基于Cartographer-ros的激光SLAM导航机器人实现原理

以Autolabor Pro1 导航套件为例,概述SLAM导航机器人的实现原理,并介绍该机器人的实现原理。

基于Cartographer-ros的激光SLAM导航机器人实现原理_第1张图片
Autolabor Pro1 导航机器人是一个基于ROS的开放式机器人平台,包含机器人底盘、全套传感器及软件系统,已实现了室内外自动导航自动循迹智能避障等功能。

详细视频介绍

平台室内自动导航的技术方案是激光SLAM


目录

  1. SLAM 介绍
  2. 基于激光SLAM的机器人自主导航
  3. Autolabor Pro1 SLAM 导航功能详解

SLAM 介绍

SLAM,全称是 Simultaneous Localization and Mapping,同时定位与地图构建。

SLAM 技术解决的是,我在哪里?(定位Localization )我周围是什么样?(建图Mapping)这两个问题。

移动设备从未知环境中的某一点开始运动,根据传感器获取到的数据,即时计算获取传感器的位置并绘制周围的环境。

基于Cartographer-ros的激光SLAM导航机器人实现原理_第2张图片

SLAM 的应用很广泛,有扫地机器人、无人驾驶汽车、无人机,三维场景重建等。

根据使用传感器不同,SLAM的可分为激光SLAM和视觉SLAM(VSLAM),本文介绍的是激光SLAM,对视觉SLAM相关知识感兴趣的可以看这里。

基于激光SLAM的机器人自主导航

激光SLAM导航,指的是使用激光雷达采集的数据进行建图与定位(SLAM),并在构建的环境地图中自动导航(规划+控制)。
基于Cartographer-ros的激光SLAM导航机器人实现原理_第3张图片
地图构建完成后,给出目标点,根据当前位置信息与已知环境地图规划出可行走路径,控制机器人运动,最终达到目标点。

基于Cartographer-ros的激光SLAM导航机器人实现原理_第4张图片
以上只是简单概述了机器人导航的流程,但 SLAM 与 路径规划/Planning 都是很复杂的内容,在此不做过多的探讨。

Autolabor Pro1 SLAM 导航功能详解

Autolabor SLAM 导航使用的是谷歌开源的 Cartographer,支持多平台和传感器配置,提供2D和3D实时同步定位与建图,使用回环检测消除建图产生的累积误差,建图效果更好,在国内外众多机器人应用上得到了广泛使用。

Cartographer is a system that provides real-time simultaneous localization and mapping (SLAM) in 2D and 3D across multiple platforms and sensor configurations.

传感器

基于Cartographer-ros的激光SLAM导航机器人实现原理_第5张图片
Autolabor SLAM导航机器人,前后底部各安置了1个激光雷达,前侧车体内部左右各有一个编码器/轮速里程计。

前后双激光雷达,能够360度探测周围环境,测量距离最大可达10m,可以有效的提升避障效率。

建图原理

基于Cartographer-ros的激光SLAM导航机器人实现原理_第6张图片

步骤 输入数据 操作 输出数据 使用ROS包
1 左编码器数据 右编码器数据 使用运动模型计算编码器数据,得到符合ROS标准的里程计数据 里程计数据 autolabor_pro_driver
2 前雷达数据 后雷达数据 裁切并融合前后激光雷达采集的数据,得到机器人周围环境点云数据 雷达点云数据 cartographer_ros laser_filters
3 里程计数据 雷达点云数据 点云匹配 相对位姿数据 子地图数据 cartographer_ros
4 相对位姿数据 子地图数据 回环检测,得到子地图拼接的全地图数据 地图数据 cartographer_ros

Tips:

  1. Cartographer 可以配置传感器的个数,是否使用里程计odom/imu等。此应用中使用了odom的数据,但实际上cartographer是可以不用里程计数据的。相应的配置文件在cartographer_ros\configuration_files路径下。

  2. Cartographer 最终生成的地图是由一个个的子地图拼接而来的submap
    list,由cartographer_occupancy_grid_node 节点将其转换为ROS的网格地图,再发布出去。

Cartographer 建图 launch配置示例


    
    
    
    


导航原理

基于Cartographer-ros的激光SLAM导航机器人实现原理_第7张图片

步骤 输入数据 操作 输出数据 使用ROS包
1 左编码器数据 右编码器数据 使用运动模型计算编码器数据,得到符合ROS标准的里程计数据 里程计数据 autolabor_pro_driver
2 前雷达数据 后雷达数据 里程计数据 地图数据 将机器人的实时数据与已构建的地图进行匹配 当前机器人在环境中的位姿 cartographer_ros
3 目标机器人位姿 给机器人制定一个目标点 move_base
4 当前机器人位姿 地图数据 目标机器人位姿 根据机器人当前位姿与地图数据,进行全局规划路线 路径数据(初步预估导航路线) global_planner(dijkstra)
5 路径数据 地图数据 前雷达数据 后雷达数据 根据规划路径开始导航,进行过程中随着实际环境、障碍物变化,进行局部路径规划,实时避障 局部路径规划 避障 costmap_2d teb_local_planner
6 速度信息 /cmd_vel 向底发送速度命令 move_base

说明:

  1. move_base, global_planner(dijkstra), costmap_2d 这些功能包(package)都从属于
    Navigation 导航这个大的功能包集,teb_local_planner 是navigation包的一个插件。
  2. 机器人导航过程中,会按照周围环境、实时障碍物做调整不断规划调整路径,向底层发布指令,步骤五和六是一个多次的过程,并非一次就结束了。

导航 launch配置示例


    

    

    
        
        
        
        
        
    

以上介绍了基于ROS的激光SLAM导航机器人的实现原理与流程,下次给大家讲讲定点巡逻/循迹机器人的实现原理。

对配置文件感兴趣的小伙伴,可以微信关注公众号autolabor,对话框回复【导航launch】获取完整的建图导航launch。

基于Cartographer-ros的激光SLAM导航机器人实现原理_第8张图片

你可能感兴趣的:(Autolabor,ROS机器人,产品教程,人工智能,slam,google)