GIS TO SLAM
本篇随项目推进持续更新，记录每一步进展。
今天是2026-9-23，刚刚接触 ROS 环境，也才开始了解 SLAM 的一些基础知识。站在这个全新的起点上，我想写下这篇博客，记录此刻的学习、探索，以及那些还略显生涩的理解。或许多年以后，当我再次翻到这里，会怀念这个一切才刚刚开始的秋天。
一、为什么我决定深耕SLAM方向？
AI 的发展正在改变传统 GIS 岗位，制图、空间数据处理、遥感影像解译中的许多重复性工作也在逐渐被自动化。而我更喜欢探索技术、理解原理，而不是长期停留在重复性的生产工作中。
找到一个既热爱、又能给自己一口饭吃的方向并不容易。恰好在车老师的引导下，我接触到了 SLAM。它涉及 ROS、机器人、激光雷达与算法，看似跨出了 GIS，但点云数据、地图、坐标系、定位——恰恰是我的老本行。
所以，这不是从零跨行，而是从 GIS 出发，走向定位、感知与空间智能。「GIS + SLAM」的交叉也给了我更大的探索空间。未来无论是研究生阶段还是更长远的发展，我都希望继续深耕这个方向——面向技术，面向原理，也面向算法。
二、我的SLAM项目
1、什么是SLAM？
Simultaneous Localization and Mapping：同步定位与建图。
| 问题 | 前提 | 求什么 | 例子 |
| 定位（Localization） | 已经有了一张地图 | 我在哪 | GPS导航 |
| 建图（Mapping） | 已经知道自己每一刻在哪 | 地图长什么样 | 测绘 |
定位、建图这两件事单看，都不算难。难的是把前提去掉，也就是提前没有地图，提前不知道自己每一刻在哪，而SLAM正是同时进行这两件事情，这也是SLAM的魅力与所在，hh，也是更容易出科研成果的地方。
2、项目初期开始，我做了哪些准备？
首先操作系统环境问题，由于我的电脑是WIN11，对于ROS2的环境搭建很不友好，于是我购买了一块固态硬盘，放在电脑上，装了Ubuntu系统。
可见，我装上了Ubuntu 26.04版本以及对应的ROS2版本：
主要硬件清单如下：
| 部件 | 规格 |
| 主控 | 树莓派 4B（4核/～3.7GB可用内存/214GB空间存储） |
| 激光雷达 | RPLIDAR A1M8，固件1.28，硬件Re5，SN64b09a86…623078 |
开发在本机做，树莓派只负责采雷达、把数据发到局域网，所以它也需要一套 ROS 2 环境。可它的宿主是 Debian 12 bookworm（Raspberry Pi OS，aarch64）——ROS 2 官方只按 Ubuntu 发二进制包，Debian 不在支持范围内，装不了本机那套 Lyrical。于是用 Docker 补上：容器镜像是 Ubuntu 26.04 LTS / arm64，和本机对齐。
ROS 2 的二进制发行版严格按「一个发行版 ↔ 一个 Ubuntu 代号」发布。Lyrical 只对应 resolute（＝Ubuntu 26.04）。
关于在电脑本机和Pi的ROS2环境搭建，我都交给了AGENT。
3、当前进度项目系统架构（9月27日）
当前阶段的系统是一条「数据在车上采集、建图在笔记本上算」的两机链路：树莓派是车上唯一的硬件入口，一套 Flask 后端独占 /dev/serial0 串口与雷达电机的 PWM（GPIO11），负责把雷达字节解析成整圈点云，并把这份点云从两个出口分岔送出——一路经 Socket.IO（:5000）降采样后直接推给浏览器画粗略点云，另一路按行 JSON 从裸 TCP（:5001）吐出整圈全量数据；后者由跑在树莓派 Docker 容器里的 lidar_bridge.py 接走，翻译成 ROS 2 的 /scan 话题，再经跨机 DDS 送到笔记本，笔记本上的 slam_toolbox 订阅它建图、rviz2 实时显示、map_service.py 把 /map 转成 HTTP 接口（:5002），浏览器最后轮询这个接口把地图画到画布上。浏览器全程只是纯客户端，同时维持着三条互不依赖的连接——控制与点云走树莓派的 :5000，地图走笔记本的 :5002，页面本身来自笔记本的 :8080——所以断掉任何一条都不影响另外两条，而整条链路里唯一真正跨网的一跳是 DDS，也正是最容易坏的一跳。
这一版架构有意缺一个器官：车上没有编码器和 IMU，odom → base_link 由静态 TF 发布，SLAM 只能假设小车从未移动过——因此它的验收场景被限定为小车静止，车一动地图就会糊（下图为绕圈38-610所建，可见精度较低）：
（未完…下一阶段为接入里程计和IMU，重新跑SLAM ToolBox算法）
二编见下
4、IMU、编码器接入，并重构项目（10月2日）
上一版架构里我故意留了个缺口：车上没有编码器和 IMU，odom → base_link 由一条静态 TF 发布——等于 SLAM 每天睁眼第一件事是假装小车从没动过。所以它只能”静止建图”，车一动地图就糊。
10 月 2 日到 3 日，这个器官装上了。现在的数据流长这样：
【车上 · 树莓派】
4×轮编码器(GPIO) ──► encoder.py ←─ pigpio 事件流，四倍频解码
IMU(Type-C→USB串口) ─► imu.py ←─ CH340 芯片，115200，47Hz
│
▼
odometry.py（纯函数：tick+陀螺 → 距离/速度/航向）
│
odom_exporter.py ──TCP :5003──┐
│（NDJSON，每拍三种消息）
【车上 · Docker 容器】 ▼
odom_bridge.py ──► /wheel_odom + /imu/data_raw（ROS 2 话题）
│
DDS 跨机（和 /scan 同机制）
│
【笔记本】 ▼
robot_localization EKF ──► /odometry/filtered + 真实的 odom→base_link TF
│
slam_toolbox（mapping.launch，阈值 0.5）──► /map
5、项目阶段性进度
硬件状态：
| 部件 | 状态 | 备注 |
|---|---|---|
| 激光雷达 | ✅ 5.5 Hz 稳定 | 前任是一根断芯的 RX 杜邦线（引脚下拉电平测法定位的）；电源两根已换粗线，3 次启停加严验收通过 |
| IMU | ✅ 47 Hz | I2C 方案放弃（总线会被探测指令打楔），改走 USB 串口后一次点亮 |
| 编码器 ×4 | ✅ 四路全通 | 双向计数，四轮离散度 0.2% |
| 轮子 | ✅ 前后都转 | 顺带学到的：轮子不转先查电池开关（真事） |
里程计参数：全部实测，零名义值
| 参数 | 值 | 怎么来的 |
|---|---|---|
| 编码器尺度 | 13629 tick/m | 推车 1 米实测（规格书的 624 PPR 不适用这批电机，差 2.8 倍！） |
| 航向 | 陀螺积分 | 原地转 180° 实测：陀螺积分 179.3°，误差 0.4° |
| 等效轮距 | 0.0704 m | 四轮原地转有”蹭地”打滑，几何轮距 ≠ 等效轮距 |
| 判向符号 | 前进全 + | 编码器相位反向的那一路，软件取负 |
闭环验证：标定后重新推 1 米，里程计读 0.988 m，误差 1.2%。
（未完..下步开始建图、调参数、学算法原理）
10月4、5日，学习了理论知识，见：https://geocommunity.vip/index.php/2026/10/04/mapping-topic-data-flow/
10月9日，跑通了开源算法slamtoolbox，并跑通了基准参数，构建了两张地图：
619室：
38号楼一楼大厅：
详情见：https://geocommunity.vip/index.php/2026/10/09/practice1/。