ROS机器人实战（5）—— 激光雷达SLAM建图与自主避障导航

1. 从零开始：激光雷达SLAM建图实战

大家好，我是老张，在机器人行业摸爬滚打了十几年，从最早的编码器定位到现在的激光SLAM，算是把坑都踩了一遍。今天咱们不聊虚的，直接上手，用ROS和激光雷达，带你的机器人从“睁眼瞎”变成“活地图”。很多新手朋友一听到SLAM、建图、导航这些词就头大，觉得是实验室里的高深玩意儿。其实不然，现在开源工具这么成熟，你完全可以在一个周末，用一台千元级的激光雷达，让小车在自己家里跑一圈就把地图建好。这就像给你的机器人装上了眼睛和大脑，它不仅能知道自己在哪里，还能规划路线，避开障碍，自己去你想让它去的任何地方。这篇文章就是给所有想快速入门ROS机器人导航的开发者准备的，我会把最核心、最实用的步骤掰开揉碎了讲，保证你跟着做就能出效果。

咱们先从最基本的建图开始。想象一下，你第一次进入一个漆黑的房间，你会怎么做？肯定是打开手电筒，一边照一边走，同时在心里默默记住墙壁、家具的位置。激光雷达SLAM建图就是这个原理：机器人一边移动，激光雷达一边“扫描”周围环境（就像手电筒的光束），然后算法根据这些扫描数据和机器人自身移动的数据（里程计），实时地拼接出一张地图。在ROS里，这个过程通常由一个叫做 gmapping 的包来完成，它非常经典，也是很多教程的起点。你需要准备的东西很简单：一台安装了ROS（推荐Noetic或Melodic版本）的电脑（可以是机器人的主板，也可以是远程的PC）、一个激光雷达（比如常见的RPLidar A1/A2系列）、和一个能移动的机器人底盘（差速驱动最常见）。

实际操作的第一步是连接和启动。假设你的机器人主机IP是 192.168.0.100，用户是 wheeltec。你首先需要通过SSH远程登录上去。打开你的终端，输入：

ssh -Y wheeltec@192.168.0.100

输入密码后，你就进入了机器人的系统。接着，启动建图的核心launch文件。这个文件一般会打包好雷达驱动、机器人底盘驱动和gmapping节点。命令通常长这样：

roslaunch turn_on_wheeltec_robot mapping.launch

这条命令一执行，机器人上的激光雷达就会开始转动，底盘节点也准备就绪，gmapping算法开始运行。但是，你现在还看不到地图。地图需要在一个叫做 Rviz 的可视化工具里看。Rviz是ROS的“眼睛”，几乎所有数据都能在这里可视化。你可以在同一网络下的另一台电脑（客户端）上打开终端，直接输入 rviz 来启动。或者，更常见的做法是在机器人端通过SSH的X11转发（也就是 -Y 参数的作用），直接在远程打开Rviz窗口。

在Rviz中，你需要手动添加一些显示项。点击左下角的“Add”按钮，添加一个“Map”显示，将其Topic设置为 /map；再添加一个“LaserScan”显示，Topic设置为 /scan。如果一切正常，你应该能看到红色的激光点云出现在窗口中，并且随着机器人移动，逐渐有灰白相间的网格地图被构建出来。这时候，你可以通过键盘、手机APP或者手柄遥控机器人慢慢地在想要建图的环境里行走，尽量走遍每个角落，特别是走廊的尽头和房间的转角，让雷达扫描到所有墙壁的细节。我个人的经验是，控制机器人缓慢、匀速地移动，转向速度最好低于0.1弧度/秒，这样建出来的地图线条更直，累积误差更小。

2. 建图算法怎么选？四大金刚实战对比

地图建到一半，你可能会发现有时候地图会错位，或者在大空间里建图很慢。这时候就需要了解，gmapping不是唯一的选择。ROS生态里常用的2D激光SLAM算法还有 Hector、Karto 和 Cartographer。就像木工干活，不同的场景要用不同的刨子。原始文章里提到了切换算法，但我想结合我自己的实测经验，给你更直观的对比。

Gmapping：这是我们刚才用的，基于粒子滤波的元老。它的优点是成熟、稳定，对于中小型室内场景（比如一个客厅、一个办公室）效果很好，计算资源消耗相对适中。但它有两个明显的短板：第一，没有显式的回环检测。什么意思？就是当机器人绕了一圈回到起点时，算法可能意识不到“哦，这个地方我来过”，导致地图首尾不能完美闭合，出现重叠或错位。第二，构建大地图时，它需要的粒子数会急剧增加，非常消耗内存和CPU，所以不适合构建大型商场、地下车库这类地图。

Hector SLAM：这是一个“特立独行”的算法。它最大的特点是不需要里程计！是的，你没看错。它完全依靠高频率、高质量的激光雷达数据，通过扫描匹配来推算机器人的运动。这意味着你甚至可以把它装在一个手持设备上，或者人抱着小车走，也能建图。我试过用一个小车，故意把轮子打滑，里程计完全乱掉，Hector依然能建出可用的地图。但是，它的代价是对激光雷达要求高，需要雷达扫描频率高、噪声小。在长廊或者特征不明显（比如两边都是光滑白墙）的环境里，它容易失效，建出的地图可能比Gmapping扭曲得更厉害。

Cartographer：这是谷歌出品的“明星算法”，也是我目前项目里的主力。它采用基于图优