RTAB-Map 生产落地案例

五、生产落地案例

案例一：医院配送机器人的多层建图与长期定位。背景是一台在医院住院部做药品配送的机器人，需要跨楼层作业，走廊里长期有人员走动，墙面大多是白色且纹理极少。做法是用 RGB-D 相机加轮式里程计建图，把 RGBD/ProximityBySpace 打开，让机器人即使视觉回环检测不到也能靠空间邻近约束维持轨迹连续；同时把 Grid/CellSize 设为 5 厘米以适配走廊宽度判断。为了应对白色墙面，在几个关键转角与电梯厅贴了带纹理的标识板，作为视觉回环的锚点。效果是机器人在走廊里来回配送时定位稳定，跨楼层切换时通过电梯厅的标识板完成重定位。踩到的坑主要有三个：一是电梯内的金属壁面造成深度图像大面积空洞，导致进出电梯时位姿跳变，最终在电梯内改用里程计惯性推算并禁止地图更新；二是白天走廊尽头的落地窗强光让深度相机在特定时段整体失效，通过在配置里限制 Grid/RangeMax 并加装遮光条缓解；三是运行几周后数据库体积增长到影响启动速度，通过定期归档并重建一个只含关键区域的新数据库解决。

案例二：地下车库巡检机器人的三维建图。背景是地下车库巡检，环境特征是光线暗、结构重复（成排的柱子）、地面有减速带造成颠簸。做法是用带 IMU 的 RGB-D 相机配激光雷达融合建图，激光负责几何约束与邻近检测，视觉负责回环识别；把 Reg/Strategy 设为 1 让 ICP 参与配准，以利用车库清晰的柱面几何。为了应对重复结构，特意让建图路径经过车库出入口、坡道等具有独特纹理的位置，人为制造可区分的回环锚点。效果是地图在成排柱子区域没有出现"串列"错位，巡检点位定位稳定。踩到的坑是：车库照明为感应式，机器人经过时灯才亮，导致同一位置的图像在不同时间亮度差异极大，视觉回环召回率时高时低，最终通过要求车库在巡检时段保持常亮，并在机器人上加装补光灯来稳定成像条件。

这两个案例的落地经验可以归纳成三条：第一，视觉方案的稳定性取决于光照，进场前的第一件事是评估并改造光照条件；第二，重复结构场景要靠人为布置的视觉锚点来打破对称性，纯靠算法很难；第三，长期运行的数据库需要归档策略，不能无限增长。把这三点纳入项目的前期设计，RTAB-Map 在室内场景里的表现是可靠的。