一起自学SLAM算法:13.2 运行SLAM构建地图

连载文章,长期更新,欢迎关注:

在“xiihoo机器人”中推荐使用基于激光的Cartographer和基于视觉的ORB-SLAM2来建图,并且可以利用Cartographer和ORB-SLAM2进行联合建图来提升定位的稳定性。

13.2.1 运行激光SLAM建图

关于Cartographer的安装与运行细节可以参考8.2.3节,这里就再简单回顾一下运行流程。首先启动机器人平台相关的节点,也就是在命令行终端运行一键启动文件xiihoo_all_sensor.launch。

#一键启动
roslaunch xiihoo_bringup xiihoo_all_sensor.launch

然后启动Cartographer建图节点,也就是在命令行终端运行建图启动文件xiihoo_mapbuild.launch。关于建图效果调优,可以修改*.lua配置文件中的参数。

#激光建图
roslaunch  cartographer_ros  xiihoo_mapbuild.launch

接下来,就可以遥控机器人在环境中移动,进行地图构建了。不同的机器人支持不同的遥控方法,比如手柄遥控、手机APP遥控、键盘遥控等。这里使用键盘遥控方式来遥控“xiihoo机器人”建图,键盘启动命令如下。

#首次使用键盘遥控,需要先安装对应功能包
sudo apt install ros-melodic-teleop-twist-keyboard
#启动键盘遥控
rosrun teleop_twist_keyboard teleop_twist_keyboard.py

在键盘遥控程序终端下,通过对应的按键就能控制底盘移动了。这里介绍一下按键的映射关系,前进(i)、后退(,)、左转(j)、右转(l),而增加和减小线速度对应按键w和x,增加和减小角速度对应按键e和c。

遥控底盘建图的过程中,可以打开rviz可视化工具查看所建地图的效果以及机器人实时估计位姿等信息。

#启动rviz
rviz

当环境扫描完成,并路径回环到起始点后,就可以将Cartographer构建的地图结果保存下来。cartographer_ros提供了将建图结果保存为*.pbstream专门的方法,其实就是一条命令。其实就是调用cartographer_ros提供的叫/write_state这个名字的服务,服务传入参数/home/ubuntu/map/carto_map.pbstream为地图的保存路径。

#保存地图
rosservice  call  /write_state  /home/ubuntu/map/carto_map.pbstream

由于Cartographer构建的地图是pbstream格式,后续导航中使用到的地图是GridMap格式。所以需要将pbstream格式转换成GridMap格式,转换其实就是下面这一句命令。注意这是一条长命令,不需要换行。

#启动地图格式转换
roslaunch cartographer_ros xiihoo_pbstream2rosmap.launch pbstream_filename:=/home/ubuntu/map/carto_map.pbstream map_filestem:=/home/ubuntu/map/carto_map

13.2.2 运行视觉SLAM建图

关于ORB-SLAM2的安装与运行细节可以参考9.1.3节,这里就再简单回顾一下运行流程。首先启动机器人平台相关的节点,也就是在命令行终端运行一键启动文件xiihoo_all_sensor.launch。

#一键启动
roslaunch xiihoo_bringup xiihoo_all_sensor.launch

然后启动ORB-SLAM2单目建图节点,也就是在命令行终端运行建图节点并载入视觉词袋模型ORBvoc.txt和配置文件mono.yaml。

#视觉建图
rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.txt mono.yaml

然后与Cartographer一样,也是用键盘遥控机器人完成建图,然后保存地图到本地,这些操作就不再赘述了。

13.2.3 运行激光与视觉联合建图

其实用ros-navigation中的map_server加载Cartographer构建的地图,然后利用amcl进行全局定位,就可以将自主导航跑起来了。由于amcl仅基于2D地图与激光雷达数据的匹配,因此全局定位极易丢失。那么可以将amcl全局定位替换成由Cartographer重定位提供全局定位,也就是先用Cartographer构建地图,然后载入已保存的地图进行重定位。由于Cartographer重定位是基于子图(submap)的匹配,而生成子图需要花费较长时间收集多帧激光雷达数据,也就是说Cartographer重定位实时性较差。可以利用Cartographer和ORB-SLAM2进行联合建图,然后载入已保存的联合地图同时进行Cartographer重定位和ORB-SLAM2重定位,这样ORB-SLAM2重定位可以弥补实时性较差的缺点。如图13-4所示,为联合建图的大致过程。

一起自学SLAM算法:13.2 运行SLAM构建地图_第1张图片

图13-4  联合建图

使用cartographer和orb-slam2算法分别进行2D栅格地图和3D点云地图的构建,同时记录下两个系统共有的pose_graph约束,得到的2D栅格地图和3D点云地图如图13-5所示。

一起自学SLAM算法:13.2 运行SLAM构建地图_第2张图片

 图13-5  2D栅格地图和3D点云地图

参考文献

【1】 张虎,机器人SLAM导航核心技术与实战[M]. 机械工业出版社,2022.

你可能感兴趣的:(一起自学SLAM算法,算法,人工智能,计算机视觉,自动驾驶,机器人)