zoukankan      html  css  js  c++  java
  • ROS中阶笔记(八):机器人SLAM与自主导航—机器人自主导航

    ROS中阶笔记(八):机器人SLAM与自主导航—机器人自主导航

    1 ROS中的导航框架

    1.1 move_base

    1.1.1 基于move_base的导航框架

    其中白色框内的是ROS已经为我们准备好的必须使用的组件,灰色框内的是ROS中可选的组件,蓝色的是用户需要提供的机器人平台上的组件。

    1.1.2 安装

    $ sudo apt-get install ros-kinetic-navigation
    

    1.2.3 全局、局部路径规划

    1、全局路径规划(global planner)

    • 全局最优路径规划 (最短路径、运动速度最快···策略)
    • Dijkstra或A*算法

    2、本地实时规划(local planner)

    • 规划机器人每个周期内的线速度、角速度,使之尽量符合全局最优路径。
    • 实时避障
    • Trajectory Rollout和Dynamic Window Approaches算法
    • 搜索躲避和行进的多条路径,综合评价标准选取最优路径

    1.2.4 move_base功能包中的话题和服务

    1.2.5 配置move_base节点

    参数含义请参考:http://wiki.ros.org/move_base

    mbot_navigation/launch/move_base.launch来启动move_base 节点。

    <launch>
    
      <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen" clear_params="true">
        <rosparam file="$(find mbot_navigation)/config/mbot/costmap_common_params.yaml" command="load" ns="global_costmap" />
        <rosparam file="$(find mbot_navigation)/config/mbot/costmap_common_params.yaml" command="load" ns="local_costmap" />
        <rosparam file="$(find mbot_navigation)/config/mbot/local_costmap_params.yaml" command="load" />
        <rosparam file="$(find mbot_navigation)/config/mbot/global_costmap_params.yaml" command="load" />
        <rosparam file="$(find mbot_navigation)/config/mbot/base_local_planner_params.yaml" command="load" />
      </node>
      
    </launch>
    

    1.2 amcl(二维概率定位)

    http://wiki.ros.org/amcl

    1.2.1 amcl简介

    • 蒙特卡罗定位方法
    • 二维环境定位
    • 针对已有地图使用粒子滤波器跟踪一个机器人的姿态

    蓝色点是根据概率算法来估算机器人的位置,蓝色点越密集的地方,说明机器人在这个位置概率越高

    具体算法可参考:《概率机器人》

    1.2.2 amcl功能包中的话题和服务

    1.2.3 amcl定位

    • 里程计定位:只通过里程计的数据来处理/base和/odom之间的TF转换;
    • amcl定位:可以估算机器人在地图坐标系/map下的位姿信息,提供/base、/odom、/map之间的TF变换。

    1.2.4 配置amcl节点

    mbot_navigation/launch/amcl.launch来启动amcl功能包

    <launch>
        <arg name="use_map_topic" default="false"/>
        <arg name="scan_topic" default="scan"/>
    
        <node pkg="amcl" type="amcl" name="amcl" clear_params="true">
            <param name="use_map_topic" value="$(arg use_map_topic)"/>
            <!-- Publish scans from best pose at a max of 10 Hz -->
            <param name="odom_model_type" value="diff"/>
            <param name="odom_alpha5" value="0.1"/>
            <param name="gui_publish_rate" value="10.0"/>
            <param name="laser_max_beams" value="60"/>
            <param name="laser_max_range" value="12.0"/>
            <param name="min_particles" value="500"/>
            <param name="max_particles" value="2000"/>
            <param name="kld_err" value="0.05"/>
            <param name="kld_z" value="0.99"/>
            <param name="odom_alpha1" value="0.2"/>
            <param name="odom_alpha2" value="0.2"/>
            <!-- translation std dev, m -->
            <param name="odom_alpha3" value="0.2"/>
            <param name="odom_alpha4" value="0.2"/>
            <param name="laser_z_hit" value="0.5"/>
            <param name="laser_z_short" value="0.05"/>
            <param name="laser_z_max" value="0.05"/>
            <param name="laser_z_rand" value="0.5"/>
            <param name="laser_sigma_hit" value="0.2"/>
            <param name="laser_lambda_short" value="0.1"/>
            <param name="laser_model_type" value="likelihood_field"/>
            <!-- <param name="laser_model_type" value="beam"/> -->
            <param name="laser_likelihood_max_dist" value="2.0"/>
            <param name="update_min_d" value="0.25"/>
            <param name="update_min_a" value="0.2"/>
            <param name="odom_frame_id" value="odom"/>
            <param name="resample_interval" value="1"/>
            <!-- Increase tolerance because the computer can get quite busy -->
            <param name="transform_tolerance" value="1.0"/>
            <param name="recovery_alpha_slow" value="0.0"/>
            <param name="recovery_alpha_fast" value="0.0"/>
            <remap from="scan" to="$(arg scan_topic)"/>
        </node>
    </launch>
    

    2 导航框架的应用

    2.1 下载rbx1

    执行以下命令:

    $ cd ~/catkin_ws/src 
    $ git clone https://github.com/pirobot/rbx1.git 
    $ cd rbx1                                        # ~/catkin_ws/src/rbx1
    $ git checkout indigo-devel 
    $ cd ~/catkin_ws 
    $ catkin_make 
    $ source ~/catkin_ws/devel/setup.bash 
    $ rospack profile              # 加入ROS package路径
    

    如果这个package的代码后来更新了,需要执行以下代码:

    $ cd ~/catkin_ws/src/rbx1 
    $ git pull 
    $ cd ~/catkin_ws 
    $ catkin_make 
    $ source ~/catkin_ws/devel/setup.bash 
    

    2.2 导航示例(《ROS by Example》)

    rviz+arbotix来进行仿真,实现ROS功能包算法的功能。

    分别在四个终端下面运行这四个命令:

    roslaunch rbx1_bringup fake_turtlebot.launch   #启动机器人,ArbotiX节点,加载机器人的URDF文件
    roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch       # 启动导航节点
    rosrun rviz rviz -d 'rospack find rbx1_nav'/nav_obstacles.rviz     # 启动rviz
    rosrun rbx1_nav move_base_square.py                     # 启动历程
    

    2.2.1 错误1

    ERROR: cannot launch node of type [arbotix_python/arbotix_driver]: arbotix_python
    ROS path [0]=/opt/ros/kinetic/share/ros
    ROS path [1]=/home/ggk/ORB_SLAM2/Examples/ROS/ORB_SLAM2
    ROS path [2]=/home/ggk/catkin_ws/src
    ROS path [3]=/opt/ros/kinetic/share
    

    解决方法:https://answers.ros.org/question/243919/cannot-launch-node-of-type-arbotix_pythonarbotix_driver-arbotix_python/

    1、检查是否安装 arbotix_python package

    roscd arbotix_python
    

    2、安装 arbotix_python

    方法一:不推荐

    sudo apt-get install ros-kinetic-arbotix-*
    

    方法二:推荐

    cd ~/catkin_ws/src
    git clone https://github.com/vanadiumlabs/arbotix_ros.git
    cd ~/catkin_ws
    catkin_make
    source ~/catkin_ws/devel/setup.bash
    

    2.2.2 错误2

    ERROR: cannot launch node of type [arbotix_python/arbotix_driver]: can't locate node [arbotix_driver] in package [arbotix_python]
    

    说明:

    安装 arbotix_python,用方法一不行,无法启动节点,因此应该用方法二

    2.3 导航仿真(人为控制)

    roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch    # 启动仿真环境
    roslaunch mbot_navigation nav_cloister_demo.launch    # 启动导航节点
    

    2D Nav Goal来选择目标点,点击左键,来选择一个目标姿态。

    2D Pose Estimate调整机器人的位姿,

    绿色线:全局规划

    红色线:局部规划

    2.4 导航SLAM仿真(自主,还得选择目标点位)

    前面通过各种功能包来完成SLAM功能,通过导航机器人到达目标点的路径规划;

    接下来,把SLAM和导航结合起来:

    在导航的过程当中,不断的自主的去探索未知的环境,最终来完成地图的构建;

    roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch        # 启动仿真环境
    
    roslaunch mbot_navigation exploring_slam_demo.launch      # 启动SLAM+导航的节点
    # 机器人一边导航,一变建图
    

    2.5 自主探索SLAM仿真

    完全自主在环境当中做运动,去把整个地图构建起来;

    roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
    roslaunch mbot_navigation exploring_slam_demo.launch
    rosrun mbot_navigation exploring_slam.py    # 控制机器人运动,完成地图构建
    

    3、小结

    3.1 机器人必备条件

    • 硬件要求:差分轮式、速度控制指令、深度信息、外观圆形或方形
    • 里程计信息:获取仿真机器人/真实机器人的实时位置、速度
    • 仿真环境:构建仿真环境,为后续SLAM、导航仿真作准备

    3.2 ROS SLAM功能包应用方法

    • gmapping:输入激光雷达、里程计信息,输出二维栅格地图
    • hector_slam:只需要输入激光雷达信息,输出二维栅格地图
    • cartographer:输入激光雷达信息,输出二维或三维地图
    • ORB_SLAM:输入单目摄像头信息,输出三维点云地图

    3.3 ROS中的导航框架

    • move_base:全局规划和局部规划
    • amcl:二维概率定位

    3.4 ROS机器人自主导航

    • rviz+Arbotix的功能仿真
    • gazebo不境下自主导航的仿真
    • 导航过程中同步SLAM建图

    微信公众号:喵哥解说
    公众号介绍:主要研究机器学习、计算机视觉、深度学习、ROS等相关内容,分享学习过程中的学习笔记和心得!期待您的关注,欢迎一起学习交流进步!同时还有1200G的Python视频和书籍资料等你领取!!!

  • 相关阅读:
    特征选择(四)- 分散度
    机器学习实践中的7种常见错误
    逻辑回归 vs 决策树 vs 支持向量机(I)
    逻辑回归 vs 决策树 vs 支持向量机(II)
    线性回归和逻辑回归
    Mac 下 python 环境问题
    Linux目录/usr结构说明
    Python 处理 json
    感知机、logistic回归 损失函数对比探讨
    SVM探讨
  • 原文地址:https://www.cnblogs.com/IT-cute/p/12990386.html
Copyright © 2011-2022 走看看