7. 实战：把 gmapping 跑起来，参数怎么调
上一篇：6. 源码走读：一帧激光的旅程 ｜ 下一篇：8. 从理解到实现：迷你gmapping
一、快速上手（ROS1）
1
2
3
4
5
6
7
8
9
10
11
12
|
roslaunch turtlebot3_gazebo turtlebot3_world.launch
roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=gmapping
roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch
rosrun map_server map_saver -f my_map
|
gmapping 的接口（对着 第 2 篇 的输入输出看）：
| 方向 |
内容 |
| 订阅 |
/scan（sensor_msgs/LaserScan）、/tf（需有 odom->base_link） |
| 发布 |
/map（OccupancyGrid, latched）、/map_metadata、/entropy（定位不确定度）、TF map->odom |
| 服务 |
dynamic_map（请求当前地图） |
二、参数速查表（按作用分组）
2.1 粒子滤波参数（对应第 3/5 篇）
| 参数 |
默认 |
含义（原理对应） |
调法 |
particles |
30 |
粒子数 3. 粒子滤波：一千个分身猜位置 |
大场景/快速旋转/长走廊 -> 加大（100~200）；日常 30 够 |
resampleThreshold |
0.5 |
Neff/N 低于它才重采样 5. gmapping的两大改进 |
一般不动；调低=更少重采样保多样性，调高=更激进 |
minimumScore |
50 |
扫描匹配最低得分，低于则放弃匹配退回纯里程计 |
地图糊/错位时先调它：环境特征多可加到 80+ |
2.2 扫描匹配参数（对应第 5 篇改进一）
| 参数 |
默认 |
含义 |
sigma |
0.05 |
撒 K 个候选时的高斯扰动 σ（平移） |
sstep/dstep |
0.05 |
优化步长 |
lstep/astep |
0.05 |
爬山搜索步长 |
iterations |
5 |
扫描匹配优化迭代次数 |
lsigma |
0.075 |
似然场平滑 σ |
ogain |
3.0 |
得分增益 |
kernelSize |
1 |
每个粒子的候选采样数 K |
2.3 更新阈值（对应第 6 篇 processScan 触发条件）
| 参数 |
默认 |
含义 |
调法 |
linearUpdate |
0.2 m |
平移超过它才处理新帧 |
雷达频率低/电脑慢 -> 调大，减少计算 |
angularUpdate |
0.2 rad |
旋转超过它才处理 |
快速转向的机器人适当调小防丢 |
temporalUpdate |
-1 s |
时间间隔阈值（-1 关闭） |
想固定频率处理时启用 |
2.4 地图与里程计
| 参数 |
默认 |
含义 |
调法 |
delta |
0.05 m |
栅格分辨率 |
精度要求高 -> 0.03/0.02，但内存×2~6 |
maxUrange |
80 |
激光用于建图的最大距离 |
设为雷达量程的 80%（去掉远端噪声） |
xmin/ymin/xmax/ymax |
-100~100 |
地图边界 |
按实际场地设小，省内存 |
srr/str/srt/stt |
0.01~0.02 |
里程计误差模型（平移/旋转引起平移/旋转） |
打滑多 -> 调大，粒子撒得更开 |
三、对症下药：常见症状与处方
| 症状 |
病因猜测 |
处方 |
| 地图”重影”/墙面有多个影子 |
扫描匹配失败，位姿修正不动 |
minimumScore ↑；检查雷达是否水平；maxUrange ↓ |
| 快速转弯时地图撕裂 |
旋转太快，两帧间运动先验太差 |
angularUpdate ↓（更勤处理）；particles ↑；里程计误差参数 ↑ |
| 走回原地但地图对不上（回环错位） |
gmapping 没有回环检测（先天） |
增大 particles 硬扛 / 换 Cartographer（见 9. 局限与进阶：gmapping之外的世界） |
| 内存占用暴涨 |
粒子多 × 地图大 |
particles ↓、delta ↑、xmin... 范围 ↓ |
| 长走廊里定位漂移 |
走廊特征少，扫描匹配无约束 |
里程计误差参数微调；现实中贴几块纸箱”造特征” 😄 |
| CPU 打满 |
处理频率过高 |
linearUpdate/angularUpdate ↑，throttle_scans ↑ |
调参心法：先保证里程计靠谱（TF 树完整、轮距轮径标定），再动 minimumScore，最后才是粒子数。80% 的”gmapping 不准”其实是里程计/TF 的问题。
四、判断建图质量的三个抓手
/entropy 话题：粒子滤波的不确定度（越低越好，回环错位时会飙升）；- RViz 看粒子云（debug 模式）：粒子是否聚成一团（健康）还是散开（快丢了）；
- 地图边缘锐利度：墙是一条细线 = 匹配准；墙有毛边/重影 = 匹配漂了。
五、本篇小结
- 上手三件套：仿真 + teleop + RViz，
map_saver 存图；
- 参数四组：粒子滤波 / 扫描匹配 / 更新阈值 / 地图与里程计；
- 调参顺序心法：里程计 -> minimumScore -> 粒子数；
- 回环错位是 gmapping 的先天缺陷，无参可调。
📚 参考：ROS1系列（参数详解章节，本文主要依据）、不可错过的使用与解释、SLAM_Gmapping建图、Gmapping建图