【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】
前面我们的测试大部分都是基于仿真来实现的。但是很多时候，我们其实希还是望自己的算法能够跑在真实场景的数据上。可问题来了，此刻我们自己既没有钱买机器人，也没有时间采集那么多数据，那么应该怎么办呢。所以，为了解决这个问题，我们想到一个很简单的办法，那就是去网上找符合格式的数据集来进行离线制图。这和我们当初为了学习opencv图像处理、深度学习，去网上找测试集是一个道理。
当然，这么做还有一个好处，那就是可以基于同一份传感器数据来制图，这样根据图的质量来评判不同算法的好坏。不然，不同的算法本身运行在不同的数据集上，这其实并不太好判断的。
1、下载数据集
网上rosbag的数据集还是有一些的。比如github上就有很多我们需要的数据集。这里给出一个示例地址，
https://github.com/MST-Robotics/MST_ROS_Catkin_Packages/blob/master/basic_localization_stage.bag2、启动roscore
所有的程序启动都需要依赖于roscore，这是也我们一开始学习ros就知道的知识点。
3、设置重放数据时间
这里需要通过rosparam的设置告诉ros系统，当前数据的时间不是本地时间，而是历史时间。对应的命令为rosparam set use_sim_time true。
4、启动gmapping运行
为了方便验证，这里直接给出了ros gmapping的操作命令，直接输入rosrun gmapping slam_gmapping scan:=base_scan。注意这里的scan为base_scan，因为数据包里面的topic就是base_scan，所以要修改一下。
5、开始播放rosbag数据
直接输入rosbag play --clock basic_localization_stage.bag即可。输入之后，我们就可以看到类似这样的打印，
6、打开rviz验证效果
所有工作都准备好之后，就可以用rviz订阅base_scan和map这两个topic了，直接输入rosrun rviz rviz即可。为啥会订阅两个topic，主要有两个目的。订阅map肯定是为查看制图效果，而订阅base_scan则可以看到当前的lidar的扫描轮廓出现在什么地方，这样也能大致推断出机器人当前走到了哪里。过了一段时间之后，不出意外的话，我们就会看到这样的图片效果，
如果需要保存地图的话，可以直接输入rosrun map_server map_saver即可。相信大家对这一点都已经非常熟悉了。这样不仅仅是gmapping，我们还可以用hector slam、cartographer等多种算法来进行测试和评比，最后选出适合我们的slam算法。
