cartographer_ros的submap获取与保存

cartographer:occupancy_grid_node_main

本文分析cartographer 使用二维激光传感器的SLAM, google cartographer的地图生成在occupancy_grid_node_main中实现。先放上生成的地图，走廊约为90m*60m 。左边的range_data_inserter中的insert_free_space = true，右边false。表示是否更新raytracy中的free栅格的概率。

系统简介
1. 系统采用local和global的方法来优化位姿$\xi = (\xi_x,\xi_y,\xi_z)$; 在local的方法中，每一帧与submap匹配；使用的是非线性优化将激光和地图对齐。因为在扫描匹配的过程中会累计误差，因此需要全局的方法来回环消除误差。
2. 在local的匹配中，采用的是类似hector_slam的线性插值的方式，不过为了解决双线性插值的不连续性，采用了双三线性插值； 在global的方法中借鉴了olson的相关性扫描匹配方式，通过全局位姿优化来解决误差累计。
3. 在子图构建完成(已经加入足够的激光数据帧)， 会用来做loop closure，当激光现在的位姿估计和之前的子图足够近的时候(再次访问一个地图)，在搜索窗口内，完成类似与olson的相关性扫描匹配，如果匹配结构很好就增加loop closing constraint 。

子图介绍

首先分析的是输出的地图，由次来分析采用的算法结构。这个ROS节点的任务是接受cartographer_node节点运行计算得到的子图序列和子图内容，拼接成一个大的地图的工作。如下图所示:上面的栅格地图是cartographer得到的整体的地图，下面的两张是其中两个子图对应的栅格地图。

occupancy_grid_node_main中维护的全局地图数据:

  std::map<SubmapId, SubmapSlice> submap_slices_ GUARD