PX4无人机仿真环境下的Cartographer SLAM建图实战与配置解析

1. 环境准备与基础配置

在开始PX4无人机仿真环境下的Cartographer SLAM建图之前，我们需要先搭建好基础环境。这里我推荐使用Ubuntu 18.04 LTS和ROS Melodic的组合，这个搭配经过长期验证稳定性最好。虽然新版本的系统也能运行，但考虑到PX4生态对ROS Melodic的支持最完善，建议新手从这个组合开始。

安装ROS Melodic时有个小技巧：在运行sudo apt-get install ros-melodic-desktop-full之前，先执行sudo apt-get update && sudo apt-get upgrade更新系统。我遇到过好几次因为系统组件版本不匹配导致的奇怪错误，都是通过这个简单步骤避免的。安装完成后，别忘了设置环境变量，把source /opt/ros/melodic/setup.bash添加到~/.bashrc文件中。

Cartographer的安装需要特别注意工作空间隔离。建议专门新建一个工作空间，我通常命名为carto_ws。这样能避免与其他ROS包的依赖冲突。在初始化工作空间时，推荐使用wstool而不是简单的catkin_make，因为Cartographer有多个相互关联的GitHub仓库需要同步下载。如果遇到网络问题导致自动下载失败，可以手动从GitHub下载cartographer、cartographer_ros和ceres-solver三个仓库，解压到src目录下。

编译时强烈建议加上--use-ninja参数，这能显著加快编译速度。我第一次编译时没加这个参数，整整等了40分钟，而使用ninja后只需要15分钟左右。编译完成后要记得source install_isolated/setup.bash，否则运行时会出现找不到包的奇怪错误。

2. PX4仿真环境搭建

PX4仿真环境的搭建有几个关键组件：Gazebo、MAVROS和PX4固件本身。这里最容易出问题的是版本匹配，我建议直接使用PX4官方推荐的版本组合。可以通过以下命令安装基础组件：

sudo apt-get install gazebo9 libgazebo9-dev

MAVROS的安装要注意选择melodic版本：

sudo apt-get install ros-melodic-mavros ros-melodic-mavros-extras

PX4固件的克隆建议使用--recursive参数，确保所有子模块都能正确下载：

git clone https://github.com/PX4/PX4-Autopilot.git --recursive

在配置XTDrone时，需要特别注意通信接口的设置。仿真环境中无人机默认使用UDP协议与地面站通信，端口号为14540。如果遇到连接问题，可以检查~/PX4-Autopilot/launch/mavros_posix_sitl.launch文件中的fcu_url参数是否正确。

我强烈建议在首次运行前先测试基础仿真环境是否正常。使用命令make px4_sitl gazebo_iris启动基础仿真，如果能看到Gazebo界面中的无人机模型，说明基础环境配置正确。这时候再引入Cartographer会更容易定位问题。

3. Cartographer配置详解

Cartographer的核心配置文件是lua文件，它决定了SLAM算法的各种参数。在无人机仿真环境中，我们需要特别关注以下几个关键参数：

首先是坐标系设置：

map_frame = "map" tracking_frame = "iris_0/laser_2d" published_frame = "base_link" odom_frame = "odom"

在PX4仿真中，激光雷达数据通常发布在iris_0/scan话题上，所以需要确保launch文件中有正确的remap：

<remap from="scan" to="iris_0/scan" />

轨迹构建器的参数对建图质量影响很大：

TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35 TRAJECTORY_BUILDER_2D.min_range = 0.3 TRAJECTORY_BUILDER_2D.max_range = 8.

num_range_data决定子地图中包含的扫描次数，数值越大地图越稳定但更新越慢。对于无人机仿真，建议设置在30-40之间。min_range和max_range要根据仿真环境调整，如果环境中障碍物较近，需要适当减小max_range。

在线相关扫描匹配是个很有用的功能：

TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1

这可以让Cartographer在初始定位不准时自动调整，特别适合无人机起飞时可能出现的初始位姿不确定情况。

4. 实战建图流程

一切准备就绪后，实际的建图过程可以分为以下几个步骤：

首先启动PX4仿真环境：

roslaunch px4 indoor3.launch

这个命令会启动Gazebo并加载室内环境，里面已经配置好了一架带激光雷达的Iris无人机。启动后建议先检查几个关键话题是否正常：

rostopic list | grep scan rostopic echo /iris_0/scan --noarr

接着在新的终端中启动Cartographer：

source ~/carto_ws/install_isolated/setup.bash roslaunch cartographer_ros cartographer_demo_rplidar.launch

这时候打开RViz应该能看到激光扫描数据了。我习惯先让无人机悬停在一个位置几秒钟，观察初始地图质量。如果发现地图漂移严重，可能需要调整lua文件中的pose_publish_period_sec参数。

控制无人机飞行时要注意：

1. 起飞高度不宜超过3米，因为仿真环境的室内高度有限
2. 移动速度建议保持在0.5m/s以下，太快会导致激光数据匹配困难
3. 尽量让无人机保持水平飞行，避免剧烈俯仰/横滚

完成建图后保存地图的命令是：

rosrun map_server map_saver -f ~/map_name

这里有个实用技巧：保存前先在RViz中检查地图完整性，可以输入rosservice call /finish_trajectory 0让Cartographer完成当前轨迹的优化，这样保存的地图会更准确。

5. 常见问题排查

在实际操作中，有几个常见问题需要注意：

问题一：Cartographer启动后收不到激光数据检查launch文件中的remap是否正确，特别是话题名称中的iris_0部分。PX4仿真中无人机编号可能会变化。可以用rostopic list确认实际的scan话题名称。

问题二：地图出现严重漂移这通常是因为参数配置不当导致的。首先检查use_sim_time是否设置为true。然后尝试调整以下参数：

TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 10 TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 40

增加这两个权重值可以减少漂移，但会增加计算负担。

问题三：无人机控制无响应确保MAVROS正确连接到了PX4。可以检查/mavros/state话题，确认connected字段为true。如果连接有问题，尝试重新启动PX4仿真。

问题四：建图出现大量空洞这可能是激光雷达参数设置不合理导致的。检查lua文件中的min_range和max_range是否适合当前环境。在Gazebo中可以通过rostopic echo /iris_0/scan查看实际的扫描距离数据。

6. 参数调优经验分享

经过多次实践，我总结出一些参数调优的经验：

对于小型室内环境：

TRAJECTORY_BUILDER_2D.max_range = 5. TRAJECTORY_BUILDER_2D.min_z = 0.1 TRAJECTORY_BUILDER_2D.max_z = 2.0 POSE_GRAPH.optimize_every_n_nodes = 30

对于大型或复杂环境：

TRAJECTORY_BUILDER_2D.submaps.num_range_data = 50 POSE_GRAPH.optimization_problem.acceleration_weight = 1e3 POSE_GRAPH.optimization_problem.rotation_weight = 3e5

如果发现计算资源紧张，可以适当降低发布频率：

submap_publish_period_sec = 0.5 pose_publish_period_sec = 0.1

对于特别复杂的回环环境，建议开启全局SLAM：

POSE_GRAPH.constraint_builder.min_score = 0.55 POSE_GRAPH.constraint_builder.global_localization_min_score = 0.6

记住每次修改参数后都要重新编译工作空间，因为Cartographer在编译时会预处理lua配置文件。我建议建立一个参数测试记录表，记录每次修改的参数和效果，这样能更快找到最佳配置。