本次实验才采用“Follow the carrot 算法去跟随定义好的路径。控制的目标点在机器人行走的路径上,距离机器人是个常数距离。机器人计算自己的方向角和目标点角度之间的相差度数。控制这个差角为0.
为了在探测时候能够用这个算法,路径需要在实时更新并且需要配合避障,因为在探测时候路径计算的并不精确,机器人有碰撞到障碍物的可能性。
向量的模:
控制机器人采用Twis消息类型
从激光输入进来的数据可以用来避障
输入Path的消息格式:
std_msgs/Header header
geometry_msgs/PoseStamped[] poses
std_msgs/Header header
geometry_msgs/Pose pose
geometry_msgs/Point position
geometry_msgs/Quaternion orientation
本次实验中只有x、y坐标下的位置,路径存储在一个队列对象MyPoint中,你可以仅仅为每一个在poses向量中的元素建立一个新的MyPoint类的对象,然后添加到路径队列中。每次添加新的控制点需要删掉之前的点。在这种情况下,每一次循环路径都会改变,每次都是跟随最新的路径。将每一个路径变换带Odometry坐标下。
移除掉前面的点存储在lastRemoved中。之后需要移除掉路径上被认为已经到达的点,这一步要防止机器人沿着路径后退。
把移除掉的点存储在lastRemoved中。如果没有点移除掉机器人首先去lastRemoved的移除点,否则机器人在lastRemoved和 路径前端之间的线段上寻找目标点。
控制点是路径上线和弧的插值点。为了避免计算和选择插值点,估计目标点方法如下:
l⃗ :上一次从路径上移除掉的点
s⃗ = f⃗ −l⃗ f⃗ :是路径队列的首部值
v⃗ : 前一次迭代的贡献值??
a⃗ :机器人坐标
d : 目标和机器人之间的距离
i : 迭代次数
如果d小于targetDistance, s⃗ , v⃗ 相加
大概迭代10次你会有一个精确的( ∼2−10⋅||s⃗ || )目标点的估计值:
t⃗ =l⃗ +v⃗ (target-point)
如果机器人距离路径很远,可能要移除的不仅仅是第一个距离大于targetDistance的点, v⃗ 保持为0,机器人朝向第一个被移除的点的移动。
如果路径点之间相距比较远,机器人所处的位置如图所示,机器人会找到两个插值点,有可能会导致机器人后退。简单的解决方法是把目标点设置为:移除点和路径队列首项之间的线段 与 过机器人原点的法线 的交点
xv=||a⃗ −l⃗ ||⋅cos(φf⃗ −l⃗ −φa⃗ −l⃗ )||s⃗ ||⋅xs(intersection-x)
yv=||a⃗ −l⃗ ||⋅cos(φf⃗ −l⃗ −φa⃗ −l⃗ )||s⃗ ||⋅ys(intersection-y)
φf⃗ −l⃗ 是 f⃗ ,l⃗ 之间的角度, φa⃗ −l⃗ 是 a⃗ , l⃗ 之间的角度
φ=φt−a−α,(target-angle)
绿色区域:设置机器人速度为原先的80%,误差角度设置为:
https://github.com/will1991/rosintrodution