特别低 ros_基于ROS的移动机器人上层系统架构分析

看过网上不少博客，介绍ROS系统架构的，基本上都是在介绍ROS自身系统架构，很少有介绍特定机器人的系统架构的。个人觉得，入门一个系统，首先需要从整体开始把握，而不必在意细节，整体把握好了，细节自然水到渠成。因此，本文以当下火热的移动机器人为载体，介绍移动机器人上层ROS系统架构，当然了，该架构也是参考了ROS BY EXAMPLE中Turtlebot，该书是个很适合入门的书，有空可以看看。

图是最容易说明问题的，一张清晰的架构图，能够让你少走很多弯路，看了下面这张架构图，你就大概能知道，一个激光SLAM的移动机器人系统，究竟需要哪些模块，而这些模块之间的关系又是什么，使用哪些Topic进行交互。下面的架构图中都是核心模块，有时间每一个模块都需要去熟悉和学习。

ROS作为一个分布式架构，特点是低耦合，你可以随意的添加和删除模块，特别方便开发，但这种架构最大的问题是什么呢，进程交互速度慢，具有一定的延时，因此，这也是ROS饱受诟病的问题。

移动机器人ROS架构里面最核心的部分，自然是建图、定位和路径规划，分别对应着图中的Gmapping、AMCL和Move_base。建图算法，在室内移动机器人中， gmapping必须拥有姓名。为什么这里画成虚线呢，因为建图不是每次都需要的，一次就可以了，无论你采用什么方法，只要环境变化不大，建出一张图，你就可以一直使用。以后，只需要启动AMCL算法，根据此地图，即可实现移动机器人的定位。AMCL采用粒子滤波，融合激光雷达话题/scan和下面提到的odom坐标系到base_link坐标系的变换，主要向tf树发布base_link坐标系到map坐标系的坐标变换。

这里重点说说robot_pose_ekf节点，该节点通过扩展卡尔曼滤波器，融合/odom、/imu_data和/vo话题，实现更为精确的里程计先验，发布odom坐标系到base_link坐标系的变换。在我们自身的实际机器人架构中，/odom话题指四轮麦克纳轮解算出的里程计数据，没有采用视觉里程计，而是采用了测量轮加惯导生成的里程计数据代替/VO话题。大家一定要区分odom坐标系和/odom话题，这是两个概念，前者是坐标系，后者是根据编码器（或者视觉等）计算的里程计。

下图清晰的表明了这一关系，/map到/odom的坐标变换为里程计的漂移，也就是说系统刚启动的时候里程计漂移为0，/map坐标系和/odom坐标系重合，而后来随着机器人的不断移动漂移越来越大，因为里程计是相对定位，具有累积误差。

Robot_state_publisher节点，解析URDF模型，向tf坐标树发布机器人各模块之间的坐标变换，如激光雷达位置相对于base_link的坐标变换。该坐标变换一方面是为了各模块之间的坐标系转换，同时也是为了在RVIZ中显示。该URDF模型可以手动编写，更方便的是用solidworks建模完成后进行导出。

我们自身实现了一个Chassis_driver节点，该节点是需要自行编程并建立与下位机STM32之间的通信协议。该底层通信节点接收下位机的里程计数据并发布到话题/odom和/vo，同时接收move_base生成的速度，发送给下位机的STM32。

而底层STM32控制器实现了怎样的功能呢？其一，将上层传递的速度指令解析成四个轮子的转速，下发给四个驱动器；其二，接收四个麦克纳姆轮的编码器数据，解析成轮式里程计数据，传给Chassis_driver节点。至于麦克纳姆轮的正逆解，可以参考下面：麦克纳姆轮及其速度分解计算。

下面为我们实验室第一代自主搭建的机器人底盘以及跑出来的效果，可以看出机器人可以穿过房门并在走廊行驶。

这是本人的第一篇博客，旨在让新手入门ROS移动机器人，熟悉移动机器人整体架构，各模块之间是如何协同工作的，未涉及到具体的实现细节，对应各个模块的具体实现，可以参考roswiki官方，或网上的各种比较细节的教程，如有不足，请多多包涵。本人几年前就想写博客，一开始是想着做旅游博主的，给大家提供旅游攻略，但是一直拖着未能实现，希望以后有机会能补上。另外，架构图是我已经毕业的谢师兄画的，在此表示对他的感谢。