tf是坐标变换、位姿，用于表示两个坐标系间变换值，它关联的两个坐标系有严格的前后关系。“坐标系2-->坐标系1的tf”描述了一个从坐标系2到坐标系1的tf。举个例子，“odom-->map的tf”，如果是a2是odom坐标系下坐标，a1是map坐标系下坐标，那a1 = tf * a2。
一、tf树
- map。地图坐标系。根坐标系（Fixed Frame），与机器人所在的世界坐标系一致。
- odom。里程计误差坐标系。cartographer发布。根据里程计读数算出的机器人理论位置（SLAM运动方程）和实际位置之间误差，这些误差形成的坐标系。机器人运动开始，odom和map坐标系是重合的，随着时间推移可能不重合了，而出现的偏差就是里程计的累积误差。所以，如果odom器件非常精准，精准到不会有噪声，那么odom-->map的tf就是0，map和odom这两坐标系一直重合。这有个疑问，cartographer不用里程计器件时，怎么得到odom-->map的tf？——它就是最新子图经过Global SLAM得到的全局位姿和该子图AddRangeData模块算出的初始位姿的差值，见函数ComputeLocalToGlobalTransform。
- base_footprint。机器人底盘坐标系，与机器人中心重合
- laser。激光雷达坐标系。与激光雷达的安装点有关，其与base_footprint的tf为固定的。相对map坐标系，它就是激光雷达在map的实时坐标。
- imu_link。IMU坐标系。与IMU器件的安装点有关，其与base_footprint的tf为固定的。相对map坐标系，它就是IMU器件在map的实时坐标。由于使用cartographer时，默认不使用IMU，所以用了红框。
在图2右侧，rivz显示了map、odom、laser坐标系位置关系。机器人离起始点已差不多2米，Global SLAM算出里程计累积误差，即odom和map之间tf是{t:[0.0607454m, -0.029037m, 0}, deg[-1.53578度}。
二、Node::PublishLocalTrajectoryData
图1所示，cartographer_node节点发布odom-->map、base_footprint-->odom坐标变换，具体是在PublishLocalTrajectoryData。除这两个坐标变换，还发布“scan_matched_points2”话题，该活题的消息类型sensor_msgs::PointCloud2。在深入PublishLocalTrajectoryData前，让先看下正使用的lua配置，以及一次轨迹数据LocalTrajectoryData。
2.1 使用的lua配置、LocalTrajectoryData
<cartographer>/revo_lds.lua
options = {
map_frame = "map",
tracking_frame = "base_footprint",
published_frame = "base_footprint",
odom_frame = "odom",
provide_odom_frame = true,
pose_publish_period_sec=5e-3,
}LocalTrajectoryData结构，它由两部分组成，节点(Node)固定就不变的local_slam_data，其它则会按当时状态实时计算。可近似认为一个节点(Node)对应一帧点云，一次LocalTrajectoryBuilder2D::AddRangeData后会生成一个节点，也就是说，一次AddRangeData后，PublishLocalTrajectoryData得到的LocalTrajectoryData中的local_slam_data才会发生改变。
class MapBuilderBridge {
struct LocalTrajectoryData {
// Contains the trajectory data received from local SLAM, after
// it had processed accumulated 'range_data_in_local' and estimated
// current 'local_pose' at 'time'.
// local_pose指局部位姿，LocalSlamData存储着和局部位姿相关的三个变量。
struct LocalSlamData {
// 计算local_pose的零时刻。
::cartographer::common::Time time;
// 零时刻时的local_pose。
::cartographer::transform::Rigid3d local_pose;
// 零时刻时在odom坐标系下的点云。
::cartographer::sensor::RangeData range_data_in_local;
};
std::shared_ptr<const LocalSlamData> local_slam_data;
cartographer::transform::Rigid3d local_to_map;
std::unique_ptr<cartographer::transform::Rigid3d> published_to_tracking;
TrajectoryOptions trajectory_options;
};
};2.2 PublishLocalTrajectoryData
cartographer_node启动时会创建个间隔pose_publish_period_sec(5毫秒)的定时器，定时器函数PublishLocalTrajectoryData。
void Node::PublishLocalTrajectoryData(const ::ros::TimerEvent& timer_event) {
absl::MutexLock lock(&mutex_);
for (const auto& entry : map_builder_bridge_.GetLocalTrajectoryData()) {
const auto& trajectory_data = entry.second;for中"auto"表示的类型是std::unordered_map<int, MapBuilderBridge::LocalTrajectoryData>，trajectory_data类型是MapBuilderBridge::LocalTrajectoryData，一个LocalTrajectoryData表示GLOBAL SLAM后的一个节点的某次数据。
LocalTrajectoryData有4个字段，local_slam_data和节点的局部位姿相关，在MapBuilderBridge::OnLocalSlamResult生成，生成时机是在Global SLAM新生成此节点时。由于定时器间隔很短，会发生新节点还没到，定时器又被执行，执行这些时local_slam_data数值是不会变的。其它3个字段，则是此刻的GetLocalTrajectoryData()按当前状态生成。注意local_to_map，它就是“一、tf树”中的“odom-->map的tf”。
auto& extrapolator = extrapolators_.at(entry.first);
// We only publish a point cloud if it has changed. It is not needed at high
// frequency, and republishing it would be computationally wasteful.
if (trajectory_data.local_slam_data->time !=
extrapolator.GetLastPoseTime()) {
if (scan_matched_point_cloud_publisher_.getNumSubscribers() > 0) {
// TODO(gaschler): Consider using other message without time
// information.
carto::sensor::TimedPointCloud point_cloud;
point_cloud.reserve(trajectory_data.local_slam_data->range_data_in_local
.returns.size());
for (const cartographer::sensor::RangefinderPoint point :
trajectory_data.local_slam_data->range_data_in_local.returns) {
point_cloud.push_back(cartographer::sensor::ToTimedRangefinderPoint(
point, 0.f /* time */));
}
scan_matched_point_cloud_publisher_.publish(ToPointCloud2Message(
carto::common::ToUniversal(trajectory_data.local_slam_data->time),
node_options_.map_frame,
carto::sensor::TransformTimedPointCloud(
point_cloud, trajectory_data.local_to_map.cast<float>())));发布话题消息，话题名：“scan_matched_points2”，消息类型：sensor_msgs::PointCloud2。node_options_.map_frame值是map，也就是说，消息中的frame_id填的是map，不是odom。点云数据来自local_slam_data中的range_data_in_local，但range_data_in_local存的是odom坐标系的坐标，为转换到map，须要乘上trajectory_data.local_to_map。
导航时，障碍层计算代价地图会订阅这话题。
}
extrapolator.AddPose(trajectory_data.local_slam_data->time,
trajectory_data.local_slam_data->local_pose);
}
geometry_msgs::TransformStamped stamped_transform;
// If we do not publish a new point cloud, we still allow time of the
// published poses to advance. If we already know a newer pose, we use its
// time instead. Since tf knows how to interpolate, providing newer
// information is better.
const ::cartographer::common::Time now = std::max(
FromRos(ros::Time::now()), extrapolator.GetLastExtrapolatedTime());
stamped_transform.header.stamp =
node_options_.use_pose_extrapolator
? ToRos(now)
: ToRos(trajectory_data.local_slam_data->time);
// Suppress publishing if we already published a transform at this time.
// Due to 2020-07 changes to geometry2, tf buffer will issue warnings for
// repeated transforms with the same timestamp.
if (last_published_tf_stamps_.count(entry.first) &&
last_published_tf_stamps_[entry.first] == stamped_transform.header.stamp)
continue;
last_published_tf_stamps_[entry.first] = stamped_transform.header.stamp;
const Rigid3d tracking_to_local_3d =
node_options_.use_pose_extrapolator
? extrapolator.ExtrapolatePose(now)
: trajectory_data.local_slam_data->local_pose;
const Rigid3d tracking_to_local = [&] {
if (trajectory_data.trajectory_options.publish_frame_projected_to_2d) {
return carto::transform::Embed3D(
carto::transform::Project2D(tracking_to_local_3d));
}
return tracking_to_local_3d;
}();
const Rigid3d tracking_to_map =
trajectory_data.local_to_map * tracking_to_local;在这个等式中，“map”指的是/map，“local”指的是/odom，“tracking”指的是base_footprint。
if (trajectory_data.published_to_tracking != nullptr) {
if (node_options_.publish_to_tf) {
if (trajectory_data.trajectory_options.provide_odom_frame) {在launcher，provide_odom_frame是true，将发布两种tf。
std::vector<geometry_msgs::TransformStamped> stamped_transforms; stamped_transform.header.frame_id = node_options_.map_frame; stamped_transform.child_frame_id = trajectory_data.trajectory_options.odom_frame; stamped_transform.transform = ToGeometryMsgTransform(trajectory_data.local_to_map); stamped_transforms.push_back(stamped_transform);
发布odom-->map的tf。变换值是trajectory_data.local_to_map。
stamped_transform.header.frame_id = trajectory_data.trajectory_options.odom_frame; stamped_transform.child_frame_id = trajectory_data.trajectory_options.published_frame; stamped_transform.transform = ToGeometryMsgTransform( tracking_to_local * (*trajectory_data.published_to_tracking)); stamped_transforms.push_back(stamped_transform);
发布base_footprint-->odom的tf。变换值是tracking_to_local * (*trajectory_data.published_to_tracking)。
tf_broadcaster_.sendTransform(stamped_transforms);
} else {
...
tf_broadcaster_.sendTransform(stamped_transform);
provide_odom_frame==false，只发布一种坐标变换。map-->base_footprintf。很少会有应用让进这个入口。
}
}
if (node_options_.publish_tracked_pose) {
::geometry_msgs::PoseStamped pose_msg;
pose_msg.header.frame_id = node_options_.map_frame;
pose_msg.header.stamp = stamped_transform.header.stamp;
pose_msg.pose = ToGeometryMsgPose(tracking_to_map);
tracked_pose_publisher_.publish(pose_msg);很少会有应用进这个入口。
}' } } }
在PublishLocalTrajectoryData，由于满足条件publish_to_tf==true，于是要发布坐标变换。至于发布什么坐标变换，取决于provide_odom_frame。
provide_odom_frame==true，会发布两种坐标变换。默认，也是launcher正在使用的。
- header.frame_id=map(配置变量map_frame值)、child_frame_id=odom(配置变量odom_frame值)
- header.frame_id=odom(配置变量odom_frame值)、child_frame_id=laser(配置变量published_frame值)
provide_odom_frame==false，只发布一种坐标变换。
- header.frame_id=map(配置变量map_frame值)、child_frame_id=laser(配置变量published_frame值)。
激光雷达设备会发布个“scan”话题，它的frame_id是“laser”，那它怎么融入tf坐标树？——雷达和机器人中的相对位置是固定的，即laser坐标系和base_footprint是固定的，于是上层会主动发一个laser-->base_frootprint的static-tf，到此laser也融入了tf树。
三、配置
cartographer用*.lua存储配置，分到两个目录。
- <apps-res>/data/core/cert/cartographer/configuration_files。存储cartographer部分的配置。
- <apps-res>/data/core/cert/cartographer_ros/configuration_files。存储cartographer_ros部分的配置。注意当中有个revo_lds.lua，它会重载掉写在其它文件中的配置，包括<apps-res>/data/core/cert/cartographer中的。
运行cartographer_node节点时，须要提供“-configuration_basename”参数，rose_ros指向了<apps-res>/data/core/cert/cartographer_ros/configuration_files/revo_lds.lua。该lua文件除了提供名为“options”的配置块，还可以重载掉写在其它文件中配置。
运行cartographer_occupancy_grid_node节点不须要额外指定一个主lua文件。 <apps-res>/data/core/cert/cartographer_ros/configuration_files/revo_lds.lua ------ ...... TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35 TRAJECTORY_BUILDER_2D.min_range = 0.08 -- RPLIDAR A1M8 [0.15, 12] TRAJECTORY_BUILDER_2D.max_range = 8. TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1. TRAJECTORY_BUILDER_2D.use_imu_data = false .......
按惯例，对2d slam，以上配置应该出现在cartographer目录下的trajectory_builder_2d.lua。
<apps-res>/data/core/cert/cartographer/configuration_files/trajectory_builder_2d.lua
------
TRAJECTORY_BUILDER_2D = {
use_imu_data = true,
min_range = 0.,
max_range = 30.,
min_z = -0.8,
max_z = 2.,
...
submaps = {
num_range_data = 90,
...
},
}在trajectory_builder_2d.lua，设置了use_imu_data=true，即slam时会使用IMU设备得到实时角度速。但是，有着更高优先级的revo_lds.lua设置了“TRAJECTORY_BUILDER_2D.use_imu_data = false”，最终运行时采用use_imu_data = false，即slam时没有IMU设备得到实时角度速，要由timed_pose_queue_计算瞬时角速度。
同理，控制每张子图最多画多少个点云的num_range_data也由90变成35。