Cartographer 生产落地案例

五、生产落地案例

案例一：商场清洁机器人的全楼层建图与跨楼层定位。背景是一台商用清洁机器人，需要在一栋有六层、每层上万平米的商场里自主作业。做法分两步：先用一台带 IMU 与轮式里程计的手推式采集车逐层走一遍，每层单独跑一条 Cartographer 轨迹并各自保存为独立的 pbstream；机器人实际作业时按电梯位置切换到对应楼层的地图做纯定位。关键配置有三处：把 TRAJECTORY_BUILDER_2D.max_range 按实际激光指标收到一个保守值以剔除无效远距读数；把 motion_filter.max_distance_meters 调小，保证在商场这种大幅度长距离行走中节点不会过稀；纯定位时把 pure_localization_trimmer.max_submaps_to_keep 设为 3，控制内存占用。效果是每层地图拼接处没有出现错层，机器人在长廊里连续运行数小时不出现整体漂移。踩到的坑是商场地砖在大理石区域高度反光，激光在地面附近产生一圈虚假点，导致机器人以为自己前方有障碍，最终通过把 min_range 略微上调并调整雷达安装倾角解决；另一个坑是手推采集车的轮径与实际机器人不同，导致 use_odometry = true 时里程计尺度有偏差，改成采集与分析分离、纯定位时降低里程计权重后才稳定。

案例二：仓储 AGV 的窄通道建图与单机重复部署。背景是电商仓的窄通道货架区，通道宽度只比 AGV 宽出很小余量，两侧是金属货架，激光多次反射严重。做法是用 2D 激光加 IMU 建图，把 submaps.num_range_data 从默认量级下调，让子图更小更局部化，从而在窄通道这种小范围内也能形成有效的回环约束；同时把 ceres_scan_matcher 中空闲空间项的权重适当调低，减少对反射点的过拟合。效果是通道内轨迹与货架列线基本平行，AGV 沿预定路径行驶时不会因为地图错位而反复急停。踩到的坑主要有两个：一是金属货架造成的多次反射点被当作真实障碍写入栅格，后来通过在配置文件里限制 missing_data_ray_length 并配合雷达自带的滤波参数缓解；二是多台 AGV 共用同一份配置文件，但每台的雷达安装角度有微小差异，导致其中一台定位时频繁丢失，最终为每台设备单独生成一份配置文件，把雷达外参按实测值写入。

两个案例的共性是：Cartographer 本身的默认配置已经能覆盖大部分室内场景，真正决定项目成败的是传感器安装的一致性、地图的版本管理，以及纯定位模式下的参数收紧。建议在项目里建立一条纪律——每次改雷达安装、改底盘、改货架布局，都要重新标定外参并重建地图，不要让旧地图去适配新硬件。