《ROS理论与实践》学习笔记（九）机器人自主导航

在学习《ROS理论与实践》课程时，记录了学习过程中的编程练习，课后作业以及发现的问题，后续会对尚未解决的问题继续分析并更新，纯小白，仅供参考。
本次学习笔记关于课程中的第八讲：机器人SLAM建图 。主要学习了ROS中的导航框架、导航框架中的关键功能包、机器人自主导航案例。
本章ROS Wiki参考链接：ROS wiki 导航

---

课程内容

ROS中的导航框架

ROS提供了基于move_base的导航框架，其中move_base中包括了全局规划global_planner，本地规划local_planner，恢复机制recovery_behaviors等。

---

导航框架中的关键功能包

move_base

具体内容Wiki链接:wiki move_base

1. 全局路径规划(global planner)
   包括了全局最优路径的规划，一般采用Dijkstra（距离）或者A*算法（时间）
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，实现实时避障功能，通常采用Trajectory Rollout和Dynamic Window Approaches算法
3. 动作Action
   是一种问答通信机制，C/S架构，基于ROS的消息机制实现，下面是move_base功能包中的话题和服务
   

amcl

具体内容Wiki链接:wiki amcl
基于蒙特卡洛定位方法，针对已有地图使用粒子滤波器跟踪一个机器人的姿态，相比于里程计定位，amcl定位还可以利用雷达等信息直接进行机器人的位姿估算，下面是amcl功能包中的话题和服务

---

机器人自主导航案例

导航仿真

本示例程序主要实现在Rviz中，使用2D Nav Goal工具绘制目标点，使得Gazebo中的机器人自动导航运动到目标点的功能
代码来自课程源码包，下面只给出启动代码，主要是启动了gazebo仿真环境、move_base和amcl节点

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation nav_cloister_demo.launch

下图是仿真结果，可以看到机器人能够完成从起始点到目标点的运动

为了检测机器人导航的动态避障，在Gazebo中添加障碍物，可以在Rviz中看到导航路线的实时更新，因此该算法具有较好的避障效果。

程序接口

代码包提供了两个导航demo，通过在程序中直接设置目标点实现机器人的导航功能，设置目标点部分的代码如下：

# 设定目标点  
target = Pose(Point(-5.543, -4.779, 0.000), Quaternion(0.000, 0.000, 0.645, 0.764))  
goal = MoveBaseGoal()  
goal.target_pose.pose = target  
goal.target_pose.header.frame_id = 'map'  
goal.target_pose.header.stamp = rospy.Time.now()  
# 向目标进发  
move_base.send_goal(goal) 

move_base+gmapping

利用move_base和gmapping两个功能包的结合，实现机器人在未知环境下进行导航和实时的建图。
在Rviz中设置目标点实现机器人移动，启动代码如下：

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation exploring_slam_demo.launch

也可以在程序中直接设置随机目标点，让机器人进行自动的导航和建图，启动代码如下：

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation exploring_slam_demo.launch
$ rosrun mbot_navigation exploring_random.py

仿真结果如下