轻舟机器人和科大讯飞机器人的路径规划学习
科大讯飞：
文件结构：
gazebo_nav功能包中
有launch和map文件夹
launch中的：
config中存放配置文件：
//amcl 存储定位参数文件 move_base 存储路径规划参数文件 rviz 存储rviz配置文件
move_base中：
- costmap_common_params.yaml
#Description:
# 代价地图通用参数配置文件,就是全局代价地图和局部代价地图
# 共同都需要配置的参数,各参数意义如下:
# robot_radius: 机器人的半径
# "obstacle_range" 参数确定最大范围传感器读数，这将导致障碍物被放入代价地图中。
# 在这里，我们把它设置在3米，这意味着机器人只会更新其地图包含距离移动基座3米以内的障碍物的信息。
# “raytrace_range”参数确定了用于清除指定范围外的空间。
# 将其设置为3.0米，这意味着机器人将尝试清除3米外的空间，在代价地图中清除3米外的障碍物。
#robot_radius: 0.2
footprint: [[0.171, -0.128], [0.171, 0.128],[-0.171, 0.128], [-0.171, -0.128]]
obstacle_layer:
enabled: true
combination_method: 1
track_unknown_space: true
obstacle_range: 2.0
raytrace_range: 2.0
observation_sources: laser_scan_sensor
laser_scan_sensor: {
sensor_frame: laser_frame,
data_type: LaserScan,
topic: scan,
marking: true,
clearing: true,
inf_is_valid: true
}
inflation_layer:
enabled: true
cost_scaling_factor: 5.0
inflation_radius: 0.03
#0.15
static_layer:
enabled: true
- dwa_local_planner_params.yaml
#Description:
# dwa_local_planner提供一个能够驱动底座的控制器,该控制器连接了路径规划器和机器人.
# 使用地图,规划器产生从起点到目标点的运动轨迹,在移动时,规划器在机器人周围产生一个函数,
# 用网格地图表示。控制器的工作就是利用这个函数来确定发送给机器人的速度dx, dy, dtheta
#
# >> DWA算法的基本思想 <<
# 1.在机器人控制空间离散采样(dx, dy, dtheta)
# 2.对每一个采样的速度进行前向模拟,看看在当前状态下,使用该采样速度移动一小段时间后会发生什么.
# 3.评价前向模拟得到的每个轨迹,是否接近障碍物,是否接近目标,是否接近全局路径以及速度等等.舍弃非法路径
# 4.选择得分最高的路径,发送对应的速度给底座
#
# DWA与Trajectory Rollout的区别主要是在机器人的控制空间采样差异.Trajectory Rollout采样点来源于整个
# 前向模拟阶段所有可用速度集合,而DWA采样点仅仅来源于一个模拟步骤中的可用速度集合.这意味着相比之下
# DWA是一种更加有效算法,因为其使用了更小采样空间;然而对于低加速度的机器人来说可能Trajectory Rollout更好,
# 因为DWA不能对常加速度做前向模拟。
#
# 下面来依次介绍下每个参数的意义:
# * acc_lim_x:x方向的加速度绝对值
# * acc_lim_y:y方向的加速度绝对值,该值只有全向移动的机器人才需配置.
# * acc_lim_th:旋转加速度的绝对值.
#
# * max_trans_vel:平移速度最大值绝对值
# * min_trans_vel:平移速度最小值的绝对值
#
# * max_vel_x:x方向最大速度的绝对值
# * min_vel_x:x方向最小值绝对值,如果为负值表示可以后退.
# * max_vel_y:y方向最大速度的绝对值.
# * min_vel_y:y方向最小速度的绝对值.
#
# *trans_stopped_vel:停止的时候，最大的平移速度
# *theta_stopped_vel:停止的时候，最大角速度
#
# * max_rot_vel:最大旋转速度的绝对值.
# * min_rot_vel:最小旋转速度的绝对值.
# *
# * yaw_goal_tolerance:到达目标点时偏行角允许的误差，单位弧度.
# * xy_goal_tolerance:到达目标点时,在xy平面内与目标点的距离误差.
# * latch_xy_goal_tolerance:设置为true,如果到达容错距离内,机器人就会原地
# 旋转,即使转动是会跑出容错距离外.
#
# * sim_time:向前仿真轨迹的时间.
# * sim_granularity:步长,轨迹上采样点之间的距离,轨迹上点的密集程度.
# * vx_samples:x方向速度空间的采样点数.
# * vy_samples:y方向速度空间采样点数.
# * vth_samples:旋转方向的速度空间采样点数.
# * controller_frequency:发送给底盘控制移动指令的频率.
#
# * path_distance_bias:定义控制器与给定路径接近程度.
# * goal_distance_bias:定义控制器与局部目标点的接近程度
# * occdist_scale:定义控制器躲避障碍物的程度.
# * stop_time_buffer:为防止碰撞,机器人必须提前停止的时间长度.
# * scaling_speed:启动机器人底盘的速度.
# * max_scaling_factor:最大缩放参数.
#
# * publish_cost_grid:是否发布规划器在规划路径时的代价网格.如果设置为true,
# 那么就会在~/cost_cloud话题上发布sensor_msgs/PointCloud2类型消息.
# 每个点云代表代价网格,并且每个单独的评价函数都有一个字段及其每个单元
# 的总代价，并考虑评分参数.
#
# * oscillation_reset_dist:机器人运动多远距离才会重置振荡标记.
#
# * prune_plan:机器人前进是是否清楚身后1m外的轨迹.
latch_xy_goal_tolerance: true
DWAPlannerROS:
# Robot Configuration Parameters - stdr robot
acc_lim_x: 0.5
acc_lim_y: 0.0
acc_lim_th: 0.3
# max_trans_vel: 0.4#choose slightly less than the base's capability
# min_trans_vel: 0.1 #this is the min trans velocity when there is negligible rotational velocity
max_vel_trans: 1.0 #choose slightly less than the base's capability
min_vel_trans: -0.1 #this is the min trans velocity when there is negligible rotational velocity
trans_stopped_vel: 0.1
theta_stopped_vel: 0.1
max_vel_x: 1.2 # 0.8
min_vel_x: -0.2
max_vel_y: 1.2 # 0.2 diff drive robot,don't need set vel_y
min_vel_y: -0.2
# max_rot_vel: 0.5 #choose slightly less than the base's capability
# min_rot_vel: 0.1 #this is the min angular velocity when there is negligible translational velocity
max_vel_theta: 0.6 #choose slightly less than the base's capability
min_vel_theta: -0.6 #this is the min angular velocity when there is negligible translational velocity
# Goal Tolerance Parameters
yaw_goal_tolerance: 0.1 # 0.1 rad = 5.7 degree
xy_goal_tolerance: 0.3
latch_xy_goal_tolerance: true
# Forward Simulation Parameters
sim_time: 1.0 # 1.7
sim_granularity: 0.025
vx_samples: 3 # default 3
vy_samples: 3 # diff drive robot, there is only one sample
vth_samples: 7 # 20
controller_frequency: 5.0
# Trajectory Scoring Parameters
path_distance_bias: 32.0 # 32.0 -weighting for how much it should stick to the global path plan
goal_distance_bias: 20.0 # 24.0 -wighting for how much it should attempt to reach its goal
occdist_scale: 0.2 # 0.01 -weighting for how much the controller should avoid obstacles
forward_point_distance: 0.125 # 0.325 -how far along to place an additional scoring point
stop_time_buffer: 0.2 # 0.2 -amount of time a robot must stop in before colliding for a valid traj.
scaling_speed: 0.20 # 0.25 -absolute velocity at which to start scaling the robot's footprint
max_scaling_factor: 0.2 # 0.2 -how much to scale the robot's footprint when at speed.
publish_cost_grid: false
# Oscillation Prevention Parameters
oscillation_reset_dist: 0.05 # default 0.05
hdiff_scale: 1.0 #全局和局部角度判断
heading_points: 1
# Global Plan Parameters
prune_plan: true
publish_traj_pc : false
publish_cost_grid_pc: false
global_frame_id: map
- global_costmap_params.yaml
#Description:
# 全局代价地图参数配置文件,各参数的意义如下：
# global_frame:在全局代价地图中的全局坐标系;
# robot_base_frame:机器人的基坐标系;
#
global_costmap:
global_frame: map
robot_base_frame: base_link
update_frequency: 0.5
publish_frequency: 0.5
static_map: true
rolling_window: false
transform_tolerance: 10
track_unknown_space: true
plugins:
- {name: static_layer, type: "costmap_2d::StaticLayer"}
- {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
- global_planner_params.yaml
#Description:
# * allow_unknown:是否允许规划器规划穿过未知区域的路径,
# 只设计该参数为true还不行,还要在costmap_commons_params.yaml
# 中设置track_unknown_space参数也为true才行.
# * default_tolerance:当设置的目的地被障碍物占据时,需要以该参数
# 为半径寻找到最近的点作为新目的地点.
# * visualize_potential:是否显示从PointCloud2计算得到的势区域.
# * use_dijkstra:设置为true,将使用dijkstra算法,否则使用A*算法.
# * use_quadratic:设置为true,将使用二次函数近似函数,否则使用更加
# 简单的计算方式,这样节省硬件计算资源.
# * use_grid_path:如果设置为true,则会规划一条沿着网格边界的路径,
# 偏向于直线穿越网格,否则将使用梯度下降算法,路径更为光滑点.
# * old_navfn_behavior:若在某些情况下,想让global_planner完全复制navfn
# 的功能,那就设置为true,但是需要注意navfn是非常旧的ROS系统中使用的,
# 现在已经都用global_planner代替navfn了,所以不建议设置为true.
# * lethal_cost:致命代价值,默认是设置为253,可以动态来配置该参数.
# * neutral_cost:中等代价值,默认设置是50,可以动态配置该参数.
# * cost_factor:代价地图与每个代价值相乘的因子.
# * publish_potential:是否发布costmap的势函数.
# * orientation_mode: 如何设置每个点的方向（None = 0,Forward = 1,
# Interpolate = 2,ForwardThenInterpolate = 3,Backward = 4,
# Leftward = 5,Rightward = 6）（可动态重新配置）
# * orientation_window_size:根据orientation_mode指定的位置积分来得到
# 使用窗口的方向.默认值1,可以动态重新配置.
GlobalPlanner:
allow_unknown: false
default_tolerance: 0.2
visualize_potential: false
use_dijkstra: false
use_quadratic: true
use_grid_path: true
old_navfn_behavior: false
lethal_cost: 253
neutral_cost: 50
cost_factor: 3.0
publish_potential: true
orientation_mode: 0
orientation_window_size: 1
- local_costmap_params.yaml
#Description:
# 本地代价地图需要配置的参数，各参数意义如下:
# global_frame:在本地代价地图中的全局坐标系;
# robot_base_frame:机器人本体的基坐标系;
local_costmap:
global_frame: map
robot_base_frame: base_link
update_frequency: 5.0
publish_frequency: 3.0
static_map: false
rolling_window: true
width: 3.0
height: 3.0
resolution: 0.05
transform_tolerance: 10
plugins:
# - {name: static_layer, type: "costmap_2d::StaticLayer"}
- {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
amcl中：
<launch>
<node pkg="amcl" type="amcl" name="amcl">
<!-- Publish scans from best pose at a max of 10 Hz -->
<param name="odom_model_type" value="omni"/>
<param name="odom_alpha5" value="0.1"/>
<param name="transform_tolerance" value="0.2" />
<param name="gui_publish_rate" value="10.0"/>
<param name="laser_max_beams" value="50"/>
<param name="use_map_topic" value="false"/>
<!-- //当设置为true时，AMCL将会订阅map话题，而不是调用服务返回地图。也就是说，当设置为true时，有另外一个节点实时的发布map话题，也就是机器人在实时的进行地图构建，并供给amcl话题使用；当设置为false时，通过map server，也就是调用已经构建完成的地图。在navigation 1.4.2中新加入的参数。 -->
<param name="first_map_only" value="true"/>
<!-- //当设置为true时，AMCL将仅仅使用订阅的第一个地图，而不是每次接收到新的时更新为一个新的地图，在navigation 1.4.2中新加入的参数。 -->
<param name="min_particles" value="1000"/>
<param name="max_particles" value="10000"/>
<param name="kld_err" value="0.05"/>
<param name="kld_z" value="0.99"/>
<param name="odom_alpha1" value="0.2"/>
<param name="odom_alpha2" value="0.2"/>
<!-- translation std dev, m -->
<param name="odom_alpha3" value="0.8"/>
<param name="odom_alpha4" value="0.2"/>
<param name="laser_z_hit" value="0.5"/>
<param name="laser_z_short" value="0.05"/>
<param name="laser_z_max" value="0.05"/>
<param name="laser_z_rand" value="0.5"/>
<param name="laser_sigma_hit" value="0.2"/>
<param name="laser_lambda_short" value="0.1"/>
<param name="laser_lambda_short" value="0.1"/>
<!-- <param name="laser_model_type" value="likelihood_field"/> -->
<param name="laser_model_type" value="beam"/>
<param name="laser_likelihood_max_dist" value="2.0"/>
<param name="update_min_d" value="0.2"/>
<param name="update_min_a" value="0.5"/>
<param name="odom_frame_id" value="odom"/>
<param name="resample_interval" value="1"/>
<param name="transform_tolerance" value="0.1"/>
<param name="recovery_alpha_slow" value="0.0"/>
<param name="recovery_alpha_fast" value="0.0"/>
<!-- <param name="odom_frame_id" value="odom"/> -->
<!-- //里程计默认使用的坐标系 -->
<!-- <param name="base_frame_id" value="base_link"/> -->
<!-- //用作机器人的基坐标系 -->
<!-- <param name="global_frame_id" value="map"/> -->
<!-- //由定位系统发布的坐标系名称 -->
<!-- <param name="tf_broadcast" value="false"/> -->
<!-- //设置为false阻止amcl发布全局坐标系和里程计坐标系之间的tf变换 -->
</node>
</launch>
然后是launch文件：
调用三个节点：
<launch>
<node name="map_server" pkg="map_server" type="map_server" args="$(find gazebo_nav)/map/mymap1.yaml" output="screen">
<param name="frame_id" value="map" />
</node>
<include file="$(find gazebo_nav)/launch/config/amcl/amcl_omni.launch" > </include>
<node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
<param name="base_global_planner" value="global_planner/GlobalPlanner"/>
<param name="base_local_planner" value="dwa_local_planner/DWAPlannerROS"/>
<rosparam file="$(find gazebo_nav)/launch/config/move_base/costmap_common_params.yaml" command="load" ns="global_costmap" />
<rosparam file="$(find gazebo_nav)/launch/config/move_base/costmap_common_params.yaml" command="load" ns="local_costmap" />
<rosparam file="$(find gazebo_nav)/launch/config/move_base/global_planner_params.yaml" command="load" />
<rosparam file="$(find gazebo_nav)/launch/config/move_base/dwa_local_planner_params.yaml" command="load" />
<rosparam file="$(find gazebo_nav)/launch/config/move_base/local_costmap_params.yaml" command="load" />
<rosparam file="$(find gazebo_nav)/launch/config/move_base/global_costmap_params.yaml" command="load" />
</node>
<node name="rviz" pkg="rviz" type="rviz" required="true"
args="-d $(find gazebo_nav)/launch/config/rviz/demo2.rviz" />
</launch>
此外还需要读取地图文件：
放在map中后：改一下代码
<node name="map_server" pkg="map_server" type="map_server" args="$(find gazebo_nav)/map/mapname.yaml" output="screen"> //将mymap1修改即可
添加laserscan，map，path，robotmodel
保存rviz中
rviz中暂时没有，存放demo2.launch的
map中存放导航所用的地图的。
ok。。。
轻舟的gmapping建图——能否用在科大讯飞上呢？
应该是可以的：
gmapping的结构：
launch中存放gmapping.launch
rviz中存放rviz配置文件
map中存放地图文件.pgm和.yaml
qingzhou_nav的结构：
它其实把config变成了params，此外，将dwa换成了Teb
大同小异的，我已经能看懂了。
接下来就是从源码入手了。写注释，调参写word，明天做个ppt，视频效果。