谷歌cartographer直接使用速腾聚创3d激光雷达三维数据进行2d建图

最新推荐文章于 2025-06-25 21:53:40 发布
转载 最新推荐文章于 2025-06-25 21:53:40 发布 · 6.8k 阅读 · 35
文章标签：

#ROS #cartographer #速腾聚创

本文介绍如何利用Cartographer_ros工具包与小强ROS机器人平台进行2D地图构建的过程。主要内容包括数据包准备、配置Cartographer_ros参数、启动软件并播放数据包以开始建图，最后使用map_server保存构建好的地图。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

原链接: https://community.bwbot.org/topic/524
运行测试平台:小强ROS机器人

谷歌cartographer_ros请参考这篇安装教程：http://community.bwbot.org/topic/136/google激光雷达slam算法cartographer的安装及bag包demo测试

1. 数据包准备

使用激光雷达进行2d建图，一般是使用2d雷达数据，3d雷达需要先转换成2d。cartographer_ros的2d建图直接支持三维点云输入，因此可以不需要转换。本文建图将使用里程计和三维点云数据。
rosbag数据包的详细制作过程，请参考这篇教程: https://community.bwbot.org/topic/522/使用rosbag录制和回放3d激光雷达数据和小强ros开发平台的里程计imu数据
下文教程将以蓝鲸机器人录制的bag包为例，演示如何建立2d地图。bag包百度云下载地址

2. 配置cartographer_ros

蓝鲸机器人github上的cartographer_ros已经配置好了所有文件，对于加装速腾聚创小强xq5开发平台采集的数据包，cartographer_ros需要使用的是下列文件，简略的说明在下文。cartographer_ros的详细文档可以参考官方wiki

cartographer_ros/launch/demo_xiaoqiang_rslidar_2d.launch #建图时启动的launch文件，负责启动rviz，加载cartographer_ros主要的启动节点和参数文件，话题数据名字的remap也在这个文件设定。

cartographer_ros/urdf/rslidar_2d.urd #模型文件，用来发布3d激光雷达、小车里程计、IMU、小车本体之间的tf关系

cartographer_ros/configuration_files/xiaoqiang_rslidar_2d.lua #cartographer_ros算法参数配置文件，优化建图效果需要调整的参数就是这个文件。

ros中坐标系的设置，请参考这篇教程，小强xq5平台的base_link原点设置在两个主动轮轴中间位置。

# cartographer_ros/configuration_files/xiaoqiang_rslidar_2d.lua文件里面设置是否使用imu、odom数据的参数是这两个：
use_odometry = true  #true使能里程计，false禁用里程计
TRAJECTORY_BUILDER_2D.use_imu_data = false  #true使能里程计，false禁用里程计

# cartographer_ros)/urdf/rslidar_2d.urd文件需要调整的参数是3d雷达相对base_link的安装位置，laserbase_link等价于base_link
<joint name="horizontal_laser_link_joint" type="fixed">
    <parent link="laserbase_link" />
    <child link="rslidar" />
    <origin xyz="0 0 0.4" rpy="0 0 0" />
  </joint>

3. 启动cartographer_ros，播放rosbag数据包，开始建图

#先关闭小车的ros启动节点
#在小车主机上新开一个命令终端
sudo service startup stop
roscore

#启动cartographer
#在小车主机上新开一个命令终端
roslaunch cartographer_ros demo_xiaoqiang_rslidar_2d.launch 

#播放bag数据
#在小车主机上新开一个命令终端
rosbag play  --clock  2018-08-11-13-20-34.bag

0_1534131252839_2d_1.png
0_1534131282229_Screenshot from 2018-08-13 11-32-47.png
0_1534131505449_Screenshot from 2018-08-13 11-38-14.png

4. bag播放完成后，用map_server保存地图

rosrun map_server map_saver --occ 51 --free 49 -f work0

保存成功后，会在home目录里面生成work0.yaml work0.pgm两个地图文件，这两个文件可以用来amcl导航。

ros2 humble cartographer 2D激光雷达建图
weixin_43087302的博客
07-13 6057
Cartographer是一个支持多平台和传感器配置的SLAM的系统。 本文主要讲述在ros2 humble系统上cartographer的安装方法，以及如何配置参数实现自己的ros2 bag包的离线建图。
速腾聚创三维激光雷达 实现cartographer 建图复现工作（代完成）
weixin_48178539的博客
12-24 1281
6、参考教程： <1> 环境配置 官方： Compiling Cartographer ROS 博客： cartographer 3D点云建图教程 <2> 代码调试 方法一：谷歌cartographer使用速腾聚创3d激光雷达数据进行三维建图 方法二：谷歌cartographer使用速腾聚创3d激光雷达数据进行三维建图——优快云 方法三：cartographer 3D点云建图教程 ...
Velodyne16激光雷达-Cartographer 2D建图 （point_to_scan）
qq_52784762的博客
11-15 1116
在cartographer_ros下的launch，创建关于vlp16的 比如 vlp16.launch（与文件夹内其他文件不重名） 主要是remap from =“scan” to=“/scan” 这里，/scan是point_to_scan转换出来的数据（在前面图里可以看到/velodyne_points是vlp16发布的数据，/scan是转换后的数据），用于2d建图。进行测试，可以看到，3d激光成功变成了2d的scan，便于接下来进行2d的cartographer建图。我主要修改的是这里，
使用激光雷达+cartographer进行SLAM实验（保姆级教程）
最新发布
2401_83008408的博客
06-25 782
利用SLAM获取机器人坐标
Cartographer使用３D激光雷达建立２D导航图（概率栅格地图）
Awesomewan的博客
09-25 1万+
Cartographer使用３d激光雷达建２d图１.尝试过的方法1.1 参考官方demo_backpack_3d.launch文件，直接建图1.2在线或离线生成pbstream文件，再转成pgm，yaml文件２.最终方案！使用３d点云数据直接在rviz上生成２d图（导航图，栅格图） 引言：确切说应该是使用３ｄ激光雷达建立概率栅格地图，一开始我使用了官方demo_backpack_3d.launch经过修改一些参数，但在rviz中显示的图，只有黑色和灰色，也就是代表的障碍物体和未知区域，缺少白色区域就是已知区
cartographer 3d 初试，运行速腾聚创data
南北粉面馆
06-03 1016
不黑不吹，这个文章不错 谷歌cartographer使用速腾聚创3d激光雷达数据进行三维建图 结合文章，先上图 再上数据 链接: https://pan.baidu.com/s/17P_NhPinVU6zlNG5p01PZw 提取码: 63gv 再上配置文件urdf <!-- Copyright 2016 The Cartographer Authors Licensed under the Apache License, Version 2.0 (the "License"); yo
谷歌cartographer使用速腾聚创3d激光雷达转二维数据进行2d建图
bluewhalerobot的博客
08-14 3486
原链接: https://community.bwbot.org/topic/525 谷歌cartographer_ros请参考这篇安装教程：http://community.bwbot.org/topic/136/google激光雷达slam算法cartographer的安装及bag包demo测试 1. 数据包准备 本文建图将采用普通的2d 雷达数据，结合IMU和里程计数据进行2d建图。2...
RoboSense（速腾）16线激光雷达数据进行cartographer建图的实践历程
weixin_49195458的博客
06-01 3909
在上篇博客对RoboSense（速腾）16线激光雷达的介绍基础上，本文分享如何利用雷达数据进行cartographer建图，存图，加载地图。 修改cartographer_demo_rs16.launch文件如下： 如下图，框选出来的参数是重点： 修改文件如下： 如下图，框选出来的参数是重点： 创建launch文件 在打开的文本中输入如下： 这里需要注意的是这句代码：。因为激光雷达节点发布的信息是/rslidar_points，因此需要将pointcloud_to_l
超详细！思岚S2激光雷达Cartographer建图
m0_50965539的博客
08-06 3476
之前已经尝试过hector_mapping建图，在室内建图效果挺好的，但是在室外比较容易发生漂移，尤其是空旷的场地，甚至会直接停止运行；所以现在又尝试Cartographer建图，发现在室内、室外建图的效果都不错，网上相关有相关教程但很多细节没讲，不太适合新手小白，于是就把自己的操作流程详细分享一下。
基于激光雷达SLAM技术的2D/3D研究与未来方向
09-17
三、基于3D激光雷达的激光SLAM技术 3D激光雷达SLAM通常采用图优化方案，处理更多的位姿状态和环境观测信息。前端扫描匹配涉及到3D点云匹配，包括基于匹配和基于特征的方法。闭环检测是关键，通过全局数据关联检测并...
单激光雷达（欧镭）结合cartographer建图算法应用（一）
KLOSEno的博客
08-30 648
首先点击VMware的编辑，然后点击虚拟网络编辑器，打开后点击右下角的更改设置，只有这样我们才能添加桥接网络，具体修改如下图，首先添加网络VMnet0然后选择桥接模式，找到第一步你修改的以太网名称，然后选上即可。然后按照图中顺序配置即可，其中地址和子网掩码和在windows中填的一样，这里看一下自己设备对应的码即可，同样也可在终端输入ping来看是否有回应。这里不再赘述，ros的安装，然后cartographer的安装，然后进行demo试跑，跑通后即可。然后我们在第三个终端调出rviz可视化工具。
cartographer 3D mapping
07-20
Continuous-Time SLAM—Improving Google’s Cartographer 3D Mapping
【亲测免费】 开源SLAM方案：实时三维激光雷达即时定位与建图 – hdl_graph_slam 推荐
gitblog_00186的博客
08-10 1017
开源SLAM方案：实时三维激光雷达即时定位与建图 – hdl_graph_slam 推荐 hdl_graph_slam 是一款基于ROS的开源软件包，用于通过三维激光雷达进行实时六自由度（6DOF）同步定位和建图(SLAM)。该项目利用3D图论SLAM框架结合NDT扫描匹配估计里程计，并具备回环检测功能。除此之外，它还支持多种图形约束机制，包括GPS、IMU加速度（重力向量）、IMU方向（磁传感器...
LOCUS 2.0：基于激光雷达的鲁棒且高效的3D实时建图
CV_Autobot的博客
12-05 2144
作者| dianyunPCL 编辑 | 点云PCL点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！摘要激光雷达里程计作为在复杂的没有GNSS环境中实现鲁棒定位方法引起了广泛关注。然而，由于自主机器人所需的机载计算计和内存资源的限制，在大规模环境中的异构平台...
Cartographer 3D建图与纯定位（在线建图、保存和纯定位）
m0_58322903的博客
10-28 1万+
Cartographer安装与使用，包括 3D在线建图与保存，纯定位，与move_base结合，定位话题发布。
ROS2+cartorgrapher+激光雷达建图并保存
热门推荐
scarecrow_sun的博客
11-22 2万+
ROS2humble只使用激光雷达建图方法
[cartographer疑问系列] 9. 如何利用3D 数据生层2D栅格地图
yaoyaoqiekenaoo的博客
11-25 852
记轨迹系 为 L 系， 当前帧系 为 c 系， 重力系为 W 系 我们想要做的是： 1. 估计的 3D pose Tlc 的投影，直接取 x y ----- 在 L系下进行投影 2. 当前帧的点云投影，直接取 x y --- 必须满足：当前帧系 与L系的 Z 轴重合 如果机器人肯定是在平面上运动，那么很简单，直接取 x y 即可。 如果机器人是一个3D空间的运动呢，如何达到上述要求呢？难点是第2点，地图系是固定的，但是当前帧系是变化的啊，如何保证两者的 Z 轴重合呢？...
Cartographer 3D 建图实战-（基于禾赛32线雷达和Xsens MTi-G-710 组合导航模块，松灵Scout mini 底盘实际进行实验）
晓晨的博客
01-22 2296
组内大佬师兄今天抽出时间总结了一篇博客，主要内容是：把“Cartographer 3D 建图”调整为适合自己设备需要修改哪些文件，并进行实验。 博客内容全是干货，手把手教学修改URDF文件中的TF树、lua文件参数、以及Launch文件，可以帮助大家少踩很多坑。 在这里推荐给大家： 基于禾赛32线雷达和Xsens MTi-G-710 组合导航模块，松灵Scout mini 底盘实现 Cartographer 3D 建图过程 欢迎大家点赞、关注。 ...
ROS2+cartographer+激光雷达+IMU里程计数据融合(robot_locazation) 建图
scarecrow_sun的博客
03-18 1万+
之前写了一篇ROS2+cartorgrapher+激光雷达建图并保存，但是由于其只对激光雷达的数据进行订阅，这就导致了其建图在室内会有一个较好的效果(但是也会出现偏差)，在室外完全无法使用。究其原因，是因为只用激光雷达且没有比较明显的建筑障碍物的话，cartographer很难计算出一个比较精准的位置和朝向。因此，为了达到一个更好的建图效果，我们使用了robot_localization包，对IMU和里程计的数据进行融合，并将其发布，使得cartographer的建图效果更上一层楼。
如何用 QT 显示激光雷达 2D 点云数据 示例代码
03-29
<think>好的，我现在需要帮助用户找到在Qt中显示激光雷达2D点云数据的示例代码。首先，用户提到了引用中的几个资源，特别是引用[3]和[4]，它们涉及Qt的GIS开发和点云可视化。我应该先回顾这些引用内容，看看是否有直接相关的代码示例。 引用[3]讲的是使用Qt的QGraphicsView来显示瓦片地图，支持多线程加载和显示，这可能与点云的显示有相似之处，比如处理大量的数据点和坐标转换。而引用[4]提到基于QOpenGLWindow的点云可视化，这更接近用户的需求，因为OpenGL适合高性能渲染，适合处理大量的点云数据。不过用户需要的是2D点云，而引用[4]可能更偏向3D，但也许可以调整。 用户明确想要2D显示，所以可能需要使用QGraphicsView或者QOpenGLWidget。QGraphicsView适合2D图形，可以处理大量的图形项，但性能可能不如OpenGL。如果点云数据量很大，使用OpenGL会更高效。因此，我应该考虑这两种方法，并参考现有的引用内容提供示例。 接下来，我需要检查引用中的示例代码是否有相关的部分。引用[3]中的C++代码示例可能涉及瓦片地图的显示，但点云的结构不同，可能需要自定义绘制。引用[4]的Qt OpenGL示例可能更接近，但需要调整到2D。此外，用户提供的引用[2]提到了Python的点云编码，但用户可能需要C++的Qt代码。 我需要结合这些信息，构造一个简单的示例，可能基于QGraphicsView或者QOpenGLWidget。考虑到用户可能希望快速实现，QGraphicsView可能更容易上手，代码结构更简单。但若数据量大，推荐使用OpenGL。因此，我应该提供两种方法的示例，或者选择其中一种进行详细说明。 现在，我需要确保代码示例正确，符合Qt的编程规范，并且能够处理激光雷达的2D点云数据。激光雷达的2D数据通常是一系列的距离和角度，转换为笛卡尔坐标系下的x和y坐标。代码需要将这些点绘制在视图中。 此外，用户可能需要数据加载和实时更新的功能。例如，从文件读取点云数据，或者通过实时传输接收数据并动态更新视图。不过，用户可能首先需要一个基础的显示示例，后续再扩展功能。 检查引用[3]中的瓦片地图示例，它使用QGraphicsView和QGraphicsScene来管理图元，这可能适用于点云显示。每个点可以作为QGraphicsEllipseItem或自定义的QGraphicsItem添加到场景中。对于大量点，可能需要优化，比如使用批处理或简化绘制方法。 在引用[4]中，使用QOpenGLWindow进行3D点云渲染，但可以调整着色器代码以2D方式显示，忽略Z轴。这可能更高效，但代码复杂度较高，适合有OpenGL经验的开发者。 综合考虑，用户可能希望一个简单易懂的示例，因此先提供基于QGraphicsView的代码，再提到OpenGL的优化方向。同时，结合引用中的信息，例如引用[2]提到的点云编码方法，可能需要将点云数据转换为适合显示的坐标系统。 最后，生成相关问题，帮助用户进一步探索性能优化、实时显示和坐标转换等内容。</think>### 使用Qt显示激光雷达2D点云数据的实现方法 #### 1. 基于QGraphicsView的简单实现 适用于数据量较小的场景，代码简洁易理解： ```cpp #include <QGraphicsView> #include <QGraphicsScene> #include <QApplication> class PointCloudView : public QGraphicsView { public: PointCloudView(QWidget* parent = nullptr) : QGraphicsView(parent) { scene = new QGraphicsScene(this); setScene(scene); // 设置坐标系（示例：范围-10m到10m） scene->setSceneRect(-1000, -1000, 2000, 2000); // 单位：毫米级精度 } void addPoint(float x, float y) { scene->addEllipse(x*100, y*100, 2, 2, Qt::NoPen, QBrush(Qt::red)); // 坐标放大100倍显示 } private: QGraphicsScene* scene; }; // 使用示例 int main(int argc, char *argv[]) { QApplication a(argc, argv); PointCloudView viewer; // 模拟添加点云数据（极坐标转笛卡尔坐标） for(int angle=0; angle<360; angle+=5) { float radians = qDegreesToRadians(float(angle)); float distance = 5.0f; // 模拟5米距离 viewer.addPoint(distance*qCos(radians), distance*qSin(radians)); } viewer.show(); return a.exec(); } ``` ▲ 此代码实现了： - 笛卡尔坐标系映射 - 极坐标到直角坐标的转换 - 点云可视化基础框架[^3] #### 2. 基于QOpenGLWindow的高性能实现 适用于大规模点云数据（每秒数万点）： ```cpp #include <QOpenGLWindow> #include <QOpenGLBuffer> #include <QOpenGLShaderProgram> class GLPointCloud : public QOpenGLWindow { public: GLPointCloud() { points = { // 示例数据（x,y,r,g,b） 0.0f, 0.0f, 1.0f, 0.0f, 0.0f, 1.0f, 1.0f, 0.0f, 1.0f, 0.0f }; } protected: void initializeGL() override { initializeOpenGLFunctions(); program = new QOpenGLShaderProgram; program->addShaderFromSourceCode(QOpenGLShader::Vertex, "attribute vec2 position;" "void main() { gl_Position = vec4(position, 0.0, 1.0); }"); program->addShaderFromSourceCode(QOpenGLShader::Fragment, "uniform vec3 color;" "void main() { gl_FragColor = vec4(color, 1.0); }"); program->link(); } void paintGL() override { glClear(GL_COLOR_BUFFER_BIT); program->bind(); QOpenGLBuffer vbo(QOpenGLBuffer::VertexBuffer); vbo.create(); vbo.bind(); vbo.allocate(points.constData(), points.size()*sizeof(float)); int posLoc = program->attributeLocation("position"); program->enableAttributeArray(posLoc); glVertexAttribPointer(posLoc, 2, GL_FLOAT, GL_FALSE, 5*sizeof(float), 0); glDrawArrays(GL_POINTS, 0, points.size()/5); vbo.release(); program->release(); } private: QVector<float> points; QOpenGLShaderProgram* program; }; ``` ▲ 此方案利用GPU加速，支持实时刷新（需配合激光雷达数据接口）[^4] #### 3. 关键实现要点 1. **坐标转换**： - 激光雷达原始数据通常为极坐标$(r,θ)$，需转换为笛卡尔坐标： $$x = r \cdot \cosθ,\quad y = r \cdot \sinθ$$ 2. **性能优化**： - 使用顶点缓冲区对象(VBO)存储点数据 - 批量绘制代替逐点绘制 - 动态LOD（Level of Detail）控制[^2] 3. **交互功能**： ```cpp // 添加鼠标交互（继承QWidget的event处理） void mouseMoveEvent(QMouseEvent* event) { QPointF scenePos = mapToScene(event->pos()); qDebug() << "当前坐标：" << scenePos.x()/100.0 << "m," << scenePos.y()/100.0 << "m"; } ```
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值