更进一步

Cartographer不仅是一个优秀的SLAM算法，它还附带了一个功能齐全的实现，提供了许多“额外”功能。 本页列出了一些鲜为人知的功能。

更多输入

如果你有一个发布在 nav_msgs/Odometry``主题上的里程计（例如轮式编码器）并希望使用它来提高Cartographer的定位，可以在你的.lua``配置文件中添加输入：

use_odometry = true

消息将会在 ``odom``主题上被接收。

发布在名为 ``fix``的 ``sensor_msgs/NavSatFix``主题上的GPS可以提高全局SLAM的效果：

use_nav_sat = true

对于发布在名为 ``landmark``的 ``cartographer_ros_msgs/LandmarkList``（在cartographer_ros中定义的消息）主题上的地标：

use_landmarks = true

仅定位模式

如果你有一个满意的地图并希望减少计算量，可以使用Cartographer的仅定位模式，该模式将在现有地图上运行SLAM而不构建新地图。 通过在运行 ``cartographer_node``时使用 ``-load_state_filename``参数，并在你的lua配置中定义以下行来启用此模式：

TRAJECTORY_BUILDER.pure_localization_trimmer = {
    max_submaps_to_keep = 3,
}

IMU校准

在进行全局优化时，Ceres会尝试改进IMU与测距传感器之间的姿态。 通过大量回环约束（例如机器人沿直线前进然后返回）进行的精心采集可以提高这些校正的质量，并成为可靠的姿态校正源。 然后你可以将Cartographer作为校准过程的一部分，以提高机器人外参校准的质量。

多轨迹SLAM

Cartographer可以从多个并行发出数据的机器人执行SLAM。 全局SLAM能够检测共享路径，并在可能时合并由不同机器人构建的地图。 这是通过使用两个ROS服务 ``start_trajectory``和 ``finish_trajectory``实现的。（有关其使用的详细信息，请参阅ROS API参考文档）

使用gRPC进行云集成

Cartographer围绕Protobuf消息构建，这使其非常灵活和互操作。 这种架构的一个优势是很容易在互联网上分布式运行。 典型的用例是一个在已知地图上导航的机器人队列，他们可以在远程强大的集中定位服务器上运行SLAM算法，该服务器运行一个多轨迹的Cartographer实例。

待办: 有关如何开始使用gRPC Cartographer实例的说明