Cartographer参数详解：如何优化SLAM建图精度与性能

1次阅读

没有评论

共计 1904 个字符，预计需要花费 5 分钟才能阅读完成。

在 SLAM 建图实践中，参数配置不当会导致一系列典型问题。这些问题不仅影响建图质量，还可能直接影响机器人的定位和导航性能。

回环检测失败 ：当参数设置过于宽松时，系统可能无法正确识别已探索区域；而设置过于严格时，又可能导致错过有效的回环闭合机会。
点云畸变 ：前端匹配参数不当会导致激光扫描数据在拼接时产生明显的畸变，表现为墙体不直、物体形状扭曲等现象。
计算资源耗尽 ：某些优化参数设置过高会导致 CPU 和内存使用量激增，在资源有限的嵌入式设备上可能引起系统崩溃。
建图漂移 ：后端优化参数配置不当会导致累积误差无法及时修正，随着探索范围扩大，地图会出现明显的整体偏移。

Cartographer 的参数可以按照功能划分为三大类，每类参数控制着 SLAM 流程的不同环节。

前端负责处理传感器数据并进行局部地图构建，主要包括：
– 激光扫描匹配参数
– 子图生成参数
– 运动滤波器设置

后端负责全局优化和回环检测，主要包括：
– 约束构建参数
– 优化器配置
– 回环检测阈值

这些参数用于平衡系统性能和建图质量：
– 计算线程数
– 缓存大小
– 实时性限制

这个参数决定了子图的网格分辨率，单位是米 / 像素。

典型值 ：0.02-0.05（室内），0.05-0.1（室外）
影响：
值越小，地图细节越丰富，但内存占用越高
值越大，计算量越小，但会丢失细节信息

这个参数控制回环检测的严格程度。

典型值 ：0.5-0.9
影响：
值越高，回环检测越严格，可能错过有效回环
值过低会导致误匹配增加

室内环境通常结构复杂但范围有限，建议：

使用较高的子图分辨率（0.02-0.03）
设置适中的匹配分数（0.6-0.7）
增加局部扫描匹配的迭代次数

室外环境通常范围大但特征较少，建议：

使用较低的子图分辨率（0.05-0.1）
降低匹配分数要求（0.5-0.6）
增加全局优化的频率

TRAJECTORY_BUILDER_2D = {
  submaps = {
    resolution = 0.05,  -- 子图分辨率
    num_range_data = 90, -- 每个子图包含的扫描数
  },
  ceres_scan_matcher = {
    occupied_space_weight = 1.,
    translation_weight = 10.,
    rotation_weight = 40.,
    ceres_solver_options = {max_num_iterations = 20, -- 最大迭代次数},
  },
}

POSE_GRAPH = {
  constraint_builder = {
    min_score = 0.65,  -- 最小匹配分数
    loop_closure_rotation_weight = 1.0,
    loop_closure_translation_weight = 1.0,
  },
  optimization_problem = {
    huber_scale = 1e1,  -- Huber 损失函数参数
    acceleration_weight = 1.1e2,
    rotation_weight = 1.6e3,
  },
}

我们在同一环境下测试了不同参数配置的性能表现：