影响。
3）激光打到地面，carto 没有去地面的操作，因此需要我们自己调节激光发射角度，调整激光打到地面上的程度

效果比起LOAM系列的框架还是有点差距。后续可以尝试使用LOAM系列的框架进行测试
在这里插入图片描述

此外，蓝鲸机器人博客[8]上的资料很详细，对cartography 的演示demo也完全可以复现，因此如果跑不起来也可以参考以下他们的资料[6]。

参考资料

[1] https://www.cnblogs.com/hitcm/p/5939507.html
[2] https://blog.csdn.net/crp997576280/article/details/103279649
[3] https://github.com/cartographer-project/cartographer_ros
[4] https://github.com/cartographer-project/cartographer
[5] https://github.com/ceres-solver/ceres-solver
[6] https://github.com/BluewhaleRobot/cartographer_ros
[7] https://github.com/RuPingCen/cartographer-modify
[8] https://community.bwbot.org/topic/523/%E8%B0%B7%E6%AD%8Ccartographer%E4%BD%BF%E7%94%A8%E9%80%9F%E8%85%BE%E8%81%9A%E5%88%9B3d%E6%BF%80%E5%85%89%E9%9B%B7%E8%BE%BE%E6%95%B0%E6%8D%AE%E8%BF%9B%E8%A1%8C%E4%B8%89%E7%BB%B4%E5%BB%BA%E5%9B%BE

上一篇：开源自主导航小车MickX4（六）cartographer 室外2D建图

下一篇：开源自主导航小车MickX4（八）LeGo-LOAM 室外3D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）
在这里插入图片描述

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

开源自主导航小车MickX4（七）cartographer 室外3D建图 的相关文章

随机推荐

  • 开源自主导航小车MickX4（六）cartographer 室外2D建图

    开源自主导航小车MickX4 xff08 六 xff09 cartographer 室外2D建图 1 cartographer环境安装1 1 安装ceres库1 2 安装cartographer 2 cartographer demo测试2

  • 使用 vue2+vue-router2+axios+es6+webpack2 完成的 SPA 个人简历

    使用es6 vue2 webpack2 vue router2 axios vue awesome swiper vue spinner SPA 完成的个人简历 访问地址 xff1a https github com vqlai vqla

  • MATLAB中提高fwrite和fprintf函数的I/O性能

    提高 fwrite 和 fprintf 函数的 I O 性能 http www matlabsky com thread 34861 1 1 html 今天我们将讨论下著名的fwrite xff08 fprintf xff09 函数 xff

  • 多项式与连分式函数的计算

    2019独角兽企业重金招聘Python工程师标准 gt gt gt include 34 stdafx h 34 include lt stdlib h gt include lt stdio h gt include lt math h

  • iPad适合写作吗

    我一直感觉对着电脑不利于思考 xff0c 当需要纯粹的思考时 xff0c 我习惯让视线离开屏幕 xff0c 起身走动两圈 xff0c 再用纸和笔整理思路 xff0c 想清楚后 xff0c 开始动手编码 双手端着iPad时 xff0c 似乎也

  • Dell服务器硬件,RAID等查询和维护软件OMSA

    Dell服务器硬件 RAID等查询和维护软件OMSA 2010 09 10 14 34 OMSA OpenManage Server Administrator 是Dell主机的硬件检测和维护软件 OMSA OpenManage 下载地址

  • GVIM设置背景颜色

    首先找到GVim的安装目录 xff0c 在安装目录下你可以发现一个 vimrc文件 使用文本编辑器打开后在里面添加两行代码即可 xff1a 代码如下 set gfn 61 Courier New h14 colorscheme torte

  • 实战ASP.NET访问共享文件夹（含详细操作步骤）

    博客园找找看 xff08 http zzk cnblogs com xff09 的索引文件占用空间太大 xff0c 需要移至另外一台服务器 xff0c 所以要解决 在ASP NET中通过共享文件夹访问索引文件 的问题 假设找找看的ASP N

  • Linux 后台开发工作中常用的开源库

    后台开发 xff0c 语言主要是 c 和 c 43 43 这里简单罗列一下工作中用的很频繁的那些开源软件 1 OpenSSL openssl OpenSSL 是一个安全套接字层密码库 xff0c 囊括主要的密码算法 常用的密钥和证书封装管理

  • [转载]三款SDR平台对比：HackRF，bladeRF和USRP

    这篇文章是 Taylor Killian 13年8月发表在自己的博客上的 他对比了三款平价的SDR平台 xff0c 认为这三款产品将是未来一年中最受欢迎的SDR平台 我觉得这篇文章很有参考价值 xff0c 简单翻译一份转过来 原文在这里 x

  • VINS-Mono运行与评测

    VINS Mono运行与评测 1 修改VINS mono轨迹保存代码1 1 修改 visualization cpp1 2 修改 pose graph cpp1 3 修改VINS mono运行参数 2 EVO 显示轨迹2 1 分析单条轨迹2

  • linux 虚拟机串口通信,单片机和虚拟机里的Linux进行串口通信

    最近在做单片机的火焰传感器采集数据并且并且将危险信息发送给PC端的Linux 一直卡在Linux端的 xff0c 所以 xff0c 做了各种尝试 xff0c 参考了网上一篇大神的代码 xff0c 终于把自己的东西弄了出来 先说明设备吧 xf

  • ArUco----一个微型现实增强库的介绍及视觉应用（二）

    ArUco 一个微型现实增强库的介绍及视觉应用 xff08 二 xff09 ArUco 一个微型现实增强库的介绍及视觉应用 xff08 二 xff09 一 第一个ArUco的视觉应用 首先介绍第一个视觉应用的Demo xff0c 这个应用场

  • ssh连接失败，排错经验

    一 场景描述 ssh连接服务器 xff0c 发现连接失败 xff0c 但是对应服务器的ip能够ping通 场景 xff1a root 64 yl web ssh root 64 10 1 101 35 ssh exchange identi

  • 什么是真正的程序员？

    什么是真正的程序员 这篇文章的原文来自 xff1a A Little Printf Story 作者仿照 小王子 中的情节 xff0c 通过小printf遇见的不同类型的程序员 xff0c 最后悟出什么才是真正的程序员 xff01 第一次翻

  • gpio引脚介绍 树莓派3b_树莓派介绍

    树莓派介绍 陈拓 chentuo 64 ms xab ac cn 2018 05 16 2018 05 16 1 什么是树莓派 xff08 Raspberry Pi xff09 树莓派是由树莓派基金会研发的一种只有信用卡大小的单板机电脑 x

  • 解析kubernetes架构

    一 简介 xff1a kubernetes是一个开源的容器管理工具 xff0c 是基于GO语言开实现的 xff0c 轻量级和便携式的应用 xff0c 可以把kubernetes cluster在linux主机上部署 管理和扩容docker容

  • STM32串口/RS232/RS485

    1 串口引脚 xff0c 如果是异步通讯将UART CLK共地即可 xff0c 如果同步需要时钟 a UART RX 数据接收引脚 b UART TX 数据发送引脚 c UART CLK 时钟引脚 2 UART描述 为全双工 xff0c 异

  • 又是一年年终总结

    起 这篇年终总结草稿是在12 03起的 xff0c 那是突然之间感觉到今年不大平常 xff0c 可以考虑写个年终总结来记录一下 xff0c 但是谁能料到今年真的是太不平常了 xff0c 到了12月中 xff0c 公司就解散了 xff0c 所

  • 开源自主导航小车MickX4（七）cartographer 室外3D建图

    开源自主导航小车MickX4 xff08 七 xff09 cartographer 室外3D建图 1 cartographer 3D建图demo1 1 cartographer 安装1 2 3D数据集建图1 3 3D定位 2 小车上的3D建

热门标签