ROS笔记（十八）Karto Hector

最新推荐文章于 2023-02-25 14:55:00 发布

bai君

最新推荐文章于 2023-02-25 14:55:00 发布

阅读量817

点赞数

分类专栏： ROS学习笔记文章标签：人工智能

本文链接：https://blog.youkuaiyun.com/weixin_44682965/article/details/108501485

版权

ROS学习笔记专栏收录该内容

20 篇文章

订阅专栏

本文对比了KartoSLAM、GmappingSLAM和HectorSLAM三种SLAM算法的工作原理、计算图和服务。KartoSLAM和GmappingSLAM在输入上相似，但KartoSLAM的输出缺少位姿估计的分散程度。HectorSLAM仅依赖激光雷达数据，适用于手持设备，其效果受激光雷达频率影响。三种算法均提供了动态地图服务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Karto

1. 计算图

Karto SLAM和Gmapping SLAM在工作方式上类似：
在这里插入图片描述

输入的Topic同样是/tf和/scan，其中/tf里有odom_frame和laser_frame，laser_frame和base_frame，与GmappingSLAM的完全一样。

唯一不同的是输出：slam_katro的输出比slam_gmapping的车、输出少了一个位子位姿估计的分散程度。

2. 服务

与Gmapping相同，提供/dynamic_map服务

3. 参数

test/param/katro_params.yaml:

# General Parameters
use_scan_matching: true
use_scan_barycenter: true
minimum_travel_distance: 0.2 
minimum_travel_heading: 0.174                  #in radians
scan_buffer_size: 70
scan_buffer_maximum_scan_distance: 20.0
link_match_minimum_response_fine: 0.8
link_scan_maximum_distance: 10.0
loop_search_maximum_distance: 4.0
do_loop_closing: true
loop_match_minimum_chain_size: 10
loop_match_maximum_variance_coarse: 0.4     # gets squared later
loop_match_minimum_response_coarse: 0.8
loop_match_minimum_response_fine: 0.8

# Correlation Parameters - Correlation Parameters
correlation_search_space_dimension: 0.3
correlation_search_space_resolution: 0.01
correlation_search_space_smear_deviation: 0.03

# Correlation Parameters - Loop Closure Parameters
loop_search_space_dimension: 8.0
loop_search_space_resolution: 0.05
loop_search_space_smear_deviation: 0.03

# Scan Matcher Parameters
distance_variance_penalty: 0.3              # gets squared later
angle_variance_penalty: 0.349                # in degrees (gets converted to radians then squared)
fine_search_angle_offset: 0.00349               # in degrees (gets converted to radians)
coarse_search_angle_offset: 0.349            # in degrees (gets converted to radians)
coarse_angle_resolution: 0.0349                # in degrees (gets converted to radians)
minimum_angle_penalty: 0.9
minimum_distance_penalty: 0.5
use_response_expansion: false

Hector

1. 计算图

Hector SLAM算法与Gmapping SLAM、Karto SLAM不同，Hector只需要激光雷达数据，不需要里程计数据，比价适合手持式激光雷达，并对激光雷达的扫描频率有一定的要求。

Hector算法的效果不如Gmapping、Karto，因为它仅仅用到激光雷达信息，这样的建图与定位的依据不如多传感结合的效果好，Hector更适合于手持移动或者本身没有里程计的机器人使用。

计算图：

在这里插入图片描述

中心的节点为hector_mapping，它的输入和其它SLAM类似，都包含了/tf和/scan另外Hector还订阅了一个/syscommanTopic，这是一个字符串型的topic，当接收到reset消息时，地图和机器人的位置都会初始化到最初的位置。

输出的topic，Hector多了一个/poseupdate和/slam_out_pose，前者是具有协方差的机器人位姿估计，后者是没有协方差的位姿估计。

2. 服务

与Gapping相同，提供/dynamic_map查询地图服务

3. 参数

test/launch/hector_demo.launch

<node pkg="hector_mapping" type="hector_mapping" name="hector_height_mapping" output="screen"> 
	<param name="scan_topic" value="scan"/>
	<param name="base_frame" value="base_link"/>
	<param name="odom_frame" value="odom"/>
	
	<param name="output_timing" value="false"/>
	<param name="advertise_map_service" value="true"/>
	<param name="use_tf_scan_transformation" value="true"/>
	<param name="use_tf_pose_start_estimate" value="false"/>
    <param name="pub_map_odom_transform" value="true"/>
    <param name="map_with_known_poses" value="false"/>

    <param name="map_pub_period" value="1"/>
    <param name="update_factor_free" value="0.45"/>

    <param name="map_update_distance_thresh" value="0.1"/>
    <param name="map_update_angle_thresh" value="0.05"/>
    
    <param name="map_resolution" value="0.05"/>
    <param name="map_size" value="1024"/>
    <param name="map_start_x" value="0"/>
    <param name="map_start_y" value="0"/>
 </node>