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
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...