Cartographer作为Google开源的实时同步定位与地图构建（SLAM）系统，其建图精度直接影响机器人导航、环境感知等核心功能。本文将系统介绍如何利用Cartographer内置工具进行精度评估，通过量化指标分析与可视化手段，帮助开发者快速定位地图偏差来源，优化配置参数。

这个方法只是前端里程计质量的筛选工具，不是最终成品地图的验收工具，

不是用来评估【闭环优化完成之后那张最终地图本身好不好】；而是专门评估：

关掉回环、只跑前端局部 SLAM 时，轨迹漂移有多大（前端 + 里程计‑IMU 融合质量）

不能做建图质量评估，

不能作为纯定位的定位评估，为什么这套工具不能用来评估纯定位 pure‑localization

autogenerate_ground_truth：数据源必须是闭环约束（子图‑子图约束）
pure‑localization 冻结旧子图，
运行全程不会产生任何新的闭环约束
所以纯定位输出的 pbstream，喂进去 compute_relations_metrics → 找不到约束对，0 个样本，评估失败


这就是官方这套工具的硬性限制。它的待评估轨迹也必须是建图模式下跑出来、可以生成闭环约束的轨迹

评估原理与核心指标

Cartographer采用基于相对位姿关系的评估方法，避免了传统SLAM评估对高精度外部真值（如GPS-RTK、运动捕捉系统）的依赖。该方法通过比较轨迹节点间的相对位姿误差，量化建图质量。

核心评估指标

绝对平移误差：轨迹节点间相对位置偏差的均值与标准差（单位：米）
平方平移误差：平移误差的平方值，放大显著偏差的影响（单位：平方米）
绝对旋转误差：轨迹节点间相对姿态偏差的均值与标准差（单位：度）
平方旋转误差：旋转误差的平方值，用于评估姿态一致性（单位：平方度）
 

上述指标通过cartographer/ground_truth/compute_relations_metrics_main.cc实现计算，核心逻辑基于位姿变换矩阵的误差分解。

完整评估流程

同一 bag 数据开启回环优化跑 Cartographer → 得到 optimized.pbstream（参考轨迹）

用autogenerate_ground_truth生成 relations.pb参考关系

关闭回环检测，同一原始 bag 只跑局部 SLAM，得到test.pbstream（待评估轨迹）

compute_relations_metrics计算局部 SLAM 的漂移误差，用来评估里程计、IMU、雷达前端精度。

评估流程

自动生成真值关系：从带回环优化的轨迹中提取满足阈值条件的位姿关系

测试数据评估：将待评估轨迹与生成的真值关系进行比对，计算误差指标

真值关系生成

真值关系生成工具从优化后的轨迹中筛选高质量回环约束，构建评估基准。关键参数包括距离阈值、异常值过滤阈值等，通过cartographer/ground_truth/autogenerate_ground_truth_main.cc实现。

./cartographer_autogenerate_ground_truth -pose_graph_filename /home/hnu/carto_ws/maps/8-24map.pbstream -output_filename relations.pbstream -min_covered_distance 50 -outlier_threshold_meters 0.15 -outlier_threshold_radians 0.02

参数调优建议

min_covered_distance：室内环境建议设为50-100米，室外环境可提高至200米以上

异常值阈值：根据传感器精度调整，激光雷达建议设为平移≤0.15m、旋转≤0.02rad

精度量化分析

使用生成的真值关系文件，通过compute_relations_metrics工具计算量化指标，输出CSV格式的详细误差数据。

./cartographer_compute_relations_metrics \
  -relations_filename relations.pbstream \  # 生成的真值关系文件
  -pose_graph_filename test.pbstream \      # 待评估的位姿图文件
  -write_relation_metrics true             # 启用CSV输出

./cartographer_compute_relations_metrics -relations_filename relations.pbstream -pose_graph_filename /home/hnu/carto_ws/maps/8-25map.pbstream

典型输出结果

Abs translational error 0.01944 +/- 0.01819 m
Sqr translational error 0.00071 +/- 0.00189 m^2
Abs rotational error 0.11197 +/- 0.12432 deg
Sqr rotational error 0.02799 +/- 0.07604 deg^2

输出文件路径：test.pbstream.relation_metrics.csv，包含每对关系的平移/旋转误差、期望位姿等详细数据，可用于绘制误差分布热力图或时间序列分析。

实践指南与工具链

评估工具链组成

真值生成器：cartographer/ground_truth/autogenerate_ground_truth_main.cc
指标计算器：cartographer/ground_truth/compute_relations_metrics_main.cc
配置文件：configuration_files/目录下的Lua配置文件，可调整滤波器参数

评估结果解读

平移误差>0.5m：可能存在传感器标定误差或特征匹配失效
旋转误差>1°：需检查IMU参数或里程计融合权重
误差标准差大：表明建图一致性差，建议优化回环检测阈值

官方文档参考

完整评估流程与参数说明参见官方评估文档，包含算法原理、阈值选择指南及案例分析。

常见问题与优化方向

典型误差来源

传感器噪声：激光雷达点云密度不足或IMU漂移
环境动态干扰：移动物体导致的错误特征匹配
参数配置不当：滤波器阈值或优化迭代次数不足

优化建议

调整configuration_files/trajectory_builder_2d.lua中的运动滤波器参数
增加回环检测约束数量，通过configuration_files/pose_graph.lua调整匹配阈值
优化cartographer/mapping/internal/optimization/目录下的优化器配置

通过系统性评估与参数迭代，可将Cartographer在典型室内环境的平移误差控制在0.1m以内，旋转误差控制在0.5°以内，满足大多数导航机器人的建图精度需求。
 

评估纯定位漂移

放弃 cartographer 自带 relations 工具 → 导出轨迹 + evo

1. 回放 bag 跑纯‑localization；
2. 订阅 /tracked_pose（PoseStamped）或者 odom‑>map 的 tf，把每一条位姿 + 时间戳保存成 csv 轨迹文件；
3. 建图那条轨迹也导出一条参考真值轨迹 csv；
4. 使用 evo_rpe 计算相对漂移误差；
5. 可选：有 RTK 真值就用 evo_ape 计算全局绝对误差 ATE。