基于ROS的移動機器人激光SLAM算法研究

摘要：在我國科學技術迅速發展的今天，移動機器人的智能程度在不斷提升。同步定位與建圖（Simultaneous Localization and Mapping，SLAM）算法是移動機器人自主導航實現的前提與關鍵。文章在ROS系統基礎上分析了基于濾波器與基于圖優化方法的SLAM算法原理，利用基于Jetson Nano硬件平臺的移動機器人進行SLAM算法建圖。文章針對建圖中產生的地圖錯位漂移等問題進行研究討論，分析得出Cartographer算法可在室內復雜環境下構建出誤差低、精度高的2D柵格地圖，驗證了該算法在室內環境較其他算法的優異性，為移動機器人在室內SLAM建圖提供更可靠的解決方案。

關鍵詞：ROS；SLAM；移動機器人；Cartographer算法

中圖分類號：TP242.6" 文獻標志碼：A

0 引言

移動機器人在環境感知和導航中扮演著重要角色，而SLAM技術則是實現機器人自主導航的關鍵。SLAM通過激光雷達獲取環境信息并實時構建地圖與定位，為機器人提供了高效的導航解決方案。

由于部分SLAM算法建圖精度不高且魯棒性較差，導致后續導航工作難以進行，所以本文將研究集中于算法原理與實驗驗證兩方面。文章分析基于濾波器方法與基于圖優化方法的算法原理，包括Gmapping和Cartographer算法；利用搭載ROS系統的移動機器人進行SLAM建圖；針對激光SLAM算法在建圖時產生的地圖錯位漂移等問題進行研究；探討兩種算法的魯棒性與建圖精度并選擇適合室內環境的激光SLAM算法，為移動機器人的實時建圖提供更可靠的解決方案。

1 激光SLAM算法

根據使用的傳感器不同，分為激光SLAM與視覺SLAM［1］。視覺傳感器雖然結構簡單，但嚴重依賴環境結構信息。而激光雷達的測距精度不會因光照變化而改變，它的測距精度高可直接用于路徑規劃與導航，因此本文選用激光 SLAM 建圖［2］。激光SLAM 建圖算法分為兩大類：基于濾波器方法和基于圖優化方法。

1.1 基于濾波器方法

Fast-SLAM是一種基于粒子濾波器的 SLAM 算法。但該算法在大場景下建圖需要大量粒子從而會產生內存爆炸問題。

GMapping算法則在 Fast-SLAM 的基礎上進行改進，它通過降低粒子數量的方法大幅度緩解內存爆炸。GMapping提出了一種選擇再抽樣方法，該方法為了解決粒子耗散問題，將微粒按重要性加權進行分類并對權重較小的微粒重新抽樣。Gmapping 算法原理是利用粒子濾波器方法進行位姿估計與地圖構建，同時算法根據估計位姿來更新柵格地圖。通過多次迭代，Gmapping 可以得到高精度2D占據柵格地圖［3］。

1.2 基于圖優化方法

Karto是第一個基于圖優化的開源 SLAM 算法。但Karto構建子圖的實時性較差，在建圖模塊會耗費大量時間。

Google于2016年在Karto算法上提出改進并開源 Cartographer算法。Cartographer加入了數據預處理、傳感器同步等多項功能，子圖概念也被引入。為了使幀與子圖匹配，Cartographer采用梯度優化與相關性掃描匹配融合方法提升匹配精度效率；后端則基于圖優化方法在閉環測模塊加入當前激光幀和所有子圖。Cartographer 算法是目前精度最高、實時性和魯棒性最好的開源 SLAM 算法之一［4］。

2 機器人硬件平臺

2.1 機器人介紹

本文選用的是麥輪模型機器人，該機器人操作系統為Ubuntu 20.04 版本并搭載基于 ROS noetic 的基礎包框架。主控制器選用Jetson Nano通過USB連接外設傳感器。主控同時通過串口與STM32通信，它將IMU、電池狀態等數據傳輸到ROS系統。底層控制器選用OpenCTR控制器連接編碼器減速電機和 IMU 加速度陀螺儀，從而在底層實現機器人運動控制和數據采集。

2.2 ROS系統

ROS的全稱是機器人操作系統，是一種用來編寫機器人程序的柔性框架。ROS通過對各種工具庫、協議的整合，實現了與操作系統相似的功能。本文以四輪移動式機器人為研究對象，以 ROS系統為基礎實現對環境感知與運動控制等方面的整合工作。

3 激光SLAM算法研究

利用本文機器人，分別采用Gmapping算法與Cartographer算法對西京學院工程坊研究生實驗室建立二維柵格地圖。通過實驗比較，針對建圖出現的地圖誤差等問題，探討兩種算法在室內環境下建圖魯棒性與精確性。

操作端選用搭載Ubuntu 20.04的 PC端，通過Wi-Fi建立 PC端與Jetson Nano的網絡連接。設置機器人運動線速度為0.6 m/s，角速度為1.0 rad/s。雷達射線頻率設置為4s /次，掃描半徑為20 m，精度為0.01 m。

3.1 Gmapping算法

首先啟動機器人運行管理節點roscore，在新的終端中輸入$ roslaunch xtark_slam map.launch slam_methods：=gmapping運行slam功能包中map. launch啟動文件，啟動Gmapping 建圖節點。運行rviz并使用map話題發布柵格地圖話題以及使用scan話題發布激光信息。在 rviz可視化程序中查看建立地圖。Gmapping算法建圖如圖1所示。

可以從生成地圖分析得出GMapping算法在較小室內環境下建圖精度較高但仍具有一定程度的地圖漂移。GMapping的優勢就是能夠實時生成室內地圖并且對小型場景進行較高精度建模，而缺點在于GMapping構建室內大型復雜環境地圖時所需粒子數量隨地圖信息增大而增多且依賴里程計。每個粒子都帶有一張本地地圖，所以需要更多計算與存儲空間。GMapping 算法沒有回環檢測模塊，在室內遇到長廊等狹長環境可能會導致地圖錯位漂移等錯誤，使后期機器人無法避障或精準導航到目標點。總而言之，GMapping算法在室內較大環境或狹長走廊環境下建圖魯棒性低且精度不高。

3.2 Cartographer算法

Cartographer算法建圖操作方法同樣與 GMapping 類似，首先在機器人端運行$ roslaunch xtark slam map.launch slam methods：=cartographer命令，啟動Cartographer建圖節點并監聽scan_base topic發來的消息，后在rviz中查看生成地圖。Cartographer算法建圖如圖2所示。

在建圖過程中，由于Cartographer算法回環檢測及后端優化較為完善，并且Cartographer采用先進行小回環后進行大范圍回環檢測的方式，所以可以隨意移動機器人的位置而不會使地圖大范圍漂移旋轉。

由于Cartographer和GMapping算法框架不同，Gmapping建圖時需要較大粒子數量導致算法實時性下降。而Cartographer構建室內較大地圖時采用圖優化方法且在后端采取多線程優化，使得此算法具有更強的魯棒性與實時性。Gmapping無回環檢測模塊會導致地圖漂移等現象。總而言之，Cartographer算法的閉環檢測消除了建圖過程中產生的累積誤差。較Gmapping算法而言，地圖邊緣輪廓更加筆直明顯，建圖精度更高且魯棒性強。

4 結語

本文總結了基于濾波器方法與基于圖優化方法的SLAM算法原理，包括Gmapping和Cartographer算法；利用搭載ROS系統的移動機器人進行激光SLAM建圖，實現了在室內區域構建精度較高的二維柵格地圖；通過 Cartographer 算法與Gmapping算法構建地圖的實驗對比，分析得出Gmapping 建圖嚴重依賴里程計信息且無回環檢測模塊，實時性較差。Cartographer 建圖由于回環檢測突出可搬放機器人至任意位置，從而不會使地圖大范圍漂移旋轉，建圖效果較好。

Cartographer同樣支持多模態傳感器融合建圖，并具有重定位功能，同一時間建圖效率和精度更高。該算法可應用于室內較大復雜環境建圖。在此基礎上，室內機器人如掃地機器人等可以實現精確導航和避障的功能。Cartographer算法為移動機器人的即時定位與建圖提供更可靠的解決方案。

參考文獻

［1］陽月.基于多線激光雷達的無人車SLAM與重定位技術研究與實現［D］.成都：西南交通大學，2020.

［2］王晉.基于ROS的低速無人車2D激光SLAM建圖方法研究［J］.山西電子技術，2023（1）：95-98.

［3］劉志成，王華龍，馬興錄.激光即時定位與建圖算法綜述［EB/OL］．（2023-08-21）［2024-01-21］.https：//link.cnki.net/urlid/11.4762.TP.20230821.0915.014.

［4］劉銘哲，徐光輝，唐堂，等.激光雷達SLAM算法綜述［J］.計算機工程與應用，2024（1）：1-14.

Research on laser SLAM algorithm for mobile robot based on ROS

Abstract： "With the rapid development of science and technology in our country today， the intelligence level of mobile robots is also constantly improving. Simultaneous Localization and Mapping （SLAM） algorithm is the premise and key of autonomous navigation for mobile robots. In this paper， the principle of SLAM algorithm based on filter and graph optimization method is analyzed on the basis of ROS system， and the mobile robot based on Jetson Nano hardware platform is used to construct the SLAM algorithm. The problems of map dislocation and drift during map construction are studied and discussed， and the Cartographer algorithm can be used to construct 2D grid maps with low error and high accuracy in complex indoor environments， which verifies the superiority of this algorithm compared with other algorithms in the indoor environment， and provides a more reliable solution for SLAM mapping of mobile robots in the indoor environment.

Key words： ROS; SLAM; mobile robots; Cartographer algorithm