中山网站建设思,新的网站建设一般多少钱,东莞建筑公司排名,湖北省住房和建设厅网站目录 1 导航概述
2 导航简介
2.1 导航模块简介
1.全局地图
2.自身定位
3.路径规划
4.运动控制
5.环境感知
2.2 导航坐标系odom、map
1.简介
2.特点
3.坐标系变换
2.3 导航条件说明
1.硬件
2.软件
3 导航实现
3.1 创建本篇博客的功能包
3.2 建图--gmapping
3.…目录 1 导航概述
2 导航简介
2.1 导航模块简介
1.全局地图
2.自身定位
3.路径规划
4.运动控制
5.环境感知
2.2 导航坐标系odom、map
1.简介
2.特点
3.坐标系变换
2.3 导航条件说明
1.硬件
2.软件
3 导航实现
3.1 创建本篇博客的功能包
3.2 建图--gmapping
3.2.1 gmapping简介
3.2.2 gmapping节点说明
3.2.2.1订阅的Topic
3.2.2.2发布的Topic
3.2.2.3服务
3.2.2.4参数
3.2.2.5所需的坐标变换
3.2.2.6发布的坐标变换
3.2.3 gmapping使用
3.2.3.1编写gmapping节点相关launch文件
3.2.3.2 执行
3.3 地图服务 map_server
3.3.1 map_server使用之地图保存节点(map_saver)
3.3.2 map_server使用之地图发布节点(map_saver)
3.3.3 地图配置文件
3.4 amcl定位
3.4.1 概念
3.4.1.1订阅的Topic
3.4.1.2发布的Topic
3.4.1.3服务
3.4.1.4调用的服务
3.4.1.5参数
3.4.16坐标变换
3.4.2 AMCL的使用
3.4.2.1 编写AMCL相关的文件
3.4.2.2 编写测试文件
3.5 路径规划move_base、代价地图
3.5.1 简介
3.5.2 move_base节点说明
3.5.3 move_base与代价地图
3.5.4 move_base的使用
3.5.4.1 编写launch文件
3.5.4.2 配置文件
3.4.5.3 launch文件集成
3.4.5.4 测试
3.4.5.5 显示全局/本地代价地图与全局/本地路径规划
3.4.5.6 配置文件的解释
3.4.5.7 参数配置小技巧
3.5.5 导航与SLAM建图
3.5.5.1 编写launch文件
4 导航信息
4.1 地图
4.1.1 nav_msgs/MapMetaData
4.1.2 nav_msgs/OccupancyGrid
4.2 里程计数据
4.3 TF
4.4 定位
4.5 路径规划 1 导航概述 导航是机器人系统中最重要的模块之一比如现在较为流行的服务型室内机器人就是依赖于机器人导航来实现室内自主移动的本章主要就是介绍仿真环境下的导航实现主要内容有: 导航相关概念导航实现:机器人建图(SLAM)、地图服务、定位、路径规划....以可视化操作为主。导航消息:了解地图、里程计、雷达、摄像头等相关消息格式。 预期达成的学习目标: 了解导航模块中的组成部分以及相关概念能够在仿真环境下独立完成机器人导航 2 导航简介
2.1 导航模块简介 在ROS中机器人导航(Navigation)由多个功能包组合实现ROS 中又称之为导航功能包集关于导航模块官方介绍如下: 一个二维导航堆栈它接收来自里程计、传感器流和目标姿态的信息并输出发送到移动底盘的安全速度命令。 更通俗的讲: 导航其实就是机器人自主的从 A 点移动到 B 点的过程。 秉着不重复发明轮子的原则ROS 中导航相关的功能包集为机器人导航提供了一套通用的实现开发者不再需要关注于导航算法、硬件交互... 等偏复杂、偏底层的实现这些实现都由更专业的研发人员管理、迭代和维护开发者可以更专注于上层功能而对于导航功能的调用只需要根据自身机器人相关参数合理设置各模块的配置文件即可当然如果有必要也可以基于现有的功能包二次开发实现一些定制化需求这样可以大大提高研发效率缩短产品落地时间。总而言之对于一般开发者而言ROS 的导航功能包集优势如下: 安全: 由专业团队开发和维护 功能: 功能更稳定且全面 高效: 解放开发者让开发者更专注于上层功能实现 机器人是如何实现导航的呢或换言之机器人是如何从 A 点移动到 B 点呢ROS 官方为了提供了一张导航功能包集的图示,该图中囊括了 ROS 导航的一些关键技术 假定我们已经以特定方式配置机器人导航功能包集将使其可以运动。上图概述了这种配置方式。白色的部分是必须且已实现的组件灰色的部分是可选且已实现的组件蓝色的部分是必须为每一个机器人平台创建的组件。 总结下来涉及的关键技术有如下五点: 全局地图 自身定位 路径规划 运动控制 环境感知 机器人导航实现与无人驾驶类似关键技术也是由上述五点组成只是无人驾驶是基于室外的而我们当前介绍的机器人导航更多是基于室内的。 1.全局地图 在现实生活中当我们需要实现导航时可能会首先参考一张全局性质的地图然后根据地图来确定自身的位置、目的地位置并且也会根据地图显示来规划一条大致的路线.... 对于机器人导航而言也是如此在机器人导航中地图是一个重要的组成元素当然如果要使用地图首先需要绘制地图。关于地图建模技术不断涌现这其中有一门称之为 SLAM 的理论脱颖而出: SLAM(simultaneous localization and mapping),也称为CML (Concurrent Mapping and Localization), 即时定位与地图构建或并发建图与定位。SLAM问题可以描述为: 机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位同时在自身定位的基础上建造增量式地图以绘制出外部环境的完全地图。 在 ROS 中较为常用的 SLAM 实现也比较多比如: gmapping、hector_slam、cartographer、rgbdslam、ORB_SLAM .... 当然如果要完成 SLAM 机器人必须要具备感知外界环境的能力尤其是要具备获取周围环境深度信息的能力。感知的实现需要依赖于传感器比如: 激光雷达、摄像头、RGB-D摄像头... SLAM 可以用于地图生成而生成的地图还需要被保存以待后续使用在 ROS 中保存地图的功能包是 map_server 另外注意: SLAM 虽然是机器人导航的重要技术之一但是 二者并不等价确切的讲SLAM 只是实现地图构建和即时定位。 2.自身定位 导航伊始和导航过程中机器人都需要确定当前自身的位置如果在室外那么 GPS 是一个不错的选择而如果室内、隧道、地下或一些特殊的屏蔽 GPS 信号的区域由于 GPS 信号弱化甚至完全不可用那么就必须另辟蹊径了比如前面的 SLAM 就可以实现自身定位除此之外ROS 中还提供了一个用于定位的功能包: amcl amcl(adaptiveMonteCarloLocalization)自适应的蒙特卡洛定位,是用于2D移动机器人的概率定位系统。它实现了自适应或KLD采样蒙特卡洛定位方法该方法使用粒子过滤器根据已知地图跟踪机器人的姿态。 3.路径规划 导航就是机器人从A点运动至B点的过程在这一过程中机器人需要根据目标位置计算全局运动路线并且在运动过程中还需要时时根据出现的一些动态障碍物调整运动路线直至到达目标点该过程就称之为路径规划。在 ROS 中提供了 move_base 包来实现路径规则,该功能包主要由两大规划器组成: 全局路径规划(gloable_planner) 根据给定的目标点和全局地图实现总体的路径规划使用 Dijkstra 或 A* 算法进行全局路径规划计算最优路线作为全局路线 本地时时规划(local_planner) 在实际导航过程中机器人可能无法按照给定的全局最优路线运行比如:机器人在运行中可能会随时出现一定的障碍物... 本地规划的作用就是使用一定算法(Dynamic Window Approaches) 来实现障碍物的规避并选取当前最优路径以尽量符合全局最优路径 全局路径规划与本地路径规划是相对的全局路径规划侧重于全局、宏观实现而本地路径规划侧重与当前、微观实现。 4.运动控制 导航功能包集假定它可以通过话题cmd_vel发布geometry_msgs/Twist类型的消息这个消息基于机器人的基座坐标系它传递的是运动命令。这意味着必须有一个节点订阅cmd_vel话题 将该话题上的速度命令转换为电机命令并发送。 5.环境感知 感知周围环境信息比如: 摄像头、激光雷达、编码器...摄像头、激光雷达可以用于感知外界环境的深度信息编码器可以感知电机的转速信息进而可以获取速度信息并生成里程计信息。 在导航功能包集中环境感知也是一重要模块实现它为其他模块提供了支持。其他模块诸如: SLAM、amcl、move_base 都需要依赖于环境感知。 2.2 导航坐标系odom、map 1.简介 定位是导航中的重要实现之一所谓定位就是参考某个坐标系(比如:以机器人的出发点为原点创建坐标系)在该坐标系中标注机器人。定位原理看似简单但是这个这个坐标系不是客观存在的我们也无法以上帝视角确定机器人的位姿定位实现需要依赖于机器人自身机器人需要逆向推导参考系原点并计算坐标系相对关系该过程实现常用方式有两种: 通过里程计定位:时时收集机器人的速度信息计算并发布机器人坐标系与父级参考系的相对关系。通过传感器定位:通过传感器收集外界环境信息通过匹配计算并发布机器人坐标系与父级参考系的相对关系。 两种方式在导航中都会经常使用。 2.特点 两种定位方式都有各自的优缺点。 里程计定位: 优点:里程计定位信息是连续的没有离散的跳跃。缺点:里程计存在累计误差不利于长距离或长期定位。 传感器定位: 优点:比里程计定位更精准缺点:传感器定位会出现跳变的情况且传感器定位在标志物较少的环境下其定位精度会大打折扣。 两种定位方式优缺点互补应用时一般二者结合使用。 3.坐标系变换 上述两种定位实现中机器人坐标系一般使用机器人模型中的根坐标系(base_link 或 base_footprint)里程计定位时父级坐标系一般称之为 odom如果通过传感器定位父级参考系一般称之为 map。当二者结合使用时map 和 odom 都是机器人模型根坐标系的父级这是不符合坐标变换中单继承的原则的所以一般会将转换关系设置为: map - odom - base_link 或 base_footprint。 2.3 导航条件说明 导航实现在硬件和软件方面是由一定要求的需要提前准备。 1.硬件 虽然导航功能包集被设计成尽可能的通用在使用时仍然有三个主要的硬件限制 它是为差速驱动的轮式机器人设计的。它假设底盘受到理想的运动命令的控制并可实现预期的结果命令的格式为x速度分量y速度分量角速度(theta)分量。 它需要在底盘上安装一个单线激光雷达。这个激光雷达用于构建地图和定位。 导航功能包集是为正方形的机器人开发的所以方形或圆形的机器人将是性能最好的。 它也可以工作在任意形状和大小的机器人上但是较大的机器人将很难通过狭窄的空间。 2.软件 导航功能实现之前需要搭建一些软件环境: 毋庸置疑的必须先要安装 ROS 当前导航基于仿真环境先保证上一章的机器人系统仿真可以正常执行 在仿真环境下机器人可以正常接收 /cmd_vel 消息并发布里程计消息传感器消息发布也正常也即导航模块中的运动控制和环境感知实现完毕 后续导航实现中我们主要关注于: 使用 SLAM 绘制地图、地图服务、自身定位与路径规划。 3 导航实现 本节内容主要介绍导航的完整性实现旨在掌握机器人导航的基本流程该章涉及的主要内容如下: SLAM建图(选用较为常见的gmapping) 地图服务(可以保存和重现地图) 机器人定位 路径规划 上述流程介绍完毕还会对功能进一步集成实现探索式的SLAM建图。 准备工作 请先安装相关的ROS功能包: 安装 gmapping 包(用于构建地图):sudo apt install ros-ROS版本-gmapping 安装地图服务包(用于保存与读取地图):sudo apt install ros-ROS版本-map-server 安装 navigation 包(用于定位以及路径规划):sudo apt install ros-ROS版本-navigation 新建功能包并导入依赖: gmapping map_server amcl move_base 3.1 创建本篇博客的功能包 CMakeLists.txt配置 cmake_minimum_required(VERSION 2.8.3)
project(nav_robot)######################
### Cmake flags
######################
set(CMAKE_BUILD_TYPE Release)
set(CMAKE_CXX_FLAGS -stdc11)
set(CMAKE_CXX_FLAGS_RELEASE -O3 -Wall -g -pthread)find_package(catkin REQUIRED COMPONENTSroscpprospyroslib# msgurdfxacrogmappingmap_serveramclmove_base
)catkin_package()include_directories(${catkin_INCLUDE_DIRS}) package.xml配置 ?xml version1.0?
packagenamenav_robot/nameversion0.0.0/versiondescriptionA test/descriptionmaintainer emailhahanefu.comhaha/maintainerauthorHITLHW/authorlicenseBSD-3/licensebuildtool_dependcatkin/buildtool_dependbuild_dependgmapping/build_dependrun_dependgmapping/run_dependbuild_dependmap_server/build_dependrun_dependmap_server/run_dependbuild_dependamcl/build_dependrun_dependamcl/run_dependbuild_dependmove_base/build_dependrun_dependmove_base/run_depend/package 编译一下 没问题。 3.2 建图--gmapping
3.2.1 gmapping简介 SLAM算法有多种当前我们选用gmapping后续会再介绍其他几种常用的SLAM实现。 gmapping 是ROS开源社区中较为常用且比较成熟的SLAM算法之一gmapping可以根据移动机器人里程计数据和激光雷达数据来绘制二维的栅格地图对应的gmapping对硬件也有一定的要求: 该移动机器人可以发布里程计消息机器人需要发布雷达消息(该消息可以通过水平固定安装的雷达发布或者也可以将深度相机消息转换成雷达消息) 关于里程计与雷达数据仿真环境中可以正常获取的不再赘述栅格地图如案例所示。 gmapping 安装前面也有介绍命令如下: sudo apt install ros-ROS版本-gmapping 3.2.2 gmapping节点说明 gmapping 功能包中的核心节点是:slam_gmapping。为了方便调用需要先了解该节点订阅的话题、发布的话题、服务以及相关参数。 3.2.2.1订阅的Topic tf (tf/tfMessage) 用于雷达、底盘与里程计之间的坐标变换消息。 scan(sensor_msgs/LaserScan) SLAM所需的雷达信息。 3.2.2.2发布的Topic map_metadata(nav_msgs/MapMetaData) 地图元数据包括地图的宽度、高度、分辨率等该消息会固定更新。 map(nav_msgs/OccupancyGrid) 地图栅格数据一般会在rviz中以图形化的方式显示。 ~entropy(std_msgs/Float64) 机器人姿态分布熵估计(值越大不确定性越大)。 3.2.2.3服务 dynamic_map(nav_msgs/GetMap) 用于获取地图数据。 3.2.2.4参数 ~base_frame(string, default:base_link) 机器人基坐标系。 ~map_frame(string, default:map) 地图坐标系。 ~odom_frame(string, default:odom) 里程计坐标系。 ~map_update_interval(float, default: 5.0) 地图更新频率根据指定的值设计更新间隔。 ~maxUrange(float, default: 80.0) 激光探测的最大可用范围(超出此阈值被截断)。 ~maxRange(float) 激光探测的最大范围。 .... 参数较多上述是几个较为常用的参数其他参数介绍可参考官网。 3.2.2.5所需的坐标变换 雷达坐标系→基坐标系 一般由 robot_state_publisher 或 static_transform_publisher 发布。 基坐标系→里程计坐标系 一般由里程计节点发布。 3.2.2.6发布的坐标变换 地图坐标系→里程计坐标系 地图到里程计坐标系之间的变换。 3.2.3 gmapping使用 3.2.3.1编写gmapping节点相关launch文件 launch
param nameuse_sim_time valuetrue/node pkggmapping typeslam_gmapping nameslam_gmapping outputscreenremap fromscan toscan/param namebase_frame valuebase_footprint/!--底盘坐标系--param nameodom_frame valueodom/ !--里程计坐标系--param namemap_update_interval value5.0/param namemaxUrange value16.0/param namesigma value0.05/param namekernelSize value1/param namelstep value0.05/param nameastep value0.05/param nameiterations value5/param namelsigma value0.075/param nameogain value3.0/param namelskip value0/param namesrr value0.1/param namesrt value0.2/param namestr value0.1/param namestt value0.2/param namelinearUpdate value1.0/param nameangularUpdate value0.5/param nametemporalUpdate value3.0/param nameresampleThreshold value0.5/param nameparticles value30/param namexmin value-50.0/param nameymin value-50.0/param namexmax value50.0/param nameymax value50.0/param namedelta value0.05/param namellsamplerange value0.01/param namellsamplestep value0.01/param namelasamplerange value0.005/param namelasamplestep value0.005//nodenode pkgjoint_state_publisher namejoint_state_publisher typejoint_state_publisher /node pkgrobot_state_publisher namerobot_state_publisher typerobot_state_publisher /node pkgrviz typerviz namerviz /!-- 可以保存 rviz 配置并后期直接使用--!--node pkgrviz typerviz namerviz/--
/launch参数 1.use_sim_time使用仿真时间仿真下设置该参数为true。 2.remap fromscan toscan/ 设置雷达话题to后面要设置为自己激光雷达的话题 3.map_update_interval 地图更新时间 4.maxUrange 雷达长度阈值 5.必须设置的 param namebase_frame valuebase_footprint/!--底盘坐标系-- param nameodom_frame valueodom/ !--里程计坐标系-- 3.2.3.2 执行 1.先启动 Gazebo 仿真环境(此过程略)(上篇博客的) roslaunch test gazebo_car.launch 2.然后再启动地图绘制的 launch 文件: roslaunch nav_robot gmmaping.launch 3.启动键盘键盘控制节点用于控制机器人运动建图 rosrun teleop_twist_keyboard teleop_twist_keyboard.py 调节RVIZ显示 这三个是重合的。 我们添加map 控制机器人运动构建地图。 撞上了...。 3.3 地图服务 map_server 上一节我们已经实现通过gmapping的构建地图并在rviz中显示了地图不过上一节中地图数据是保存在内存中的当节点关闭时数据也会被一并释放我们需要将栅格地图序列化到的磁盘以持久化存储后期还要通过反序列化读取磁盘的地图数据再执行后续操作。在ROS中地图数据的序列化与反序列化可以通过 map_server 功能包实现。 map_server功能包中提供了两个节点: map_saver 和 map_server前者用于将栅格地图保存到磁盘后者读取磁盘的栅格地图并以服务的方式提供出去。 3.3.1 map_server使用之地图保存节点(map_saver) 订阅的topic: map(nav_msgs/OccupancyGrid) 订阅此话题用于生成地图文件。 地图保存的语法比较简单编写一个launch文件内容如下: launcharg namefilename value$(find mycar_nav)/map/nav /node namemap_save pkgmap_server typemap_saver args-f $(arg filename) /
/launch其中 mymap 是指地图的保存路径以及保存的文件名称。 SLAM建图完毕后执行该launch文件即可。 测试: 首先参考上一节依次启动仿真环境键盘控制节点与SLAM节点 然后通过键盘控制机器人运动并绘图 最后通过上述地图保存方式保存地图。 结果在指定路径下会生成两个文件xxx.pgm 与 xxx.yaml 第一行是地图保存的地址我们创立文件夹 第二行filename是保存的地图的名称我们来演示一下。 roslaunch test gazebo_car.launch
roslaunch nav_robot gmmaping.launch
rosrun teleop_twist_keyboard teleop_twist_keyboard.py我们建立好地图后启动我们的地图保存节点 roslaunch nav_robot octomapserver.launch 发现地图已经被保存下来了 xxx.pgm 本质是一张图片直接使用图片查看程序即可打开。 xxx.yaml 保存的是地图的元数据信息用于描述图片内容格式如下: image: /home/liuhongwei/Desktop/final/nav_zhaoxuzuo/src/map/nav.pgm
resolution: 0.050000
origin: [-50.000000, -50.000000, 0.000000]
negate: 0
occupied_thresh: 0.65
free_thresh: 0.1963.3.2 map_server使用之地图发布节点(map_saver) 发布的话题 map_metadatanav_msgs / MapMetaData 发布地图元数据。 mapnav_msgs / OccupancyGrid 地图数据。 服务 static_mapnav_msgs / GetMap 通过此服务获取地图。 参数 〜frame_id字符串默认值“map” 地图坐标系。 launch!-- 设置地图的配置文件 --arg namemap defaultnav.yaml /!-- 运行地图服务器并且加载设置的地图--node namemap_server pkgmap_server typemap_server args$(find mycar_nav)/map/$(arg map)/
/launch直接执行这个launch文件就行。 我们在rviz添加map组件 3.3.3 地图配置文件 1.image地图资源的路径 2.resolutuin地图刻度尺单位 m/像素 3.origin地图的位姿信息相对于rviz的原点信息 4.occupied_thresh占用阈值 5.free_thresh空闲阈值判断地图某一点是否被占用 6.negate取反 为了演示这些参数的作用我们打开RVIZ origin就是右下角相对于axis的偏移。X50 Y-50。第三个角度为偏航角度。 我们如果把第三个参数改称0.3弧度 对于占用阈值地图中的障碍物判断 规则白色可通行 黑色障碍物 蓝黑未知区域怎么判断呢地图中每个像素都有取值[0,255] 白色255 黑0 像素值设置为x。根据像素值设置一个比例 p 255-x / 255 白色0黑色1如果p占用阈值为障碍物p空闲阈值可以通行。 取反是黑的变白白变黑。 3.4 amcl定位
3.4.1 概念 所谓定位就是推算机器人自身在全局地图中的位置当然SLAM中也包含定位算法实现不过SLAM的定位是用于构建全局地图的是属于导航开始之前的阶段而当前定位是用于导航中导航中机器人需要按照设定的路线运动通过定位可以判断机器人的实际轨迹是否符合预期。在ROS的导航功能包集navigation中提供了 amcl 功能包用于实现导航中的机器人定位。 AMCL(adaptive Monte Carlo Localization) 是用于2D移动机器人的概率定位系统它实现了自适应或KLD采样蒙特卡洛定位方法可以根据已有地图使用粒子滤波器推算机器人位置。 amcl 功能包中的核心节点是:amcl。为了方便调用需要先了解该节点订阅的话题、发布的话题、服务以及相关参数。 3.4.1.1订阅的Topic scan(sensor_msgs/LaserScan) 激光雷达数据。 tf(tf/tfMessage) 坐标变换消息。 initialpose(geometry_msgs/PoseWithCovarianceStamped) 用来初始化粒子滤波器的均值和协方差。 map(nav_msgs/OccupancyGrid) 获取地图数据。 3.4.1.2发布的Topic amcl_pose(geometry_msgs/PoseWithCovarianceStamped) 机器人在地图中的位姿估计。 particlecloud(geometry_msgs/PoseArray) 位姿估计集合rviz中可以被 PoseArray 订阅然后图形化显示机器人的位姿估计集合。 tf(tf/tfMessage) 发布从 odom 到 map 的转换。 3.4.1.3服务 global_localization(std_srvs/Empty) 初始化全局定位的服务。 request_nomotion_update(std_srvs/Empty) 手动执行更新和发布更新的粒子的服务。 set_map(nav_msgs/SetMap) 手动设置新地图和姿态的服务。 3.4.1.4调用的服务 static_map(nav_msgs/GetMap) 调用此服务获取地图数据。 3.4.1.5参数 ~odom_model_type(string, default:diff) 里程计模型选择: diff,omni,diff-corrected,omni-corrected (diff 差速、omni 全向轮) ~odom_frame_id(string, default:odom) 里程计坐标系。 ~base_frame_id(string, default:base_link) 机器人极坐标系。 ~global_frame_id(string, default:map) 3.4.16坐标变换 里程计本身也是可以协助机器人定位的不过里程计存在累计误差且一些特殊情况时(车轮打滑)会出现定位错误的情况amcl 则可以通过估算机器人在地图坐标系下的姿态再结合里程计提高定位准确度。 里程计定位:只是通过里程计数据实现 /odom_frame 与 /base_frame 之间的坐标变换。amcl定位: 可以提供 /map_frame 、/odom_frame 与 /base_frame 之间的坐标变换。 3.4.2 AMCL的使用
3.4.2.1 编写AMCL相关的文件 launch
node pkgamcl typeamcl nameamcl outputscreen!-- Publish scans from best pose at a max of 10 Hz --param nameodom_model_type valuediff/!-- 里程计模式为差分 --param nameodom_alpha5 value0.1/param nametransform_tolerance value0.2 /param namegui_publish_rate value10.0/param namelaser_max_beams value30/param namemin_particles value500/param namemax_particles value5000/param namekld_err value0.05/param namekld_z value0.99/param nameodom_alpha1 value0.2/param nameodom_alpha2 value0.2/!-- translation std dev, m --param nameodom_alpha3 value0.8/param nameodom_alpha4 value0.2/param namelaser_z_hit value0.5/param namelaser_z_short value0.05/param namelaser_z_max value0.05/param namelaser_z_rand value0.5/param namelaser_sigma_hit value0.2/param namelaser_lambda_short value0.1/param namelaser_lambda_short value0.1/param namelaser_model_type valuelikelihood_field/!-- param namelaser_model_type valuebeam/ --param namelaser_likelihood_max_dist value2.0/param nameupdate_min_d value0.2/param nameupdate_min_a value0.5/param nameodom_frame_id valueodom/!-- 里程计坐标系 --param namebase_frame_id valuebase_footprint/!-- 添加机器人基坐标系 --param nameglobal_frame_id valuemap/!-- 添加地图坐标系 --param nameresample_interval value1/param nametransform_tolerance value0.1/param namerecovery_alpha_slow value0.0/param namerecovery_alpha_fast value0.0/
/node
/launchodom_model_type运动类型差速 param nameodom_frame_id valueodom/!-- 里程计坐标系 -- param namebase_frame_id valuebase_footprint/!-- 添加机器人基坐标系 -- param nameglobal_frame_id valuemap/!-- 添加地图坐标系 -- 3.4.2.2 编写测试文件 testamcl.launch amcl节点是不可以单独运行的运行 amcl 节点之前需要先加载全局地图然后启动 rviz 显示定位结果上述节点可以集成进launch文件内容示例如下: launcharg namemap defaultnav.yaml /node namemap_server pkgmap_server typemap_server args$(find nav_robot)/map/$(arg map)/include file$(find nav_robot)/launch/amcl.launch /node pkgrviz typerviz namerviz/
/launch先启动gazebo仿真环境roslaunch test gazebo_car.launch 启动键盘控制节点rosrun teleop_twist_keyboard tele_twist_keyboard.py 启动集成的amcl的launch文件roslaunch nav_robot testamcl.launch 启动如下节点 node pkgjoint_state_publisher typejoint_state_publisher namejoint_state_publisher /
node pkgrobot_state_publisher typerobot_state_publisher namerobot_state_publisher / 在启动的 rviz 中添加RobotModel、Map组件分别显示机器人模型与地图添加 posearray 插件设置topic为particlecloud来显示 amcl 预估的当前机器人的位姿箭头越是密集说明当前机器人处于此位置的概率越高 我们控制机器人运动 箭头越是密集说明当前机器人处于此位置的概率越高 3.5 路径规划move_base、代价地图
3.5.1 简介 毋庸置疑的路径规划是导航中的核心功能之一在ROS的导航功能包集navigation中提供了 move_base 功能包用于实现此功能。 move_base 功能包提供了基于动作(action)的路径规划实现move_base 可以根据给定的目标点控制机器人底盘运动至目标位置并且在运动过程中会连续反馈机器人自身的姿态与目标点的状态信息。如前所述move_base主要由全局路径规划与本地路径规划组成。 3.5.2 move_base节点说明 move_base功能包中的核心节点是:move_base。为了方便调用需要先了解该节点action、订阅的话题、发布的话题、服务以及相关参数。 动作订阅 move_base/goal(move_base_msgs/MoveBaseActionGoal) move_base 的运动规划目标。 move_base/cancel(actionlib_msgs/GoalID) 取消目标。 动作发布 move_base/feedback(move_base_msgs/MoveBaseActionFeedback) 连续反馈的信息包含机器人底盘坐标。 move_base/status(actionlib_msgs/GoalStatusArray) 发送到move_base的目标状态信息。 move_base/result(move_base_msgs/MoveBaseActionResult) 操作结果(此处为空)。 订阅的Topic move_base_simple/goal(geometry_msgs/PoseStamped) 运动规划目标(与action相比没有连续反馈无法追踪机器人执行状态)。 发布的Topic cmd_vel(geometry_msgs/Twist) 输出到机器人底盘的运动控制消息。 服务 ~make_plan(nav_msgs/GetPlan) 请求该服务可以获取给定目标的规划路径但是并不执行该路径规划。 ~clear_unknown_space(std_srvs/Empty) 允许用户直接清除机器人周围的未知空间。 ~clear_costmaps(std_srvs/Empty) 允许清除代价地图中的障碍物可能会导致机器人与障碍物碰撞请慎用。 3.5.3 move_base与代价地图 机器人导航(尤其是路径规划模块)是依赖于地图的地图在SLAM时已经有所介绍了ROS中的地图其实就是一张图片这张图片有宽度、高度、分辨率等元数据在图片中使用灰度值来表示障碍物存在的概率。不过SLAM构建的地图在导航中是不可以直接使用的因为 SLAM构建的地图是静态地图而导航过程中障碍物信息是可变的可能障碍物被移走了也可能添加了新的障碍物导航中需要时时的获取障碍物信息在靠近障碍物边缘时虽然此处是空闲区域但是机器人在进入该区域后可能由于其他一些因素比如惯性、或者不规则形体的机器人转弯时可能会与障碍物产生碰撞安全起见最好在地图的障碍物边缘设置警戒区尽量禁止机器人进入... 所以静态地图无法直接应用于导航其基础之上需要添加一些辅助信息的地图比如时时获取的障碍物数据基于静态地图添加的膨胀区等数据。 代价地图有两张:global_costmap(全局代价地图) 和 local_costmap(本地代价地图)前者用于全局路径规划后者用于本地路径规划。 两张代价地图都可以多层叠加,一般有以下层级: Static Map Layer静态地图层SLAM构建的静态地图。 Obstacle Map Layer障碍地图层传感器感知的障碍物信息。 Inflation Layer膨胀层在以上两层地图上进行膨胀向外扩张以避免机器人的外壳会撞上障碍物。 Other Layers自定义costmap。 上图中横轴是距离机器人中心的距离纵轴是代价地图中栅格的灰度值。 致命障碍:栅格值为254此时障碍物与机器人中心重叠必然发生碰撞内切障碍:栅格值为253此时障碍物处于机器人的内切圆内必然发生碰撞外切障碍:栅格值为[128,252]此时障碍物处于其机器人的外切圆内处于碰撞临界不一定发生碰撞非自由空间:栅格值为(0,127]此时机器人处于障碍物附近属于危险警戒区进入此区域将来可能会发生碰撞自由区域:栅格值为0此处机器人可以自由通过未知区域:栅格值为255还没探明是否有障碍物。 膨胀空间的设置可以参考非自由空间。 3.5.4 move_base的使用 路径规划算法在move_base功能包的move_base节点中已经封装完毕了但是还不可以直接调用因为算法虽然已经封装了但是该功能包面向的是各种类型支持ROS的机器人不同类型机器人可能大小尺寸不同传感器不同速度不同应用场景不同....最后可能会导致不同的路径规划结果那么在调用路径规划节点之前我们还需要配置机器人参数。具体实现如下: 先编写launch文件模板编写配置文件集成导航相关的launch文件测试 3.5.4.1 编写launch文件 launchnode pkgmove_base typemove_base respawnfalse namemove_base outputscreen clear_paramstruerosparam file$(find 功能包)/param/costmap_common_params.yaml commandload nsglobal_costmap /rosparam file$(find 功能包)/param/costmap_common_params.yaml commandload nslocal_costmap /rosparam file$(find 功能包)/param/local_costmap_params.yaml commandload /rosparam file$(find 功能包)/param/global_costmap_params.yaml commandload /rosparam file$(find 功能包)/param/base_local_planner_params.yaml commandload //node/launchclear_params这个节点执行之前参数重置。 respawn节点关闭后不会重启。 在功能包下新建 param 目录复制下载的文件到此目录: costmap_common_params_burger.yaml、local_costmap_params.yaml、global_costmap_params.yaml、base_local_planner_params.yaml并将costmap_common_params_burger.yaml 重命名为:costmap_common_params.yaml。 3.5.4.2 配置文件 #机器人几何参如果机器人是圆形设置 robot_radius,如果是其他形状设置 footprint
robot_radius: 0.12 #圆形
# footprint: [[-0.12, -0.12], [-0.12, 0.12], [0.12, 0.12], [0.12, -0.12]] #其他形状obstacle_range: 3.0 # 用于障碍物探测比如: 值为 3.0意味着检测到距离小于 3 米的障碍物时就会引入代价地图
raytrace_range: 3.5 # 用于清除障碍物比如值为 3.5意味着清除代价地图中 3.5 米以外的障碍物#膨胀半径扩展在碰撞区域以外的代价区域使得机器人规划路径避开障碍物
inflation_radius: 0.2
#代价比例系数越大则代价值越小
cost_scaling_factor: 3.0#地图类型
map_type: costmap
#导航包所需要的传感器
observation_sources: scan
#对传感器的坐标系和数据进行配置。这个也会用于代价地图添加和清除障碍物。例如你可以用激光雷达传感器用于在代价地图添加障碍物再添加kinect用于导航和清除障碍物。
scan: {sensor_frame: laser, data_type: LaserScan, topic: scan, marking: true, clearing: true}global_costmap:global_frame: map #地图坐标系robot_base_frame: base_footprint #机器人坐标系# 以此实现坐标变换update_frequency: 1.0 #代价地图更新频率publish_frequency: 1.0 #代价地图的发布频率transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间static_map: true # 是否使用一个地图或者地图服务器来初始化全局代价地图如果不使用静态地图这个参数为false.local_costmap:global_frame: odom #里程计坐标系robot_base_frame: base_footprint #机器人坐标系update_frequency: 10.0 #代价地图更新频率publish_frequency: 10.0 #代价地图的发布频率transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间static_map: false #不需要静态地图可以提升导航效果rolling_window: true #是否使用动态窗口默认为false在静态的全局地图中地图不会变化width: 3 # 局部地图宽度 单位是 mheight: 3 # 局部地图高度 单位是 mresolution: 0.05 # 局部地图分辨率 单位是 m一般与静态地图分辨率保持一致TrajectoryPlannerROS:# Robot Configuration Parametersmax_vel_x: 0.5 # X 方向最大速度min_vel_x: 0.1 # X 方向最小速速max_vel_theta: 1.0 # min_vel_theta: -1.0min_in_place_vel_theta: 1.0acc_lim_x: 1.0 # X 加速限制acc_lim_y: 0.0 # Y 加速限制acc_lim_theta: 0.6 # 角速度加速限制# Goal Tolerance Parameters目标公差xy_goal_tolerance: 0.10yaw_goal_tolerance: 0.05# Differential-drive robot configuration
# 是否是全向移动机器人holonomic_robot: false# Forward Simulation Parameters前进模拟参数sim_time: 0.8vx_samples: 18vtheta_samples: 20sim_granularity: 0.053.4.5.3 launch文件集成 如果要实现导航需要集成地图服务、amcl 、move_base 与 Rviz 等集成示例如下: launcharg namemap defaultnav.yaml /node namemap_server pkgmap_server typemap_server args$(find nav_robot)/map/$(arg map)/include file$(find nav_robot)/launch/amcl.launch /include file$(find nav_robot)/launch/move_base.launch /node pkgrviz typerviz namerviz /node pkgjoint_state_publisher typejoint_state_publisher namejoint_state_publisher /node pkgrobot_state_publisher typerobot_state_publisher namerobot_state_publisher //launch 3.4.5.4 测试 1.先启动 Gazebo 仿真环境(此过程略) roslaunch test gazebo_car.launch 2.启动导航相关的 launch 文件 roslaunch nav_robot nav_test.launch 3.添加Rviz组件(参考演示结果),可以将配置数据保存后期直接调用 我们选择一个2D Nav。 等一回。。。 导航到了 3.4.5.5 显示全局/本地代价地图与全局/本地路径规划 我们先在RVIZ中提供一个全局的代价地图 再添加一个本地代价地图 添加路径的全局路径规划本地路径规划 3.4.5.6 配置文件的解释 costmap_common_params.yaml 该文件是move_base 在全局路径规划与本地路径规划时调用的通用参数包括:机器人的尺寸、距离障碍物的安全距离、传感器信息等。配置参考如下: #机器人几何参如果机器人是圆形设置 robot_radius,如果是其他形状设置 footprint
robot_radius: 0.12 #圆形
# footprint: [[-0.12, -0.12], [-0.12, 0.12], [0.12, 0.12], [0.12, -0.12]] #其他形状obstacle_range: 3.0 # 用于障碍物探测比如: 值为 3.0意味着检测到距离小于 3 米的障碍物时就会引入代价地图
raytrace_range: 3.5 # 用于清除障碍物比如值为 3.5意味着清除代价地图中 3.5 米以外的障碍物#膨胀半径扩展在碰撞区域以外的代价区域使得机器人规划路径避开障碍物
inflation_radius: 0.2米
#代价比例系数越大则代价值越小
cost_scaling_factor: 3.0#地图类型
map_type: costmap
#导航包所需要的传感器
observation_sources: scan
#对传感器的坐标系和数据进行配置。这个也会用于代价地图添加和清除障碍物。例如你可以用激光雷达传感器用于在代价地图添加障碍物再添加kinect用于导航和清除障碍物。
scan: {sensor_frame: laser, data_type: LaserScan, topic: scan, marking: true, clearing: true}我们的机器人是0.1m但是考虑到还有一些别的突出把它的半径设置为0.1m。 obstacle_range、raytrace_range表示当动态物体进入的时候什么时候加入RVIZ中的代价地图障碍物距离我3m时会引入代价地图中障碍物距离我3.5m外清除出代价地图 将膨胀半径增加看看会出现什么样的效果 代价比例系数越大则代价值越小。 #导航包所需要的传感器 observation_sources: scan #对传感器的坐标系和数据进行配置。这个也会用于代价地图添加和清除障碍物。例如你可以用激光雷达传感器用于在代价地图添加障碍物再添加kinect用于导航和清除障碍物。 scan: {sensor_frame: laser, data_type: LaserScan, topic: scan, marking: true是否用激光雷达用作障碍物的标注和清除, clearing: true} 全局代价地图的配置 global_costmap_params.yaml global_costmap:global_frame: map #地图坐标系robot_base_frame: base_footprint #机器人坐标系# 以此实现坐标变换update_frequency: 1.0 #代价地图更新频率publish_frequency: 1.0 #代价地图的发布频率transform_tolerance: 1.0 #等待坐标变换发布信息的超时时间static_map: true # 是否使用一个地图或者地图服务器来初始化全局代价地图如果不使用静态地图这个参数为false.本地代价地图local_costmap_params.yaml local_costmap:global_frame: odom #里程计坐标系robot_base_frame: base_footprint #机器人坐标系update_frequency: 10.0 #代价地图更新频率publish_frequency: 10.0 #代价地图的发布频率transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间static_map: false #不需要静态地图可以提升导航效果rolling_window: true #是否使用动态窗口默认为false在静态的全局地图中地图不会变化width: 3 # 局部地图宽度 单位是 mheight: 3 # 局部地图高度 单位是 mresolution: 0.05 # 局部地图分辨率 单位是 m一般与静态地图分辨率保持一致机器人运动参数基本的局部规划器参数配置这个配置文件设定了机器人的最大和最小速度限制值也设定了加速度的阈值。 TrajectoryPlannerROS:# Robot Configuration Parametersmax_vel_x: 0.5 # X 方向最大速度min_vel_x: 0.1 # X 方向最小速速max_vel_theta: 1.0 # min_vel_theta: -1.0min_in_place_vel_theta: 1.0acc_lim_x: 1.0 # X 加速限制acc_lim_y: 0.0 # Y 加速限制acc_lim_theta: 0.6 # 角速度加速限制# Goal Tolerance Parameters目标公差xy_goal_tolerance: 0.10yaw_goal_tolerance: 0.05# Differential-drive robot configuration
# 是否是全向移动机器人holonomic_robot: false# Forward Simulation Parameters前进模拟参数sim_time: 0.8vx_samples: 18vtheta_samples: 20sim_granularity: 0.05Goal Tolerance Parameters目标公差 xy_goal_tolerance: 0.10 yaw_goal_tolerance: 0.05 允许和导航目标有一点距离和角度偏差。 是否是全向移动机器人麦克轮设置为true。 前进模拟参数本地路径规划和全局路径规划有点大像喝酒一样如果差距比较大就要调试这些参数了如果想让本地路径规划和全局路径规划贴合的话可以将sim_time设置的长一点。 3.4.5.7 参数配置小技巧 以上配置在实操中可能会出现机器人在本地路径规划时与全局路径规划不符而进入膨胀区域出现假死的情况如何尽量避免这种情形呢 全局路径规划与本地路径规划虽然设置的参数是一样的但是二者路径规划和避障的职能不同可以采用不同的参数设置策略: 全局代价地图可以将膨胀半径和障碍物系数设置的偏大一些本地代价地图可以将膨胀半径和障碍物系数设置的偏小一些。 这样在全局路径规划时规划的路径会尽量远离障碍物而本地路径规划时机器人即便偏离全局路径也会和障碍物之间保留更大的自由空间从而避免了陷入“假死”的情形。 3.5.5 导航与SLAM建图 SLAM建图中我们是通过键盘控制机器人移动实现建图的而后续又介绍了机器人的自主移动实现那么可不可以将二者结合实现机器人自主移动的SLAM建图呢 上述需求是可行的。虽然可能会有疑问导航时需要地图信息之前导航实现时是通过 map_server 包的 map_server 节点来发布地图信息的如果不先通过SLAM建图那么如何发布地图信息呢SLAM建图过程中本身就会时时发布地图信息所以无需再使用map_serverSLAM已经发布了话题为 /map 的地图消息了且导航需要定位模块SLAM本身也是可以实现定位的。 该过程实现比较简单步骤如下: 编写launch文件集成SLAM与move_base相关节点执行launch文件并测试。 3.5.5.1 编写launch文件 集成SLAM与move_base相关节点 launch!-- 启动SLAM节点 --include file$(find nav_robot)/launch/gmmapping.launch /!-- 运行move_base节点 --include file$(find nav_robot)/launch/move_base.launch /!-- 运行rviz --node pkgrviz typerviz namerviz /
/launch1.首先运行gazebo仿真环境 2.然后执行launch文件 3.在rviz中通过2D Nav Goal设置目标点机器人开始自主移动并建图了 4.最后可以使用 map_server 保存地图。 设置目标点 OK 4 导航信息 在导航功能包集中包含了诸多节点毋庸置疑的不同节点之间的通信使用到了消息中间件(数据载体)在上一节的实现中这些消息已经在rviz中做了可视化处理比如:地图、雷达、摄像头、里程计、路径规划...的相关消息在rviz中提供了相关组件本节主要介绍这些消息的具体格式。 4.1 地图
4.1.1 nav_msgs/MapMetaData nav_msgs/MapMetaData 地图元数据包括地图的宽度、高度、分辨率等。 nav_msgs/OccupancyGrid 地图栅格数据一般会在rviz中以图形化的方式显示。 调用rosmsg info nav_msgs/MapMetaData显示消息内容如下:origin改变的话地图相对于RVIZ也会改变 time map_load_time
float32 resolution #地图分辨率
uint32 width #地图宽度
uint32 height #地图高度
geometry_msgs/Pose origin #地图位姿数据geometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 w 4.1.2 nav_msgs/OccupancyGrid 调用 rosmsg info nav_msgs/OccupancyGrid显示消息内容如下: 我们演示一下让map_server读取地图 我们输出map信息到一个txt文件rostopic echo /map map.txt 看一下数据 大部分数据都是-1表示未探索区域0是空闲100是占用。 但是全局代价地图有0-100之间的数据靠近障碍物高远离低。 std_msgs/Header headeruint32 seqtime stampstring frame_id
#--- 地图元数据
nav_msgs/MapMetaData infotime map_load_timefloat32 resolutionuint32 widthuint32 heightgeometry_msgs/Pose origingeometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 w
#--- 地图内容数据数组长度 width * height
int8[] data 4.2 里程计数据 里程计相关消息是:nav_msgs/Odometry调用rosmsg info nav_msgs/Odometry 显示消息内容如下: std_msgs/Header headeruint32 seqtime stampstring frame_id
string child_frame_id
geometry_msgs/PoseWithCovariance posegeometry_msgs/Pose pose #里程计位姿geometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 wfloat64[36] covariance
geometry_msgs/TwistWithCovariance twistgeometry_msgs/Twist twist #速度geometry_msgs/Vector3 linearfloat64 xfloat64 yfloat64 zgeometry_msgs/Vector3 angularfloat64 xfloat64 yfloat64 z # 协方差矩阵float64[36] covariance 4.3 TF 坐标变换相关消息是: tf/tfMessage调用rosmsg info tf/tfMessage 显示消息内容如下: geometry_msgs/TransformStamped[] transforms #包含了多个坐标系相对关系数据的数组std_msgs/Header headeruint32 seqtime stampstring frame_idstring child_frame_idgeometry_msgs/Transform transformgeometry_msgs/Vector3 translationfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion rotationfloat64 xfloat64 yfloat64 zfloat64 w4.4 定位 定位相关消息是:geometry_msgs/PoseArray调用rosmsg info geometry_msgs/PoseArray显示消息内容如下: std_msgs/Header headeruint32 seqtime stampstring frame_id
geometry_msgs/Pose[] poses #预估的点位姿组成的数组geometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 w 4.5 路径规划 目标点相关消息是:move_base_msgs/MoveBaseActionGoal调用rosmsg info move_base_msgs/MoveBaseActionGoal显示消息内容如下: std_msgs/Header headeruint32 seqtime stampstring frame_id
actionlib_msgs/GoalID goal_idtime stampstring id
move_base_msgs/MoveBaseGoal goalgeometry_msgs/PoseStamped target_posestd_msgs/Header headeruint32 seqtime stampstring frame_idgeometry_msgs/Pose pose #目标点位姿geometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 w路径规划相关消息是:nav_msgs/Path调用rosmsg info nav_msgs/Path显示消息内容如下: std_msgs/Header headeruint32 seqtime stampstring frame_id
geometry_msgs/PoseStamped[] poses #由一系列点组成的数组std_msgs/Header headeruint32 seqtime stampstring frame_idgeometry_msgs/Pose posegeometry_msgs/Point positionfloat64 xfloat64 yfloat64 zgeometry_msgs/Quaternion orientationfloat64 xfloat64 yfloat64 zfloat64 w
