打造智能机器人感知系统！Isaac Sim激光雷达传感器配置到ROS SLAM建图完全实战指南NVIDIA Omnive

基础：Isaac Sim LiDAR和相机传感器ROS集成教程

1. 教程概述

本教程将指导你在Isaac Sim中设置PhysX LiDAR传感器和相机传感器，并通过ROS1进行数据发布，最终实现SLAM建图功能。适用于扫地机器人等需要环境感知的应用场景。

参考资料

版本说明

重要提醒： 由于Isaac Sim版本更新快，API变化较大，不同版本可能存在不兼容情况。本教程基于Isaac Sim 4.5版本，如遇到节点名称不一致的情况，请参考最新版本文档。

2. 前置准备

2.1 环境要求

Isaac Sim 4.5或更高版本
ROS Noetic
已安装ROS Bridge扩展

2.2 启用ROS1 Bridge

打开Isaac Sim
进入Window > Extensions
搜索"ROS Bridge"
启用omni.isaac.ros_bridge扩展

3. 传感器创建与配置

3.1 创建PhysX LiDAR传感器

打开Isaac Sim，进入Window > Script Editor，输入以下代码：

import omni.kit.commands
from pxr import Gf, UsdGeom
from omni.isaac.core.utils.stage import get_current_stage

# 获取当前stage
stage = get_current_stage()

# 创建PhysX LiDAR传感器
omni.kit.commands.execute(
    'CreatePrim',
    prim_path='/World/robot_lidar',
    prim_type='Lidar'
)

# 获取LiDAR prim
lidar_prim = stage.GetPrimAtPath('/World/robot_lidar')

# 设置LiDAR参数
lidar_prim.GetAttribute('horizontalFov').Set(360.0)  # 水平视场角360度
lidar_prim.GetAttribute('horizontalResolution').Set(0.4)  # 水平分辨率0.4度
lidar_prim.GetAttribute('maxRange').Set(100.0)  # 最大量程30米
lidar_prim.GetAttribute('minRange').Set(0.4)  # 最小量程0.4米
lidar_prim.GetAttribute('rotationRate').Set(20.0)  # 旋转速率设为0(一次性获取所有线)
lidar_prim.GetAttribute('verticalFov').Set(0.0)  # 垂直视场角30度
lidar_prim.GetAttribute('verticalResolution').Set(0.0)  # 垂直分辨率1度
lidar_prim.GetAttribute('drawLines').Set(True)  # 显示激光线
lidar_prim.GetAttribute('drawPoints').Set(True)  # 显示激光点

# 设置LiDAR位置
omni.kit.commands.execute(
    'ChangeProperty',
    prop_path='/World/robot_lidar.xformOp:translate',
    value=Gf.Vec3d(0, 0, 0.5),  # x, y, z坐标
    prev=None
)

print("PhysX LiDAR created successfully at /World/robot_lidar")

LiDAR参数说明

horizontalFov: 水平视角，默认360度（一周）
horizontalResolution: 水平分辨率，度为单位。比如0.4表示水平每0.4度有一个观测线
maxRange: LiDAR传感器最远量程，单位米
minRange: LiDAR传感器最近量程，单位米
rotationRate: 激光线的旋转速率，每秒多少圈。如果为0则表示一次性获得所有激光线
verticalFov: 垂直视角，LiDAR传感器在竖直方向上的视角范围，单位度
verticalResolution: 竖直分辨率。两条激光线之间的竖直角度，单位度

3.2 创建相机传感器

继续在Script Editor中输入以下代码：

# 创建相机
omni.kit.commands.execute(
    'CreatePrim',
    prim_path='/World/robot_camera',
    prim_type='Camera'
)

# 获取相机prim
camera_prim = stage.GetPrimAtPath('/World/robot_camera')

# 设置相机参数
camera_prim.GetAttribute('focalLength').Set(24.0)  # 焦距
camera_prim.GetAttribute('focusDistance').Set(400.0)  # 对焦距离
camera_prim.GetAttribute('horizontalAperture').Set(20.955)  # 水平光圈
camera_prim.GetAttribute('verticalAperture').Set(15.2908)  # 垂直光圈
camera_prim.GetAttribute('clippingRange').Set(Gf.Vec2f(1.0, 1000000.0))  # 裁剪范围

# 设置相机位置和旋转
omni.kit.commands.execute(
    'ChangeProperty',
    prop_path='/World/robot_camera.xformOp:translate',
    value=Gf.Vec3d(1.0, 0, 1.2),  # x, y, z坐标
    prev=None
)

omni.kit.commands.execute(
    'ChangeProperty',
    prop_path='/World/robot_camera.xformOp:rotateXYZ',
    value=Gf.Vec3d(-15, 0, 0),  # 俯仰角-15度
    prev=None
)

print("Camera created successfully at /World/robot_camera")

4. Action Graph配置

4.1 创建LiDAR数据发布的Action Graph

打开Window > Visual Scripting > Action Graph
创建新的Action Graph，命名为"LiDAR_Publisher"
按以下顺序添加节点并连接：

核心节点列表

On Playbook Tick - 触发节点
Isaac Read Lidar Point Cloud Node - 读取LiDAR点云数据节点
ROS1 Publish Point Cloud - ROS1发布点云数据
Isaac Read Simulation Time - 读取仿真时间

节点配置与连接

节点1：On Playbook Tick

作用：仿真运行时触发整个Graph

节点2：Isaac Read Lidar Point Cloud Node

在Properties面板中设置：
- inputs:lidarPrim = /World/robot_lidar

节点3：ROS1 Publish Point Cloud

在Properties面板中设置：
- inputs:topicName = robot_lidar_pointcloud
- inputs:frameId = robot_lidar_frame

节点4：Isaac Read Simulation Time

提供准确的时间戳

连接方式

On Playback Tick → Isaac Read Lidar Point Cloud Node (execIn)
Isaac Read Lidar Point Cloud Node → ROS1 Publish Point Cloud (execIn)
Isaac Read Lidar Point Cloud Node (pointCloudData) → ROS1 Publish Point Cloud (pointCloudData)
Isaac Read Simulation Time (simulationTime) → ROS1 Publish Point Cloud (timeStamp)

4.2 创建相机数据发布的Action Graph

创建新的Action Graph，命名为"Camera_Publisher"
按以下顺序添加节点并连接：

核心节点列表

On Playbook Tick - 触发节点
Isaac Create Viewport - 创建视窗
Constant Int - 常量整数节点（设置Viewport ID）
Set Active Camera - 设置活动相机
Get Prim Path - 获取Prim路径
ROS1 Camera Helper - ROS1相机助手
Constant String - 常量字符串节点（设置Topic名称）

节点配置与连接

节点1：On Playbook Tick

作用：仿真运行时触发整个Graph

节点2：Constant Int

在Properties面板中设置：
- inputs:value = 1 (Viewport ID)

节点3：Isaac Create Viewport

创建新的渲染视窗

节点4：Get Prim Path

在Properties面板中设置：
- inputs:prim = /World/robot_camera

节点5：Set Active Camera

将相机绑定到Viewport

节点6：Constant String

在Properties面板中设置：
- inputs:value = robot_camera_image

节点7：ROS1 Camera Helper

在Properties面板中设置：
- inputs:type = rgb
- inputs:frameId = robot_camera_frame

连接方式

On Playback Tick → Isaac Create Viewport (execIn)
Constant Int (value) → Isaac Create Viewport (viewportId)
Isaac Create Viewport → Set Active Camera (execIn)
Isaac Create Viewport (viewport) → Set Active Camera (viewport)
Get Prim Path (prim) → Set Active Camera (cameraPrim)
Set Active Camera → ROS1 Camera Helper (execIn)
Isaac Create Viewport (viewport) → ROS1 Camera Helper (viewport)
Constant String (value) → ROS1 Camera Helper (topicName)

5. 传感器绑定到机器人

创建传感器后，需要将它们绑定到机器人相应部位：

5.1 绑定LiDAR到底盘

在Stage面板中，将/World/robot_lidar拖拽到你的机器人底盘节点下
调整其Transform属性，设置合适的位置

5.2 绑定相机到机械臂

在Stage面板中，将/World/robot_camera拖拽到你的机械臂末端节点下
调整其Transform属性，设置合适的位置和角度

6. 运行测试流程

6.1 启动ROS核心（终端1）

# 在第一个终端启动 roscore
roscore

6.2 启动Isaac Sim（终端2）

在Isaac Sim中点击Play按钮开始仿真。

6.3 验证ROS话题发布

在新的终端中检查ROS话题：

# 查看所有话题列表
rostopic list

# 检查LiDAR点云话题
rostopic echo /robot_lidar_pointcloud

# 检查相机图像话题
rostopic echo /robot_camera_image

# 查看发布频率
rostopic hz /robot_lidar_pointcloud
rostopic hz /robot_camera_image

# 查看话题信息
rostopic info /robot_lidar_pointcloud
rostopic info /robot_camera_image

6.4 可视化测试（终端3）

# 设置ROS环境
source /opt/ros/noetic/setup.bash

# 启动 rqt_image_view 查看图像话题
rqt_image_view

# 在 rqt_image_view 界面中选择相应的图像话题：
# /robot_camera_image 或类似的话题名称

6.5 查看节点图（终端4，可选）

# 设置ROS环境
source /opt/ros/noetic/setup.bash

# 启动 rqt_graph 查看节点关系
rqt_graph

7. RViz可视化LiDAR数据

7.1 启动RViz

在新的终端中运行：

rosrun rviz rviz

7.2 设置固定坐标系

在RViz左侧面板的Global Options中
将Fixed Frame设置为：robot_lidar_frame

7.3 添加PointCloud2显示插件

点击RViz左下角的Add按钮
在弹出的窗口中选择PointCloud2
点击OK

7.4 配置PointCloud2显示属性

在左侧面板中找到刚添加的PointCloud2，展开其属性：

Topic: 设置为 /robot_lidar_pointcloud
Size (Pixels) : 设置为 3 (点的大小)
Style: 选择 Points (点显示模式)
Color Transformer: 可以选择：
- Intensity - 按强度着色
- AxisColor - 按轴向着色
- FlatColor - 单一颜色
Decay Time: 设置为 0 (不保留历史点云)

7.5 同时可视化相机图像（可选）

如果你也想查看相机图像：

再次点击Add按钮
选择Image插件
设置Image Topic为：/robot_camera_image

7.6 保存RViz配置

为了方便下次使用，建议保存配置：

点击菜单File > Save Config As
保存为：robot_sensors.rviz

8. 效果展示

8.1 运行效果

使用以下命令启动系统：

cd isaacsim
./python.sh /home/lwb/Project/CleanUp_Bench_SVSDF/main_system.py

8.2 激光雷达参数调整效果

通过调整LiDAR参数可以获得不同的扫描效果：

9. SLAM建图

9.1 环境准备

创建指定Python版本的环境：

# 创建指定Python版本的环境（如3.8）
conda create -n myenv_py38 python=3.8

# 激活环境
conda activate myenv_py38

# 验证版本
python --version

9.2 搭建Cartographer进行SLAM

参考Google Cartographer ROS文档：

google-cartographer-ros.readthedocs.io/en/latest/c…

为了构建 Cartographer ROS，我们建议使用 wstool 和 rosdep。为了更快地构建，我们还建议使用 Ninja。

在带有 ROS Noetic 的 Ubuntu Focal 上，使用以下命令安装上述工具：

sudo apt-get update
sudo apt-get install -y python3-wstool python3-rosdep ninja-build stow

在较旧的发行版上：

sudo apt-get update
sudo apt-get install -y python-wstool python-rosdep ninja-build stow

安装工具后，在“catkin_ws”中创建一个新的cartographer_ros工作区。

mkdir catkin_ws    #之前就有的话把之前的项目都删掉或者转移，不然会和这个项目冲突
cd catkin_ws
wstool init src
wstool merge -t src https://raw.githubusercontent.com/cartographer-project/cartographer_ros/master/cartographer_ros.rosinstall
wstool update -t src

现在您需要安装cartographer_ros依赖项。首先，我们用于安装所需的软件包。如果自安装 ROS 以来已经执行了命令 'sudo rosdep init' 将打印错误。此错误可以忽略。rosdep

sudo rosdep init
rosdep update
rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y

Cartographer 使用需要使用以下脚本手动安装的 abseil-cpp 库：

src/cartographer/scripts/install_abseil.sh

由于版本冲突，您可能需要使用

sudo apt-get remove ros-${ROS_DISTRO}-abseil-cpp

构建和安装。

catkin_make_isolated --install --use-ninja

这会从 master 分支的最新 HEAD 构建 Cartographer。如果您想要特定版本，则需要更改 cartographer_ros.rosinstall 中的版本。

现在已经安装了 Cartographer 和 Cartographer 的 ROS 集成当你想运行cartographer_ros时，你可能需要先运行你的 ROS 环境（如果你的 shell 是 zsh，则用 zsh 替换 bash）source install_isolated/setup.bash

德意志博物馆

下载并启动 2D 背包演示：

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag
roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag

下载并启动 3D 背包演示：

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag
roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

纯本地化

纯本地化使用 2 个不同的袋子。第一个用于生成地图，第二个用于运行纯本地化。

从德意志博物馆下载 2D 包：

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-05-14-44-52.bag
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/b2-2016-04-27-12-31-41.bag

生成地图（等到cartographer_offline_node完成），然后运行纯本地化：

roslaunch cartographer_ros offline_backpack_2d.launch bag_filenames:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag
roslaunch cartographer_ros demo_backpack_2d_localization.launch \
   load_state_filename:=${HOME}/Downloads/b2-2016-04-05-14-44-52.bag.pbstream \
   bag_filename:=${HOME}/Downloads/b2-2016-04-27-12-31-41.bag

运行2D SLAM示例

roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag

运行3D SLAM示例

roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

进阶：Isaac Sim + Cartographer ROS 2D SLAM 完整配置指南

前置条件检查

Isaac Sim 4.5正在运行
Ubuntu 20.04 + ROS Noetic
Cartographer ROS已安装并可运行演示
PhysX LiDAR在Isaac Sim中已配置并发布robot_lidar_pointcloud话题

第一步：文件创建和配置

1.1 创建配置文件

# 进入catkin工作空间
cd ~/catkin_ws

# 确保所有必要目录存在
mkdir -p install_isolated/share/cartographer_ros/configuration_files
mkdir -p install_isolated/share/cartographer_ros/urdf
mkdir -p install_isolated/share/cartographer_ros/launch

1.2 创建文件

创建URDF文件

在~/catkin_ws/install_isolated/share/cartographer_ros/urdf/目录下创建isaac_sim_robot.urdf

<!--
  Isaac Sim Robot Description for Cartographer ROS (基于实际激光雷达参数)
  激光雷达配置：180度，450点，0.4-100米，安装高度40cm
-->

<robot name="isaac_sim_robot">
  <material name="blue">
    <color rgba="0.0 0.0 1.0 1.0" />
  </material>
  <material name="red">
    <color rgba="1.0 0.0 0.0 1.0" />
  </material>
  <material name="green">
    <color rgba="0.0 1.0 0.0 1.0" />
  </material>
  <material name="yellow">
    <color rgba="1.0 1.0 0.0 1.0" />
  </material>

  <!-- Base link - 机器人的主体 -->
  <link name="base_link">
    <inertial>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <mass value="10.0"/>
      <inertia ixx="0.1" ixy="0.0" ixz="0.0"
               iyy="0.1" iyz="0.0" izz="0.1"/>
    </inertial>
    <visual>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <box size="0.5 0.3 0.2"/>
      </geometry>
      <material name="blue"/>
    </visual>
    <collision>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <box size="0.5 0.3 0.2"/>
      </geometry>
    </collision>
  </link>

  <!-- Base footprint - 用于导航的投影点 -->
  <link name="base_footprint">
    <visual>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <sphere radius="0.01"/>
      </geometry>
      <material name="yellow"/>
    </visual>
  </link>

  <!-- LiDAR link - 匹配Isaac Sim实际位置 -->
  <link name="robot_lidar_frame">
    <inertial>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <mass value="0.5"/>
      <inertia ixx="0.01" ixy="0.0" ixz="0.0"
               iyy="0.01" iyz="0.0" izz="0.01"/>
    </inertial>
    <visual>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <cylinder radius="0.05" length="0.1"/>
      </geometry>
      <material name="red"/>
    </visual>
    <collision>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <cylinder radius="0.05" length="0.1"/>
      </geometry>
    </collision>
  </link>

  <!-- 相机 link -->
  <link name="robot_camera_frame">
    <inertial>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <mass value="0.1"/>
      <inertia ixx="0.001" ixy="0.0" ixz="0.0"
               iyy="0.001" iyz="0.0" izz="0.001"/>
    </inertial>
    <visual>
      <origin xyz="0 0 0" rpy="0 0 0"/>
      <geometry>
        <box size="0.1 0.05 0.05"/>
      </geometry>
      <material name="green"/>
    </visual>
  </link>

  <!-- Base footprint joint -->
  <joint name="base_footprint_joint" type="fixed">
    <parent link="base_footprint"/>
    <child link="base_link"/>
    <origin xyz="0.0 0.0 0.1" rpy="0 0 0"/>
  </joint>

  <!-- LiDAR joint - 匹配Isaac Sim实际安装位置和偏移 -->
  <joint name="base_to_lidar" type="fixed">
    <parent link="base_link"/>
    <child link="robot_lidar_frame"/>
    <!-- 匹配Isaac Sim实际位置: X=-0.00036, Y=0.0, Z=0.39336-0.1(base_link高度) -->
    <origin xyz="-0.00036 0.0 0.29336" rpy="0 0 0"/>
  </joint>

  <!-- 相机 joint -->
  <joint name="base_to_camera" type="fixed">
    <parent link="base_link"/>
    <child link="robot_camera_frame"/>
    <origin xyz="0.25 0.0 0.15" rpy="-0.1745 0 0"/>
  </joint>

  <!-- Gazebo传感器属性 - 匹配实际激光雷达参数 -->
  <gazebo reference="robot_lidar_frame">
    <material>Gazebo/Red</material>
    <sensor type="ray" name="lidar_sensor">
      <pose>0 0 0 0 0 0</pose>
      <visualize>true</visualize>
      <update_rate>20</update_rate>  <!-- 匹配rotationRate: 20.0 -->
      <ray>
        <scan>
          <horizontal>
            <samples>450</samples>        <!-- 180度/0.4度 = 450点 -->
            <resolution>1</resolution>
            <min_angle>-1.570796</min_angle>  <!-- -90度 (180度扫描) -->
            <max_angle>1.570796</max_angle>   <!-- +90度 -->
          </horizontal>
        </scan>
        <range>
          <min>0.4</min>               <!-- 匹配minRange -->
          <max>100.0</max>             <!-- 匹配maxRange -->
          <resolution>0.01</resolution>
        </range>
        <noise>
          <type>gaussian</type>
          <mean>0.0</mean>
          <stddev>0.02</stddev>        <!-- 对于100米范围，适当增加噪声 -->
        </noise>
      </ray>
    </sensor>
  </gazebo>

  <gazebo reference="robot_camera_frame">
    <material>Gazebo/Green</material>
  </gazebo>

  <gazebo reference="base_link">
    <material>Gazebo/Blue</material>
  </gazebo>

</robot>

创建Lua配置文件

在你的~/catkin_ws/install_isolated/share/cartographer_ros/configuration_files/目录下创建isaac_sim_2d.lua：

-- Isaac Sim 2D SLAM Configuration for Cartographer (基于实际激光雷达参数)
-- Copyright 2024 - 优化占用网格更新速度

include "map_builder.lua"
include "trajectory_builder.lua"

options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "robot_lidar_frame",  -- 与Isaac Sim中的LiDAR frame对应
  published_frame = "base_link",
  odom_frame = "odom",
  provide_odom_frame = true,
  publish_frame_projected_to_2d = true,  -- 确保2D投影
  use_pose_extrapolator = true,
  use_odometry = false,  -- Isaac Sim场景通常不需要里程计
  use_nav_sat = false,
  use_landmarks = false,
  num_laser_scans = 0,
  num_multi_echo_laser_scans = 0,
  num_subdivisions_per_laser_scan = 1,
  num_point_clouds = 1,  -- Isaac Sim使用PointCloud2
  lookup_transform_timeout_sec = 0.2,
  submap_publish_period_sec = 0.2,  -- 优化：提高到5Hz
  pose_publish_period_sec = 20e-3,  -- 优化：提高到50Hz  
  trajectory_publish_period_sec = 50e-3,  -- 优化：提高到20Hz
  rangefinder_sampling_ratio = 1.,
  odometry_sampling_ratio = 1.,
  fixed_frame_pose_sampling_ratio = 1.,
  imu_sampling_ratio = 1.,
  landmarks_sampling_ratio = 1.,
}

-- 启用2D轨迹构建器
MAP_BUILDER.use_trajectory_builder_2d = true

-- 2D轨迹构建器配置
TRAJECTORY_BUILDER_2D.num_accumulated_range_data = 1  -- Isaac Sim一次性获取完整扫描

-- 点云处理配置 - 匹配实际激光雷达参数
TRAJECTORY_BUILDER_2D.min_range = 0.4    -- 匹配实际minRange
TRAJECTORY_BUILDER_2D.max_range = 100.0  -- 匹配实际maxRange
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 5.0  -- 对于100米范围，设置为5米
TRAJECTORY_BUILDER_2D.use_imu_data = false  -- 2D SLAM不强制需要IMU
TRAJECTORY_BUILDER_2D.voxel_filter_size = 0.03  -- 从0.05减少到0.03，提高精度但降低计算量

-- 自适应体素滤波器 - 适配大范围激光雷达
TRAJECTORY_BUILDER_2D.adaptive_voxel_filter.max_length = 1.0  -- 增大以适应100米范围
TRAJECTORY_BUILDER_2D.adaptive_voxel_filter.min_num_points = 200  -- 保持合理的点数

-- 运动滤波器 - 针对大范围环境优化
TRAJECTORY_BUILDER_2D.motion_filter.max_time_seconds = 0.5   -- 从1.0减少到0.5
TRAJECTORY_BUILDER_2D.motion_filter.max_distance_meters = 0.1  -- 从0.2减少到0.1
TRAJECTORY_BUILDER_2D.motion_filter.max_angle_radians = math.rad(1.0)  -- 保持角度阈值

-- 子图配置 - 关键优化：针对180度450点激光雷达
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 25  -- 从50减少到25，更快生成子图
TRAJECTORY_BUILDER_2D.submaps.grid_options_2d.grid_type = "PROBABILITY_GRID"
TRAJECTORY_BUILDER_2D.submaps.grid_options_2d.resolution = 0.1  -- 对于100米范围，适当降低分辨率

-- 关键优化：概率网格范围数据插入器参数 - 解决5分钟问题的核心
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.range_data_inserter_type = "PROBABILITY_GRID_INSERTER_2D"
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.probability_grid_range_data_inserter.insert_free_space = true  -- 确保启用自由空间插入
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.probability_grid_range_data_inserter.hit_probability = 0.65  -- 提高命中概率
TRAJECTORY_BUILDER_2D.submaps.range_data_inserter.probability_grid_range_data_inserter.miss_probability = 0.35   -- 降低缺失概率

-- 实时相关性扫描匹配器 - 适配180度扫描
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.15  -- 减小搜索窗口
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.angular_search_window = math.rad(15.0)  -- 减小角度搜索
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 1e-1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1

-- Ceres扫描匹配器权重
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.occupied_space_weight = 1.0
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 10.0
TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 40.0

-- 全局SLAM配置 - 适配大范围环境
POSE_GRAPH.optimize_every_n_nodes = 30  -- 从50减少到30
POSE_GRAPH.constraint_builder.sampling_ratio = 0.3  -- 对于大范围，适当降低采样比率
POSE_GRAPH.constraint_builder.max_constraint_distance = 20.0  -- 增大约束距离以适应100米范围
POSE_GRAPH.constraint_builder.min_score = 0.5  -- 保持适中的分数阈值

-- 快速相关性扫描匹配器配置 - 适配大范围
POSE_GRAPH.constraint_builder.fast_correlative_scan_matcher.linear_search_window = 10.0  -- 增大线性搜索窗口
POSE_GRAPH.constraint_builder.fast_correlative_scan_matcher.angular_search_window = math.rad(30.0)
POSE_GRAPH.constraint_builder.fast_correlative_scan_matcher.branch_and_bound_depth = 7

-- Ceres扫描匹配器配置
POSE_GRAPH.constraint_builder.ceres_scan_matcher.occupied_space_weight = 20.0
POSE_GRAPH.constraint_builder.ceres_scan_matcher.translation_weight = 10.0
POSE_GRAPH.constraint_builder.ceres_scan_matcher.rotation_weight = 1.0

-- 全局SLAM姿态图优化器
POSE_GRAPH.optimization_problem.huber_scale = 1e1
POSE_GRAPH.optimization_problem.acceleration_weight = 1.1e2
POSE_GRAPH.optimization_problem.rotation_weight = 1.6e4

return options

创建Launch文件

在~/catkin_ws/install_isolated/share/cartographer_ros/launch/目录下创建isaac_sim_2d.launch：

<!--
  Launch file for Isaac Sim 2D SLAM using Cartographer ROS (基于实际激光雷达参数)
  激光雷达配置：180度，450点，0.4-100米范围
-->

<launch>
  <!-- Robot Description -->
  <param name="robot_description"
    textfile="$(find cartographer_ros)/urdf/isaac_sim_robot.urdf" />

  <!-- Robot State Publisher -->
  <node name="robot_state_publisher" pkg="robot_state_publisher"
    type="robot_state_publisher" />

  <!-- Static Transform Publisher for map->odom if needed -->
  <node pkg="tf2_ros" type="static_transform_publisher" name="map_odom_broadcaster"
    args="0 0 0 0 0 0 map odom" />

  <!-- Cartographer Node -->
  <node name="cartographer_node" pkg="cartographer_ros"
      type="cartographer_node" args="
          -configuration_directory $(find cartographer_ros)/configuration_files
          -configuration_basename isaac_sim_2d.lua"
      output="screen">
    <!-- Topic remapping to match Isaac Sim topics -->
    <remap from="points2" to="robot_lidar_pointcloud" />
    
    <!-- 性能优化参数 -->
    <param name="collect_metrics" value="false"/>
    <param name="use_trajectory_builder_2d" value="true"/>
  </node>

  <!-- Cartographer Occupancy Grid Node - 针对100米范围优化 -->
  <node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"
      type="cartographer_occupancy_grid_node" 
      args="-resolution 0.05 -publish_period_sec 0.5" 
      output="screen">
    
    <!-- 关键参数：占用网格阈值设置 - 提高障碍物识别准确性 -->
    <param name="occupied_thresh" value="0.50"/>     <!-- 降低占用阈值：概率>50%认为是障碍物，更安全 -->
    <param name="free_thresh" value="0.30"/>         <!-- 提高空闲阈值：概率<30%认为是空闲，更保守 -->
    <param name="map_update_rate" value="0.5"/>      <!-- 地图更新频率：0.5Hz (大范围地图) -->

    <!-- 优化参数：保守的障碍物识别策略 -->
    <param name="track_unknown_space" value="true"/> 
    <param name="use_maximum" value="true"/>         <!-- 启用最大值策略，保留障碍物信息 -->
    <param name="lethal_cost_threshold" value="50"/> <!-- 降低致命代价阈值，更早识别障碍物 -->
    <param name="unknown_cost_value" value="-1"/>    
    <param name="trinary_costmap" value="false"/>    <!-- 禁用三元地图，保留更多细节信息 -->     
    
    <!-- 发布设置 -->
    <param name="frame_id" value="map"/>
    <param name="subscribe_to_updates" value="false"/>
  </node>

  <!-- TF2 Buffer Server - 扩大缓冲区以适应大范围环境 -->
  <node pkg="tf2_ros" type="buffer_server" name="tf2_buffer_server">
    <param name="buffer_size" value="300.0"/>  <!-- 增大缓冲区 -->
  </node>

  <!-- RViz Visualization -->
  <node name="rviz" pkg="rviz" type="rviz" 
      args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" 
      required="false">
    <param name="frame_timeout" value="30.0"/>  <!-- 增大超时时间 -->
  </node>

  <!-- 诊断工具：监控话题频率和数据质量 -->
  <node pkg="rostopic" type="rostopic" name="lidar_hz_monitor"
      args="hz /robot_lidar_pointcloud -w 10"
      output="log" required="false"/>
      
  <node pkg="rostopic" type="rostopic" name="map_hz_monitor"
      args="hz /map -w 10"
      output="log" required="false"/>

  <!-- 激光雷达数据质量监控 -->
  <node pkg="rostopic" type="rostopic" name="lidar_echo_monitor"
      args="echo /robot_lidar_pointcloud/header -n 5"
      output="log" required="false"/>

</launch>

第二步：启动顺序

2.1 终端1：启动ROS核心

# 激活你的conda环境
conda activate myenv_py38

# 设置ROS环境
source /opt/ros/noetic/setup.bash
source ~/catkin_ws/install_isolated/setup.bash

# 启动roscore
roscore

2.2 终端2：启动Isaac Sim

# 启动Isaac Sim（根据你的安装路径调整）
cd ~/isaacsim  # 或者你的Isaac Sim安装路径
./isaac-sim.sh

# 或者如果你有python脚本启动：
./python.sh /path/to/your/isaac_sim_script.py
#笔者自己运行如下
./python.sh /home/lwb/Project/CleanUp_Bench_SVSDF/main_system.py

重要：确保Isaac Sim中的Action Graph正在运行并发布点云数据

2.3 终端3：验证Isaac Sim话题

# 激活环境
conda activate myenv_py38
source /opt/ros/noetic/setup.bash

# 检查话题是否正确发布
rostopic list | grep robot_lidar

# 检查点云数据
rostopic echo /robot_lidar_pointcloud --noarr

# 检查发布频率
rostopic hz /robot_lidar_pointcloud

2.4 终端4：启动Cartographer

# 激活环境
conda activate myenv_py38
source /opt/ros/noetic/setup.bash
source ~/catkin_ws/install_isolated/setup.bash

# 启动Cartographer SLAM
roslaunch cartographer_ros isaac_sim_2d.launch

RViz配置步骤：

设置Fixed Frame为map
添加以下显示项：
- Map (nav_msgs/OccupancyGrid) - Topic: /map
- PointCloud2 (sensor_msgs/PointCloud2) - Topic: /scan_matched_points2
- TF - 显示坐标系
- Axes - 显示坐标轴

4 保存地图

# 保存当前SLAM状态
rosservice call /write_state "{filename: '~/isaac_sim_map.pbstream', include_unfinished_submaps: true}"

# 保存占用栅格地图
rosrun map_server map_saver -f ~/isaac_sim_map map:=/map

Cartographer RViz参数详细说明表

PointCloud2 部分

参数名称	当前值	功能说明
Topic	`/scan_matched_points2`	Cartographer发布的经过扫描匹配处理后的点云数据，用于子图匹配
Status	Ok	话题连接状态正常
Queue Size	10	ROS消息队列大小，控制缓存消息数量
Selectable	✓	允许在RViz中点击选择该显示项
Style	Flat Squares	点云显示样式，采用平方块渲染
Size (m)	0.05	每个点的显示大小，单位为米
Alpha	1	透明度设置（0-1，1为完全不透明）
Decay Time	0	点云衰减时间，0表示永不消失
Position Transformer	XYZ	位置坐标变换方式，使用标准XYZ坐标
Color Transformer	FlatColor	颜色变换方式，使用固定颜色
Color	绿色 (0;255;0)	点云显示颜色为绿色

Trajectories 部分

参数名称	当前值	功能说明
Topic	`/trajectory_node_list`	SLAM轨迹节点列表，显示机器人运动轨迹
Status	Error	当前连接错误，可能话题未发布或数据格式问题
Marker Topic	`/trajectory_node_list`	轨迹可视化标记话题
Queue Size	100	消息队列大小，缓存更多轨迹数据
相关配置	`trajectory_publish_period_sec`	控制轨迹标记发布频率的参数

Landmark Poses 部分

参数名称	当前值	功能说明
Topic	`/landmark_poses_list`	地标位置列表，用于辅助定位
Status	Ok	连接状态正常
Marker Topic	`/landmark_poses_list`	地标可视化标记话题
Queue Size	100	消息队列大小
相关配置	`use_landmarks`	Lua配置中启用地标功能的开关

Constraints 部分（约束可视化）

约束类型	话题/状态	功能说明
主话题	`/constraint_list`	显示所有约束信息的主话题
整体状态	Error	当前显示错误状态
Marker Topic	`/constraint_list`	约束可视化标记话题
Queue Size	100	消息队列大小

约束子类型详解

约束子类型	英文名称	功能描述
局部约束	Intra constraints	轨迹上相邻节点间的自动约束，保持局部结构一致性
局部残差	Intra residuals	局部约束优化过程中的残差信息
回环约束（同轨迹）	Inter constraints, same trajectory	同一轨迹内的回环闭合约束，修正累积误差
回环残差（同轨迹）	Inter residuals, same trajectory	同轨迹回环约束的残差信息
多轨迹约束	Inter constraints, different trajectories	不同轨迹间的约束（多机器人SLAM场景）

配置参数	作用说明
`POSE_GRAPH.optimize_every_n_nodes`	控制全局优化频率，设为0可禁用全局SLAM
`POSE_GRAPH.constraint_builder.log_matches`	启用约束匹配日志记录
`POSE_GRAPH.log_residual_histograms`	启用残差直方图日志
`TRAJECTORY_BUILDER_nD.voxel_filter_size`	影响点云密度和显示效果

终极：对未知地图的探索

完整的MapEx环境设置教程

1. 确保MapEx仓库已克隆

# 如果还没有克隆仓库，先执行：
cd ~
git clone --recurse-submodules https://github.com/castacks/MapEx.git
cd MapEx
git checkout main
git submodule update --init --recursive

2. 进入lama子模块目录并创建conda环境

# 从你当前的位置进入MapEx/lama目录
cd ~/MapEx/lama

# 使用conda创建环境（替代原文档中的mamba命令）
conda env create -f conda_env.yml

# 激活lama环境
conda activate lama

4. 下载预训练模型

您可以从此链接下载预训练模型。将 zip 文件放在Downloads文件夹目录下并解压缩文件。

# 创建预训练模型目录（如果不存在）
mkdir -p ~/MapEx/pretrained_models
# 下载并解压预训练模型（需要先下载weights.zip文件）
# 假设你已经下载了weights.zip到Downloads文件夹
mv ~/Downloads/weights.zip ~/MapEx/pretrained_models/
cd ~/MapEx/pretrained_models/
unzip weights.zip

5. 安装range_libc

# 确保lama环境已激活
conda activate lama

# 进入range_libc目录并安装
cd ~/MapEx/range_libc/pywrapper
python3 setup.py install 
pip3 install Cython

6. 安装KTH工具箱依赖项

# 安装Python依赖
python3 -m pip install pyastar2d

# 使用conda安装numba
conda install numba --yes

7. 验证安装

# 测试运行MapEx
cd ~/MapEx/scripts/
python3 explore.py

8.更新文件

/home/lwb/MapEx/configs/base.yaml
/home/lwb/MapEx/scripts/explore.py

环境路径说明

你的miniconda3安装在：/home/lwb/miniconda3
lama环境将创建在：/home/lwb/miniconda3/envs/lama
MapEx项目目录：~/MapEx（即/home/lwb/MapEx）

常用命令

# 激活lama环境
conda activate lama

# 退出环境
conda deactivate

# 查看已安装的包
conda list

# 删除环境（如果需要重新安装）
conda env remove -n lama

详细运行步骤（6个终端）

终端1: 启动ROS核心

# 激活Cartographer环境
conda activate myenv_py38
source /opt/ros/noetic/setup.bash
source ~/catkin_ws/install_isolated/setup.bash

# 启动roscore
roscore

终端2: 启动ROS桥接节点

# 激活Cartographer环境（与ROS同环境）
conda activate myenv_py38
source /opt/ros/noetic/setup.bash
source ~/catkin_ws/install_isolated/setup.bash

# 启动独立ROS桥接节点
cd /home/lwb/Project/CleanUp_Bench_SVSDF/
python3 ros_bridge_node.py

重要: 这个节点负责Isaac Sim与ROS系统的通信，必须在Isaac Sim启动前运行。

终端3: 启动Isaac Sim主系统

# 进入Isaac Sim目录
cd ~/isaacsim

# 启动主系统（使用Isaac Sim的Python 3.10环境）
./python.sh /home/lwb/Project/CleanUp_Bench_SVSDF/main_system.py

等待: 确保看到"ROS桥接连接成功!"消息后再继续下一步。

终端4: 启动Cartographer SLAM

# 激活Cartographer环境
conda activate myenv_py38
source ~/catkin_ws/install_isolated/setup.bash && roslaunch cartographer_ros isaac_sim_2d.launch

等待: 确保Isaac Sim已开始发布/robot_lidar_pointcloud话题。

终端5: 启动ROS桥接节点

# 激活Cartographer环境（与ROS同环境）
conda activate myenv_py38
source /opt/ros/noetic/setup.bash
source ~/catkin_ws/install_isolated/setup.bash

# 启动独立ROS桥接节点
cd /home/lwb/Project/CleanUp_Bench_SVSDF/
python3 MapEx_Bridge_Node.py

终端6: 启动MapEx探索

# 激活MapEx环境
conda activate lama
cd ~/MapEx/scripts/

# 等待Cartographer开始建图后运行
python3 explore.py

终端7: 验证连接

conda activate myenv\_py38
source /opt/ros/noetic/setup.bash

echo "=== 系统连接验证 ==="

echo "1. 检查Isaac Sim激光雷达数据："
timeout 5s rostopic echo /robot\_lidar\_pointcloud --noarr | head -3

echo "2. 检查Cartographer地图："
timeout 5s rostopic echo /map --noarr | head -3

echo "3. 检查速度指令："
timeout 5s rostopic echo /cmd\_vel --noarr | head -3

echo "4. 节点连接图："
rosnode list | grep -E "(bridge|cartographer|isaac)"

echo "5. 话题频率："
echo "激光雷达频率："
timeout 10s rostopic hz /robot\_lidar\_pointcloud

echo "地图更新频率："
timeout 10s rostopic hz /map

等待: 确保Cartographer已开始发布/map话题。

打造智能机器人感知系统！Isaac Sim激光雷达传感器配置到ROS SLAM建图完全实战指南

基础：Isaac Sim LiDAR和相机传感器ROS集成教程

1. 教程概述

参考资料

版本说明

2. 前置准备

2.1 环境要求

2.2 启用ROS1 Bridge

3. 传感器创建与配置

3.1 创建PhysX LiDAR传感器

LiDAR参数说明

3.2 创建相机传感器

4. Action Graph配置

4.1 创建LiDAR数据发布的Action Graph

核心节点列表

节点配置与连接

连接方式

4.2 创建相机数据发布的Action Graph

核心节点列表

节点配置与连接

连接方式

5. 传感器绑定到机器人

5.1 绑定LiDAR到底盘

5.2 绑定相机到机械臂

6. 运行测试流程

6.1 启动ROS核心（终端1）

6.2 启动Isaac Sim（终端2）

6.3 验证ROS话题发布

6.4 可视化测试（终端3）

6.5 查看节点图（终端4，可选）

7. RViz可视化LiDAR数据

7.1 启动RViz

7.2 设置固定坐标系

7.3 添加PointCloud2显示插件

7.4 配置PointCloud2显示属性

7.5 同时可视化相机图像（可选）

7.6 保存RViz配置

8. 效果展示

8.1 运行效果

8.2 激光雷达参数调整效果

9. SLAM建图

9.1 环境准备

9.2 搭建Cartographer进行SLAM

德意志博物馆

纯本地化

运行2D SLAM示例

运行3D SLAM示例

进阶：Isaac Sim + Cartographer ROS 2D SLAM 完整配置指南

前置条件检查

第一步：文件创建和配置

1.1 创建配置文件

1.2 创建文件

创建URDF文件

创建Lua配置文件

创建Launch文件

第二步：启动顺序

2.1 终端1：启动ROS核心

2.2 终端2：启动Isaac Sim

2.3 终端3：验证Isaac Sim话题

2.4 终端4：启动Cartographer

4 保存地图

Cartographer RViz参数详细说明表

PointCloud2 部分

Trajectories 部分

Landmark Poses 部分

Constraints 部分（约束可视化）

约束子类型详解

相关配置参数

终极：对未知地图的探索

完整的MapEx环境设置教程

1. 确保MapEx仓库已克隆

2. 进入lama子模块目录并创建conda环境

4. 下载预训练模型

5. 安装range_libc

6. 安装KTH工具箱依赖项

7. 验证安装

8.更新文件

环境路径说明

常用命令

详细运行步骤（6个终端）