當前位置：首頁 > 编程资源 > 综合教程 >内容正文

综合教程

ROS中阶笔记（八）：机器人SLAM与自主导航—机器人自主导航

發布時間：2023/12/19 综合教程 27 生活家

生活随笔收集整理的這篇文章主要介紹了 ROS中阶笔记（八）：机器人SLAM与自主导航—机器人自主导航小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

ROS中階筆記（八）：機器人SLAM與自主導航—機器人自主導航

目錄1 ROS中的導航框架1.1 move_base1.1.1 基于move_base的導航框架1.1.2 安裝1.2.3 全局、局部路徑規劃1.2.4 move_base功能包中的話題和服務1.2.5 配置move_base節點1.2 amcl（二維概率定位）1.2.1 amcl簡介1.2.2 amcl功能包中的話題和服務1.2.3 amcl定位1.2.4 配置amcl節點2 導航框架的應用2.1 下載rbx12.2 導航示例（《ROS by Example》）2.2.1 錯誤12.2.2 錯誤22.3 導航仿真（人為控制）2.4 導航SLAM仿真（自主，還得選擇目標點位）2.5 自主探索SLAM仿真3、小結3.1 機器人必備條件3.2 ROS SLAM功能包應用方法3.3 ROS中的導航框架3.4 ROS機器人自主導航

1 ROS中的導航框架

1.1 move_base

1.1.1 基于move_base的導航框架

其中白色框內的是ROS已經為我們準備好的必須使用的組件，灰色框內的是ROS中可選的組件，藍色的是用戶需要提供的機器人平臺上的組件。

1.1.2 安裝

$ sudo apt-get install ros-kinetic-navigation

1.2.3 全局、局部路徑規劃

1、全局路徑規劃(global planner)

全局最優路徑規劃（最短路徑、運動速度最快···策略）
Dijkstra或A*算法

2、本地實時規劃（local planner）

規劃機器人每個周期內的線速度、角速度，使之盡量符合全局最優路徑。
實時避障
Trajectory Rollout和Dynamic Window Approaches算法
搜索躲避和行進的多條路徑，綜合評價標準選取最優路徑

1.2.4 move_base功能包中的話題和服務

1.2.5 配置move_base節點

參數含義請參考：http://wiki.ros.org/move_base

mbot_navigation/launch/move_base.launch來啟動move_base 節點。

<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（二維概率定位）

http://wiki.ros.org/amcl

1.2.1 amcl簡介

蒙特卡羅定位方法
二維環境定位
針對已有地圖使用粒子濾波器跟蹤一個機器人的姿態

藍色點是根據概率算法來估算機器人的位置，藍色點越密集的地方，說明機器人在這個位置概率越高

具體算法可參考：《概率機器人》

1.2.2 amcl功能包中的話題和服務

1.2.3 amcl定位

里程計定位：只通過里程計的數據來處理/base和/odom之間的TF轉換；
amcl定位：可以估算機器人在地圖坐標系/map下的位姿信息，提供/base、/odom、/map之間的TF變換。

1.2.4 配置amcl節點

mbot_navigation/launch/amcl.launch來啟動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 導航框架的應用

2.1 下載rbx1

執行以下命令：

$ 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路徑

如果這個package的代碼后來更新了，需要執行以下代碼：

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

2.2 導航示例（《ROS by Example》）

rviz+arbotix來進行仿真，實現ROS功能包算法的功能。

分別在四個終端下面運行這四個命令：

roslaunch rbx1_bringup fake_turtlebot.launch   #啟動機器人,ArbotiX節點，加載機器人的URDF文件
roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch       # 啟動導航節點
rosrun rviz rviz -d 'rospack find rbx1_nav'/nav_obstacles.rviz     # 啟動rviz
rosrun rbx1_nav move_base_square.py                     # 啟動歷程

2.2.1 錯誤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

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

1、檢查是否安裝 arbotix_python package

roscd arbotix_python

2、安裝 arbotix_python

方法一：不推薦

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

方法二：推薦

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 錯誤2

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

說明：

安裝 arbotix_python，用方法一不行，無法啟動節點，因此應該用方法二

2.3 導航仿真（人為控制）

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch    # 啟動仿真環境
roslaunch mbot_navigation nav_cloister_demo.launch    # 啟動導航節點

2D Nav Goal來選擇目標點，點擊左鍵，來選擇一個目標姿態。

2D Pose Estimate調整機器人的位姿，

綠色線：全局規劃

紅色線：局部規劃

2.4 導航SLAM仿真（自主，還得選擇目標點位）

前面通過各種功能包來完成SLAM功能，通過導航機器人到達目標點的路徑規劃；

接下來，把SLAM和導航結合起來：

在導航的過程當中，不斷的自主的去探索未知的環境，最終來完成地圖的構建；

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch        # 啟動仿真環境

roslaunch mbot_navigation exploring_slam_demo.launch      # 啟動SLAM+導航的節點
# 機器人一邊導航，一變建圖

2.5 自主探索SLAM仿真

完全自主在環境當中做運動，去把整個地圖構建起來；

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
roslaunch mbot_navigation exploring_slam_demo.launch
rosrun mbot_navigation exploring_slam.py    # 控制機器人運動，完成地圖構建

3、小結

3.1 機器人必備條件

硬件要求：差分輪式、速度控制指令、深度信息、外觀圓形或方形
里程計信息：獲取仿真機器人/真實機器人的實時位置、速度
仿真環境：構建仿真環境，為后續SLAM、導航仿真作準備

3.2 ROS SLAM功能包應用方法

gmapping：輸入激光雷達、里程計信息，輸出二維柵格地圖
hector_slam：只需要輸入激光雷達信息，輸出二維柵格地圖
cartographer：輸入激光雷達信息，輸出二維或三維地圖
ORB_SLAM：輸入單目攝像頭信息，輸出三維點云地圖

3.3 ROS中的導航框架

move_base：全局規劃和局部規劃
amcl：二維概率定位

3.4 ROS機器人自主導航

rviz+Arbotix的功能仿真
gazebo不境下自主導航的仿真
導航過程中同步SLAM建圖

微信公眾號：喵哥解說
公眾號介紹：主要研究機器學習、計算機視覺、深度學習、ROS等相關內容，分享學習過程中的學習筆記和心得！期待您的關注，歡迎一起學習交流進步！同時還有1200G的Python視頻和書籍資料等你領取！！！

總結

以上是生活随笔為你收集整理的ROS中阶笔记（八）：机器人SLAM与自主导航—机器人自主导航的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： SAP Spartacus B2B Or
下一篇：排列组合公式的理解： C(n+1,m)