机器人在走廊里定位正常，一到玻璃门或急转弯处就开始漂。此时别急着换特征点算法，先看相机、IMU、深度帧和 TF 是否属于同一段时间。Visual SLAM 提供连续位姿，nvblox 按位姿融合深度并生成 TSDF、占据栅格或 ESDF；其中任何一个时间或坐标关系错了，规划器拿到的地图就会跟着错。

同步相机与 IMU→Visual SLAM 估计位姿→深度数据按位姿融合→生成三维地图/距离场→导航规划并反馈新观测
坐标图定位、建图和导航共享一条时间与 TF 链，任一环错位都会污染后续结果。
camera_link相机外参与采集时间决定视觉观测从哪里产生base_link机器人机体基准，传感器静态变换应可独立校验odom保持局部连续，允许长期漂移，供短时控制使用map提供全局一致坐标，重定位时可相对 odom 修正TSDF/ESDF按对应时刻位姿融合深度，再计算表面或障碍距离导航代价图检查地图年龄、清除语义和安全膨胀后再规划

先把 TF 树和时间戳对上

在 ROS 2 机器人里，base_link 通常表示机体，camera_link 表示相机，odom 提供连续但会漂移的局部里程计坐标，map 则用于长期一致的全局地图。Visual SLAM、轮速计和导航模块发布或消费的变换必须形成一棵没有环的 TF 树。

一个很实用的排查顺序是：先看相机到机体的静态外参是否正确，再看 IMU 轴向和单位，接着看时间戳是否单调且接近同步，最后再看算法参数。很多“SLAM 漂移”最终是外参、IMU 时间延迟或发布帧名不一致，不是特征点不够。

快一点的相机，未必更有用

视觉帧与 IMU 之间只要存在固定偏移，机器人快速转动时就会把同一时刻的图像和另一时刻的角速度强行融合。结果可能表现为轨迹抖动、重定位失败或地图扭曲。深度帧与位姿不同步同样会把障碍物插到错误位置。

每条传感器消息最好保留硬件采集时间；系统应记录以下差值：

1
2
3
camera_imu_skew = |camera_stamp - nearest_imu_stamp|
depth_pose_age  = depth_stamp - pose_stamp_used_for_fusion
map_age         = now - latest_map_stamp

这些数字比“SLAM 节点 CPU 使用率”更能解释为什么机器人在加速、急转或弱光时开始迷路。

地图更新要有年龄

TSDF 把表面附近的有符号距离累积起来，适合稳定地融合多帧深度；ESDF 进一步给出空间到障碍物的距离，方便规划器选择安全余量更大的路径。实际接入时需要明确：地图更新频率、最大观测距离、动态障碍物的清除策略、膨胀半径和给导航模块的消息接口。

不要把一张旧地图永久当成安全事实。人、门、货物和反光物体都会改变环境；地图应有更新时间和清除语义，局部避障也应能在全局地图暂时失效时独立工作。

用四个小实验拆开问题

  1. 让机器人原地旋转，查看轨迹是否闭合、地图是否被扭曲。
  2. 以不同速度直线行驶，比较视觉里程计和轮速计的相对误差。
  3. 在障碍物前停住，检查 ESDF/占据栅格更新到规划器的时间。
  4. 遮挡相机或故意制造低纹理区域，确认系统是否发布失效状态并让导航降级。

定位漂移和地图误差会一起传到规划层，因此日志要把图像、IMU、TF、轨迹、地图版本与最终控制命令关联起来，才能分层定位问题。

参考：Isaac ROS Visual SLAM · Isaac ROS nvblox · REP 105 Coordinate Frames

证据边界：本文给出坐标、时间和地图年龄的排查框架，没有给出某个传感器组合的漂移率、地图精度或导航成功率。真机验收需要保留录包、标定文件、TF 树和速度条件。