机器人定位与导航:蒙特卡洛定位和目标点发布与导航

移动机器人蒙特卡洛定位和目标点发布与导航

B站地址:https://www.bilibili.com/video/BV1QX4y1N76S
由于图片大小的限制,请阅览者移步到Github查看。注意的是:该地址是理论部分的添加,具体的代码还需要在该repository下面的地址.请大家按需进行查阅。

  • Turtlebot3的Model需要进行固定export TURTLEBOT3_MODEL=burger

  • 移动机器人的地图可以自己修改,并通过matlab将pgm格式的图片 转换成矩阵形式并以dat格式的文件进行保存。

  • 在蒙特卡罗模拟的包中需要对全局变量的格式进行修改

    <node name="pf_localization" pkg="pf_localization"  type="localization_node" output="screen" >
    	<param name="package_path_param" type="string" value="/home/hemingshan/robot-localisation/src/" />
    node>
    

turtlebot3 文件夹

该文件夹是所有turtlebot3的安装包,包括了模型文件和运行文件,我在其中的launch文件中修改了地图地址,也就是自己创建的地址修改到了文件中,这样就可以运行时的环境是自己随意创建的。

navigation 文件夹

该文件夹是在大三上学期学习ROS课程时,研究生学长为了帮助我们更好的深入学习该操作系统,并锻炼我们的c++编程水平而自主设计的导航实验,其中在launch文件夹主要有三个文件,分别对应的是

  • 在终端上输入目标点的位置和姿态,turtlebot3将在导航包的算法下导航到目标点
  • 通过程序获取landmarks.txt下的一系列目标点,并依次导航到每个目标点位置
  • 将简单通过运行turtlebot3的launch文件来运行Gazebo环境下的机器人,以便后续通过键盘控制和蒙特卡洛定位

mc_localization

在这个文件夹中主要通过lanch文件来运行所有编好的程序,主要思路在机器人位置未知的情况下,对机器人里程计和激光雷达数据的获取来完成蒙特卡洛算法的定位。其中对于数据的获取,主要有两种方式,一种是通过log的形式,也就是将之前跑好的数据记录下来,在回到程序中仿真,另一种是通过advertise的形式,也就是ROS系统中的定位形式。两者的差别如下:

  • log形式的优点是:计算速度快; 缺点是:毫无实时性可言

  • advertise形式的优点是:实时性较好; 确定是:由于计算量和订阅发布机制导致的运算速度下降,导致实时性也变差

    所以这个包需要改进的地方还有很多,但是是一个对于蒙特卡洛算法入门非常好的包,通过学习会在其他方面应用。

左面的动图是有很好的效果,说明在该算法在计算准确度上有很高的performance,但是惟一的缺点就是实时性。在右边的结果上来看,实时性具备了,但是计算速度有很大的下滑,所以整个包的优化还是很有必要的。
欢迎大家私下交流与指正。

你可能感兴趣的:(机器人,移动机器人,自动驾驶,机器学习)