前文：
一、RTABMAP建图
1. 建图
深度相机连接上电脑后，打开终端，输入：
bash
ros2 launch rtabmap_examples realsense_d435i_stereo.launch.py
移动深度相机位置，完成建图后：
点击Save保存地图，并在终端 Ctrl+C 结束建图。
bash
[rtabmap-3] rtabmap: Saving database/long-term memory... (located at /home/robot/.ros/rtabmap.db)
[rtabmap-3] rtabmap: Saving database/long-term memory...done! (located at /home/robot/.ros/rtabmap.db, 17 MB)
[INFO] [rtabmap-3]: process has finished cleanly [pid 30928]可以看到保存在home/robot/.ros/rtabmap.db（这里要看自己的）。
2. 地图保存
打开终端，输入：
bash
rtabmap-databaseViewer ~/.ros/rtabmap.db
点击上方工具栏中 View -> 3D View, 然后拖动下方的两个进度栏可以查看建图过程：
点击上方工具栏中 File -> Export 3D Map, 可以保存地图为 .ply 或者 .pcd 格式：
对话框关键选项解释:
区域 选项 含义 Dense Point Cloud From RGB-D images 从 RGB‑D 图像生成稠密点云（而非激光扫描点云）。推荐勾选，因为你保存的是双目/深度地图。 Reconstruction flavor Binary file 输出的 PLY/PCD 文件使用二进制格式（体积小、读取快）。 Assemble clouds/meshes：将多个关键帧的点云/网格合并成一个文件。 Normal estimation K nearest neighbors / search radius 用于点云法线估计（后续网格生成用）。设为 0 则禁用。若不需网格，可保持 0。 Flip ground normals 0.9 等 将接近 -Z 轴的法线翻转向 +Z，用于地面点。 Voxel size 体素滤波尺寸（米）。设为 0 禁用，设 >0 可降采样点云。 Number of samples 随机采样保留的点数（仅当合并点云时有效）。0 = 禁用。 Nodes filtering 按区域/索引筛选要导出的关键帧。 Regenerate clouds 重要：重新生成点云，可提高密度（因为在线可视化时为了性能会降采样）。 Cloud filtering 如统计离群值移除、半径滤波等。 Cloud smoothing (MLS) 移动最小二乘平滑。 Gain compensation 校正多张图像的亮度差异。 Camera projection 将相机模型用于点云着色；也可导出每个点的相机 ID。 Meshing 生成三角网格（而非点云）。需要勾选并设置相关参数（如泊松重建）。 Regenerate Clouds 子区域 - Decimation ：降采样因子（1,2,4...），负数表示使用 RGB 分辨率。 - Max/Min depth ：深度裁剪范围（米）。 - ROI ratios ：仅提取图像中指定区域的点。 - Fill depth hole：填充深度图中的空洞。
地图导出步骤：
（1）勾选 Dense Point Cloud， 确保 From RGB-D images 被选中。
（2）如果点云太密导致文件过大，设置 Voxel size = 0.01 或 0.02 米。
（3）勾选 Assemble clouds/meshes to a single output这样所有关键帧的点云会合并成一个文件，方便后续使用。
（4）勾选 Regenerate clouds可以获得比在线地图更密的点云，并调整下方的降采样参数（如 Decimation = 1 使用原始深度分辨率）。
（5）在对话框底部选择输出文件类型（.ply 或 .pcd），点击 Save 按钮。
RTAB-Map 会遍历所有关键帧，生成并合并点云，耗时取决于数据库大小：
可以看到保存至位置及名称。
常见问题及解决方法：
|---------------|----------------------------------------------------------------|
| 问题 | 解决方法 |
| 导出后点云很稀疏 | 取消 Voxel size（设为 0），并勾选 Regenerate clouds，设置 Decimation = 1。|
| 导出过程卡死或内存不足 | 设置 Voxel size = 0.02 降采样，或先筛选一部分节点（Nodes filtering）。 |
| 网格出现大量孔洞 | 增加法线估计的 KNN 值，或调整泊松重建的深度参数。 |
| 左右亮度不一致导致颜色条纹 | 勾选 Gain compensation。 |
二、查看地图（三维点云文件）
1. 前提条件
安装MeshLab、pcl_tools:
bash
sudo apt install meshlab
bash
sudo apt install pcl-tools2. 使用MeshLab查看 .ply 地图
在终端中输入：
bash
meshlab cloud.ply 可以加载.ply 地图，安装鼠标左键可以变化视角，滑动滚轮可以进行缩放，按住并拖动鼠标中键（滚轮）可以移动视角位置。
右边栏中的Shading和Color可以调整阴影亮度和点云颜色：
3. 将 .ply 文件转换为 .pcd 文件
在文件保存目录下打开终端，输入：
bash
pcl_ply2pcd cloud.ply cloud.pcd
bash
robot@ll-Lenovo:~/Desktop$ pcl_ply2pcd cloud.ply cloud.pcd
Convert a PLY file to PCD format. For more information, use: pcl_ply2pcd -h
PCD output format: binary
[pcl::PLYReader] cloud.ply:29: property 'float32 focal' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:30: property 'float32 scalex' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:31: property 'float32 scaley' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:32: property 'float32 centerx' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:33: property 'float32 centery' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:36: property 'float32 k1' of element 'camera' is not handled
[pcl::PLYReader] cloud.ply:37: property 'float32 k2' of element 'camera' is not handled
> Loading cloud.ply [done, 1393.21 ms : 5352642 points]
Available dimensions: x y z rgb normal_x normal_y normal_z curvature
> Saving cloud.pcd [done, 87.8349 ms : 5352642 points]可以得到 .pcd 点云文件，输入：
bash
pcl_viewer cloud.pcd 查看点云地图：
同样可以使用鼠标进行查看。