slam

name slam description SLAM 算法技能 - LaserSLAM、VisualSLAM、RTAB-Map、Cartographer、GMapping argument-hint SLAM OR slam OR 地图构建 OR laser slam OR visual slam OR 同步定位与建图 user-invocable true SLAM 算法技能 同步定位与建图（Simultaneous Localization and Mapping） 何时使用 当需要以下帮助时使用此技能： 实现激光雷达 SLAM（GMapping、Cartographer） 实现视觉 SLAM（ORB-SLAM3、RTAB-Map） 配置 SLAM 实时运行 优化 SLAM 定位精度 融合多传感器 SLAM 快速参考 SLAM 类型对比 类型 传感器 优点 缺点 适用场景 GMapping 激光雷达 计算量小 精度一般 室内、小场景 Cartographer 激光雷达 高精度、实时 资源消耗大 室内+室外 RTAB-Map 深度相机 闭环检测强 内存消耗大 大场景 ORB-SLAM3 单目/立体 多地图 需要纹理 室内有纹理 LIO-SAM LiDAR+IMU 高精度 需 IMU 室外复杂地形 LaserSLAM 实现（GMapping） 节点结构 // laser_slam_node.cpp # include <rclcpp/rclcpp.hpp> # include <sensor_msgs/msg/laser_scan.hpp> # include <nav_msgs/msg/odometry.hpp> # include <tf2_ros/transform_broadcaster.h> class LaserSlamNode : public rclcpp::Node { public : LaserSlamNode () : Node ( "laser_slam" ) { // ── 激光雷达订阅 ─────────────────────── scan_sub_ = this -> create_subscription <sensor_msgs::msg::LaserScan>( "/scan" , 10 , [ this ]( const sensor_msgs::msg::LaserScan::SharedPtr msg) { this -> laser_callback (msg); } ); // ── 里程计订阅 ─────────────────────── odom_sub_ = this -> create_subscription <nav_msgs::msg::Odometry>( "/odom" , 10 , [ this ]( const nav_msgs::msg::Odometry::SharedPtr msg) { this -> odom_callback (msg); } ); // ── TF 广播 ───────────────────────── tf_broadcaster_ = std:: make_unique <tf2_ros::TransformBroadcaster>(* this ); // ── SLAM 初始化 ────────────────────── slam_ = std:: make_unique <GridSlam>(GridSlam::Params{ .particle_count = 30 , .map_resolution = 0.05 , // 5cm 栅格 .range_max = 30.0 }); RCLCPP_INFO ( this -> get_logger (), "LaserSLAM started" ); } private : void laser_callback ( const sensor_msgs::msg::LaserScan::SharedPtr scan) { // 1. 里程计积分 → 获取机器人位姿 auto pose = odom_queue_. back (); // 2. 激光_scan → 栅格地图更新 slam_-> process_scan (scan, pose); // 3. 发布地图 publish_map (); // 4. 发布 TF（odom → map） publish_tf (pose); } void odom_callback ( const nav_msgs::msg::Odometry::SharedPtr odom) { odom_queue_. push_back (odom->pose.pose); if (odom_queue_. size () > 10 ) odom_queue_. pop_front (); } // GridSlam 核心算法 std::unique_ptr<GridSlam> slam_; std::deque<geometry_msgs::msg::Pose> odom_queue_; rclcpp::Subscription<sensor_msgs::msg::LaserScan>::SharedPtr scan_sub_; rclcpp::Subscription<nav_msgs::msg::Odometry>::SharedPtr odom_sub_; std::unique_ptr<tf2_ros::TransformBroadcaster> tf_broadcaster_; }; Launch 文件 # laser_slam.launch.py from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description (): return LaunchDescription([ Node( package= "laser_slam" , executable= "laser_slam_node" , name= "laser_slam" , parameters=[{ "particle_count" : 30 , "map_resolution" : 0.05 , "range_max" : 30.0 , "publish_map" : True , "publish_tf" : True , }], remappings=[ ( "/scan" , "/front_laser/scan" ), ( "/odom" , "/robot_odom" ), ], ), ]) Cartographer 配置 .lua 配置文件 -- cartographer.lua INCLUDE "map_builder.lua" INCLUDE "trajectory_builder.lua" MAP_BUILDER = { map_builder_pub_sub_state = true , } TRAJECTORY_BUILDER = { trajectory_builder_2d = { scan_matcher_config = { occupied_space_weight = 20.0 , resolution = 0.05 , }, }, } ROS2 集成 Launch # cartographer.launch.py from launch import LaunchDescription from launch_ros.actions import Node def generate_launch_description (): return LaunchDescription([ Node( package= "cartographer_ros" , executable= "cartographer_node" , name= "cartographer" , parameters=[{ "configuration_directory" : "/path/to/config" }, { "configuration_basename" : "cartographer.lua" }], remappings=[ ( "/scan" , "/front_laser/scan" ), ], ), Node( package= "cartographer_ros" , executable= "cartographer_occupancy_grid_node" , name= "occupancy_grid_node" , ), ]) VisualSLAM（RTAB-Map） // visual_slam_node.cpp — RTAB-Map 视觉 SLAM # include <rtabmap_ros/rtabmap.h> class VisualSlamNode : public rclcpp::Node { public : VisualSlamNode () : Node ( "visual_slam" ) { // 深度相机话题 rtabmap_. init ( this , "visual_slam" ); // 订阅深度相机 + RGB depth_sub_ = this -> create_subscription <sensor_msgs::msg::Image>( "/depth/image_rect_raw" , 1 , [ this ]( const sensor_msgs::msg::Image::SharedPtr img) { rtabmap_. processDepth (img); } ); rgb_sub_ = this -> create_subscription <sensor_msgs::msg::Image>( "/rgb/image_rect_color" , 1 , [ this ]( const sensor_msgs::msg::Image::SharedPtr img) { rtabmap_. processRGBD (img); } ); } }; SLAM 质量自检 □ 激光雷达数据格式正确（/scan） □ TF 树正确（map → odom → base_link） □ 里程计话题已连接（/odom） □ 地图分辨率合理（室内: 0.02-0.05m，室外: 0.05-0.1m） □ 实时性满足（SLAM 处理 < 100ms/帧） □ 地图更新频率合理（5-10Hz） □ 定位精度 < 0.1m □ 闭环检测工作正常（如使用 RTAB-Map） □ 栅格地图覆盖率 > 80% 常见问题 问题 原因 解决 地图漂移 里程计累计误差 添加 IMU 融合 / 闭环检测 定位丢失 激光雷达数据质量差 清洁传感器 / 调整参数 实时性差 计算量过大 减少粒子数 / 降低分辨率 地图空洞 传感器视角不足 增加激光雷达数量 闭环失败 场景重复性高 使用视觉 SLAM 辅助闭环 性能指标 指标 目标 测量方法 处理延迟 < 50ms/帧 记录回调耗时 定位精度 < 0.1m 与已知地图对比 地图分辨率 0.02-0.1m 检查栅格大小 TF 延迟 < 10ms ros2 topic delay /tf 内存占用 < 2GB top / htop