ROS学习笔记十七：SLAM

最新推荐文章于 2025-09-28 13:06:16 发布

原创

最新推荐文章于 2025-09-28 13:06:16 发布 · 707 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#ROS

本文详细介绍了ROS中的SLAM技术，包括Simultaneous Localization And Mapping的基本概念，以及Gmapping和Karto两个SLAM算法包的应用。Gmapping通过处理激光雷达和里程计数据来创建和更新地图，其关键话题、服务和参数设置进行了阐述。同时，提到了SLAM在路径规划和定位方面的相关工具，如AMCL和Navigation。Karto SLAM则关注如何消除累计误差，实现精准定位。

Simutaneous Localization And Mapping

同步定位和建图

机器人在未知的环境中建立地图，并利用该地图进行定位

移动机器人的任务一般包括建图、定位、路径规划三个方面

严格意义上讲，SLAM不包括路径规划

ROS中有许多SLAM的开源算法包，比如Gmapping、Karto、Hector、Cartographer

在定位方面有AMCL，自适应蒙特卡洛定位

在路径规划方面有Navigation，导航相关的工具包集，里面包含了许多算法，可以分为Global Planning（Dijkstra、A*……）和Local Planning（DWA……）
在这里插入图片描述

Map

在ROS中的地图可以说就是一个Topic:/map
message的类型Type:nav_msgs/OccupancyGrid
MapMetaData 存储了地图的相关信息，包括地图的加载时间、分辨率（单位是米/像素，通常可选0.05或0.025）、宽度和高度（单位是pixel）Pose是指地图初始化的时候相对于map这个frame的位置和朝向、数组data中存储的才是实际每一格的数值cost，表示机器人走到这一格需要消耗的成本，数组长度是地图宽度*高度
在这里插入图片描述