Cartographer重入门到精通（二）：运行作者demo及自己的数据集

在demo数据包上运行cartographer

现在Cartographer和Cartographer的Ros包已经都安装好了，你可以下载官方的数据集到指定的目录（比如在Deutsches Museum用背包采集的2D和3D
数据），然后使用roslauch来启动demo。

注：launch文件会自动同时启动roscore和rviz。

当你想运行cartographer_ros，你可能先要使用source install_isolated/setup.bash来加载你的ros运行环境。install_isolated换成你自己的安装路径即可。一般ubuntu系统只要source setup.bash就可以，其他版本可能source setup.zsh。

Deutsches Museum数据集（著名的德意志国家图书馆）

下载2D激光数据包，也可以从这里获取 本站蜘蛛 提取码: ng5b

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag

然后运行2d激光的demo

roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag

下载3D激光数据包，

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag

然后运行3D激光的demo

roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

Pure localization（纯定位）

这里纯定位demo使用2个数据包，一个数据包用于建图，第2个数据包用来运行纯定位。这里解释一下，一般我们机器人来到一个未知环境，首先需要探索并先建立地图，然后我们才能使用建立好地图用来定位自己的信息。这里纯定位的“纯”是相对于建图来说，纯定位的时候地图是已知的，使用之前建立好的地图进行纯粹的定位功能，所以这个demo并不像建图一样占用大量的cpu。

下载2d数据包，下面是2条指令，下载2个数据包

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-05-14-44-52.bag
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-27-12-31-41.bag

生成地图（等待cartographer_offline_node完成建图后，会生成pbstream地图文件），然后再运行纯定位demo

使用离线数据包建图

roslaunch cartographer_ros offline_backpack_3d.launch bag_filenames:=${HOME}/Downloads/b3-2016-04-05-13-54-42.bag

使用生成的地图进行定位

roslaunch cartographer_ros demo_backpack_3d_localization.launch \
   load_state_filename:=${HOME}/Downloads/b3-2016-04-05-13-54-42.bag.pbstream \
   bag_filename:=${HOME}/Downloads/b3-2016-04-05-15-52-20.bag

Static landmarks（静态路标）

这个demo是个大杀器，我们知道很多场景是不断变化的，那么我们之前建立的激光地图可能就会失效，那我们频繁的更新激光地图是不是太麻烦，所以我们人为的设置一些路标，就可以大大提高我们定位时的稳定性，实际测试效果也很好。
静态路标可以使用二维码（可以贴在地上、也可以贴在墙上，根据自己的相机安装位置不同决定）、反光柱、反光贴纸、反光柱组合等，有些还会使用自定义的激光特征。
一种贴在地面的二维码，可以配套使用使用海康、大华agv读码器。

反光柱

下载数据包

# Download the landmarks example bag.
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/mir/landmarks_demo_uncalibrated.bag

运行landmark的demo

# Launch the landmarks demo.
roslaunch cartographer_mir offline_mir_100_rviz.launch bag_filename:=${HOME}/Downloads/landmarks_demo_uncalibrated.bag

Revo LDS

下载并运行一个低成本激光雷达的demo，这个数据来自一个叫做Neato Robotics的吸尘机器人的Revo的激光雷达。这也是carto的亮点，他可以在精度比较差的激光雷达上稳定运行，证明了carto算法的通用性和高效性，并不挑硬件和精度。
下载数据

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/revo_lds/cartographer_paper_revo_lds.bag

运行demo

roslaunch cartographer_ros demo_revo_lds.launch bag_filename:=${HOME}/Downloads/cartographer_paper_revo_lds.bag

还有一些数据集并没有突出亮点，我们就不一一举例了。然后我们下面采集自己的数据集合并测试运行cartograher。

测试自己的数据集

简单一下几个步骤

1. 根据传感器的frame_id，创建自己机器人的模型文件，即urdf文件。
2. 然后在对应的launch文件中修改使用自己的urdf文件。
3. 运行demo就可以了。

这里分享我自己的一些数据包 网页地址

一般来说精度好一些的激光雷达（比如倍加福R2000、sick等）和陀螺仪（100以上都可以）运行时用默认的lua参数就可以。

效果如图