我是靠谱客的博主 幸福白开水，最近开发中收集的这篇文章主要介绍ROS理论与实践(以移动机器人为例)连载(八) ——机器人SLAM建图1. SLAM原理简介2. ROS机器人配置与数据结构3. 常用SLAM功能包应用，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
本章着重讲如何在ROS里面使用SLAM功能包，而不会去讲解算法；之后会专门的专栏做SLAM。
代码包：链接: https://pan.baidu.com/s/1MkWs9ppcX2IeFPH16YLFRw 密码: l1ve
文章目录
- 1. SLAM原理简介
- 2. ROS机器人配置与数据结构
- ①单线雷达
- ②里程计
- 3. 常用SLAM功能包应用
- ①gmapping
- ②hector_slam
- ③cartographer功能包
- ④rtabmap
1. SLAM原理简介
放几张GIF动图感受一下：
这边再放上一个视频链接Autonomous Aerial Navigation in Confined Indoor Environments是关于一个无人机室内建图的。
还有这个Visual SLAM Car Navigation是关于使用iPhone5做视觉SLAM的。
- SLAM（Simultaneout Localization and Mapping）：即使定位与地图构建。即机器人自身位置不确定的情况下，在完全未知的环境中创建地图，同时利用地图进行自主定位和导航；
- 定位，在地图上估测机器人的位置坐标；
- 地图构建，这一过程是根据传感器的结果来构建一张地图或者是修正当前地图，同时将结果提供给定位算法做为先验地图。
其实我感觉第一本书皮好看呀，两本书的PDF都可以私信我，由于版权问题就不公布了！
机器人必须安装激光雷达等测距设备，可以获取环境深度信息。 单线雷达，反馈的是二维的平面信息。多线雷达，反馈的是三维信息。（左边是单线，也就是TurtleBot3配置的雷达；右边是多线雷达）
2. ROS机器人配置与数据结构
①单线雷达
- angle_min：可检测范围的起始角度；
- angle_max：可检测范围的终止角度，与angle_min组成激光雷达的可检测范围；
- angle_increment：相邻数据帧之间的角度步长；
- time_increment：采集到相邻数据帧之间的时间步长，当传感器处于相对运动状态时进行补偿使用；
- scan_time：采集一帧数据所需要的时间；
- range_min：最近可检测深度的阈值；
- range_max：最远可检测深度的阈值；
- ranges：一帧深度数据的存储数组。
像Kinect这种RGB-D相机，同样可以把收集到的三个维度的信息通过 depthimage_to_laserscan 这个功能包把点云深度数据转换成激光数据。
sudo apt-get install ros-melodic-depthimage-to-laserscan
使用功能包长着个样↓
<node pkg="depthimage_to_laserscan" type="depthimage_to_laserscan" name="depthimage_to_laserscan" output="screen">
<remap from="image" to="/kinect/depth/image_raw" />
<remap from="camera_info" to="/kinect/depth/camera_info" />
<remap from="scan" to="/scan" />
<param name="output_frame_id" value="/camera_link" />
</node>
②里程计
- pose：机器人当前位置坐标，包括机器人的 XYZ 三轴位置与方向参数，以及用于矫正误差的协方差矩阵；
- twist：机器人当前的运动状态，包括 XYZ 三轴的线速度与角速度，以及用于矫正误差的协方差矩阵。
使用 Building Editor 创建仿真环境，可见ROS理论与实践(以移动机器人为例)连载(五) ——构建机器人仿真平台。
代码包：链接: https://pan.baidu.com/s/1hMKzm2sozhmIFIn6ZIQQMQ 密码: 1bm8
可以运行↓前提是把提供的功能包放在工作空间下并进行编译
$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
3. 常用SLAM功能包应用
①gmapping
- 基于激光雷达
- Rao-Blackwellized 粒子滤波算法
- 二维栅格地图
- 需要机器人提供里程计信息
- OpenSlam开源算法
- 输出地图话题：nav_msgs/OccupancyGrid
论文可参考：http://openslam.org/gmapping.html 。
安装gmapping
$ sudo apt-get install ros-melodic-gmapping
gmapping功能包中的话题和服务：
gmapping功能包中的TF变换：
参考：http://wiki.ros.org/gmapping/。
该如何使用 gmapping 呢？我们来配置一下 gmapping 的节点↓
<launch>
<arg name="scan_topic" default="scan" />
<node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen" clear_params="true">
<param name="odom_frame" value="odom"/>
<param name="map_update_interval" value="5.0"/>
<!-- Set maxUrange < actual maximum range of the Laser -->
<param name="maxRange" value="5.0"/>
<param name="maxUrange" value="4.5"/>
<param name="sigma" value="0.05"/>
<param name="kernelSize" value="1"/>
<param name="lstep" value="0.05"/>
<param name="astep" value="0.05"/>
<param name="iterations" value="5"/>
<param name="lsigma" value="0.075"/>
<param name="ogain" value="3.0"/>
<param name="lskip" value="0"/>
<param name="srr" value="0.01"/>
<param name="srt" value="0.02"/>
<param name="str" value="0.01"/>
<param name="stt" value="0.02"/>
<param name="linearUpdate" value="0.5"/>
<param name="angularUpdate" value="0.436"/>
<param name="temporalUpdate" value="-1.0"/>
<param name="resampleThreshold" value="0.5"/>
<param name="particles" value="80"/>
<param name="xmin" value="-1.0"/>
<param name="ymin" value="-1.0"/>
<param name="xmax" value="1.0"/>
<param name="ymax" value="1.0"/>
<param name="delta" value="0.05"/>
<param name="llsamplerange" value="0.01"/>
<param name="llsamplestep" value="0.01"/>
<param name="lasamplerange" value="0.005"/>
<param name="lasamplestep" value="0.005"/>
<remap from="scan" to="$(arg scan_topic)"/>
</node>
</launch>
需要注意的是雷达的话题名为scan，里程计的话题名为odom，需要根据实际情况进行更改；第一次使用不用关心具体某个参数的含义，使用默认的一套参数即可。
同样提供的功能包里有demo，可以这样运行：
$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch
效果图：
分为 浅灰色——空闲的； 深灰色——未探索的； 黑色——占据的。
保存地图：
$ rosrun map_server map_saver -f cloister_gmapping
同样我们可以使用Kinect将三维点云信息转换为二维信息，也提供了编辑好的功能包：
$ roslaunch mbot_gazebo mbot_kinect_nav_gazebo.launch
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch
但是由于传感器信息变化较少，对建图会有很大影响。
②hector_slam
- 基于激光雷达，对传感器要求比较高
- 高斯牛顿方法
- 二维栅格地图
- 不需要里程计数据
- 输出地图话题： nav_msgs/OccupancyGrid
- 会对外输出一个里程计信息
hector功能包中的话题和服务：
hector功能包中的TF变换：
安装hector_slam：
$ git clone https://github.com/tu-darmstadt-ros-pkg/hector_slam.git
在给出的功能包里面已经包含了这个，直接编译就好，不过我编译的时候出现了点问题，主要就是CMakeLists.txt没有声明用c++11编译加上
add_compile_options(-std=c++11)
使用hector的launch文件怎么写？
<launch>
<node pkg="hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">
<!-- Frame names -->
<param name="pub_map_odom_transform" value="true"/>
<param name="map_frame" value="map" />
<param name="base_frame" value="base_footprint" />
<param name="odom_frame" value="odom" />
<!-- Tf use -->
<param name="use_tf_scan_transformation" value="true"/>
<param name="use_tf_pose_start_estimate" value="false"/>
<!-- Map size / start point -->
<param name="map_resolution" value="0.05"/>
<param name="map_size" value="2048"/>
<param name="map_start_x" value="0.5"/>
<param name="map_start_y" value="0.5" />
<param name="laser_z_min_value" value="-1.0" />
<param name="laser_z_max_value" value="1.0" />
<param name="map_multi_res_levels" value="2" />
<param name="map_pub_period" value="2" />
<param name="laser_min_dist" value="0.4" />
<param name="laser_max_dist" value="5.5" />
<param name="output_timing" value="false" />
<param name="pub_map_scanmatch_transform" value="true" />
<!-- Map update parameters -->
<param name="update_factor_free" value="0.4"/>
<param name="update_factor_occupied" value="0.7" />
<param name="map_update_distance_thresh" value="0.2"/>
<param name="map_update_angle_thresh" value="0.06" />
<!-- Advertising config -->
<param name="advertise_map_service" value="true"/>
<param name="scan_subscriber_queue_size" value="5"/>
<param name="scan_topic" value="scan"/>
</node>
</launch>
启动hector_slam演示
$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
$ roslaunch mbot_navigation hector_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch
效果图就不贴了。
③cartographer功能包
- 谷歌开源
- 基于图网络的优化方法
- 二维或三维条件下的定位及建图功能
- 设计目的是在计算资源有限的情况下，实时获取相对较高精度的2D地图
- 主要基于激光雷达
安装cartographer：
$ sudo apt-get install ros-melodic-cartographer-*
视频链接：Cartographer 3D SLAM Demo 。
仍然需要配置安装好的cartographer节点进行使用，launch文件：
<!--
Copyright 2016 The Cartographer Authors
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
-->
<launch>
<param name="/use_sim_time" value="true" />
<node name="cartographer_node" pkg="cartographer_ros"
type="cartographer_node" args="
-configuration_directory $(find mbot_navigation)/config
-configuration_basename lidar.lua"
output="screen">
<remap from="scan" to="scan" />
</node>
<!-- cartographer_occupancy_grid_node -->
<node pkg="cartographer_ros" type="cartographer_occupancy_grid_node"
name="cartographer_occupancy_grid_node"
args="-resolution 0.05" />
<node name="rviz" pkg="rviz" type="rviz" required="true"
args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />
</launch>
可以看到cartographer_node中使用了一个lidar.lua脚本，是由lua语言编写的。需要在默认改动的主要是各个frame的名字。
include "map_builder.lua"
include "trajectory_builder.lua"
options = {
map_builder = MAP_BUILDER,
trajectory_builder = TRAJECTORY_BUILDER,
map_frame = "map",
tracking_frame = "base_footprint",
published_frame = "base_footprint",
odom_frame = "odom",
provide_odom_frame = true,
publish_frame_projected_to_2d = false,
use_odometry = true,
use_nav_sat = false,
use_landmarks = false,
num_laser_scans = 1,
num_multi_echo_laser_scans = 0,
num_subdivisions_per_laser_scan = 1,
num_point_clouds = 0,
lookup_transform_timeout_sec = 0.2,
submap_publish_period_sec = 0.3,
pose_publish_period_sec = 5e-3,
trajectory_publish_period_sec = 30e-3,
rangefinder_sampling_ratio = 1.,
odometry_sampling_ratio = 1.,
fixed_frame_pose_sampling_ratio = 1.,
imu_sampling_ratio = 1.,
landmarks_sampling_ratio = 1.,
}
MAP_BUILDER.use_trajectory_builder_2d = true
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 8.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1
POSE_GRAPH.optimization_problem.huber_scale = 1e2
POSE_GRAPH.optimize_every_n_nodes = 35
POSE_GRAPH.constraint_builder.min_score = 0.65
return options
保存地图：
$ rosservice call /finish_trajectory 0
$ rosservice call /write_state "{filename:'${HOME}/mymap.pbstream'}"
$ rosrun cartographer_ros cartographer_pbstream_to_ros_map -map_filestem=${HOME}/mymap -pbstream_filename=${HOME}/mymap.pbstream -resolution=0.05
对于真实机器人，只需要解决odom和激光雷达的数据封装成话题发布出去，就能够使用现有的算法完成SLAM建图。
④rtabmap
一个三维建图的功能包。
安装rtabmap：
$ sudo apt-get install ros-melodic-rtabmap-ros
启动rtabmap演示：
$ roslaunch mbot_gazebo mbot_kinect_nav_gazebo.launch
$ roslaunch mbot_navigation rtabmap_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch
查看建图结果：
$ rtabmap-databaseViewer ~/.ros/rtabmap.db
写完感觉这节有点水哈Emmmm
最后
以上就是幸福白开水为你收集整理的ROS理论与实践(以移动机器人为例)连载(八) ——机器人SLAM建图1. SLAM原理简介2. ROS机器人配置与数据结构3. 常用SLAM功能包应用的全部内容，希望文章能够帮你解决ROS理论与实践(以移动机器人为例)连载(八) ——机器人SLAM建图1. SLAM原理简介2. ROS机器人配置与数据结构3. 常用SLAM功能包应用所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复