ROS中阶笔记（八）：机器人SLAM与自主导航—机器人自主导航

ROS中阶笔记（八）：机器人SLAM与自主导航—机器人自主导航

1 ROS中的导航框架

1.1 move_base

1.1.1 基于move_base的导航框架

其中白色框内的是ROS已经为我们准备好的必须使用的组件，灰色框内的是ROS中可选的组件，蓝色的是用户需要提供的机器人平台上的组件。

1.1.2 安装

$ sudo apt-get install ros-kinetic-navigation

1.2.3 全局、局部路径规划

1、全局路径规划(global planner)

• 全局最优路径规划 （最短路径、运动速度最快···策略）
• Dijkstra或A*算法

2、本地实时规划（local planner）

• 规划机器人每个周期内的线速度、角速度，使之尽量符合全局最优路径。
• 实时避障
• Trajectory Rollout和Dynamic Window Approaches算法
• 搜索躲避和行进的多条路径，综合评价标准选取最优路径

1.2.4 move_base功能包中的话题和服务

1.2.5 配置move_base节点

参数含义请参考：http://wiki.ros.org/move_base

mbot_navigation/launch/move_base.launch来启动move_base 节点。

<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（二维概率定位）

http://wiki.ros.org/amcl

1.2.1 amcl简介

• 蒙特卡罗定位方法
• 二维环境定位
• 针对已有地图使用粒子滤波器跟踪一个机器人的姿态

蓝色点是根据概率算法来估算机器人的位置，蓝色点越密集的地方，说明机器人在这个位置概率越高

具体算法可参考：《概率机器人》

1.2.2 amcl功能包中的话题和服务

1.2.3 amcl定位

• 里程计定位：只通过里程计的数据来处理/base和/odom之间的TF转换；
• amcl定位：可以估算机器人在地图坐标系/map下的位姿信息，提供/base、/odom、/map之间的TF变换。

1.2.4 配置amcl节点

mbot_navigation/launch/amcl.launch来启动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)"/>
        
        <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"/>
        
        <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_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"/>
        
        <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 导航框架的应用

2.1 下载rbx1

执行以下命令：

$ 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路径

如果这个package的代码后来更新了，需要执行以下代码：

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

2.2 导航示例（《ROS by Example》）

rviz+arbotix来进行仿真，实现ROS功能包算法的功能。

分别在四个终端下面运行这四个命令：

roslaunch rbx1_bringup fake_turtlebot.launch   #启动机器人,ArbotiX节点，加载机器人的URDF文件
roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch       # 启动导航节点
rosrun rviz rviz -d 'rospack find rbx1_nav'/nav_obstacles.rviz     # 启动rviz
rosrun rbx1_nav move_base_square.py                     # 启动历程

2.2.1 错误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

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

1、检查是否安装 arbotix_python package

roscd arbotix_python

2、安装 arbotix_python

方法一：不推荐

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

方法二：推荐

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 错误2

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

说明：

安装 arbotix_python，用方法一不行，无法启动节点，因此应该用方法二

2.3 导航仿真（人为控制）

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch    # 启动仿真环境
roslaunch mbot_navigation nav_cloister_demo.launch    # 启动导航节点

2D Nav Goal来选择目标点，点击左键，来选择一个目标姿态。

2D Pose Estimate调整机器人的位姿，

绿色线：全局规划

红色线：局部规划

2.4 导航SLAM仿真（自主，还得选择目标点位）

前面通过各种功能包来完成SLAM功能，通过导航机器人到达目标点的路径规划；

接下来，把SLAM和导航结合起来：

在导航的过程当中，不断的自主的去探索未知的环境，最终来完成地图的构建；

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch        # 启动仿真环境

roslaunch mbot_navigation exploring_slam_demo.launch      # 启动SLAM+导航的节点
# 机器人一边导航，一变建图

2.5 自主探索SLAM仿真

完全自主在环境当中做运动，去把整个地图构建起来；

roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
roslaunch mbot_navigation exploring_slam_demo.launch
rosrun mbot_navigation exploring_slam.py    # 控制机器人运动，完成地图构建

3、小结

3.1 机器人必备条件

• 硬件要求：差分轮式、速度控制指令、深度信息、外观圆形或方形
• 里程计信息：获取仿真机器人/真实机器人的实时位置、速度
• 仿真环境：构建仿真环境，为后续SLAM、导航仿真作准备

3.2 ROS SLAM功能包应用方法

• gmapping：输入激光雷达、里程计信息，输出二维栅格地图
• hector_slam：只需要输入激光雷达信息，输出二维栅格地图
• cartographer：输入激光雷达信息，输出二维或三维地图
• ORB_SLAM：输入单目摄像头信息，输出三维点云地图

3.3 ROS中的导航框架

• move_base：全局规划和局部规划
• amcl：二维概率定位

3.4 ROS机器人自主导航

• rviz+Arbotix的功能仿真
• gazebo不境下自主导航的仿真
• 导航过程中同步SLAM建图

微信公众号：喵哥解说
公众号介绍：主要研究机器学习、计算机视觉、深度学习、ROS等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！同时还有1200G的Python视频和书籍资料等你领取！！！