谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

前言

一年前，我在公众号“从零开始搭SLAM”里看到了一系列高质量的原创文章，这些文章都是号主李想利用业余时间创作完成的，这些文章循序渐进，带领读者一步步迈入激光SLAM的精彩世界。

因为Cartographer已经应用在很多落地的产品里，比如清洁机器人、仓储物流机器人等服务机器人。但是网上相关的资料分散而参差不齐，尤其缺乏系统的理论和代码讲解，涉及到其中的工程化细节和改进经验就更是罕见。

视频天然的比图文更适合教学。于是我联系到李想，商量做一个Cartographer的逐行源码解析视频课程，从理论到实践，从入门到进阶。首先第一个事情就是对Cartographer源代码进行保姆级详细注释，不仅能够帮助讲师重新梳理代码细节，更重要的是，极大的降低了学员的学习门槛。由于Cartographer代码量非常大，注释代码就花了几个月，可以毫不夸张的说，这是目前全网最详细的中文注释的Cartographer代码，而且是持续更新的。不管你是否是我们的学员，都可以学习这份走心注释的代码：https://github.com/xiangli0608/cartographer_detailed_comments_ws

经过充分地准备，2021年6月，计算机视觉life和李想合作的Cartographer逐行源码解析课程（第1期）上线，课程历时接近4个月，帮助400+学员开启了Cartographer的入门到进阶之旅，其中收获了很多学员的赞誉，也收到了不少的建议和反馈。

图片

第1期课程下架后，我们结合学员的反馈，对课程存在的问题进行了全面梳理和调整，时隔半年多于2022年推出了第2期课程，主要做了如下改进：

• 对课程大纲和内容进行优化。每章节内容从背景、框架开始讲，从宏观到细节，避免过早陷入代码细节。对每章节学习量调整，让学员有时间理解吸收。
• 查漏补缺，修正错误。在新的大纲基础上，重新录制部分章节的视频，重新组织剪辑视频。
• 作业重磅提升。每两周会有针对前面学习内容的作业考试，需要在规定时间内完成。班主任跟进自制力较差学员，再也不怕学习掉队！
• 学习基金及优秀学员全额返现。每个学员有3次拿奖机会：包括2次月度优秀学员（退款100），1次最终课程优秀学员（全额退款）

前100名立减100元，扫描学习↓

优惠券链接：谷歌开源的激光SLAM算法Cartographer为什么这么牛X？

Cartographer简介

Cartographer是Google推出的一套基于图优化的激光SLAM算法，它同时支持2D和3D激光SLAM，可以跨平台使用，支持Lidar、IMU、Odemetry、GPS、Landmark等多种传感器配置。是目前落地应用最广泛的激光SLAM算法之一。

图片

Cartographer建图过程

Cartographer代码最重要的 贡献不仅仅是算法，而是**工程实现实在是太优秀了！**它不依赖PCL，g2o, iSAM, sophus, OpenCV等第三方库，所有轮子都是自己造的，2D/3D的SLAM的核心部分仅仅依赖于Boost、Eigen（线性代数库）、Ceres（Google开源的非线性优化库）等几个底层的库。

这明显不是搞科研的玩儿法，就是奔着产品去的！因为依赖库少，可以直接在产品级嵌入式系统上应用，关键是开源免费，而且效果还针不戳！极大的降低了开发者的门槛。目前在GitHub的star数目是非常高的。

图片

Cartographer应用

因此Cartographer非常适合于扫地/清洁机器人、仓储物流机器人、送餐机器人等室内服务机器人场景的实时定位和建图。

图片

Cartographer建立的地图

扫地机器人

图片

仓储机器人

图片

自动驾驶

图片