Radar: Record of Practical Operations for Handheld Laser Radar Mapping Preparation

Radar: Record of Practical Operations for Handheld Laser Radar Mapping Preparation

03 - 手持激光雷达建图实操记录

1. 概述

手持 TG30 激光雷达进行 Cartographer 建图测试,验证 SLAM 软件链路是否跑通。

与官方教程的区别

项目官方教程我们的方案
SLAM 算法Gmapping(粒子滤波)Cartographer(图优化)
里程计有底盘 odom无 odom,纯激光匹配
雷达型号4ROS(三角测距型)TG30(TOF 飞行时间型)
安装方式编译源码apt 一键安装
启动方式ros2 launch slam_gmapping ...ros2 launch yahboomcar_nav map_cartographer_test_launch.py
官方教程使用 Gmapping,因 TG30 每圈 2020 点超过 Gmapping 的 1440 点上限,改用 Cartographer。

2. 前提条件

条件状态
ROS2 Humble 已安装已确认
YDLidar SDK 已安装已确认(v1.0.6)
雷达驱动已编译已确认(ydlidar_ros2_driver)
雷达串口已绑定已确认(/dev/ydlidar -> ttyUSB0
Cartographer 已安装sudo apt install -y ros-humble-cartographer ros-humble-cartographer-ros
Nav2 地图服务器已安装sudo apt install -y ros-humble-nav2-map-server
yahboomcar_nav 已编译已确认(含自定义 launch 和配置)
LIDAR_TYPE 环境变量已设置 export LIDAR_TYPE=4ros(写入 ~/.bashrc)

3. 系统架构

3.1 数据流

TG30 雷达 → /scan(2020点/圈,10Hz) ↓ Cartographer(纯激光匹配,无 odom) ↓ /map(栅格地图) → RViz 可视化 
与有底盘的正式建图不同,手持模式下 Cartographer 配置了 use_odometry = false,完全靠前后两帧激光的扫描匹配来推算位移。

3.2 节点通讯

/ydlidar_ros2_driver_node ──→ /scan ──→ /cartographer_node ──→ /map ↓ /submap_list /scan_matched_points2 /trajectory_node_list /constraint_list /static_tf_footprint_to_base ──→ /tf_static(base_footprint → base_link) /static_tf_base_to_laser ──→ /tf_static(base_link → laser) /cartographer_node ──→ /tf(map → odom → base_link,由 Cartographer 自动生成) /cartographer_occupancy_grid_node ←── /submap_list ──→ /map 

实际运行的节点列表:

节点作用
/ydlidar_ros2_driver_node雷达驱动,发布 /scan
/cartographer_nodeSLAM 建图核心
/occupancy_grid_node将子图转换为栅格地图发布到 /map
/static_tf_base_to_laser发布 base_link → laser 静态变换
/static_tf_footprint_to_base发布 base_footprint → base_link 静态变换
/rviz可视化

3.3 TF 坐标链

map → odom → base_link → laser ↑ ↑ ↑ ↑ └──────┘ │ │ Cartographer 静态TF 静态TF 自动生成 z=0.0815 x=0.0435 z=0.11 yaw=π 
对比官方教程的 TF 树(map → odom → laser → base_link),我们的坐标链更符合 REP-105 标准:base_link 是机器人本体,laser 作为传感器挂在 base_link 下面。

4. 启动步骤

4.1 启动建图

# 确保没有残留的雷达进程pkill-f ydlidar 2>/dev/null pkill-f cartographer 2>/dev/null sleep2# 启动建图(一条命令启动所有节点)source ~/ydlidar_ws/install/setup.bash ros2 launch yahboomcar_nav map_cartographer_test_launch.py 

启动成功的标志性日志:

[ydlidar_ros2_driver_node] LiDAR successfully connected [ydlidar_ros2_driver_node] [YDLIDAR]:Lidar running correctly ! The health status: good [ydlidar_ros2_driver_node] Model: TG30 [ydlidar_ros2_driver_node] [YDLIDAR] Fixed Size: 2020 [ydlidar_ros2_driver_node] [YDLIDAR INFO] Now YDLIDAR is scanning ...... [cartographer_node] All sensor data for trajectory 0 is available [cartographer_node] Inserted submap (0, 0). 
常见问题:如果雷达报 cannot retrieve YDLidar health code,说明串口被之前的进程占用。先 pkill -f ydlidar,等 2 秒再启动。

4.2 打开 RViz 可视化

在另一个终端中:

rviz2 

RViz 配置步骤:

  1. 设置 Fixed Frame:左侧 Displays → Global Options → Fixed Frame 改为 map
  2. 添加地图显示
    • 点左下角 Add → 选择 By topic 标签页
    • 找到 /map → 展开 → 选 Map → 点 OK
  3. 添加激光扫描显示
    • 再点 AddBy topic 标签页
    • 找到 /scan → 展开 → 选 LaserScan → 点 OK
  4. 调整 LaserScan 显示参数(参考官方教程 RViz 设置):
    • Topic: /scan
    • Style: Flat Squares
    • Size: 0.05(官方用 0.1,但 TG30 点更密可以用更小值)
  5. 调整视角:滚轮缩放,中键拖动平移

4.3 手持雷达扫描环境

雷达必须保持水平

水平拿(正确): 激光扫描面 ─────────────── 扫到墙壁、家具轮廓 桌子 椅子 门 歪着拿(错误): 激光扫描面 ╲ ╲─────────── 扫到天花板/地板边缘 地图出现虚假障碍物 

TG30 是 2D 激光雷达,只发射一个水平面的扫描线。倾斜会导致:

  • 地图出现不存在的障碍物(实际是地面或天花板)
  • 墙壁距离测量不准
  • 帧间匹配失败,地图扭曲

手持建图操作要点

要点说明
保持水平小幅晃动(< 5°)可接受,持续倾斜不行
移动要慢每秒不超过 0.3m,给 Cartographer 足够时间做帧间匹配
转弯要慢角速度不能太快,否则相邻帧差异太大匹配失败
路径要有重叠走过的区域要有重叠覆盖,方便特征匹配
走闭环走一圈回到起点,触发回环检测,地图会自动校正
建议:把雷达放在平板(书、硬纸板)上端着走,更容易保持水平。

4.4 保存地图

建图满意后,不要关闭建图终端,在新终端中执行:

source ~/ydlidar_ws/install/setup.bash ros2 launch yahboomcar_nav save_map_launch.py 

保存的文件:

~/ydlidar_ws/src/yahboomcar_nav/maps/ ├── yahboomcar.pgm # 栅格地图图片(灰度图) └── yahboomcar.yaml # 地图元数据 

地图 YAML 文件格式:

image: yahboomcar.pgm mode: trinary resolution:0.05# 分辨率:0.05 米/像素origin:[-5.95,-3.26,0]# 地图左下角坐标 (x, y, yaw)negate:0occupied_thresh:0.65# 占用概率 > 0.65 → 障碍物(黑色)free_thresh:0.25# 占用概率 < 0.25 → 自由空间(白色)
灰色区域为未探索区域。

4.5 重新建图

如果对当前地图不满意,想从零开始重建:

# 第一步:杀掉当前建图进程pkill-f cartographer pkill-f ydlidar pkill-f occupancy_grid # 第二步:等串口释放sleep2# 第三步:重新启动(全新地图,不会叠加上一次数据)source ~/ydlidar_ws/install/setup.bash ros2 launch yahboomcar_nav map_cartographer_test_launch.py 
RViz 不用关,重启后地图会自动清空。每次启动 Cartographer 都是全新建图。

4.6 停止建图

# 方法1:在启动建图的终端按 Ctrl+C# 方法2:命令行杀进程pkill-f cartographer pkill-f ydlidar pkill-f occupancy_grid 

5. 核心配置文件

5.1 Cartographer 配置(无 odom 手持模式)

文件:~/ydlidar_ws/src/yahboomcar_nav/params/tg30_2d_no_odom.lua

-- 关键参数 options ={ tracking_frame ="base_link",-- 无 odom,直接跟踪 base_link published_frame ="base_link", provide_odom_frame =true,-- Cartographer 自行生成 odom frame use_odometry =false,-- 不使用里程计}-- TG30 雷达参数(手持调优版) TRAJECTORY_BUILDER_2D.min_range =0.1 TRAJECTORY_BUILDER_2D.max_range =8.0-- 缩小到 8m,减少远距离噪声干扰匹配 TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching =true-- 扫描匹配搜索窗口(关键!无 odom 时加大搜索范围防止匹配丢失) TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window =0.15 TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.angular_search_window = math.rad(30.) TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight =1e-1 TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight =1e-1-- Ceres 精细匹配 TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight =10. TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight =40.-- 运动滤波:更频繁地接受扫描帧 TRAJECTORY_BUILDER_2D.motion_filter.max_distance_meters =0.1 TRAJECTORY_BUILDER_2D.motion_filter.max_angle_radians = math.rad(0.3) TRAJECTORY_BUILDER_2D.motion_filter.max_time_seconds =3.-- 无 odom 模式下的特殊调整 TRAJECTORY_BUILDER_2D.submaps.num_range_data =30-- 更小的子图,减少单个子图内漂移 POSE_GRAPH.optimize_every_n_nodes =15-- 每 15 个节点就优化一次 POSE_GRAPH.constraint_builder.min_score =0.55-- 放宽匹配阈值
调优说明:首次测试使用 max_range=12submaps.num_range_data=40 时地图严重拉伸变形。
调优后将 max_range 缩小到 8m 减少噪声,加大扫描匹配搜索窗口(angular_search_window=30°)防止转弯丢失,
缩小子图帧数到 30、全局优化频率提高到每 15 个节点,地图质量显著改善。

5.2 Launch 文件

文件:~/ydlidar_ws/src/yahboomcar_nav/launch/map_cartographer_test_launch.py

启动内容:

序号组件说明
14ros_ydlidar_launch.py雷达驱动
2static_transform_publisherbase_link → laser(x=0.0435, z=0.11, yaw=π)
3static_transform_publisherbase_footprint → base_link(z=0.0815)
4cartographer_nodeSLAM 建图(使用 tg30_2d_no_odom.lua
5cartographer_occupancy_grid_node栅格地图发布(分辨率 0.05m)

6. 排错指南

6.1 雷达启动失败

报错 1cannot retrieve YDLidar health code: ffffffff

原因:串口被之前的进程占用

解决

pkill-f ydlidar sleep2# 重新启动

报错 2cannot bind to the specified serial port[/dev/ydlidar]

原因:上一轮进程未完全释放串口,或 /dev/ydlidar 设备消失

解决

# 先确认设备是否存在ls-la /dev/ydlidar # 如果设备不存在,物理重新插拔雷达 USB 线# 插拔后等 udev 规则生效,再检查ls-la /dev/ydlidar # 应显示:/dev/ydlidar -> ttyUSB0

6.2 启动时出现 RTPS_TRANSPORT_SHM 警告

[RTPS_TRANSPORT_SHM Error] Failed init_port fastrtps_port7429: open_and_lock_file failed 

结论:无害警告,不影响任何功能。是 DDS 共享内存传输的非关键错误,可忽略。

6.3 RViz 启动时出现 Stereo NOT SUPPORTED

[rviz2]: Stereo is NOT SUPPORTED 

结论:无害提示,显卡不支持立体显示,不影响 2D 地图可视化。

6.4 tf2_echo 崩溃(BrokenPipeError)

报错ros2 crashed with BrokenPipeError in run_executable()

原因:系统提示 ros-humble-ros2cli 等包版本过旧

解决(可选):

sudoapt update &&sudoapt upgrade -y
此崩溃只影响 ros2 run tf2_ros tf2_echo 等调试命令,不影响建图功能。

6.5 RViz 中看不到地图

检查清单

  1. Fixed Frame 是否设为 map
  2. 是否添加了 Map 显示(topic: /map)?
  3. 检查话题是否有数据:ros2 topic echo /map --once
  4. 检查 TF 是否正常:ros2 run tf2_ros tf2_echo map base_link
  5. RViz 视角是否合适?建议使用 TopDownOrtho(俯视图)查看地图

6.6 地图扭曲或飘移

原因:移动过快、雷达倾斜、或特征不足的空旷区域

解决

  • 降低移动速度
  • 保持雷达水平
  • 尽量在有特征(墙角、家具)的区域建图
  • 走闭环让 Cartographer 触发回环校正
  • 如果地图严重变形,直接重新建图(见 4.5 节)

6.7 查看节点通讯和 TF 树

# 查看节点通讯图(需要安装 rqt) ros2 run rqt_graph rqt_graph # 查看 TF 树(生成 frames.pdf) ros2 run tf2_tools view_frames 

7. 手持建图的局限性

局限说明
精度较低没有里程计,纯靠激光匹配,累积误差较大
对操作要求高必须慢、稳、水平,否则地图质量差
不适合大场景无 odom 的漂移在大空间中会更明显
仅供测试验证正式地图需等底盘到了以后用有 odom 的模式重建

本次手持建图的目的:验证 Cartographer 软件链路跑通,熟悉建图操作流程,为底盘到后正式建图做准备。


8. 底盘到了以后的变化

底盘到后,切换到正式建图模式:

# 使用有 odom 的配置和 launch ros2 launch yahboomcar_nav map_cartographer_tg30_launch.py 
项目手持模式(当前)正式模式(底盘到后)
配置文件tg30_2d_no_odom.luatg30_2d.lua
Launch 文件map_cartographer_test_launch.pymap_cartographer_tg30_launch.py
里程计底盘编码器 + EKF
tracking_framebase_linkbase_footprint
use_odometryfalsetrue
provide_odom_frametruefalse
建图精度
操作方式手持慢走遥控/自动巡逻

9. 实测踩坑记录

9.1 occupancy_grid_node 可执行文件名不对

现象:启动 launch 时报 executable 'occupancy_grid_node' not found on the libexec directory

原因ros-humble-cartographer-ros 中的可执行文件实际名为 cartographer_occupancy_grid_node,而非源码 launch 中写的 occupancy_grid_node

修复:在所有 launch 文件中将 executable='occupancy_grid_node' 改为 executable='cartographer_occupancy_grid_node'

已修复的文件:

  • map_cartographer_test_launch.py
  • map_cartographer_tg30_launch.py
  • occupancy_grid_launch.py

9.2 首次建图地图严重拉伸变形

现象:手持走了一圈,地图呈窄长条形,与实际房间结构完全不符

原因:初始配置参数不适合无 odom 手持场景

  • max_range = 12.0 过大,远距离噪声干扰扫描匹配
  • 扫描匹配搜索窗口使用默认值,转弯时容易丢失
  • 子图帧数过多(40),单个子图内漂移积累

解决:调优 tg30_2d_no_odom.lua(详见第 5.1 节),核心改动:

  • max_range 从 12 缩到 8
  • 显式设置 angular_search_window = 30°
  • submaps.num_range_data 从 40 降到 30
  • optimize_every_n_nodes 从 20 降到 15
  • 增加 Ceres 精细匹配权重

效果:调优后重新建图,地图质量显著改善,能清晰看到房间结构、墙壁和门口轮廓

9.3 串口占用导致雷达无法启动

现象:第二次启动时雷达报 cannot bind to the specified serial portcannot retrieve YDLidar health code

原因:上一轮进程未完全退出,仍占用 /dev/ttyUSB0

解决:启动前必须先确保旧进程全部杀干净,等待 2 秒让串口释放

pkill-f ydlidar &&pkill-f cartographer &&sleep2

极端情况下需要物理重新插拔 USB

Read more

UnityMCP+Claude+VSCode,构建最强AI游戏开发环境

UnityMCP+Claude+VSCode,构建最强AI游戏开发环境

* 前言 * 一、UnityMCP+Claude+VSCode,构建最强AI 游戏开发环境 * 1.1 介绍 * 1.2 使用说明及下载 * 二、VSCode配置 * 2.1 连接UnityMCP * 2.2 在VSCode中添加插件 * 2.3 Claude安装 * 2.4 VSCode MCP配置 * 2.5 使用Claude开发功能 * 三、相关问题 * 总结 前言 * 本篇文章来介绍使用 UnityMCP+Claude+VSCode,打造一个更智能、高效的游戏开发工作流。 * 借助MCP工具,Claude可以直接与Unity编辑器进行双向指令交互,开发者则可以直接使用自然语言进行Unity游戏开发。 * 这一组合充分利用了AI的代码生成、问题诊断与创意辅助能力,极大提升了Unity项目的开发效率与质量。 一、UnityMCP+Claude+

MiniMax AI 开源 MiniMax-M2.5

MiniMax AI 开源 MiniMax-M2.5

今天我们推出最新模型 MiniMax-M2.5。 该模型在数十万复杂现实场景中通过强化学习进行广泛训练,在编程、智能体工具使用与搜索、办公及一系列高经济价值任务上达到业界顶尖水平,其**SWE-Bench Verified通过率80.2%、Multi-SWE-Bench 51.3%、BrowseComp(含上下文管理)76.3%**的表现尤为亮眼。 经过高效推理与任务分解优化训练,M2.5执行复杂智能体任务时展现惊人速度,完成SWE-Bench Verified评估比M2.1快37%,与Claude Opus 4.6速度持平。 M2.5是首个让用户无需顾虑成本的尖端模型,真正实现"智能廉价如水电"的承诺。以每秒100 token的速度持续运行一小时仅需1美元。若降至每秒50 token,成本可低至0.3美元。我们希望M2.5的速度与成本优势能催生革命性智能体应用。 编程表现 在编程评估中,MiniMax-M2.5相较前代取得显著进步,达到业界顶尖水准。其多语言任务表现尤为突出。

构建基于Go语言的高性能命令行AI对话客户端:从环境部署到核心实现

构建基于Go语言的高性能命令行AI对话客户端:从环境部署到核心实现

前言 在现代软件开发领域,Go语言凭借其卓越的并发处理能力、静态类型安全以及高效的编译速度,已成为构建命令行工具(CLI)的首选语言之一。本文将详细阐述如何在Ubuntu Linux环境下部署Go开发环境,并结合蓝耘(Lanyun)提供的DeepSeek大模型API,手写一个支持多轮对话、上下文记忆的智能终端聊天工具。 一、 基础运行环境的准备与构建 任何上层应用的稳健运行都离不开坚实的底层系统支持。本次部署的目标环境为Ubuntu LTS系列(20.04/22.04/24.04),这些长期支持版本保证了系统库的稳定性与安全性。硬件层面,建议配置至少1GB的内存与5GB的磁盘空间,以满足编译器运行及依赖包缓存的需求。 1. 系统包索引更新与系统升级 在进行任何开发工具安装之前,首要任务是确保操作系统的软件包索引与现有软件处于最新状态。这不仅能修复已知的安全漏洞,还能避免因依赖库版本过旧导致的编译错误。 执行系统更新操作: sudoapt update &&sudoapt upgrade -y 该指令分为两部分:apt update 用于从软件源服务器获取最新的软件包列

【AI编程】Qoder AI 编程工具从部署到深度使用实战详解

【AI编程】Qoder AI 编程工具从部署到深度使用实战详解

目录 一、前言 二、AI编程工具介绍 2.1 什么是AI编程 2.1 AI编程核心功能 2.3 AI编程应用场景 1. 智能代码补全与生成 2. 自然语言生成代码 3. 代码解释与文档生成 4. 错误检测与自动修复 5. 单元测试与自动化测试生成 6. 代码重构与优化 7. 跨语言代码转换 8. 低代码/无代码平台增强 三、几种主流AI编程工具介绍 3.1 Cursor 3.1.1 Cursor 核心功能 3.1.1 Cursor 优势 3.2 GitHub Copilot