ROS仿真笔记之——基于rrt_exploration的单个机器人自主探索建图

之前博文已经介绍过机器人exploration以及多机器人SLAM map merage《ROS学习笔记之——多机器人探索环境》《ROS仿真笔记之——基于gazebo的多机器人探索环境仿真》《ROS仿真笔记之——多移动机器人SLAM地图融合》《ROS仿真笔记之——移动机器人自主探索式地图构建》之前的都是基于功能包（http://wiki.ros.org/multirobot_map_merge/）

目录

原理

仿真

实验

参考资料

---

---

原理

该包的基本原理是，基于2D的，通常采用图像算法的边缘检测来检测已知区域与未知区域的边界。基于Rapidly-exploring Random Trees的探索策略。由于RRT基本上是朝向未知区域的（unexplored and unvisited），并且RRT可以扩展到更高维区域。同时采用local tree与global tree来检查边缘点，使得机器人的exploration更加高效。

一旦检测到边缘后，就会取其中心为目标点，然后让机器人去探索该点。而为了检测边缘点，需要对整张地图进行处理，而这个操作通常是耗时的，为此大量的研究人员focus在检测frontier edges的效率上。

本包中，RRT树只是用于search边缘点，而检测到的边缘点经过滤波就会依次安排给机器人。当机器人接收到point时，就会运动到对应的点。在此期间，机器人上的传感器将会扫描建图。

而通过多个独立的RRT树来加速边缘点的检测，则是本包的创新点。

如下图所示，主要分为三个模块。

• 基于RRT的边界检测模块（负责检测边界点）
• 滤波模块（存储边界点，并通过mean shift算法来聚类，检测出无效以及旧的边界点）
• 以及task allocator模块（接收到滤波模块传来的边界点后，分配到机器人）

而本包还需要与SLAM及path planning模块相结合来使用

 

 关于global与local detector。如下图所示。当检测到一个边界点时，local detector会reset，并且会基于机器人当前的位置重新生长。这带来两个好处：1、检测边界点更快。因为机器人总是会向着边界点移动，而如果RRT树从机器人当前的位置开始，那么它到达未知区域的概率更高。2、机器人可能会miss掉一些地图上边角的小的边界点，而为了解决这个问题，就通过global detector。但随着地图的变大，global detector会越来越慢（或者说，随着树的变大，exploration会变慢），为此需要local detector

而关于assigner，其基于以下几个要素来分配机器人导航的目标点：

• Navigation cost
• Information gain

仿真

而本博文基于rrt_exploration包来进行仿真。网上也有大把基于此包的博客。但是本人实现时都无法跑动（可能是版本的原因？老显示tf无法链）为此，更改了原包的机器人模型为turtlebot3 waffle并且调了一些路径规划的参数，终于调出来了，效果如下视频所示～

single kobuki robot slam based on rrt

单机器人自主探索建图

单机器人自主探索建图(1)

换成kobuki模型效果好很多～

运行命令：

roslaunch rrt_exploration_tutorials single_simulated_house.launch
roslaunch rrt_exploration single.launch 

注意要保证move base的开启

single_simulated_house.launch

move_baseSafe.launch

robot.launch.xml

single.launch

实验

实验效果及视频如下：

(experiment) single kobuki robot slam based on rrt

参考资料

http://wiki.ros.org/rrt_exploration/Tutorials/singleRobot

https://github.com/hasauino/rrt_exploration_tutorials

https://github.com/hasauino/rrt_exploration