ZhaiShuaiShuai
/
Report
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

更新 Docs/2024-12-26/README.md

main
翟帅帅 2024-12-27 16:10:08 +08:00
parent 5ae799621e
commit 958ebd5926
1 changed files with 29 additions and 29 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

58
Docs/2024-12-26/README.md
View File

@ -6,23 +6,23 @@
消息类型是nav_msgs消息包的OccupancyGrid（占据栅格），小格子+数字，数字表示是否有障碍物。
![image-20241217142513695](./image/1.png)
![image-20241217142513695](./Image/1.png)
栅格地图：
在地面画上栅格，然后根据栅格中是否有障碍物给栅格填色。然后把障碍物移走，剩下的就是栅格地图。
![image-20241217142902943](./image/2.png)
![image-20241217142902943](./Image/2.png)
栅格划分可大可小，栅格越小，区域划分就越精细，越接近障碍物轮廓。理论上栅格足够小，栅格就可以无限趋近于障碍物轮廓。但是栅格变小，就会使栅格的数量变多，机器人的计算量就会变大。所以一般会给栅格设置一个合适的尺寸。
![image-20241217143051922](./image/3.png)
![image-20241217143051922](./Image/3.png)
栅格尺寸：单个栅格的边长，体现了地图的精细程度，用来表示栅格地图的分辨率。ros中分辨率默认0.05m。
![image-20241217143802121](./image/4.png)
![image-20241217143802121](./Image/4.png)
![image-20241217143826147](./image/5.png)
![image-20241217143826147](./Image/5.png)
栅格数组+行列数信息，就可以表述一个栅格地图。这个就是OccupancyGrid消息包中的数据内容。
@ -32,17 +32,17 @@
地图样式：
![image-20241217145212886](./image/6.png)
![image-20241217145212886](./Image/6.png)
![image-20241217145427763](./image/7.png)
![image-20241217145427763](./Image/7.png)
实现步骤：
![image-20241217145516084](./image/8.png)
![image-20241217145516084](./Image/8.png)
首先创建软件包：
![image-20241217152200101](./image/9.png)
![image-20241217152200101](./Image/9.png)
完整代码：
@ -99,7 +99,7 @@ int main(int argc, char *argv[])
地图赋值，注意起始点位置为0开始：
![image-20241217154319974](./image/10.png)
![image-20241217154319974](./Image/10.png)
修改编译规则：
@ -117,11 +117,11 @@ catkin_make编译，没有报错即成功编译。
然后启动roscore，另一个终端启动刚刚的节点：
![image-20241217155621500](./image/11.png)
![image-20241217155621500](./Image/11.png)
再启动rviz，订阅/map：
![8df7a9d835166eb7ccc8128e017defc9_720](./image/12.jpg)
![8df7a9d835166eb7ccc8128e017defc9_720](./Image/12.jpg)
发现可以正常显示地图。
@ -135,7 +135,7 @@ Hector_Mapping是开源的一个软件包，可以在只有激光雷达的情况
流程：
![image-20241217172054317](./image/13.png)
![image-20241217172054317](./Image/13.png)
@ -145,23 +145,23 @@ Hector_Mapping是开源的一个软件包，可以在只有激光雷达的情况
打开rviz，添加机器人、雷达、地图，订阅相应节点。
![859d94cfc7aed9acc24eb582770b7c12](./image/14.jpg)
![859d94cfc7aed9acc24eb582770b7c12](./Image/14.jpg)
打开wps_robot_steering控制机器人，直到完全扫描出地图：
![b382d7ca7e9d126c673834b4fcded82f](./image/15.jpg)
![b382d7ca7e9d126c673834b4fcded82f](./Image/15.jpg)
实测：运行之前写的避障算法也可以成功躲开障碍物，完成构图。
编译成功后，尝试运行：roslaunch slam_pkg hector.launch
![image-20241218103118759](./image/16.png)
![image-20241218103118759](./Image/16.png)
##### 4.里程计
在机器人建图的过程中，如果有一段长直的路，周围的参照物始终不变，那么激光雷达会认为参照物不表，机器人没有动，建图就不会再继续进行。
![image-20241218141337149](./image/17.png)
![image-20241218141337149](./Image/17.png)
​ 对于机器人来说，激光雷达虽然没有识别特征，但是轮子还在运动。此时里程计（odometry）就可以计算位移信息，位移=圈数*周长。里程计不是硬件设备，而是软件算法，在机器人的驱动节点中运行，根据电机转动数据计算位移信息，并将位移信息以TF消息包的形式发送到TF话题中。但是这个只是数值计算，轮子可能在真实情况出现变化，从而产生误差，此时就应该通过激光雷达等方式继续吻合障碍物的特征。
@ -169,21 +169,21 @@ Gmapping：
​ 里程计输出的是odom到base_footprint的TF（计算的机器人位移），已经和机器人的底盘投影中心连接上，无法再从base_footprint到机器人地盘再插入新的TF。如下图：
![image-20241218142730698](./image/18.png)
![image-20241218142730698](./Image/18.png)
​ 因此，slam一般会迁就里程计。在计算的过程中，slam节点最终要输出的是map到base_footprint，所以slam移动了绿色部分的TF到odom节点之前，也就是右边框出的部分。
![image-20241218143115800](./image/19.png)
![image-20241218143115800](./Image/19.png)
​ 这样map到odom的TF和里程计的TF一连起来，就形成了map到base_footprint的TF：
![image-20241218144456128](./image/20.png)
![image-20241218144456128](./Image/20.png)
这个就是Gmapping的核心算法。
在hector中，直接将雷达点云贴合障碍物轮廓得出的机器人位移作为最终结果。在TF树中是下面这一段：
![image-20241218145823603](./image/21.png)
![image-20241218145823603](./Image/21.png)
​ 在gmapping中，机器人的位移主要由里程计推算，激光点阵只适用于修正里程计的误差。而在hector中，只使用雷达点云和障碍物配准的方法进行定位，但是在输出时，也会输出一段map到odom的TF，用于修正里程计不断增长的TF，使base_footprint和scanmatcher_frame保持一致，但是实际上是为了保持一致而保持一致。
@ -201,29 +201,29 @@ gmapping软件包：
​ 可以看到gmapping订阅的话题只有两个：
![image-20241218153441206](./image/22.png)
![image-20241218153441206](./Image/22.png)
1.tf：坐标系转换关系，有两个。
①雷达坐标系到底盘坐标系的base_link，但是雷达坐标系没有规定具体名称，需要跟雷达数据包的header里的frame_id保持一致。
![image-20241218153647577](./image/23.png)
![image-20241218153647577](./Image/23.png)
②里程计输出的TF。
![image-20241218153838867](./image/24.png)
![image-20241218153838867](./Image/24.png)
2.scan：激光雷达的数据话题。
​ gmapping输出的话题有3个：
![image-20241218154015883](./image/25.png)
![image-20241218154015883](./Image/25.png)
其中，第三个是机器人定位置信度，值越大，错误的可能性越大。
运行gmapping的需求列表：
![image-20241218155728149](./image/26.png)
![image-20241218155728149](./Image/26.png)
首先，运行仿真环境：roslaunch wpr_simulation wpb_stage_robocup.launch
@ -233,7 +233,7 @@ gmapping软件包：
之后使用键盘控制机器人，使用gmapping算法建图。rosrun wpr_simulation keyboard_vel_ctrl。
![c3b506a1b59458f4e0162728b0eab131](./image/27.jpg)
![c3b506a1b59458f4e0162728b0eab131](./Image/27.jpg)
@ -241,10 +241,10 @@ gmapping软件包：
​ 把激光雷达LD14按照文档接线，使用测试软件检验，发现雷达可以正常使用。
​ ![image-20241225223147349](./image/28.png)
​ ![image-20241225223147349](./Image/28.png)
​ 使用LD14在小车上进行cartographer建图。用键盘操控小车在办公室运动，然后得到办公室的地图：
![微信图片_20241225150650](./image/29.jpg)
![微信图片_20241225150650](./Image/29.jpg)
为了清楚显示建图结果，只保留了TF坐标系和路径，以及地图和激光雷达点阵。可以看到在室内可以正常完成建图操作，部分没有显示的边缘是因为玻璃透光，导致距离过远没有办法接收到反射回来的激光。