我做SLAM已经三年了。读书时初学SLAM，一开始无从下手，直到读了高博士的博客，茅塞顿开，渐入佳境。后来又买了他的《视觉SLAM十四讲》，常伴手边，直至毕业。几个月前找工作的时候，他是我的面试官，与之交谈，如沐春风。那时候我就萌生出一个念头，希望追随博士的脚步，把这些年的经验和心得分享给后来人，所谓“人人为我、我为人人”，应该就是如此吧。 -- 2022.04.16
激光SLAM与Cartographer我的水平远不及博士，只好挑自己擅长的东西说起。Cartographer是谷歌2015年发布的激光SLAM开源项目，功能完善，逻辑清晰，在学术和工程上都很具代表性。我做相关的工作已经两年了，论文和代码都读过一遍，也尝试做了一些优化和扩展，所以就拿它来做分享。
Cartographer本身是一个浩大的工程，并不利于初学者学习。本文希望根据它的设计思路，从零开始构建一个简易的2D激光SLAM工程。参考资料：
- 官网: https://google-cartographer.readthedocs.io/en/latest/
- github: https://github.com/cartographer-project/cartographer
- 论文：Real-Time Loop Closure in 2D LIDAR SLAM
这里放出一张官方的动图：
这里先说说什么是SLAM：SLAM译作同时定位与地图构建，被认为是实现真正全自主移动机器人的关键。我记得这是我硕士论文的第一句，听着确实有掉书袋的嫌疑，也确实费耳朵。从我工作经验来讲，SLAM问题姑且可以等同于：如何通过整合局部观测来建立全局地图。
激光SLAM的观测是点云，每帧点云都是对环境的局部观测；而激光SLAM的目的就是用各时刻的点云拼成全局地图。这个过程如同拼图一样：
当然，以上是我对于“基于图优化的SLAM方法”做的理解，自然有偏颇之处。这里建议初学者不必拘泥于具体概念，相信有一定项目基础后会有更深的体会。
让我们开始吧！开发环境：Linux，推荐Ubuntu。
其实如果我们的代码是纯C++且不依赖于第三方库，那么无论何种平台(Windows/Linux/MacOS)都可以编译运行。但实际上我们经常会用到仅支持Linux的第三方库，所以我们不得不用Linux。
实际上，Linux也是非常基本的开发环境，而ubuntu是最知名的Linux发行版，有了问题也容易找到资料。如果手头没有Linux环境，可以用WSL或云服务器，这里不再详述。
对于一个崭新的ubuntu环境来说，我们通常需要安装一些基本的工具来编译：
# gcc等基本编译套件
sudo apt install build-essential
# cmake
sudo apt install cmake
然后我们创建工程目录，姑且称之为slam。然后创建src目录存放代码，build目录存放编译产物：
sudo mkdir slam slam/src slam/build
我们在src目录中写一个最简单的C++程序，保存为hello.cc：
#include <iostream>
int main() {
std::cout << "hello, slam!" << std::endl;
return 0;
}
这里我们用了Google Style作为工程规范。
我们使用cmake来编译我们的工程。需要在slam下写一个CMakeLists.txt:
# 指定最低版本
cmake_minimum_required(VERSION 2.8)
# 指定项目名
project(slam)
# 用src/hello.cc产生一个名为hello的可执行项目
add_executable(hello src/hello.cc)
此时路径树应该是这样的：
slam\
|---src\
| |--- hello.cc
|
|---build\
|
|---CMakeLists.txt
我们进入build目录，执行编译:
cd build
cmake ..
make
此时会在build下产生hello可执行文件，可以执行它：
./hello
此时如果输出"hello, slam!"字样，说明成功了。
到此为止，我们有了一个好的开始。下节我们讲述一些激光SLAM的基础概念，并做工程实现。
以上工程可以参考我的github(https://github.com/ysklab/cartographer-from-scratch)仓库，需要手动checkout到指定commit。本节的commit信息为：
start with "hello slam"
这里假设读者具备基本的git操作知识，包括clone、log、checkout等。