构建捡垃圾机器人的 ROS 2 项目
一、说明
先决条件 — ROS2 软件包的基本知识、实现发布者、订阅者、操作并连接它们。
我们之前在 ROS2 中了解了不同的部分。但是，在我们转向实际的基于硬件的项目之前，将它们很好地结合起来理解 ROS2 是关键。
这是我们当前系列的议程— 第 1 部分：开始使用新的 ROS2 项目 — 演示带有垃圾拾取机器人自定义包的样板 ROS2 项目 第 2 部分：改进 ROS2 代码库 — 启动文件和 ROS 参数
第 3 部分：通过测试改进项目 — 添加 ROS 测试基础架构 第 4 部分：从业余爱好者到优质项目 —
在 Github 上为 CI/CD 添加 docker
二、垃圾捡拾机器人 —
以下是我们想要设计系统的方式 —
- 感知和解释 — 我们使用摄像头图像来查看机器人的附近，对其进行处理，并确定是否存在垃圾。该信息被转发到决策模块（大脑）。
- 决定 — 决策模块（大脑）从感知（和解释）中获取垃圾存在信息，并决定机器人是否应该采取行动。 如果大脑决定采取行动并移动机器人（因为存在垃圾），它会命令驱动模块这样做。
- 行动 —根据大脑的命令，驱动模块移动机器人（例如，使用电机）去收集垃圾。
注意：我们的朴素系统过于简单（只关注 ROS2 设计）。在本系列中，我们不考虑核心机器人算法、控件（开环/闭环）或视觉。这将在后面的课程中完成，我们将基于此处建立的基本 ROS2 思想。
我们将系统分为 3 个逻辑组件——感知、大脑和驱动。
如果我们想象我们的软件设计，我们应该有 3 个 ROS2 包（因此是节点）
- 感知 — 该节点将从机器人的摄像头获取输入图像并从中获取见解（例如垃圾的存在）。
- 脑—— 该节点从感知模块获取见解，处理此信息，并通知致动模块下一步该做什么。
此外，大脑通常只关心每一帧中感知的视觉信息。但偶尔，大脑想知道感知相机的电池状态。 - 驱动 — 该节点将命令伺服电机移动机器人的四肢。想象一下，机器人走向垃圾桶，捡起它，移动到垃圾箱，然后收集它。使用致动代码控制运动
大脑模块实际上就像人脑一样，通过感觉器官（感知）接收信息，并通过电机（驱动）指挥适当的动作。甜！
接下来，本系列的第 1 部分将重点介绍如何使用垃圾收集机器人的自定义包构建一个样板 ROS2 项目。
让我们建造，好吗？
三、ROS2 有何不同 — 总结！
1. 第三方中间件
ROS1 与 ROS2：DDS
ROS1有自己的中间件，它使用网络堆栈将信息从一个节点发送到正确的套接字，中间件再次接收到信息以将信息发送到正确的节点（过度简化）。
ROS2抛弃了中间，现在使用数据分发服务（DDS），这是一个可靠的行业标准的第三方中间件。
2. 没有玫瑰大师
Rosmaster是一项服务，方便两个节点找到彼此（如果它们希望通信）。接下来是它们直接相互连接。如果 rosmaster 在此过程中死亡，这些节点仍将连接，但没有新节点可以加入通信网络。
在 ROS1 中，每个节点都需要知道主节点的位置（即使系统在多台机器上运行）。
ROS2取消了rosmaster，节点可以直接找到彼此。
3. Cpp 和 Python 的共享代码库
RCL
ROS支持两种语言，Cpp和Python，底层实现在某些地方有所不同。例如，每个订阅者在 Python 中都有自己的线程，但在 Cpp.All
对于 ROS1 来说都是如此，但 ROS2 具有相同的共享 C 实现。这个通用的代码库通过C++和Python中的ROS客户端库API公开。
4. 一个进程中有多个ROS节点 ROS1不允许一个进程中
有多个ROS节点。ROS2 中的变化
5. Python 构建要求
在 ROS1 中更改 Python 文件不需要您构建项目。ROS2 需要你重新构建项目，这太糟糕了！
6. 操作服务 操作服务
不是核心 ROS1 库的一部分（而是 actionlib）。ROS2 核心库具有操作服务器
7. 视窗支持
ROS2 是视窗支持的！好吧，我真诚地希望你正在使用Linux 。
8. 更改了启动基础结构
ROS1 主要使用基于 XML 的启动文件。ROS2 有一个支持排序约束的 python 启动系统
四、为什么要迁移到 ROS2？
这是一个很难回答的问题。此举有一些惯性，主要是因为 ROS2 社区仍然没有 ROS1 那么大。这导致更少的在线开发支持和更长的开发时间。
但大多数著名的开源 ROS1 软件包已经或将很快达到生命周期的终点。面向未来的项目和技能提升是采取行动的两个原因。
五、ROS2 设置
第 1 阶段：安装 ROS2
在本课中，我们使用 ubuntu Focal（20.04.3 LTS），它支持 ROS2 Galactic。
这里有一个链接可以很好地解释 ROS2 的安装。他们在解释安装:)方面比我做得更好
第 2 阶段：测试 ROS2
为了测试我们的 ROS2 设置，我们执行以下操作：
1. 获取终端
source /opt/ros/$ROS_DISTRO/setup.bash 如前所述，从今以后我将使用银河而不是$ROS_DISTRO
2. 运行演示监听器和说话者节点：
我们将使用“/opt/$ROS_DISTRO/lib/”中已经存在的demo_nodes_cpp包
在源终端中运行以下命令：
ros2 run demo_nodes_cpp listener & ros2 run demo_nodes_cpp talker 您将看到以下内容：
如果是，我们可以确定我们的 ROS2 设置。
呜呜呜！我们已经准备好在 ROS2 中开始开发。让游戏开始
转到本系列的第 2 部分 这里.
在第 1 部分中，我们在 Gazebo 中设置了 TurtleBot3 模拟，这构成了我们在 ROS 2 中所有移动机器人实验的基础。
下一步是什么？ 我们现在了解如何使用 Nav2 在 ROS 2 中设置自主导航。在 ROS 1 中，我们使用了导航堆栈，它是多个包的组合，如 move_base、amcl 和地图服务器，仅举几例。
但是 Nav2 是镇上新的酷人，其中大多数软件包已经是其中的一部分，并且功能增强。制造商希望将“ ROS导航带出实验室”，或者简单地说，使其具有生产质量。
六、我们如何在 ROS 2 中设置自主导航？
为了回答这个问题，我们先来看看一些机器人导航概念，好吗？
有一秒钟，把自己放在机器人的鞋子里，你要求自主移动。假设有人说——“哎呀，搬到B位置！
你会怎么做？好吧，我想问以下两个问题——
- 我在哪里？
- 位置 B 在哪里，换句话说，我的周围（地图）是什么样的？
而这正是机器人真正需要的——
- 本地化 — 机器人在哪里？
- 映射 — 地图/世界是什么样的？
从技术上讲，这就是机器人大脑处理这些信息并决定移动所需要的。在这种情况下，我们机器人的大脑是导航包。直观，嗯？
因此，我们定义了导航所需的两条信息。
由于这仍然是一个基本的帖子，让我们避免理论（这很重要，但稍后），并转移到 ROS 2 中的 Nav2 包
正如我们所建立的，Nav2需要机器人的当前位置和地图。
在 ROS/ROS2 中，这转化为两个要求—
- 机器人定位 — 变换和变换
map -> odomodom -> base_link
Nav2 的预期输入是符合 REP-105 的两个 TF 转换。
全球定位系统（GPS，SLAM，运动捕捉）的工作至少可以提供转换。通常，这是 Nav2 的一部分用于此目的。map->odomamcl
测程系统的作用是提供->转换。里程计可以来自许多来源，包括激光雷达、雷达、车轮编码器、VIO 和 IMU。测程法的目标是提供基于机器人运动的平滑和连续的局部框架。全球定位系统将更新相对于全局帧的变换，以考虑测距漂移。odombase_link
机器人定位通常用于这种融合。它将采用各种类型的传感器，并为TF和主题提供连续和平滑的测程。典型的移动机器人设置可能具有以这种方式融合的车轮编码器、IMU 和视觉的测程计。N
然后，平滑输出可用于航位推算以实现精确运动，并在全局位置更新之间准确更新机器人的位置。
- 地图 —在需要 SLAM（同时定位和映射）的应用程序中，这是与导航并行完成的。但目前，我们有兴趣使用静态地图（因此我们已经知道周围的地图）进行导航。在 ROS 2 中，SLAM 工具箱可用于生成静态地图，我们可以保存它以供导航。
如果这一切都有意义，那就太棒了。如果没有，请耐心等待。在下面的 ROS 2 中完成这项工作将澄清:)
从我内心深处，我相信边建边学的策略。那么，好吗？
七、使用 TurtleBot2 模拟设置基于 ROS 3 的导航—
第 1 步 — 在凉亭中设置 ROS 2 和 TurtleBot3 以进行模拟
请查看我们的第 0 部分和第 1 部分以完成此操作（如果您尚未完成）
如果你这样做了，你应该擅长在凉亭中运行TurtleBot3模拟。
第 2 步 — 设置本地化
首先，在凉亭中运行 TurtleBot3
为 ROS 2 提供终端 —
source /opt/ros/galactic/setup.bash 转到我们在第 3 部分中构建的 TurtleBot1 包，然后获取终端 —
source ./install/setup.bash 运行海龟机器人3世界模拟 —
ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py 您应该看到模拟正在运行 —
现在，打开另一个终端，source ROS 2然后查找题目：
ros2 topic list
看看！有一个主题，它给了我们测程值和转换。所以我们已经准备好了本地化，对吧？odomodom->base_link
好吧，虽然我们将使用它，但在一般情况下，不完全是。
当您使用真正的机器人时，这些测程值是嘈杂的并且容易漂移。因此，我们需要使用机器人定位包将它们与其他传感器输出（如 IMU（本地）和 GPS（全球））融合。
在我们的例子中，odom 几乎没有任何噪声（我还没有找到一种方法来增加模型的 odom 噪声而不在代码中重新发布）。因此，我们将使用它。
因此，对我们来说，本地化价值已经准备就绪。
步骤 3 — 设置静态地图
为此，我们使用 ROS 2 中的 SLAM 工具箱
- 安装 SLAM 工具箱
sudo apt install ros--slam-toolbox 我正在使用银河，所以——
sudo apt install ros-galactic-slam-toolbox - 启动用于映射的 slam 工具箱包 —
在一个新的终端中（当然，在采购 ROS 2 之后，一定要这样做）—
source /opt/ros/galactic/setup.bash
ros2 launch slam_toolbox online_async_launch.py - 使用必要的可视化启动 Rviz2
在新终端中，启动 rviz2
source /opt/ros/galactic/setup.bash
rviz2 添加以下内容以进行可视化
- 激光扫描 — 主题 ， 可靠性政策
/scanBest Effort - 地图 — 主题
/map - TF
这是我的 Rviz 观点——
- 运行远程操作以移动机器人进行映射 —
在一个新的终端中——
source /opt/ros/galactic/setup.bash
ros2 run teleop_twist_keyboard teleop_twist_keyboard - 将 Gazebo 和 RViz 并排放置，然后 teleop 查看在 RViz 中创建的地图 —
我通常会显着减慢机器人的速度以获得更好的地图
- 保存地图
在新终端中，运行nav2_map_server
source /opt/ros/galactic/setup.bash
ros2 run nav2_map_server map_saver_cli -f ~/map 这会将地图保存在我们的主目录中（map.pgm 和 map.yaml）
那是映射。
而且。我们准备接下来导航！
第 4 步 — 自主导航
请杀死slam_toolbox节点、远程操作节点和 RViz。我们不再需要它们了。此时，只有 TurtleBot3 凉亭模拟应该运行
现在我们已经准备好本地化（主题）和映射（我们保存的地图），我们可以开始导航了/odom
- 启动导航
在一个新的终端中——
source /opt/ros/galactic/setup.bash
ros2 launch nav2_bringup bringup_launch.py use_sim_time:=True autostart:=True map:=/path/to/your-map.yaml 这将设置自主导航所需的所有节点，但会发出有关框架不存在的警告。我们会尽快解决这个问题。map
在另一个终端中，启动 RViz，但具有预设的可视化 —
source /opt/ros/galactic/setup.bashros2 run rviz2 rviz2 -d $(ros2 pkg prefix nav2_bringup)/share/nav2_bringup/rviz/nav2_default_view.rviz 房车视图 —
您将看到全局状态错误，这是关于地图不可用。
问题是，转换是由 amcl 发布的，它是作为上述的一部分推出的。但需要一个初始姿势才能开始工作。map->odomnav2_bringupamcl
为此，请单击上方工具栏上的“2D 姿势估计”（绿色箭头之一），并通过在 RViz 中的地图上单击并拖动来根据凉亭（位置和标题）提供当前姿势。您应该尽可能精确（但小错误没问题）。
一旦你这样做了，这应该是新的视图——
现在，我们有了自主导航所需的所有转换：map->odom->base_link
- 导航
从底部开始，我们在这里;)
让我们导航！
要命令机器人自主移动，请转到 RViz 并单击 .现在，在 RViz 中的目的地上单击（用于位置）并拖动（用于方向）。下一个？观看凉亭里的魔术！Nav2 Goal
你将看到 nav2 规划了一条路径（本地 + 全局）并开始移动机器人。如果这让你开心，你可以继续提供更多的 Nav2 目标！
那么，我们已经成功地使用 Nav2 为 TurtleBot3 设置了自主导航，那就是本文的全部目标。
后记
你接下来问什么？理想情况下，我想用一个物理的TurtleBot继续这个系列。也许我众包了一个TurtleBot。也许别的东西。我很想知道你想要什么。我们可以一起想办法！