- 欢迎大家阅读2345VOR的博客【6. 激光雷达接入ROS】
- 2345VOR鹏鹏主页: 已获得CSDN《嵌入式领域优质创作者》称号,座右铭:脚踏实地,仰望星空
- 本文章属于《Ubuntu学习》和《ROS机器人学习》
:围绕Ubuntu系统基本配置及相关命令行学习记录!机器人操作系统 (ROS) 是一组软件库和工具,可帮助您构建机器人应用程序。
Ubuntu环境搭建
【经典Ubuntu20.04版本U盘安装双系统教程】
【Windows10安装或重装ubuntu18.04双系统教程】
【Ubuntu同步系统时间】
【Ubuntu中截图工具】
【Ubuntu安装QQ】
【Ubuntu安装后基本配置】
【Ubuntu启动菜单的默认项】
【ubuntu系统中修改hosts配置】
【18.04Ubuntu中解决无法识别显示屏】
ROS学习笔记
【1. Ubuntu18.04安装ROS Melodic】
【2. 在Github上寻找安装ROS软件包】
【3. 初学ROS,年轻人的第一个Node节点】
【4. ROS的主要通讯方式:Topic话题与Message消息】
【5. ROS机器人的运动控制】
接下来学习激光雷达如何接入ros机器人,激光雷达是用来探测周围障碍物的分布状况!
其按照测量的维度可以分为单线雷达和多线雷达
按照测量原理分为三角测距雷达和TOF雷达
根据工作方式分为机械旋转雷达和固态雷达
激光雷达虽各有不同,但是在ROS中呈现的数据格式是一样的,只是在数据完整度和精度上会有所差异。下面就选取TOF激光雷达作为例子
简单来说,就是计算光的“飞行时间”。
由激光器发射一个激光脉冲,通过计时器记录下光的出射和回返的时间,两个时间相减即可得到光的“飞行时间”,而光速是固定的,根据已知速度和时间就可以计算出距离。
三角测距采用激光器发射激光,在照射到物体之后,反射光会由线性CCD接收,因为激光器和探测器间隔了一段距离,所以根据光学路径,不同距离的物体将会在CCD上成像在不同的位置,按照三角公式进行计算,就可以推导出被测物体的距离。
TOF激光雷达计算如下
RViz这个工具的全名叫做 The Robot Visualization Tool
打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rviz
首先把这个Fixed Frame修改成base_footprint
状态栏添加机器人模型,最后点击ok
选择激光雷达的话题名称/scan
调整size为0.03
调整RViz和Gazebo分屏
Gazebo是模拟真实机器人发出传感器数据的工具
RViz显示的是机器人实际能探测到的环境状况
另外一点就是RViz并不参与机器人算法的运行,它只是一个为了方便人类进行观测的工具而已
即使没有RViz,也不影响机器人的ROS系统的运行
只有需要观察某些数据实时变化的时候,才会打开RViz
下面添加虚拟环境的圆柱体障碍物
点击file菜单,选择Save Config As
选择保存地址,方便后期直接加载
然后关闭所有终端
打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rviz
然后在RViz中的file菜单,选择Open Config
然后选择刚保存的位置
还可以在launch文件里自动加载rviz配置文件
先关闭RViz,然后打开终端输入
roslaunch wpr_simulation wpb_rviz.launch
关闭摄像头,保留激光雷达
调整视角
打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
roslaunch wpr_simulation wpb_rviz.launch
在Gazebo中围绕机器人堆积障碍物
进入ROS Index官网搜索sensor_msgs
进入website
在消息中找到LaserScan
这就打开了激光雷达消息包的格式定义
新开终端输入
rostopic echo /scan --noarr
显示对比
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrunwpr_simulation deno_lidar_data
构思
实现步骤
在工作空间src文件创建基于sensor_msgs模板的lidar_pkg
cd ~/catkin_ws/src/
catkin_create_pkg lidar_pkg roscpp rospy sensor_msgs
在lidar_pkg文件夹下src中创建lidar_node.cpp
lidar_node源码
#include
#include
void Lidarcallback(const sensor_msgs::LaserScan msg)
{
float fMidDist = msg.ranges[180] ;
ROS_INFO("前方测距ranges [180]=%f 米", fMidDist);
}
int main(int argc,char *argv[])
{
setlocale(LC_ALL, "" );
ros::init(argc, argv,"lidar_node" );
ros::NodeHandle n;
ros::Subscriber lidar_sub = n.subscribe( " /scan", 10, &LidarCallback);
ros::spin();
return 0;
}
ctrl+s快捷保存
打开CMake文件
add_executable(lidar_node src/lidar_node.cpp)
target_link_libraries(lidar_node
${catkin_LIBRARIES}
)
ctrl+s快捷保存
ctrl+shift+b快捷编译
编译,打开终端
cd ~/catkin_ws/
catkin_make
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrun lidar_pkg lidar_node
前方距离2.6m,然后在Gazebo中调整书柜,选择移动靠近机器人
可参照可以打开.wpr_simulation里的demo_lidar_data.cpp文件
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrun wpr_simulation deno_lidar_data.py
构思
实现步骤
在工作空间src文件创建基于sensor_msgs模板的lidar_pkg,编译
cd ~/catkin_ws/src/
catkin_create_pkg lidar_pkg roscpp rospy sensor_msgs
cd ..
catkin_make
在lidar_pkg文件夹下新建script文件夹中创建lidar_node.py
先引入python包,设置中文utf-8显示
lidar_node.py源码
#!/usr/bin/env python3
#coding=utf-8
import rospy
from sensor_msgs.msg import LaserScan
def Lidarcallback(msg):
dist = msg.ranges [ 180]
rospy.loginfo("前方测距 ranges [ 180] = %f 米" , dist)
if _name ="_main_":
rospy.init_node( "lidar_node" )
lidar_sub = rospy.Subscriber( " /scan" ,LaserScan,Lidarcallback,queue_size=10)
rospy.spin()
ctrl+s快捷保存
在所在文件夹打开终端
cd catkin_ws/src/lidar_pkg/scripts/
ls
chmod +x lidar_node.py
ls
文件名变成绿色表示权限添加成功
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrun lidar_pkg lidar_node.py
前方距离2.6m,然后在Gazebo中调整书柜,选择移动靠近机器人
可参照可以打开wpr_simulation里的script文件夹中创建lidar_node.py
基于前面学习的机器人运动控制和激光雷达数据,下面将联系这两点编写激光雷达避障节点
见6.4源码
修改成如下lidar_node源码
#include
#include
#include
ros::Publisher vel_pub;
void Lidarcallback(const sensor_msgs::LaserScan msg)
{
float fMidDist = msg.ranges[180] ;
ROS_INFO("前方测距ranges [180]=%f 米", fMidDist);
geometry msgs::Twist vel_cmd ;
if( fMidDist< 1.5)
{
vel_cmd.angular.z = 0.3;
}
else
{
vel_cmd.linear.x = 0.05;
}
vel_pub.publish(vel_cmd);
}
int main(int argc,char *argv[])
{
setlocale(LC_ALL, "" );
ros::init(argc, argv,"lidar_node" );
ros::NodeHandle n;
ros::Subscriber lidar_sub = n.subscribe( " /scan", 10, &LidarCallback);
ros::spin();
return 0;
}
ctrl+s快捷保存
ctrl+shift+b快捷编译
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrun lidar_pkg lidar_node
机器人撞到障碍物,机器人有宽度
当机器人检测前方障碍物时,最简单把转弯角度调大一点,原地转弯
lidar_node源码
#include
#include
#include
ros::Publisher vel_pub;
int ncount = 0;
void Lidarcallback(const sensor_msgs::LaserScan msg)
{
float fMidDist = msg.ranges[180] ;
ROS_INFO("前方测距ranges [180]=%f 米", fMidDist);
if(ncount > 0)
{
ncount--;
return;
}
geometry msgs::Twist vel_cmd ;
if( fMidDist< 1.5)
{
vel_cmd.angular.z = 0.3;
ncount = 50;
}
else
{
vel_cmd.linear.x = 0.05;
}
vel_pub.publish(vel_cmd);
}
int main(int argc,char *argv[])
{
setlocale(LC_ALL, "" );
ros::init(argc, argv,"lidar_node" );
ros::NodeHandle n;
ros::Subscriber lidar_sub = n.subscribe( " /scan", 10, &LidarCallback);
ros::spin();
return 0;
}
ctrl+s快捷保存
ctrl+shift+b快捷编译
然后在调试就OK啦
可参照开源项目wpr_simulation下的src文件夹的demo_lidar_behavior.cpp
构思
实现步骤
打开7.4编写lidar_node.py
lidar_node.py源码
#!/usr/bin/env python3
#coding=utf-8
import rospy
from sensor_msgs.msg import LaserScan
from geometry_msgs.msg import Twist
count =0
def Lidarcallback(msg):
global vel_pub
global count
dist = msg.ranges [ 180]
rospy.loginfo("前方测距 ranges [ 180] = %f 米" , dist)
if count > 0:
count = count - 1
return
vel_cmd = Twist()
if dist< 1.5:
vel_cmd .angular.z = 0.3
else:
vel_cmd.linear.x = 0.05
vel_pub.publish(vel_cmd)
if _name ="_main_":
rospy.init_node( "lidar_node" )
lidar_sub = rospy.Subscriber( " /scan" ,LaserScan,Lidarcallback,queue_size=10)
vel_pub = rospy.Publisher( " /cmd_vel" ,Twist , queue_size=10)
rospy.spin()
ctrl+s快捷保存
采用wpr_simulation开源工程,打开三个终端分别运行三条指令
roscore
roslaunch wpr_simulation wpb_simple.launch
rosrun lidar_pkg lidar_node.py
可参照可以打开wpr_simulation里的script文件夹中demo_lidar_behavior.py
本节学习了ROS机器人的激光雷达原理和数据查看,尝试C++和python两种语言编写,并且结合前面的机器人运动编写了避障节点,接下来会介绍机器人的IMU传感器的操作。