最近在做项目，需要用雷达和IMU去建图，根据系统算法的输入，目前可以使用IMU的系统只有cartographer，而且图优化的cartographer更适合于大范围场景的地图构建，非常适用于工厂AGV的作业。   如果不是搞cartographer内部算法，只是想要运用自己的传感器来复现，其实不需要看内部算法，只需要配置launch文件、lua文件以及urdf文件就可以了！   我刚开始跑cartographer的时候，是直接按照官网的方法直接运行数据集，那时候感觉效果真的非常棒，于是想用自己的传感器去试试，但是自己又不知道该从哪下手，后面就是从网上找各种方法，发现按照网上的方法配置以后效果非常差。其实原因主要有以下几点：

   一开始运行cartographer的时候并没有用IMU。此时用的是EAI的YDLIDAR—G2，只需要配置revo_lds.lua文件以及demo_revo_lds.launch文件。具体配置如下： 原revo_lds.launch文件

修改后的revo_lds.lua文件

  其实就是将坐标系改为自己的雷达坐标系就可以了。我的雷达坐标系是laser，如果不知道自己雷达坐标系，可以先启动雷达，然后另起终端输入:

  其中的frame id就是雷达对应的坐标系。接着就是修改launch文件。 原demo_revo_lds.launch文件

  /use_sim_time对应是否离线还是在线跑系统（类似时间戳），默认的value=“true”，就是离线跑数据包的意思，因此后面加上了node name=“playbag” pkg=“rosbag” type=“play” args="–clock $(arg bag_filename)" bag包回放。如果要在线跑的话，只需将value改为false，并将bag包回放这句话删除就可以了。remap重映射话题，改为自己的雷达话题就可以了。因此修改后的launch文件如下。

  值得注意的是，修改后的launch文件中用到的lua文件是自己修改后的lua文件。    最后的建图效果如下：

  可以看出，单纯用雷达建出的效果非常差，重影非常多，根本用不起来。后面就参考了链接: Cartographer中对激光雷达运动畸变的处理方法分析.对代码进行了修改，矫正雷达数据反序以及频率不稳定的问题，但是发现建图效果还是一样的差。然后看到了这个博客: 用自己的雷达进行Cartographer建图或仿真.这个博客里面说到各种雷达跑cartographer的效果是不一样的，正好实验室有个思岚雷达，换上试了试，发现效果真的很棒！如下图：

   还真的是雷达的问题。

  以上只是单纯的用雷达建图，为了进一步提升建图效果，需要加IMU，此时还需要配置urdf文件。一开始配置urdf的时候都是参考网上的步骤，但其实还是要依据自身传感器的情况去撰写urdf文件，假如想用机器人完成建图，那么就定义三个坐标系，分别是laser_joint、imu_joint以及base_link坐标系，base_link坐标系是机器人的底盘坐标系，这个可以随意定制，一般选取机器人中心就行。而laser_joint和imu_joint坐标系需要计算它们的外参，这个比较麻烦，目前我还没找到标定二维激光雷达和IMU外参的工具。我的方法就是将IMU放到它的正下方，这样的话相当于就是y轴差了1-2cm。坐标系的旋转情况根据各传感器的基准而定，具体可以参考传感器的出厂文件。比如思岚A2的传感器定义如下：

  因为我想要实现和数据集一样的效果，因此在demo_backpack_2d.urdf文件的基础上进行了修改，最后撰写的urdf文件如下：

  其次要修改lua文件，也是在backpack_2d.lua文件的基础上进行修改。如下：

  通样也要修改launch文件，首先是backpack_2d.launch:

  然后是demo_backpack_2d.launch：

  这些文件的名字都是自己随意定义的，只要将urdf、lua、launch文件对应起来即可。每次修改文件后要记得重新编译：

  值得注意的是，urdf里的坐标系一定要和lua文件对应，不对应的话会出现坐标系之间的警告，假如将urdf中的link name=laser改为了link name=laser_link，会出现如下错误：   如果不知道自己的传感器的frame id的，可以通过rostopic echo /传感器数据进行查看。   其次，lua文件中的tracking frame一定要是urdf中IMU的坐标系。假如写成了base_link坐标系，也会出错sensor_bridge.cc:136] Check failed: sensor_to_tracking->translation().norm() < 1e-5 The IMU frame must be colocated with the tracking frame. Transforming linear acceleration into the tracking frame will otherwise be imprecise.：   只要注意以上问题，相信走到这一步绝大部分人都能够运行了，这些文件的具体参数修改暂且没有探究过，博主也只是对传感器的外参和坐标系名称进行了修改。后续有知道的小伙伴可以在下方评论区一块探讨。

  这个问题大部分人遇不到，困扰了我很久。因为我在网上并没有找到解决办法，后来想出来的。在上一步修改完urdf、lua、launch文件后，重新运行的时候出现了如下问题：   根据错误提示，是因为IMU坐标系和雷达坐标系的父亲坐标系不是同一个坐标系，然后我就通过

查看了坐标系变换，如下图：

而数据集中的tf变化是这样的：

  这就很奇怪了，我明明就已经在urdf文件中设置了它们各自的父亲坐标系了，为啥会出现问题，然后就是各种重新些urdf文件，差点怀疑人生，都已经感觉上天和我作对哈哈哈。暂停了一段时间后，这天我突然想到会不会是传感器本身驱动有问题。果真，雷达没有问题，而IMU驱动有问题！原来xsens系列IMU驱动的官方文件中就已经定义了IMU的坐标系为world！于是我就去修改了IMU的驱动文件，根据launch文件提示的内容：   然后找到了xsens_mti_node.yaml文件，里面有一个publish_transfrom：   这个参数将IMU的parent坐标系设为world，于是将其改为false，最终重新启动了IMU、lidar、cartographer，总算是成功了，效果如下：   蓝色小车是通过urdf文件定义出来的，想要的可以去参考上面的urdf文件，开心！   加了IMU后，最终的建图效果如下：

  very nice！几乎和数据集一样喽。   如果这篇文章对你有帮助的话，点个赞加关注吧！