真没想到一篇部署记录能拖了小半年才落地。从最开始的插上雷达就能出图这种不切实际的幻想到后来老老实实一步步查串口、对TF、调参数整个过程踩的坑加起来比写代码的时间还多。如果你正在折腾思岚激光雷达和Cartographer这套组合或者准备入坑2D SLAM建图这篇记录大概能帮你省下不少弯路——里面不但有完整的部署流程还有我在实际调试中遇到过的问题和对应的排查思路从环境搭建到最终保存地图一条线讲完。1. 选型思路为什么是思岚雷达配Cartographer先说选型。2D建图的方案在ROS生态里其实有好几套最常被提起的除了Cartographer还有Gmapping和Hector SLAM。既然标题点明了思岚激光雷达加Cartographer这套组合我就先解释一下这个搭配背后的逻辑方便你判断它适不适合自己的场景。1.1 思岚雷达的定位与选型参考思岚科技Slamtec的RPLIDAR系列在国内机器人项目里出现频率极高原因无非三点价格友好、驱动完善、文档齐全。A1、A2、A3这几个型号我都有实际用过简单说下区别RPLIDAR A1最入门的型号测距范围大约12米扫描频率可调通常5-10Hz成本低适合小车级别的建图测试。RPLIDAR A2中坚型号测距范围拉到16米左右精度比A1更好很多商用服务机器人的原型机都用它。RPLIDAR A3高端型号测距范围25米起步抗环境光干扰能力强户外或大场景使用更安心。但价格也高不少。对于第一次接触建图的朋友我的建议是能跑通流程再升级。先用A1把Cartographer的整个链路跑通确认自己搞得定TF、配置、调参这套流程后再根据实际建图效果决定是否更换更高型号。雷达的通信协议和接口在这几个型号之间差异不大换型号不需要改动太多代码。1.2 Cartographer相比Gmapping到底强在哪Gmapping是很多教程的默认起点它基于粒子滤波Particle Filter算法实现原理好理解代码结构也不复杂跑起来很快。但它的核心弱点在于它不做回环检测Loop Closure。也就是说当机器人走了一圈回到原点时Gmapping很难意识到这里我来过地图容易出现漂移或错位。Cartographer的做法完全不同。它采用图优化Graph Optimization框架维护一个由子图Submap构成的位姿图Pose Graph。当新的一帧激光数据和之前的子图匹配成功后会形成一个约束后续通过后端优化不断修正所有节点的位姿。最关键的是它自带回环检测机制。当机器人回到曾经经过的区域时Cartographer能识别出这种回环关系并把累积误差一次性修正掉地图的整体一致性比Gmapping好出一个档次。代价也很明显Cartographer的配置参数多对算力要求更高如果机器人平台本身很弱跑起来帧率会肉眼可见地下降。我在实际项目里测下来i3级别的CPU跑2D建图完全够用但如果你想在树莓派这类嵌入式设备上跑需要认真调一下参数降低数据处理频率。2. 环境准备Ubuntu版本、ROS发行版和Cartographer的版本对齐建图这件事对系统环境版本极度敏感。ROS不同发行版对应不同的Ubuntu版本Cartographer的安装方式也跟着变。我在这部分把版本对齐和服务安装一次说清楚。2.1 系统与ROS版本选择目前主流的搭配有两种Ubuntu版本ROS发行版备注Ubuntu 20.04ROS Noetic官方生命周期覆盖到2025年资料最多推荐Ubuntu 18.04ROS Melodic老项目多但很多依赖包已停止更新Ubuntu 22.04ROS 2 Humble支持ROS 2但Cartographer在ROS 2下的资料相对少我自己用的是Ubuntu 20.04 ROS Noetic组合。这个组合最大的好处是二进制包足够全Cartographer可以直接从apt源安装不用从源码编译省掉一大堆编译依赖的麻烦。2.2 Cartographer的两种安装方式Cartographer在Noetic下有两种装法我分别说清楚方式一apt直接安装推荐新手sudo apt install ros-noetic-cartographer ros-noetic-cartographer-ros ros-noetic-cartographer-rviz这一条命令就把核心库、ROS封装和RViz可视化插件都装好了。优点是不用处理编译依赖——abseil-cpp、ceres-solver、protobuf这些老牌依赖库在源码编译时经常卡人apt直接绕开这个问题。方式二源码编译适合二次开发如果你准备改Cartographer源码结构或者对某些功能做定制可以选择源码编译。基本步骤是# 创建工作空间 mkdir -p ~/catkin_ws/src cd ~/catkin_ws/src git clone https://github.com/ros/cartographer.git git clone https://github.com/ros/cartographer_ros.git cd ~/catkin_ws rosdep install --from-paths src --ignore-src --rosdistronoetic -y catkin_make源码编译最大的坑在于依赖库版本冲突。Cartographer依赖的abseil-cpp和protobuf版本如果不对编译时会出现各种看不懂的模板报错。我的建议是能用apt尽量用apt真要源码编译务必先确认自己的依赖环境是干净的最好在独立容器或虚拟环境里操作。提示源码编译Cartographer时如果出现absl相关报错基本可以确定是abseil版本不对。解决思路是卸载系统中冲突的abseil版本改为安装Cartographer官方指定的commit版本。2.3 工作空间结构规划不管用哪种方式安装建议目录结构保持清晰否则后续排查问题会很痛苦。我的习惯是这样~/catkin_ws/ ├── src/ │ ├── rplidar_ros/ # 雷达ROS驱动 │ ├── cartographer/ # Cartographer算法库 │ └── cartographer_ros/ # Cartographer的ROS封装 ├── config/ # 雷达和Cartographer的配置文件 ├── launch/ # launch启动文件 ├── maps/ # 保存建图结果的目录 └── bag/ # rosbag记录的数据包文件和目录名字可以在launch文件里指定但这个阶段性拆法方便你做版本管理和问题定位。雷达驱动和算法库分开互相不干扰。3. 思岚雷达驱动从串口权限到话题数据验证这部分看起来简单但恰恰是初学者最容易被卡住的地方。雷达驱动安装完之后数据出不来十有八九是权限问题。3.1 安装rplidar_ros驱动思岚官方在GitHub上有对应的ROS驱动仓库地址是slamtec/rplidar_ros。安装方式很直接cd ~/catkin_ws/src git clone https://github.com/slamtec/rplidar_ros.git cd ~/catkin_ws catkin_make source ~/catkin_ws/devel/setup.bash驱动装好后先不要急着launch整套建图流程先单独启动雷达驱动验证一下数据流。roslaunch rplidar_ros rplidar.launch3.2 串口权限这道坎雷达通过串口通常是USB转串口连接主机。连接后第一步先确认设备节点ls -l /dev/ttyUSB*常见输出是/dev/ttyUSB0。但直接访问往往会出现Permission denied因为默认情况下普通用户没有访问串口的权限。解决方案有两种方案一把用户加进dialout组快速sudo usermod -a -G dialout $USER执行完重新登录或重启让组权限生效。方案二编写udev规则一劳永逸在/etc/udev/rules.d/目录下创建规则文件固定设备名称并开放权限sudo vim /etc/udev/rules.d/99-rplidar.rules文件内容KERNELttyUSB*, ATTRS{idVendor}10c4, ATTRS{idProduct}ea60, MODE:0666, GROUP:dialout10c4和ea60是思岚雷达常见的USB转串口芯片的VID/PID不同批次可能不同。通过lsusb可以查看自己设备的实际厂商ID和产品ID。写完规则后sudo udevadm control --reload-rules sudo udevadm trigger拔插雷达并重新打开终端权限问题就彻底解决了。我在实际部署中强烈建议用方案二因为方案一在系统重启或换用户后偶尔会失效而udev规则一次配置终身有效。3.3 验证激光数据是否正常雷达驱动正常启动后用RViz或命令行话题工具验证数据rostopic echo /scan | head -50如果能看到ranges数组中不断输出的距离值说明雷达数据已经正常流入ROS。更直观的方式是打开RViz添加LaserScan显示把Topic设为/scan。此时你应该能看到雷达周围各个角度的距离点云。这一步是后续所有建图流程的地基雷达数据不验证好后面建图出了问题很难定位是雷达的问题还是算法的问题。4. Cartographer 2D建图的配置文件编写与参数解读Cartographer的配置是以lua文件为核心的这是它相比Gmapping的一个明显不同——Gmapping的参数写在launch文件里而Cartographer把参数拆成了lua配置文件和launch启动文件两层。这个设计让配置更灵活但也增加了理解成本。4.1 launch文件的结构一个典型的Cartographer 2D建图launch文件长这样launch !-- 加载机器人描述模型提供URDF/MACRO定义 -- param namerobot_description command$(find your_robot_pkg)/urdf/your_robot.urdf / !-- 启动机器人的坐标系变换TF发布通常由robot_state_publisher发布 -- node namerobot_state_publisher pkgrobot_state_publisher typerobot_state_publisher outputscreen / !-- 启动思岚雷达驱动 -- include file$(find rplidar_ros)/launch/rplidar.launch / !-- Cartographer主节点 -- node namecartographer_node pkgcartographer_ros typecartographer_node args-configuration_directory $(find your_robot_pkg)/config -configuration_basename your_robot.lua outputscreen / !-- Cartographer的RViz可视化 -- node namecartographer_occupancy_grid_node pkgcartographer_ros typecartographer_occupancy_grid_node args-resolution 0.05 / /launch如果你的机器人没有URDF模型也可以用一个简单的static_transform_publisher来发布雷达和机器人基座之间的TF。后面会遇到这个问题我先提一句。4.2 lua配置文件的参数逻辑lua配置文件是Cartographer的灵魂。以最常见的2D建图配置为例include map_builder.lua include trajectory_builder.lua options { map_builder MAP_BUILDER, trajectory_builder TRAJECTORY_BUILDER, map_frame map, tracking_frame laser, -- 雷达的坐标系 published_frame base_link, -- 机器人基座坐标系 odom_frame odom, -- 里程计坐标系 provide_odom_frame true, -- 是否由Cartographer发布odom坐标系 publish_frame_projected_to_2d true, use_odometry false, -- 是否使用里程计数据 use_nav_sat false, use_landmarks false, num_laser_scans 1, -- 激光扫描的数量 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, trajectory_publish_period_sec 30e-3, rangefinder_sampling_ratio 1., odometry_sampling_ratio 1., fixed_frame_pose_sampling_ratio 1., imu_sampling_ratio 1., use_online_correlative_scan_matching true, -- 在线相关扫描匹配对雷达建图很重要 real_time_correlative_scan_matcher { linear_search_window 0.1, angular_search_window math.rad(20.), translation_delta_cost_weight 1e-1, rotation_delta_cost_weight 1e-1, }, motion_filter { max_time_seconds 0.5, max_distance_meters 0.2, max_angle_radians math.rad(1.), }, pose_extrapolator { constant_velocity { use_imu_data false } } } return options重点解析几个核心参数tracking_frame必须设置为雷达的实际坐标系名称。很多新人在此处写错为base_laser但实际上思岚雷达驱动默认发布的坐标系名是laser。**参数名称不对应Cartographer会直接报TF错误。**正确做法是先用rosrun tf tf_monitor或rosrun tf2_tools view_frames查看当前系统的TF树再对齐坐标系名称。use_odometry如果你没有轮式里程计或IMU数据这里保持false即可。思岚雷达只有2D激光数据没有自带的里程计信息use_odometryfalse时Cartographer会靠纯激光匹配来推算运动对建图精度有一定影响但配合在线相关扫描匹配小范围内问题不大。use_online_correlative_scan_matching这个参数强烈建议设为true。它开启的在线扫描匹配能把激光帧和局部子图做精确对齐对没有里程计输入的雷达建图场景提升很大。real_time_correlative_scan_matcher的linear_search_window和angular_search_window控制匹配搜索范围。搜索窗口越大匹配越鲁棒但越耗时。默认的0.1米和20度在大多数室内场景够了如果移动速度较快可以适度增大。4.3 针对思岚雷达的专属调参经验思岚雷达的扫描频率建议设置在5-10Hz之间。Cartographer通过内部的时间戳管理激光数据只要雷达能稳定输出它都能处理。但在实际使用中我发现一个规律雷达的扫描频率和Cartographer的位姿外推器PoseExtrapolator的适配性很关键。如果雷达频率太低比如降到3HzCartographer在两个激光帧之间的位姿推算会非常依赖运动模型容易出现漂移。反过来如果频率太高CPU占用率会明显上升。我建议A1雷达设置在6-8Hz左右A2和A3可以跑到10Hz以上帧率高了建图平滑度好但也要看自己的CPU扛不扛得住。另外motion_filter参数决定的是多长时间、多小距离、多小角度变化时强制插入新的激光帧。如果你的机器人移动速度很慢可以把max_distance_meters调小到0.1米以下这样建图过程中细节捕捉更细但计算量也会增加。我通常的做法是先保持默认跑一圈但转速慢点看效果再慢慢调。5. 实际建图操作从启动到地图保存配置写完之后正式的建图流程反而简单只要按顺序启动几个节点再灵活控制机器人在环境里转一圈地图就成型了。但每一步都有一些细节值得注意。5.1 启动建图流程首先确认雷达驱动是否在运行。然后启动Cartographer建图节点。如果一切正常你会看到终端里持续输出类似下面的日志[ INFO] [timestamp]: I0201 12:00:00.000000 12345 pose_graph_2d.cc:234] Added submap at (0.12, -0.23, 1.57)这说明Cartographer已经成功接收到激光数据并开始构建子图。打开RViz后添加Map显示和LaserScan显示你会在画面中看到雷达扫描的点云和已经建好的子图。注意一个微妙的区别Cartographer的建图过程不是每帧激光数据都立即写入地图而是以子图Submap为单位进行累积。所以你在RViz里看到的地图边缘不是平滑的而是一个个小的子图块拼接在一起。当机器人走过一段距离后子图之间会被后端优化不断修正。这也是Cartographer建图后看起来更准的原因之一。启动RViz的自定义配置可以参考Cartographer提供的预置配置roslaunch cartographer_ros demo_revo_lds.launch5.2 控制机器人移动建图的技巧建图过程中机器人的移动方式直接决定最终地图质量这一点很多人到了后面才意识到。Cartographer虽然回环检测能力强但也架不住传感器数据质量太差。实操建议速度要慢特别是小车底盘线速度控制在0.2m/s以内角速度控制在0.3rad/s以内。移动过快会让相邻两帧激光数据间的相关性变弱匹配精度下降。多回环建图时尽量规划行走路径多让机器人回到起点或之前经过的区域这能触发回环检测大幅修正累计误差。避免长直走廊反复来回长直走廊在激光SLAM里是经典难题。因为激光在走廊里的纵向信息极少两堵平行墙之间的距离基本不变匹配退化严重。如果现场有这种环境建议多在中途做原地旋转让雷达捕捉更多特征点。这里说一个我踩过的教训。第一次实跑的时候我图省事控制遥控器让机器人在走廊里匀速走了一个来回结果建出来的地图在尽头处出现了明显的双层墙壁。后来查日志发现走廊末端的激光匹配分数确实偏低后端优化也没能完全修正。后来重新让它S型前进并中途自转地图就正常了。5.3 地图保存pbstream格式转pgm/yamlCartographer的在线建图过程和最终地图保存是分离的。它不像Gmapping的map_saver那样直接生成pgm文件而是分为两步。第一步利用RViz在Cartographer中触发保存pbstream文件# 触发保存 rosservice call /write_state {filename: /path/to/your_map.pbstream}第二步将pbstream转换为ROS标准的pgmyaml地图格式rosrun cartographer_ros cartographer_pbstream_to_ros_map \ -pbstream_filename /path/to/your_map.pbstream \ -map_filestem /path/to/your_map运行完成后会生成your_map.pgm和your_map.yaml两个文件。如果你后续要用AMCL自适应蒙特卡洛定位做机器人导航这两个文件直接可以用。有时候需要微调yaml文件里的resolution分辨率和origin原点但大部分情况下Cartographer生成的默认配置已经够用。6. 实战踩坑清单TF树、串口冲突、建图漂移的排查链路这部分是我最想写的因为很多问题只有在实际跑起来的时候才会暴露文档里根本不会写。6.1 TF树不完整Cartographer启动就报错症状Cartographer节点启动后立刻报错找不到TF大概长这样[ERROR] [timestamp]: Could not find a static transform from base_link to laser原因Cartographer靠TF树来知道雷达装在机器人的哪个位置以及机器人在世界坐标系下的位姿。如果雷达驱动没有发布laser到机器人基座的静态坐标变换Cartographer就成了睁眼瞎。排查链路先运行rosrun tf view_frames生成TF树PDF直观地看整棵树里有没有map - odom - base_link - laser这条链路。如果缺laser到base_link之间的变换说明需要手动发布静态坐标变换rosrun tf2_ros static_transform_publisher \ 0.0 0.0 0.3 0.0 0.0 0.0 base_link laser这行命令的含义是雷达在机器人基座上方0.3米的位置无旋转偏移。具体数值根据你的物理安装位置确定——很多人随手抄了示例参数结果建的图整体错位。量好雷达相对机器人基座的三维偏移再填这个数。如果缺map或odom确认provide_odom_frame参数是否设为了true。设成true时Cartographer会自己发布map - odom的变换省去你配置里程计的麻烦。6.2 雷达数据偶尔断流症状雷达在RViz中显示不稳定时不时数据为空建图时地图出现破碎的洞。原因和排查链路首先检查雷达和主机之间的USB线材质量。USB线过长或电磁干扰可能导致数据丢包。换一根短而粗的线试试。检查驱动日志中有没有LIDAR is present之外的警告比如timeout、checksum error这类。如果串口同时被其他程序占用比如你开了多个雷达驱动节点也会导致数据断流。用lsof /dev/ttyUSB0查看串口被谁占用把冲突进程关掉。在我的部署中这类问题通常归咎于USB口供电不足。思岚雷达的功耗不高但同一个USB集线器上同时接入移动硬盘、无线网卡等设备时雷达偶尔会掉线。把雷达单独插到主机原生USB口问题基本消失。6.3 地图漂移问题的定位思路症状建出的地图在直线走廊或原地自转时出现明显的漂移、重叠、错位。这套排查链路是我踩过最多坑的地方建议按顺序来先排除传感器问题将雷达固定在静止状态下观察/scan话题看数据是否稳定。如果静止时数据都抖动得很厉害那问题在雷达本身——可能是电机磨损或机械部分松动优先换雷达。确认底盘的里程计是否参与use_odometry默认为false如果你平台上确实有轮式里程计可以尝试打开use_odometry true并确认发布里程计的话题名称正确。没有里程计的纯雷达建图在快速转向时漂移概率会增大。调节扫描匹配参数real_time_correlative_scan_matcher里的linear_search_window和angular_search_window增大一点让匹配容忍度变高但注意计算量上升。同时关闭lock_pose_during_local_scan_matching如果配置里有的话让局部匹配更灵活。增加回环建图路线规划上尽量设计几个回环回环可以有效拉回漂移。提示当建图效果始终不理想且你已经排查了雷达、TF、参数这些问题后别忘了看看CPU资源。Cartographer对CPU压力不低如果建图时系统负载接近100%姿态估算的实时性会受到影响地图质量同样好不到哪里去。top -H -p cartographer_node_pid能直接看到算法线程的CPU占用情况。7. 后续扩展从建图到定位导航的自然延伸地图建出来之后机器人并不算真正能用。后续最自然的扩展路径就是走AMCL定位或者尝试Cartographer的纯定位模式。7.1 把建好的地图用于AMCL导航建好的pgm/yaml地图用map_server就能加载roslaunch map_server map_server.launch map:/path/to/your_map.yaml结合move_base做路径规划再配合思岚雷达的实时扫描数据输入AMCL做粒子滤波定位就是一套标准的导航框架。重点是确认map_server发布的map坐标系和Cartographer建图时使用的map坐标系完全一致。实际上只要map_publisher设置正确一般问题不大。7.2 直接使用Cartographer的纯定位模式Cartographer本身也支持在线纯定位localization mode适合那些已经建过图、后续要在同一张地图里重新定位的场景。做法是在launch时把配置里的map_builder修改为加载已有地图的方式然后启动Cartographer时区块链参数时多指定一个map文件的路径。node namecartographer_node pkgcartographer_ros typecartographer_node args-configuration_directory $(find your_robot_pkg)/config -configuration_basename your_robot_localization.lua -load_state_filename /path/to/your_map.pbstream /纯定位模式的好处是能复用建图时的全局优化结果定位精度比AMCL在某些场景下更稳定但配置上也更敏感雷达坐标系、初始位姿等等都容易出错。如果只是做简单的导航任务AMCL通常已经够用。8. 建图数据的质量评估别只看图长什么样地图看起来规整不等于数据可靠这一点是我后来做定位导航才深刻体会到的。8.1 评估地图质量的量化指标在保存地图之前我喜欢用几个量化指标来判断建图质量而不是凭肉眼看回环约束的数量Cartographer在日志中会周期性输出回环约束的信息。回环约束越多说明机器人经过了更多熟悉的区域地图的一致性通常越好。局部匹配的平均分数local_slam部分会输出单帧激光匹配的score一般低于某个阈值就说明匹配得不好值得关注。子图数量和子图大小子图过多但地图很小说明参数可能不适合你的雷达导致子图切分过于频繁。如果这些指标看起来正常但地图上依然有异常可以考虑保存一份rosbag离线用Cartographer的cartographer_offline_node重新建图同时可以配合参数调整试错。离线建图的好处是可以反复尝试不同参数而不用反复操作真机。这也是为什么我强烈建议在部署期间养成记录rosbag的习惯特别是当你准备做参数调优的时候。# 录制雷达话题数据 rosbag record /scan /tf /tf_static -O scan_data.bag这个bag文件就是你反复测试参数的宝贵素材。甚至在你把雷达换掉之后只要数据结构一样理论上游数据还是可以复用。8.2 何时值得重新调参不是每次建图效果不好都需要调参。以下情况我通常直接重跑不做参数调整环境中有大量动态障碍物如人走来走去并且机体被长时间遮挡。雷达频率和电机速度异常数据出现明显的间歇性空洞。建图过程中机器人的移动路径存在长时间快速旋转或大幅度颠簸。相反如果机器人走了稳定的路径数据没有明显异常但地图依然有偏差这时才值得调参数。理性调参的策略是一次只改一个参数改完就离线重放bag对比前后效果不要把多个参数混在一起调不然永远无法定位问题的根源。我在实际项目中发现use_online_correlative_scan_matching和motion_filter的参数一改对整个建图质量的影响立竿见影。尤其是motion_filter如果你发现建图时明明走了很多地方但地图里的细节还是太少很可能是max_distance_meters设得太大导致许多相似帧被过滤掉了。9. 个人心得这套组合的极限和边界最后说一点和纯技术不太相关的感受。在折腾这套组合的过程中我最深的体会是工具链成熟不代表部署轻松思岚雷达加Cartographer是当前开源生态里性价比最合适的2D建图组合之一但能不能用好很大程度取决于你对坐标系和位姿优化的理解程度而不只是会敲几条命令。我之前见过太多人包括我自己一开始搜索教程复制粘贴launch文件打开RViz看到地图慢慢成型就以为大功告成了。结果等到机器人真正动起来或者把地图用于导航时各种隐性问题才逐渐暴露。SLAM的本质是状态估计和优化如果你只停留在能出图这个层面开发能力很难有质的提升。在实际部署中我还发现一个值得分享的小技巧在思岚雷达的驱动启动后额外用rostopic hz /scan定期监测雷达数据的发布频率。频率稳定是建图质量的前提。如果发现频率波动超过20%建议先检查物理连接和供电再去尝试改算法参数。这个习惯帮我排掉了很多看似玄学的建图问题。另外一个建议是部署过程中尽量把每一步的配置文件和日志保留下来标注日期和当时的改动。建图效果不理想时回退到之前某个正常的版本会非常高效不要指望靠记忆去恢复。如果你正准备入坑不妨先照着这篇跑通一遍然后用rosbag离线调参体验一下不同参数对地图的影响。这个项目做完你对ROS坐标系的理解、对SLAM基本原理的认知、对系统调试的耐心都会有和现在完全不同的水平。这大概就是务实部署一台能用的2D激光雷达建图小车能给你带来的最大收获。