原子能力
Google Cartographer
厂商/来源:
Google Open Source
核心功能:
机器人的“小脑”。解决 AGV 小车“我在哪？我去哪？怎么走？”的问题。
| 适用场景 | 工厂 AGV 物流车、扫地机器人、商场巡逻机器人 |
| 架构支持 | Linux (ROS1 / ROS2 环境) |
| 硬件门槛 | CPU 密集型。建图过程非常吃 CPU。建议 i5 工控机 或 RK3588 (8核) 起步。内存建议 8GB+。 |
| 核心价值 | 图优化 (Graph Optimization)：相比传统的 Gmapping (粒子滤波)，Cartographer 利用图优化技术，能在大面积（如 2万平米仓库）建图时有效消除累积误差，闭环检测 (Loop Closure) 能力极强。 |
| 对接情报 | 输入：单线激光雷达 (2D Lidar) 数据 + 里程计 (Odom) 数据 + IMU (惯导) 数据 输出：栅格地图 (Occupancy Grid) + 实时位姿 (Pose)。 |
| 避坑指南 | [长廊效应与抖动] 1. 长走廊困境：在只有两面光溜溜墙壁的长走廊里，激光雷达特征点不足，机器人会认为自己“静止”或“瞬移”。对策：必须融合高精度的 IMU (陀螺仪) 数据，且 IMU 的安装位置参数 (TF) 必须精确到毫米级，否则建图必歪。 2. 算力崩溃：随着运行时间增长，地图越来越大，优化计算量呈指数级上升。对策：在纯定位模式下 (Pure Localization)，务必关闭建图更新功能，锁定地图，否则 1 小时后 CPU 必爆。 |
| 推荐搭配 | [思岚/镭神 激光雷达] [9轴 IMU] [ROS2 系统] |
