EXP-01 · 8 学时 · 难度 ★★★

激光 SLAM 建图与导航原理

小车进入一个从没去过的仓库，怎么先"画"出一张地图，再让 Nav2 在地图上从 A 点走到 B 点？本实验从直觉出发讲清 SLAM 的两大难题——"我在哪"与"环境长什么样"——是如何被同时解决的。

ROS 2SLAM Toolbox Nav2A* 寻路TF2 坐标变换

01它要解决什么问题

想象把你关进一个全黑的仓库，只给你一把"激光尺"。你要边走边回答两个问题：我现在在哪个位置？以及周围哪里可以走、哪里是墙？——这正是移动机器人每天在做的事。

传感器观测

/scan 10Hz

→

我在哪？

定位 Localization

→

环境什么样？

建图 Mapping

→

怎么去目标？

规划 Planning

💡 鸡生蛋问题：要定位需要先有地图，要建图需要先知道自己的位置。SLAM（Simultaneous Localization And Mapping）的"同时"二字，就是同时求解这两件事。

02核心原理：SLAM 是怎么"同时"做的

把过程拆成一个不断重复的循环：预测 → 观测 → 校正 → 融合。

① 运动预测

根据轮速计/IMU 推算"我大概移动到了哪"（里程计），给出位姿初值。

② 激光观测

当前这束激光打到墙上的一排"命中点"，和已有地图做配准（scan-to-map）。

③ 误差校正

配准的残差反推位姿偏差，修正"我在哪"，得到更准的当前帧位姿。

④ 地图融合

把命中点以当前位姿写进占据栅格；回环检测消除长距离累积漂移。

关键量	含义	典型值（小车 C1）
栅格分辨率	地图每个格子代表的实际边长	`0.05 m`
激光频率	每秒多少次全周扫描	`10 Hz`
地图图层	占据 / 空闲 / 未知三态	`free / occupied / unknown`
位姿表示	平移 (x, y) + 朝向 θ	`map → base_link`

⚠️ 常见误区：SLAM 建出的地图不是照片，而是概率栅格——每个格子存的是"这里被挡住的概率"。这就是为什么没扫到的地方显示为灰色"未知"。

03原理动画：一束激光如何长出一张地图

看下方动画：机器人原地旋转，扫描光束扫过墙面；每命中一次就在地图上留下一个蓝色命中点，连续命中连成绿色墙线。

激光雷达旋转扫描、命中点累积成地图轮廓的原理动画 — 动画 1-1｜激光逐束扫描 → 命中点累积 → 墙体轮廓逐步显现（6 秒循环）

💡 看不懂就暂停：重点观察右下角 hits 计数——命中点越多，地图越完整；停留越久，未知灰区就越少。

04技术框架与数据流

在 ROS 2 里，这套循环被拆成四个可复用的模块，以话题（topic）方式串成管线：

SLAM 建图数据流管线：激光雷达与里程计输入，经前端匹配与后端优化，输出占据栅格地图 — 图 1-1｜SLAM 建图数据流：传感器输入 → 前端匹配 → 后端优化 → 地图输出

# 一键启动建图（SLAM Toolbox）
ros2 launch slam_toolbox online_async_launch.py \
    use_sim_time=false resolution:=0.05

# 观察数据流：谁在发布？谁在订阅？
ros2 topic list            # /scan  /odom  /map  /tf
ros2 topic hz /scan        # 应稳定在 ~10Hz
ros2 run tf2_ros tf2_echo map base_link   # 实时查看位姿

💡 TF2 是隐形的线：所有模块其实都在问 TF 树同一个问题——"base_link 相对 map 在哪？"。建图时 map→odom 由 SLAM 发布，导航时由 AMCL 发布。

05管路演示视频

下面是小车在真实场景中边走边建图的录像（占位素材，后续替换为同名文件即自动生效）：

视频 1-1｜建图导航实机演示（当前为占位素材，替换 videos/ 同名文件即可）

063D 视角：小车、雷达与扫描面

激光雷达装在车顶旋转扫描，扫描的是一个水平面——所以它"看得见"墙和桌腿，看不见玻璃和悬空横梁。

🖱️ 拖动旋转 · 滚轮缩放 · 雷达与扫描环实时转动（自动旋转，交互后接管）

动画 1-2｜小车 C1 底盘 + 顶置激光雷达：蓝色车身、青色旋转雷达头、扇形扫描面

⚠️ 当前打开方式无法加载 3D 场景（本地文件协议限制）。请在 training/output 目录运行 python -m http.server 8000 后用 http://localhost:8000 访问。

07互动沙盘：亲手调一调寻路

地图有了，下一步是"选路"。下面的沙盘让你亲手改地图、调代价参数，看 A* 如何在绕远与穿越之间做权衡：

互动 1-1｜① 拖动画障碍墙 → ② 调"绕行代价"滑杆 → ③ 点运行，观察绿色路径与蓝色探索节点的变化

💡 试试这个：把权重调到 8 再运行——路径会变"激进"，倾向贴着障碍穿缝；调回 1 则更平滑保守。这就是 Nav2 代价地图权重的直观版。

08实操流程

启动雷达与底盘，确认 ros2 topic hz /scan ≈ 10Hz
启动 SLAM Toolbox，rviz 中观察 /map 逐渐成形
遥控走一圈闭环，保存地图 ros2 run nav2_map_server map_saver_cli -f my_map
启动 Navigate_to_pose，在 rviz 选目标点，观察全局/局部规划器绕开障碍
录一段实机视频放入 videos/，替换演示占位素材

09验收清单

地图完整覆盖实验区域，未知灰区 < 15%
走廊两端往返后，地图墙体无明显"重影"（漂移合格）
指定 A→B 目标，导航成功且全程不碰撞
能口头解释 SLAM 循环四步与 map→odom→base_link TF 链