激光slam认知_激光slam的优缺点

大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元售后保障童叟无欺

slam介绍

什么是slam？

SLAM (simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建，或并发建图与定位。
问题可以描述为：将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边逐步描绘出此环境完全的地图
所谓完全的地图（a consistent map）是指不受障碍行进到房间可进入的每个角落

slam分类

根据建图时所用的传感器的不同，可将现有的slam算法分为两类：

激光slam
视觉slam

在这里插入图片描述

机器人必备条件

硬件要求

差分轮式机器人，可使用Twist速度指令控制
- linear：XYZ方向的线速度，单位是m/s
- angular：XYZ方向上的角速度，单位是rad/s
机器人必须安装激光雷达等测距设备，可以获取环境深度信息
最好使用正方形和圆形的机器人，其他外形的机器人虽然可以正常使用，但是效果可能不佳

深度信息

激光雷达扫描信息：

angle_min：可检测范围的起始角度
angle_max：可检测范围的终止角度，与angle_min组成激光雷达的可检测范围
angle_increment：相邻数据帧之间的角度步长
time_increment：采集到相邻数据帧之间的时间步长，当传感器处于相对运动状态时进行补偿使用
scan_time：采集一帧数据所需要的时间
range_min：最近可检测深度的阈值
range_max：最远可检测深度的阈值
ranges：一帧深度数据的存储数组

里程计信息

pose：机器人当前位置坐标，包括
- 机器人的XYZ三轴位置与方向
- 用于校正误差的协方差矩阵
twist：机器人当前的运行状态，包括
- XYZ三轴的线速度与角速度
- 用于校正误差的协方差矩阵

仿真环境

创建仿真环境：
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch

注意：
编译源码时可能需要一些依赖比如：sudo apt-get install ros-kinetic-gazebo-ros-control
安装以上命令有错误时尝试：sudo apt-get –f install

ROS gmapping slam算法实现

gmapping功能包

基于激光雷达
Rao-Blackwellized粒子滤波算法
二维栅格地图
需要机器人提供里程计信息
OpenSlam开源算法
输出地图话题：nav_msgs/OccupancyGrid
gmapping功能包的总体框架

安装gmapping

sudo apt-get install ros-kinetic-gmapping

gmapping功能包中的话题和服务

gmapping功能包中的tf变换

栅格地图取值原理

致命障碍：
- 栅格值为254
- 障碍物与机器人的中心重合
- 机器人必然与障碍物发生碰撞
内切障碍：
- 栅格值为253
- 障碍物处于机器人轮廓的内切圆内
- 机器人也必然与障碍物发生碰撞
外切障碍：
- 栅格值为252~128
- 障碍物处于机器人的轮廓的外切圆内
- 机器人与障碍物临界接触，不一定发生碰撞
非自由空间：
- 栅格值为128~0
- 障碍物附近区域
- 机器人进入该区域，将有较大概率发生碰撞
自由空间：
- 栅格值为0
- 没有障碍物
- 机器人可以自由通过
未知区域
- 栅格值为255
- 并未探知是否有障碍物
- 机器人可以前往继续建图

配置gmapping节点

文件为：src5/mbot_navigation/launch/gmapping.launch
参数说明可参看：http://wiki.ros.org/gmapping

<launch>
<arg name="scan_topic" default="scan" />
<node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen" clear_params="true">
<param name="odom_frame" value="odom"/>
<param name="map_update_interval" value="5.0"/>
<!-- Set maxUrange < actual maximum range of the Laser -->
<param name="maxRange" value="5.0"/>
<param name="maxUrange" value="4.5"/>
<param name="sigma" value="0.05"/>
<param name="kernelSize" value="1"/>
<param name="lstep" value="0.05"/>
<param name="astep" value="0.05"/>
<param name="iterations" value="5"/>
<param name="lsigma" value="0.075"/>
<param name="ogain" value="3.0"/>
<param name="lskip" value="0"/>
<param name="srr" value="0.01"/>
<param name="srt" value="0.02"/>
<param name="str" value="0.01"/>
<param name="stt" value="0.02"/>
<param name="linearUpdate" value="0.5"/>
<param name="angularUpdate" value="0.436"/>
<param name="temporalUpdate" value="-1.0"/>
<param name="resampleThreshold" value="0.5"/>
<param name="particles" value="80"/>
<param name="xmin" value="-1.0"/>
<param name="ymin" value="-1.0"/>
<param name="xmax" value="1.0"/>
<param name="ymax" value="1.0"/>
<param name="delta" value="0.05"/>
<param name="llsamplerange" value="0.01"/>
<param name="llsamplestep" value="0.01"/>
<param name="lasamplerange" value="0.005"/>
<param name="lasamplestep" value="0.005"/>
<remap from="scan" to="$(arg scan_topic)"/>
</node>
</launch>

操作小记

启动mapping演示（激光雷达）

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch

效果如下

用键盘控制机器人移动得到地图

保存地图：rosrun map_server map_saver -f cloister_gmapping
下面为得到的地图：
src5/mbot_navigation/maps/cloister_gmapping.pgm

src5/mbot_navigation/maps/cloister_gmapping.yaml

image: cloister_gmapping.pgm
resolution: 0.050000
origin: [-15.400000, -12.200000, 0.000000]
negate: 0
occupied_thresh: 0.65
free_thresh: 0.196

启动gmapping演示（Kinect）

$ roslaunch mbot_gazebo mbot_kinect_nav_gazebo.launch
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch

效果如下：

真实机器人gmapping建图示例

# 机器人端
$ roslaunch mbot_bringup mbot_with_laser.launch
# pc端
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch

效果如下：

ROS hector slam算法实现

hector_slam功能包

基于激光雷达
高斯牛顿方法
二维栅格地图
不需要里程计数据
输出地图话题：nav_msgs/OccupancyGrid
总体框架

安装hector_slam

sudo apt-get install ros-kinetic-hector-slam

hector功能包中的话题和服务

hector功能包中的tf变换

配置hector_mapping节点

src5/mbot_navigation/launch/hector.launch

<launch>
<node pkg = "hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">
<!-- Frame names -->
<param name="pub_map_odom_transform" value="true"/>
<param name="map_frame" value="map" />
<param name="base_frame" value="base_footprint" />
<param name="odom_frame" value="odom" />
<!-- Tf use -->
<param name="use_tf_scan_transformation" value="true"/>
<param name="use_tf_pose_start_estimate" value="false"/>
<!-- Map size / start point -->
<param name="map_resolution" value="0.05"/>
<param name="map_size" value="2048"/>
<param name="map_start_x" value="0.5"/>
<param name="map_start_y" value="0.5" />
<param name="laser_z_min_value" value = "-1.0" />
<param name="laser_z_max_value" value = "1.0" />
<param name="map_multi_res_levels" value="2" />
<param name="map_pub_period" value="2" />
<param name="laser_min_dist" value="0.4" />
<param name="laser_max_dist" value="5.5" />
<param name="output_timing" value="false" />
<param name="pub_map_scanmatch_transform" value="true" />
<!-- Map update parameters -->
<param name="update_factor_free" value="0.4"/>
<param name="update_factor_occupied" value="0.7" />    
<param name="map_update_distance_thresh" value="0.2"/>
<param name="map_update_angle_thresh" value="0.06" />
<!-- Advertising config --> 
<param name="advertise_map_service" value="true"/>
<param name="scan_subscriber_queue_size" value="5"/>
<param name="scan_topic" value="scan"/>
</node>
</launch>

操作小记

启动hector_slam演示

$ roslaunch mbot_gaze mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation hector_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch

效果如下：

注意：hector_slam过程中发生打滑现象

ROS cartographer slam算法实现

cartographer功能包

2016年10月5日，谷歌开源
基于图网络的优化方法
二维或三维条件下的定位及建图功能
设计目的是在计算资源有限的情况下，实时获取相对较高精度的2D地图
主要基于激光雷达
后续会支持更多传感器和机器人平台，同时不断增加新的功能

操作小记

mkdir -p catkin_google_ws/src
# 安装工具
sudo apt-get update
sudo apt-get install -y python-wstool python-rosdep ninja-build
# 初始化工作空间
cd catkin_google_ws
wstool init src

将源码（位置：catkin_google_ws/src）复制到src目录下

编译：rosdep install --from-paths src --ignore-src --rosdistro=${ROS_DISTRO} -y
安装：catkin_make_isolated --install --use-ninja
设置环境变量：在home文件夹下的.bashrc中最后一行添加：
source ~/catkin_google_ws/install_isolated/setup.bash

配置cartographer节点
src5/mbot_navigation/launch/cartographer_demo_rplidar.launch

<launch>  
<param name="/use_sim_time" value="true" />  
<node name="cartographer_node" pkg="cartographer_ros" type="cartographer_node" args=" -configuration_directory $(find cartographer_ros)/configuration_files -configuration_basename rplidar.lua" output="screen">  
<remap from="scan" to="scan" />  
</node>  
<node name="rviz" pkg="rviz" type="rviz" required="true" args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />  
</launch>

参数配置
src5/mbot_navigation/config/rplidar.lua

include "map_builder.lua"
include "trajectory_builder.lua"
options = { 

map_builder = MAP_BUILDER,
trajectory_builder = TRAJECTORY_BUILDER,
map_frame = "map",
tracking_frame = "laser_link",
published_frame = "laser_link",
odom_frame = "odom",
provide_odom_frame = true,
use_odometry = false,
num_laser_scans = 1,
num_multi_echo_laser_scans = 0,
num_subdivisions_per_laser_scan = 1,
num_point_clouds = 0,
lookup_transform_timeout_sec = 0.2,
submap_publish_period_sec = 0.3,
pose_publish_period_sec = 5e-3,
trajectory_publish_period_sec = 30e-3,
}
MAP_BUILDER.use_trajectory_builder_2d = true
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 8.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1
SPARSE_POSE_GRAPH.optimization_problem.huber_scale = 1e2
SPARSE_POSE_GRAPH.optimize_every_n_scans = 35
SPARSE_POSE_GRAPH.constraint_builder.min_score = 0.65
return options

启动仿真

cd catkin_google_ws
catkin_make_isolated --install --use-ninja
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
roslaunch cartographer_ros cartographer_demo_rplidar.launch
roslaunch mbot_teleop mbot_teleop.launch

效果如下：

发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/172360.html原文链接：https://javaforall.cn

【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛

【官方授权正版激活】： 官方授权正版激活支持Jetbrains家族下所有IDE 使用个人JB账号...

激光slam认知_激光slam的优缺点

slam介绍

什么是slam？

slam分类

机器人必备条件

硬件要求

深度信息

里程计信息

仿真环境

ROS gmapping slam算法实现

gmapping功能包

安装gmapping

gmapping功能包中的话题和服务

gmapping功能包中的tf变换

栅格地图取值原理

配置gmapping节点

操作小记

启动mapping演示（激光雷达）

启动gmapping演示（Kinect）

真实机器人gmapping建图示例

ROS hector slam算法实现

hector_slam功能包

安装hector_slam

hector功能包中的话题和服务

hector功能包中的tf变换

配置hector_mapping节点

操作小记

启动hector_slam演示

ROS cartographer slam算法实现

cartographer功能包

操作小记

相关推荐

t分布与t检验的一点理解

HTML入门

一致性哈希算法原理详解

Mac 读写NTFS硬盘

Linux清理挖矿程序

docker搭建kafka集群[通俗易懂]

发表回复