06-定位与SLAM-激光SLAM

作者：姚博文 · 2026-09-15

激光 SLAM — 从扫描匹配到建图：GMapping / Cartographer / SLAM Toolbox / LIO 全解

定位：讲清"一帧激光怎么对齐地图"（相关法/ICP/NDT）与"整张地图怎么闭合"（GMapping/Cartographer/SLAM Toolbox/LIO-SAR/fast-lio），附全部常用参数与小车选型结论 | 适用：智能小车/移动机器人开发

1\. 概述

1.1 这篇解决什么问题

SLAM（Simultaneous Localization and Mapping，同步定位与建图）要解决一个"鸡生蛋"问题：

· **建图**需要先知道"我在哪"，才能把每一帧激光放到地图的正确位置；

· **定位**又需要先有地图，才能判断"我在地图的哪里"。

SLAM 的解法是**同时估计两样东西**：

| 估计对象 | 记号 | 内容 | 输出 |

| --- | --- | --- | --- |

| 轨迹（位姿序列） | $\mathbf{x}_{1:t}$ | 每一时刻机器人在地图系下的位姿 | 路径、最终地图的"骨架" |

| 地图 | $\mathbf{M}$ | 环境的几何表示（2D 栅格或 3D 点云） | map.pgm / 点云地图 |

并且靠\*\*回环检测（Loop Closure）\*\*修正累积漂移：当小车绕一圈回到起点，算法识别出"我回到来时的路了"，把整条轨迹的漂移一次性摊平——这就是"地图闭合、没有重复走廊"的原理。

与"定位"的关系：

| 阶段 | 地图 | 位置 | 做什么 |

| --- | --- | --- | --- |

| 建图（Mapping，SLAM） | 未知，边建边用 | 未知，边建边估 | 一次性（或长时间在线）产出地图 |

| 定位（Localization） | 已知 | 未知 | 长期在线，用激光+地图算"我在地图哪里"（AMCL，见 定位与状态估计.md） |

💡 一句话分工：**SLAM 是"画地图的同时知道自己画到了哪"；定位是"拿着地图找自己"。** 小车流程是：先 SLAM 建图（M3 前半）→ 冻结地图 → 之后每天用 AMCL 定位导航（M3 后半 + M4）。

1.2 在自主导航链路中的位置

对应 `00-路线图/学习路线图.md` 的全链路与里程碑 M3（"跑一圈房间，地图闭合"）：

关键点：

1. SLAM 输出的地图是**静态地图**——它只描述墙、柱子、长期障碍，不包含人、车等动态物体（Nav2 的动态障碍由 costmap 实时处理，见 `07-路径规划与导航/`）；

2. SLAM 的输入至少是**一帧激光**；3D LIO（fast-lio/LIO-SAR）输入是**激光+IMU**；

3. 2D 建图算法（GMapping 等）依赖**轮式里程计**提供运动预测；LIO 不依赖轮子，靠 IMU。

1.3 本文覆盖

1. **扫描匹配（Scan Matching）三大方法**：相关法/似然场（Correlation / Likelihood Field）、ICP（含纯标准库可运行的 2D ICP 代码）、NDT——所有 SLAM 的"基本动作"；

2. **GMapping**：Rao-Blackwell 粒子滤波 + 似然场，无回环，简单够用；

3. **Cartographer**：子图（Submap）+ 位姿图（Pose