介紹
文章中使用下面算法：sample_motion_model_odometry, beam_range_finder_model, likelihood_field_range_finder_model, Augmented_MCL, 和 KLD_Sampling_MCL.
amcl讀入激光地圖，激光掃描數據，和tf變換信息，并且輸出位姿估計。啟動時，amcl根據提供的參數初始化粒子濾波器。注意，由于默認，如果沒有參數被設置，初始的濾波器狀態將適度地標定粒子點云中心在（0,0,0） 。

1. 參數配置說明

<launch><node pkg="amcl" type="amcl" name="amcl" output="screen"><!-- Publish scans from best pose at a max of 10 Hz --> //全部濾波器參數<param name="min_particles" value="500"/>   //允許的粒子數量的最小值，默認100<param name="max_particles" value="5000"/> //允許的例子數量的最大值，默認5000<param name="kld_err" value="0.05"/>    //真實分布和估計分布之間的最大誤差，默認0.01<param name="kld_z" value="0.99"/>   //上標準分位數（1-p），其中p是估計分布上誤差小于kld_err的概率，默認0.99<param name="update_min_d" value="0.2"/>   //在執行濾波更新前平移運動的距離，默認0.2m<param name="update_min_a" value="0.5"/>   //執行濾波更新前旋轉的角度，默認pi/6 rad<param name="resample_interval" value="1"/>   //在重采樣前需要的濾波更新的次數,默認2<param name="transform_tolerance" value="0.1"/>  //tf變換發布推遲的時間，為了說明tf變換在未來時間內是可用的<param name="recovery_alpha_slow" value="0.0"/> //慢速的平均權重濾波的指數衰減頻率，用作決定什么時候通過增加隨機位姿來recover，默認0（disable），可能0.001是一個不錯的值<param name="recovery_alpha_fast" value="0.0"/>  //快速的平均權重濾波的指數衰減頻率，用作決定什么時候通過增加隨機位姿來recover，默認0（disable），可能0.1是個不錯的值<param name="gui_publish_rate" value="10.0"/>  //掃描和路徑發布到可視化軟件的最大頻率，設置參數為-1.0意為失能此功能，默認-1.0<param name="save_pose_rate" value="0.5"/>  //存儲上一次估計的位姿和協方差到參數服務器的最大速率。被保存的位姿將會用在連續的運動上來初始化濾波器。-1.0失能。<param name="use_map_topic" value="false"/>  //當設置為true時，AMCL將會訂閱map話題，而不是調用服務返回地圖。也就是說，當設置為true時，有另外一個節點實時的發布map話題，也就是機器人在實時的進行地圖構建，并供給amcl話題使用；當設置為false時，通過map server，也就是調用已經構建完成的地圖。在navigation 1.4.2中新加入的參數。<param name="first_map_only" value="false"/>  //當設置為true時，AMCL將僅僅使用訂閱的第一個地圖，而不是每次接收到新的時更新為一個新的地圖，在navigation 1.4.2中新加入的參數。 //激光模型參數<param name="laser_min_range" value="-1.0"/>  //被考慮的最小掃描范圍；參數設置為-1.0時，將會使用激光上報的最小掃描范圍<param name="laser_max_range" value="-1.0"/>  //被考慮的最大掃描范圍；參數設置為-1.0時，將會使用激光上報的最大掃描范圍<param name="laser_max_beams" value="30"/>   //更新濾波器時，每次掃描中多少個等間距的光束被使用<param name="laser_z_hit" value="0.5"/> //模型的z_hit部分的最大權值，默認0.95<param name="laser_z_short" value="0.05"/> //模型的z_short部分的最大權值，默認0.1<param name="laser_z_max" value="0.05"/> //模型的z_max部分的最大權值，默認0.05<param name="laser_z_rand" value="0.5"/> //模型的z_rand部分的最大權值，默認0.05<param name="laser_sigma_hit" value="0.2"/> //被用在模型的z_hit部分的高斯模型的標準差，默認0.2m<param name="laser_lambda_short" value="0.1"/> //模型z_short部分的指數衰減參數，默認0.1<param name="laser_likehood_max_dist" value="2.0"/> //地圖上做障礙物膨脹的最大距離，用作likehood_field模型<param name="laser_model_type" value="likelihood_field"/> //模型使用，可以是beam, likehood_field, likehood_field_prob（和likehood_field一樣但是融合了beamskip特征），默認是“likehood_field”     //里程計模型參數<param name="odom_model_type" value="diff"/> //模型使用，可以是"diff", "omni", "diff-corrected", "omni-corrected",后面兩  個是對老版本里程計模型的矯正，相應的里程計參數需要做一定的減小<param name="odom_alpha1" value="0.2"/> //指定由機器人運動部分的旋轉分量估計的里程計旋轉的期望噪聲，默認0.2<param name="odom_alpha2" value="0.2"/> //制定由機器人運動部分的平移分量估計的里程計旋轉的期望噪聲，默認0.2<!-- translation std dev, m --><param name="odom_alpha3" value="0.8"/> //指定由機器人運動部分的平移分量估計的里程計平移的期望噪聲，默認0.2<param name="odom_alpha4" value="0.2"/> //指定由機器人運動部分的旋轉分量估計的里程計平移的期望噪聲，默認0.2<param name="odom_alpha5" value="0.1"/> //平移相關的噪聲參數（僅用于模型是“omni”的情況）<param name="odom_frame_id" value="odom"/>  //里程計默認使用的坐標系<param name="base_frame_id" value="base_link"/>  //用作機器人的基坐標系<param name="global_frame_id" value="map"/>  //由定位系統發布的坐標系名稱<param name="tf_broadcast" value="true"/>  //設置為false阻止amcl發布全局坐標系和里程計坐標系之間的tf變換 //機器人初始化數據設置<param name="initial_pose_x" value="0.0"/> //初始位姿均值（x），用于初始化高斯分布濾波器。<param name="initial_pose_y" value="0.0"/> //初始位姿均值（y），用于初始化高斯分布濾波器。<param name="initial_pose_a" value="0.0"/> //初始位姿均值（yaw），用于初始化高斯分布濾波器。<param name="initial_cov_xx" value="0.5*0.5"/> //初始位姿協方差（x*x），用于初始化高斯分布濾波器。<param name="initial_cov_yy" value="0.5*0.5"/> //初始位姿協方差（y*y），用于初始化高斯分布濾波器。<param name="initial_cov_aa" value="(π/12)*(π/12)"/> //初始位姿協方差（yaw*yaw），用于初始化高斯分布濾波器。</node>
</launch>

Note：初始位置和初始方差也可在此文件中聲明。

2. 訂閱的話題
scan（sensor_msgs/LaserScan）：激光掃描

tf（tf/tfMessage Message） ：tf變換

Initialpose（geometry_msgs/PoseWithCovarianceStamped）：用作初始化粒子濾波的均值和協方差

map（nav_msgs/OccupancyGrid）：當 use_map_topic 被設置時，AMCL訂閱這個話題來獲得用作激光定位的地圖

3. 發布的話題

amcl_pose（geometry_msgs/PoseWithCovarianceStamped）：在地圖中機器人的估計位姿，帶有標準差。

particlecloud（geometry_msgs/PoseArray）：被濾波器操控的機器人位姿集

tf（tf/tfMessage Message）：發布從里程計到地圖的tf變換（能夠通過參數odom_frame_id參數映射）

4. 服務

global_localization（std_srvs/Empty）：初始化全局定位，然而所有例子被隨機撒在地圖中的無障礙區域

5. 調用的服務

static_map（nav_msgs/GetMap）：amcl調用服務獲得地圖用作基于激光的定位；啟動塊在從這個服務獲得地圖

6. TF變換

amcl變換引入激光掃描到里程計坐標系（odom_frame_id）。所以就必須存在一條路徑從激光發布的坐標系經過tf樹到里程計坐標系。

執行細節是：在第一次激光掃描接收后，amcl查詢激光坐標系和base坐標系之間的變換，并且永久綁定它。所以amcl不能處理激光坐標系相對于base運動的情況。

下列圖片顯示使用里程計定位和AMCL定位之間的區別。在操作期間，amcl估計base坐標系相對于全局坐標系之間的變換，但是它僅僅發布全局坐標系和里程計坐標系之間的變換。更重要的是，這個變換考慮了航跡推算過程中發生的漂移。

總結

以上是生活随笔為你收集整理的amcl说明的全部內容，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。