ROS中階筆記（八）：機器人SLAM與自主導航—機器人自主導航
1 ROS中的導航框架
1.1 move_base
1.1.1 基於move_base的導航框架
其中白色框內的是ROS已經為我們准備好的必須使用的組件，灰色框內的是ROS中可選的組件，藍色的是用戶需要提供的機器人平台上的組件。
1.1.2 安裝
$ sudo apt-get install ros-kinetic-navigation
1.2.3 全局、局部路徑規划
1、全局路徑規划(global planner)
- 全局最優路徑規划 （最短路徑、運動速度最快···策略）
- Dijkstra或A*算法
2、本地實時規划（local planner）
- 規划機器人每個周期內的線速度、角速度，使之盡量符合全局最優路徑。
- 實時避障
- Trajectory Rollout和Dynamic Window Approaches算法
- 搜索躲避和行進的多條路徑，綜合評價標准選取最優路徑
1.2.4 move_base功能包中的話題和服務
1.2.5 配置move_base節點
參數含義請參考：http://wiki.ros.org/move_base
mbot_navigation/launch/move_base.launch來啟動move_base 節點。
<launch>
<node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen" clear_params="true">
<rosparam file="$(find mbot_navigation)/config/mbot/costmap_common_params.yaml" command="load" ns="global_costmap" />
<rosparam file="$(find mbot_navigation)/config/mbot/costmap_common_params.yaml" command="load" ns="local_costmap" />
<rosparam file="$(find mbot_navigation)/config/mbot/local_costmap_params.yaml" command="load" />
<rosparam file="$(find mbot_navigation)/config/mbot/global_costmap_params.yaml" command="load" />
<rosparam file="$(find mbot_navigation)/config/mbot/base_local_planner_params.yaml" command="load" />
</node>
</launch>
1.2 amcl（二維概率定位）
1.2.1 amcl簡介
- 蒙特卡羅定位方法
- 二維環境定位
- 針對已有地圖使用粒子濾波器跟蹤一個機器人的姿態
藍色點是根據概率算法來估算機器人的位置，藍色點越密集的地方，說明機器人在這個位置概率越高
具體算法可參考：《概率機器人》
1.2.2 amcl功能包中的話題和服務
1.2.3 amcl定位
- 里程計定位：只通過里程計的數據來處理/base和/odom之間的TF轉換；
- amcl定位：可以估算機器人在地圖坐標系/map下的位姿信息，提供/base、/odom、/map之間的TF變換。
1.2.4 配置amcl節點
mbot_navigation/launch/amcl.launch來啟動amcl功能包
<launch>
<arg name="use_map_topic" default="false"/>
<arg name="scan_topic" default="scan"/>
<node pkg="amcl" type="amcl" name="amcl" clear_params="true">
<param name="use_map_topic" value="$(arg use_map_topic)"/>
<!-- Publish scans from best pose at a max of 10 Hz -->
<param name="odom_model_type" value="diff"/>
<param name="odom_alpha5" value="0.1"/>
<param name="gui_publish_rate" value="10.0"/>
<param name="laser_max_beams" value="60"/>
<param name="laser_max_range" value="12.0"/>
<param name="min_particles" value="500"/>
<param name="max_particles" value="2000"/>
<param name="kld_err" value="0.05"/>
<param name="kld_z" value="0.99"/>
<param name="odom_alpha1" value="0.2"/>
<param name="odom_alpha2" value="0.2"/>
<!-- translation std dev, m -->
<param name="odom_alpha3" value="0.2"/>
<param name="odom_alpha4" value="0.2"/>
<param name="laser_z_hit" value="0.5"/>
<param name="laser_z_short" value="0.05"/>
<param name="laser_z_max" value="0.05"/>
<param name="laser_z_rand" value="0.5"/>
<param name="laser_sigma_hit" value="0.2"/>
<param name="laser_lambda_short" value="0.1"/>
<param name="laser_model_type" value="likelihood_field"/>
<!-- <param name="laser_model_type" value="beam"/> -->
<param name="laser_likelihood_max_dist" value="2.0"/>
<param name="update_min_d" value="0.25"/>
<param name="update_min_a" value="0.2"/>
<param name="odom_frame_id" value="odom"/>
<param name="resample_interval" value="1"/>
<!-- Increase tolerance because the computer can get quite busy -->
<param name="transform_tolerance" value="1.0"/>
<param name="recovery_alpha_slow" value="0.0"/>
<param name="recovery_alpha_fast" value="0.0"/>
<remap from="scan" to="$(arg scan_topic)"/>
</node>
</launch>
2 導航框架的應用
2.1 下載rbx1
執行以下命令：
$ cd ~/catkin_ws/src
$ git clone https://github.com/pirobot/rbx1.git
$ cd rbx1 # ~/catkin_ws/src/rbx1
$ git checkout indigo-devel
$ cd ~/catkin_ws
$ catkin_make
$ source ~/catkin_ws/devel/setup.bash
$ rospack profile # 加入ROS package路徑
如果這個package的代碼后來更新了，需要執行以下代碼：
$ cd ~/catkin_ws/src/rbx1
$ git pull
$ cd ~/catkin_ws
$ catkin_make
$ source ~/catkin_ws/devel/setup.bash
2.2 導航示例（《ROS by Example》）
rviz+arbotix來進行仿真，實現ROS功能包算法的功能。
分別在四個終端下面運行這四個命令：
roslaunch rbx1_bringup fake_turtlebot.launch #啟動機器人,ArbotiX節點，加載機器人的URDF文件
roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch # 啟動導航節點
rosrun rviz rviz -d 'rospack find rbx1_nav'/nav_obstacles.rviz # 啟動rviz
rosrun rbx1_nav move_base_square.py # 啟動歷程
2.2.1 錯誤1
ERROR: cannot launch node of type [arbotix_python/arbotix_driver]: arbotix_python
ROS path [0]=/opt/ros/kinetic/share/ros
ROS path [1]=/home/ggk/ORB_SLAM2/Examples/ROS/ORB_SLAM2
ROS path [2]=/home/ggk/catkin_ws/src
ROS path [3]=/opt/ros/kinetic/share
1、檢查是否安裝 arbotix_python package
roscd arbotix_python
2、安裝 arbotix_python
方法一：不推薦
sudo apt-get install ros-kinetic-arbotix-*
方法二：推薦
cd ~/catkin_ws/src
git clone https://github.com/vanadiumlabs/arbotix_ros.git
cd ~/catkin_ws
catkin_make
source ~/catkin_ws/devel/setup.bash
2.2.2 錯誤2
ERROR: cannot launch node of type [arbotix_python/arbotix_driver]: can't locate node [arbotix_driver] in package [arbotix_python]
說明：
安裝 arbotix_python，用方法一不行，無法啟動節點，因此應該用方法二
2.3 導航仿真（人為控制）
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch # 啟動仿真環境
roslaunch mbot_navigation nav_cloister_demo.launch # 啟動導航節點
2D Nav Goal來選擇目標點，點擊左鍵，來選擇一個目標姿態。
2D Pose Estimate調整機器人的位姿，
綠色線：全局規划
紅色線：局部規划
2.4 導航SLAM仿真（自主，還得選擇目標點位）
前面通過各種功能包來完成SLAM功能，通過導航機器人到達目標點的路徑規划；
接下來，把SLAM和導航結合起來：
在導航的過程當中，不斷的自主的去探索未知的環境，最終來完成地圖的構建；
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch # 啟動仿真環境
roslaunch mbot_navigation exploring_slam_demo.launch # 啟動SLAM+導航的節點
# 機器人一邊導航，一變建圖
2.5 自主探索SLAM仿真
完全自主在環境當中做運動，去把整個地圖構建起來；
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
roslaunch mbot_navigation exploring_slam_demo.launch
rosrun mbot_navigation exploring_slam.py # 控制機器人運動，完成地圖構建
3、小結
3.1 機器人必備條件
- 硬件要求：差分輪式、速度控制指令、深度信息、外觀圓形或方形
- 里程計信息：獲取仿真機器人/真實機器人的實時位置、速度
- 仿真環境：構建仿真環境，為后續SLAM、導航仿真作准備
3.2 ROS SLAM功能包應用方法
- gmapping：輸入激光雷達、里程計信息，輸出二維柵格地圖
- hector_slam：只需要輸入激光雷達信息，輸出二維柵格地圖
- cartographer：輸入激光雷達信息，輸出二維或三維地圖
- ORB_SLAM：輸入單目攝像頭信息，輸出三維點雲地圖
3.3 ROS中的導航框架
- move_base：全局規划和局部規划
- amcl：二維概率定位
3.4 ROS機器人自主導航
- rviz+Arbotix的功能仿真
- gazebo不境下自主導航的仿真
- 導航過程中同步SLAM建圖