上一篇文章介紹了 Cartographer 里和傳感器有關(guān)系的參數(shù)調(diào)整（傳感器篇），這次介紹一些前端部分里經(jīng)常調(diào)的參數(shù)。

Cartographer 前端部分比較簡單，主要就是負(fù)責(zé)點云匹配和生成 Submap。

參數(shù)的配置文件是 trajectory_builder_2d.lua。

調(diào)參整前端的參數(shù)之前，最好先關(guān)閉后端，方便觀察參數(shù)調(diào)整后對建圖的直接影響，可以將下面三個參數(shù)設(shè)置成 0 來關(guān)閉后端：

前端中最重要的一個參數(shù)就是?submaps.num_range_data，這個參數(shù)決定了用多少幀點云來構(gòu)造一副 Submap，取值非常有講究，需要考慮到各個傳感器的精度和運行平臺的算力。通?？梢灾苯涌紤] 30/60/90 三個值作為參數(shù)。

Submap 是基于圖優(yōu)化的 SLAM 算法的精髓，使用很多幅的 Submap?來構(gòu)成一幅大地圖，Submap 包含了若干個 Node，每個 Node 就是一幀點云。建圖過程中的累計誤差，就是通過后端的圖優(yōu)化算法調(diào)整每一副 Submap 的位姿來消除的，讓整體地圖形成最優(yōu)。

submaps.num_range_data?取值越小，每一副 Submap 內(nèi)的累計誤差就會越小，后端的參數(shù)調(diào)的合適，那最終得到的地圖質(zhì)量就是最好的。

我們可以從兩個角度來考慮?submaps.num_range_data?的取值，一個是累計誤差，另一個是性能。

前端會帶來累計誤差的來源有兩個，分別是點云匹配誤差和傳感器誤差。

如果說傳感器質(zhì)量真的很差，會帶來大量的誤差，那最好把?submaps.num_range_data?設(shè)置成 30，讓前端生成盡可能多的 Submap，每一副 Submap 的累計誤差盡可能少。但代價就是需要消耗更多內(nèi)存，后端優(yōu)化也會需要更多的算力，如果 CPU 性能不夠，會讓整個 SLAM 算法無法實時運行，建圖和定位都出現(xiàn)延遲。如果傳感器質(zhì)量非常好，那可以毫不猶豫的把參數(shù)值設(shè)置成 90，既不影響建圖質(zhì)量，也能降低計算資源需求。

第二部分要介紹的是點云匹配器相關(guān)的參數(shù)，前端中有兩個匹配器，一個是 Real Time Correlative Scan Match，另一個是 Ceres Scan Match。

Real Time Correlative Scan Match?是前端部分中的第一個匹配器，通過 use_online_correlative_scan_matching 來開關(guān)。在 Submap 構(gòu)建的流程中該匹配器用于較大范圍較粗略的搜索點云在 Submap 上的位置，目的是為了盡可能的消除傳感器帶來的錯誤。

在點云匹配前，carto 會利用先前的位姿加上 IMU 和里程計的角速度線速度來預(yù)測當(dāng)前點云可能的位置，如果里程計和IMU的質(zhì)量比較差，很可能會預(yù)測出錯誤的結(jié)果，導(dǎo)致第二個匹配器在有限的迭代步驟內(nèi)無法匹配出正確的位姿，從而給 Submap 帶來點云匹配的累計誤差，這種因為匹配失敗帶來的誤差是無法消除的，一旦插入了 Submap ，那就會永遠出現(xiàn)在地圖上了，看起來就是一面墻在地圖上有兩條黑線或者是很糊很厚。

在 IMU 和里程計的不可靠或者是沒有這倆傳感器的情況下最好打開?use_online_correlative_scan_matching 。RTCSM 匹配器的參數(shù)里，兩個搜索窗口的參數(shù)是重點觀察對象，real_time_correlative_scan_matcher.linear_search_window 和?real_time_correlative_scan_matcher.angular_search_window，這兩個參數(shù)作用指定 RTCSM 在預(yù)測位置的平移半徑和旋轉(zhuǎn)角度范圍內(nèi)進行搜索，linear_search_window?的單位是米，angular_search_window?的單位是弧度。

設(shè)置這兩個參數(shù)有一個比較直接好用的技巧，那就是先把兩個值都設(shè)置的很大，例如 1 和 math.rad(90)，然后修改 carto 的源碼，?位置是?local_trajectory_builder_2d.cc 里的?AddAccumulatedRangeData 函數(shù)，把函數(shù)內(nèi)的預(yù)測位姿 pose_prediction 和最終匹配位姿 pose_estimate_2d 都記錄下來，建圖完成后計算全部預(yù)測位姿和匹配位姿中的最大距離差和角度差，把這個差值作為兩個搜索窗口的參數(shù)值。

如果IMU和里程計都非?？煽?，精度非常高，預(yù)測位姿和匹配位姿的差很小很小，可以嘗試關(guān)閉 RTCSM 匹配器，節(jié)約計算資源。當(dāng)搜索窗口設(shè)置的太大的時候，會消耗大量的內(nèi)存和算力，如果運行平臺的性能無法支撐，可以考慮關(guān)閉 IMU 和 里程計數(shù)據(jù)的輸入，只用激光雷達，同時保證機器人移動的盡可能慢和平滑，只有激光雷達的情況下 carto 會假設(shè)機器人是勻速移動，使用先前的兩個匹配位姿計算預(yù)估位姿。

未完待續(xù)，等有空再更新