选自Google Open Source
作者：Damon Kohler, Wolfgang Hess, Holger Rapp
机器之心编译
参与：李亚洲
今日，谷歌开源自动驾驶汽车、机器人等平台所需的 SLAM 技术的库 Cartographer。
开源网址：https://github.com/googlecartographer
今天，我们非常高兴宣布开源 Cartographer，这是一个 ROS 系统支持的 2D 和 3D SLAM（simultaneous localization and mapping）库。
SLAM 算法结合来自多个传感器（比如，LIDAR、IMU 和 摄像头）的数据，同步计算传感器的位置并绘制传感器周围的环境。例如，使用该方法绘制住室的平面图：
拿着一台激光测距机站在房屋中央，在纸上画一 X ；
测量你所在位置到任一墙面的距离；
在墙面所在位置画一条线，并写下 X（你所在位置）与墙面之间的距离；
测量你所在位置到另一墙面的距离并画出代表墙面的直线；
现在，移动到房屋的另一位置；
因为墙面不会移动，你可以测量到上述两个墙面的距离，从而测定你的位置；
SLAM 是众多自动驾驶平台的重要组件，比如自动驾驶汽车、仓库中的自动叉车、扫地机器人、UAVs 等。
在产业界和学术界常见的传感器配置上，Cartographer 能实时建立全局一致的地图。如以下视频所示：
Cartographer 2D 算法的详细描述可参加谷歌 ICRA 论文：Real-Time Loop Closure in 2D LIDAR SLAM（论文需购买，点击阅读原文查看论文连接）
由于集成了 ROS 和来自外部贡献者的支持，Cartographer 已经被用在多个 ROS 支持的机器人平台上了：
Toyota HSR
TurtleBots
PR2
Revo LDS
在谷歌，从博物馆、交通枢纽的绘制，到著名建筑的可视化，Cartographer 已经被应用于广泛地领域。
我们认识到高质量数据集对研究社区的价值，这也是为什么与德国博物馆（世界上最大的科技博物馆）合作的情况下，开源 3 年来在开发和测试 Cartographer 期间使用 2D 和 3D 绘图backpack 平台收集到的 Lidar 和 IMU 数据。
目前，Cartographer 特别注重于 Lidar SLAM，通过社区的贡献和持续开发，我们希望增加更多传感器和平台的支持，增加更多的新特征，比如在预先存在的地图中的 lifelong mapping 和 localizing。
联系客服
