一個實現基於多機器人RRT的地圖探測算法的ROS包。 它還具有使用圖像處理來提取邊界點的基於圖像的邊沿檢測
1.介紹
“rrt_exploration”是實現移動機器人的多機器人地圖探索算法的ROS包。 它是基於快速探索隨機樹（RRT）算法。 它使用占用網格作為地圖表示。該包具有5個不同的ROS節點：
１ 全局RRT邊界點檢測器節點。
２ 局部RRT邊界點檢測器節點。
３ 基於OpenCV的邊界檢測器節點。
４ 濾波器節點。
５ 分配器節點。
- Global RRT frontier point detector node.
- Local RRT frontier point detector node.
- OpenCV-based frontier detector node.
- Filter node.
- Assigner node.
這是一個播放列表，顯示在真實機器人上運行的軟件包和Gazebo模擬：
２．軟件包要求
該套件已經在ROS Kinetic和ROS Indigo上進行了測試，它應該可以在其他發行版上工作，如jade。 在安裝軟件包之前需要以下要求：
1-你應該安裝一個ROS發行版（indigo or later. Recommended is either indigo or kinetic）。
2-創建工作空間。
3-安裝了“gmapping”ROS包，可以在終端中鍵入以下命令：
$ sudo apt-get install ros-kinetic-gmapping
4-安裝ROS導航堆棧。 您可以使用以下命令來執行此操作：
$ sudo apt-get install ros-kinetic-navigation
5 - 你應該有Python 2.7。 （它沒有在Python 3測試）。
Ubuntu16.04+python-2.7的安裝
在Ubuntu中自帶的有python模塊，但是該模塊較為簡單，並不含有日常處理所需的數據庫和安裝包。接下來說一下python的手動安裝方法，並附帶安裝我所需要的庫。 注意：ubuntu16.04中包含了python-2.7,python-3.5,在terminal下直接鍵入python可查看你所使用的版本，如圖為我自己的python版本：
如果你所使用的也是2.7的話可以安裝如下步驟進行安裝，若為3.5時所需安裝有所不同。
1.安裝所需依賴
$ sudo apt-get install libfreetype6-dev
2.下載安裝包並解壓。
$ wget http://effbot.org/downloads/Imaging-1.1.7.tar.gz $ tar -zxvf Imaging-1.1.7.tar.gz
3.修改setup.py 中依賴庫的路徑
$ cd Imaging-1.1.7 $ emacs setup.py (emacs與vim一樣只是文本編輯器 sudo apt-get install emacs)
配置zlib ,freetype路徑
如果不知道系統中庫所在位置，可以使用如下命令查看：
$ pkg-config –variable=libdir zlib $ pkg-config –variable=libdir freetype2
TCL_ROOT = None
JPEG_ROOT = None
ZLIB_ROOT = “/usr/lib/x86_64-linux-gnu”
TIFF_ROOT = None
FREETYPE_ROOT = “/usr/lib/x86_64-linux-gnu”
LCMS_ROOT = None
4.安裝
$ sudo python setup.py build
確保設定過路徑的庫都是 avilable的，然后進行安裝：
$ sudo python setup.py install
經實測，以上安裝方法在virtualenv中也是可行的。
以下是我所需的數據庫，如果有需要其他的可以查閱其他資料
$ sudo apt-get install python-scipy $ sudo apt-get install python-mysqldb
以上是python的安裝過程。
6 - 您應該有/安裝以下python模塊：
-OpenCV (cv2)
$ sudo apt-get install python-opencv
-Numpy
$ sudo apt-get install python-numpy
-Sklearn
$ sudo apt-get install python-scikits-learn
３．硬件要求
可與導航堆棧一起使用的移動機器人（發布/ odom和/ tf.接收速度命令..）。 機器人還必須配備激光掃描儀或任何發布激光掃描信息的傳感器（sensor_msgs / LaserScan）。
４．安裝
下載包並將其放在工作區的/ src文件夾中。 然后使用catkin_make編譯。
５．設置你的機器人
該軟件包為單個或多個機器人提供了一個探索策略。 但是，為了使其正常工作，您應該使用導航堆棧設置機器人。 並且每個機器人應該從gmapping包運行“slam_gmapping”節點。
此外，機器人必須按照以下方式進行設置和准備。
注意：如果要快速運行和測試該軟件包，您可以嘗試使用rrt_exploration_tutorials軟件包，為單個和多個機器人提供Gazebo模擬，您可以直接使用該軟件包。
5.1 機器人網絡
對於多機器人配置，該軟件包不需要特殊的網絡配置，它可以通過使用單個ROS主機（可以是其中一個機器人）來工作。 所以在其他機器人上，ROS_MASTER_URI參數應該指向主機地址。 有關在多台機器上設置ROS的更多信息，請點擊this。
5.2 機器人的框架名稱在tf
所有機器人的框架應以其名稱為前綴。 機器人的命名從“/ robot_1”，“/ robot_2”，“/ robot_3”，...等開始。 即使您使用單一機器人的包裝，機器人的框架也應以其名稱（即/ robot_1）為前綴。 所以對於robot_1，tf樹中的框架應該如下所示：
（tf是一個包，讓用戶隨着時間的推移跟蹤多個坐標系。 tf保持時間緩沖的樹結構中的坐標系之間的關系，並且允許用戶在任何所需時間點的任何兩個坐標系之間轉換點，向量等。)
5.3 機器人的節點和主題名稱
機器人上運行的所有節點和主題也必須以其名稱為前綴。 對於機器人1，節點名稱應如下所示：/ robot_1 / move_base_node，/ robot_1 / slam_gmapping。
主題名稱應該是：/ robot_1 / odom，/ robot_1 / map / / robot_1 / base_scan，..etc。
5.4 在機器人上設置導航堆棧
在機器人上引導導航堆棧的move_base_node節點必須正在運行。 該包（rrt_exploration）生成目標勘探目標，每個機器人必須能夠接收這些點並向其移動。 這就是為什么需要導航堆棧。 此外，每個機器人必須具有全局和局部成本圖。 所有這些都來自move_base_node。
5.5 構建地圖節點
每個機器人應該具有從gmapping包生成的局部地圖。
5.6 地圖合並節點
對於多機器人的情況，應該有一個將所有局部地圖合並為一個全局地圖的節點。 你可以使用這個包。
６．節點
有3種類型的節點; 用於檢測占用網格圖中的邊界的節點，用於過濾檢測到的點的節點以及用於將點分配給機器人的節點。 下圖顯示了結構：
６.1 global_rrt_frontier_detector
global_rrt_frontier_detector節點占用網格，並在其中找到邊界點（它們是勘探目標）。 它發布檢測到的點，以便過濾器節點可以處理。 在多機器人配置中，其目的是僅運行該節點的單個實例。
如果需要，運行全局邊沿檢測器的附加實例可以提高邊界點檢測的速度。
6.1.1 訂閱主題
map (nav_msgs/OccupancyGrid)
主題名稱由〜map_topic參數定義。 它是節點將在其上接收地圖的主題名稱。
clicked_point (geometry_msgs/PointStamped)
global_rrt_frontier_detector節點需要定義要探索的區域。 該主題是節點收到定義該區域的五個點。 前四個點是四個定義要探索的正方形區域，最后一個點是樹的起點。 在發表了關於這個話題的五點后，RRT將開始檢測邊界。 這五點意圖由Rviz使用
（https://github.com/hasauino/storage/blob/master/pictures/publishPointRviz_button.png?raw=true）按鈕發布。
6.1.２發表主題
detected_points (geometry_msgs/PointStamped)
節點發布檢測到邊界點的主題。
~shapes (visualization_msgs/Marker)
在此主題中，節點發布線形狀，以使用Rviz可視化RRT。
6.1.３參數
~map_topic (string, default: "/robot_1/map")
此參數定義節點將在其上接收地圖的主題名稱。
~eta (float, default: 0.5)
該參數控制用於檢測邊界點的RRT的增長率，單位為米。 該參數應根據地圖大小進行設置，非常大的值會導致樹長得更快，從而更快地檢測邊界點，但是增長速度很大，也意味着樹將在地圖中缺少小角。
6.２ local_rrt_frontier_detector
該節點類似於global_rrt_frontier_detector。 但是，它的作用不同，因為這里的樹每次檢測到邊界點時都會保持重置。 該節點旨在沿着global_rrt_frontier_detector節點運行，它負責快速檢測位於機器人附近的邊界點。
在多機器人配置中，每個機器人運行local_rrt_frontier_detector的一個實例。 因此，對於3台機器人的團隊，將有4個節點用於檢測邊界點:3個局部檢測器和1個全局檢測器。 如果需要，運行局部邊界檢測器的附加實例可以提高邊界點檢測的速度。
所有檢測器將在同一主題（“/ detected_points”）上發布檢測到的邊界點。
6.２.1 訂閱主題
map (nav_msgs/OccupancyGrid)
主題名稱由〜map_topic參數定義。 它是節點將在其上接收地圖的主題名稱。
clicked_point (geometry_msgs/PointStamped)
lobal_rrt_frontier_detector也預訂了與global_rrt_frontier_detector類似的主題。
6.２.2 發表主題
detected_points (geometry_msgs/PointStamped)
節點發布檢測到邊界點的主題。
~shapes (visualization_msgs/Marker)
在此主題中，節點發布線形狀，以使用Rviz可視化RRT。
6.2.3 參數
~/robot_1/base_link (string, default: "/robot_1/base_link")
機架附着的框架。 每當樹復位時，它將從從此框架獲取的當前機器人位置開始。
~map_topic (string, default: 0.5)
此參數定義節點將在其上接收地圖的主題名稱。
~eta (float)
該參數控制用於檢測邊界點的RRT的增長率，單位為米。 該參數應根據地圖大小進行設置，非常大的值會導致樹長得更快，從而更快地檢測邊界點，但是增長速度很大，也意味着樹將在地圖中缺少小角。
6.3 frontier_opencv_detector
該節點是另一個邊界檢測器，但不是基於RRT。 該節點使用OpenCV工具來檢測邊界點。 它旨在單獨運行，並且在多機器人配置中，只應運行一個實例（運行此節點的附加實例沒有任何區別）。
最初這個節點被實現與基於RRT的邊界檢測器進行比較。 沿着RRT檢測器（局部和全局）一側運行該節點可以提高檢測點的速度。
注意：您可以運行任何類型和任何數量的檢測器，所有檢測器將發布在過濾器節點（將在下一節中介紹）正在訂閱的相同主題上。 另一方面，過濾器將過濾的入口點傳遞給分配器，以便命令機器人探索這些點。
6.３.1 訂閱主題
map (nav_msgs/OccupancyGrid)
主題名稱由〜map_topic參數定義。 它是節點將在其上接收地圖的主題名稱。
6.３.2 發表主題
detected_points (geometry_msgs/PointStamped)
節點發布檢測到邊界點的主題。
shapes (visualization_msgs/Marker)
在此主題中，節點使用Rviz發布要進行可視化的檢測點。
6.3.3 參數
~map_topic (string, default: "/robot_1/map")
此參數定義節點將在其上接收地圖的主題名稱。
6.４濾波器
濾波器節點從所有檢測器接收檢測到的邊界點，對點進行濾波，並將它們傳遞給分配器節點以命令機器人。 過濾包括舊點和無效點的選擇，也是冗余點。
6.４.１ 訂閱主題
map (nav_msgs/OccupancyGrid)
主題名稱由〜map_topic參數定義。 它是節點將在其上接收地圖的主題名稱。
robot_x/move_base_node/global_costmap/costmap (nav_msgs/OccupancyGrid)
其中x（在robot_x中）是指機器人的編號。
過濾器節點預訂所有機器人的所有costmap主題，因此需要costmap。 通常，導航堆棧應發布costmap（在引導機器人上的導航堆棧之后，每個機器人將具有一個costmap）。 例如，如果n_robots = 2，則節點將訂閱：robot_1 / move_base_node / global_costmap / costmap和robot_2 / move_base_node / global_costmap / costmap。 costmaps用於刪除無效點。
注意：機器人對應的所有節點的命名空間應以robot_x開頭。 再次，x是機器人編號。
The goals topic (geometry_msgs/PointStamped)
主題名稱由〜goals_topic參數定義。 這是濾波器節點接收檢測到的邊界點的主題。
6.４.2 發表主題
frontiers (visualization_msgs/Marker)
過濾器節點發布用於Rviz可視化的接收邊界點的主題。
centroids (visualization_msgs/Marker)
過濾器節點僅發布用於Rviz可視化的過濾邊界點的主題。
filtered_points (invalid message type for MsgLink(msg/type))
所有過濾的點作為一個點數組發送到該主題上的分配器節點。
6.４.３ 參數
~map_topic (string, default: "/robot_1/map")
此參數定義節點將在其上接收地圖的主題名稱。 該地圖用於知道哪些點不再是邊界點（舊點）。
~costmap_clearing_threshold (float, default: 70.0)
占用率大於此閾值的邊界點將被視為無效。 占用值是從成本圖中獲得的。
~info_radius (float, default: 1.0)
用於計算邊界信息增益的信息半徑。
~goals_topic (string, default: "/detected_points")
定義節點接收檢測到的邊界點的主題。
~n_robots (float, default: 1.0)
機器人數量
~rate (float, default: 100.0)
節點循環速率（Hz）。
6.5 分配器
該節點接收到目標探測目標，即目標探測目標，這是過濾器節點發布過濾的邊界點，並相應地命令機器人。 分配器節點通過move_base_node命令機器人。 這就是為什么你在機器人上引導導航堆棧。
6.5.１ 訂閱主題
map (nav_msgs/OccupancyGrid)
主題名稱由〜map_topic參數定義。
Filtered frontier points topic (nav_msgs/OccupancyGrid)
主題名稱由〜frontiers_topic參數定義。
The goals topic (invalid message type for MsgLink(msg/type))
主題名稱由〜goals_topic參數定義。 這是濾波器節點接收檢測到的邊界點的主題。
6.5.2 參數
~map_topic (string, default: "/robot_1/map")
此參數定義節點將接收地圖的主題名稱。 在單機器人情況下，應將此主題設置為機器人的地圖主題。 在多機器人案例中，此主題必須設置為全局合並映射。
~info_radius (float, default: 1.0)
用於計算邊界信息增益的信息半徑。
~info_multiplier (float, default: 3.0)
單位是米。 該參數用於重視成本上的邊界點的信息增益（到邊界點的預期行駛距離）。
~hysteresis_radius (float, default: 3.0)
單位是米。 該參數定義了滯后半徑。
~hysteresis_gain (float, default: 2.0)
單位是米。 該參數定義了滯后增益。
~frontiers_topic (string, default: "/filtered_points")
分配器節點接收過濾邊界點的主題。
~n_robots (float, default: 1.0)
機器人數量
~delay_after_assignement (float, default: 0.5)
單位是秒。 它定義每個機器人分配后的延遲量。
~rate (float, default: 100.0)
節點循環速率（Hz）。
7.教程
這里列出了有關如何使用包的教程。
Installation
本節將展示除了包本身（rrt_exploration）和rrt_exploration_tutorials軟件包之外，還可以安裝所需的軟件包和python模塊。 本教程假設您已經安裝了ROS，並且有一個工作區。
１. Install all required packages
In a terminal, write the following commands:
$ sudo apt-get install ros-kinetic-gmapping ros-kinetic-navigation ros-kinetic-kobuki ros-kinetic-kobuki-core ros-kinetic-kobuki-gazebo
$ sudo apt-get install python-opencv python-numpy python-scikits-learn
2. Install rrt_exploration and rrt_exploration_tutorials
假設您的工作區文件夾位於主目錄中，並命名為catkin_ws（如果不是，請相應地更改命令）：
$ cd ~/catkin_ws/src/ $ git clone https://github.com/hasauino/rrt_exploration.git $ git clone https://github.com/hasauino/rrt_exploration_tutorials.git $ cd ~/catkin_ws $ catkin_make
就是這個！ 現在你可以測試包。
３.Tutorials list(教程列表)
在教程中，我們將使用Gazebo模擬器。 您下載了rrt_exploration_tutorials軟件包后，您已經擁有所有需要的文件。
1-Single robot with laser scanner.
1.Gazebo simulation
在rrt_exploration_tutorials軟件包附帶的啟動文件中，您會發現幾個啟動文件。 在本教程中，我們將使用針對單機器人仿真的。
1-In a terminal, run the following command:
$ roslaunch rrt_exploration_tutorials single_simulated_house.launch
這將打開Gazebo和RViz。 機器人設置為使用rrt_exploration軟件包。 主要是機器人框架以“robot_1”為前綴，對於節點和主題名稱也是如此。
運行以上指令出現以下問題：
解決方法：
這個問題一般有兩個可能的原因，一個是忘了進行source，只需要回到上層進行source即可。
$ cd ~/catkin_ws $ source devel/setup.bash
第二個錯誤是我最近剛發現的，因為我們默認的包是git clone在src下的，當你將新的包git clone在其他地方時，source命令就會出錯。因此我將該包剪切至src下，並重新執行
$ source devel/setup.bash 后，命令執行成功。
2.Start Exploration
我們將在rrt_exploration包中使用一個名為“single.launch”的啟動文件。 此啟動文件啟動全局和局部檢測器，過濾器和分配器節點。
$ roslaunch rrt_exploration single.launch
３.Troubleshooting(故障排除)
這意味着gazebo目前正在為您下載仿真模型。 如果花了太長時間，您可以離線下載所有gazebo模型，然后手動放置在“models”文件夾（路徑：〜/ .gazebo / models）中，如下所示：
$ wget -l 2 -nc -r "http://models.gazebosim.org/" $ cd models.gazebosim.org $ mkdir -p ~/.gazebo/models/ $ cp -r * ~/.gazebo/models/
仿真結果：
