1 ROS中的导航框架
1.1 move_base
1.1.1 基于move_base的导航框架
其中白色框内的是ROS已经为我们准备好的必须使用的组件，灰色框内的是ROS中可选的组件，蓝色的是用户需要提供的机器人平台上的组件。
1.1.2 安装
$ sudo apt-get install ros-kinetic-navigation
1.2.3 全局、局部路径规划
1、全局路径规划(global planner)
全局最优路径规划 （最短路径、运动速度最快···策略）
Dijkstra或A*算法
2、本地实时规划（local planner）
规划机器人每个周期内的线速度、角速度，使之尽量符合全局最优路径。
实时避障
Trajectory Rollout和Dynamic Window Approaches算法
搜索躲避和行进的多条路径，综合评价标准选取最优路径
1.2.4 move_base功能包中的话题和服务
1.2.5 配置move_base节点
参数含义请参考：http://wiki.ros.org/move_base
mbot_navigation/launch/move_base.launch来启动move_base 节点。
<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="$(find mbot_navigation)/config/mbot/base_local_planner_params.yaml" command="load" /> </node> </launch>
1.2 amcl（二维概率定位）
1.2.1 amcl简介
- 蒙特卡罗定位方法
- 二维环境定位
- 针对已有地图使用粒子滤波器跟踪一个机器人的姿态
蓝色点是根据概率算法来估算机器人的位置，蓝色点越密集的地方，说明机器人在这个位置概率越高
具体算法可参考：《概率机器人》
1.2.2 amcl功能包中的话题和服务
1.2.3 amcl定位
里程计定位：只通过里程计的数据来处理/base和/odom之间的TF转换；
amcl定位：可以估算机器人在地图坐标系/map下的位姿信息，提供/base、/odom、/map之间的TF变换。
1.2.4 配置amcl节点
mbot_navigation/launch/amcl.launch来启动amcl功能包
<launch> <arg name="use_map_topic" default="false"/> <arg name="scan_topic" default="scan"/> <node pkg="amcl" type="amcl" name="amcl" clear_params="true"> <param name="use_map_topic" value="$(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 导航框架的应用
2.1 下载rbx1
执行以下命令：
$ 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路径
如果这个package的代码后来更新了，需要执行以下代码：
$ cd ~/catkin_ws/src/rbx1 $ git pull $ cd ~/catkin_ws $ catkin_make $ source ~/catkin_ws/devel/setup.bash
2.2 导航示例（《ROS by Example》）
rviz+arbotix来进行仿真，实现ROS功能包算法的功能。
分别在四个终端下面运行这四个命令：
roslaunch rbx1_bringup fake_turtlebot.launch #启动机器人,ArbotiX节点，加载机器人的URDF文件 roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch # 启动导航节点 rosrun rviz rviz -d 'rospack find rbx1_nav'/nav_obstacles.rviz # 启动rviz rosrun rbx1_nav move_base_square.py # 启动历程
2.2.1 错误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、检查是否安装 arbotix_python package
roscd arbotix_python
方法二：推荐
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 错误2
ERROR: cannot launch node of type [arbotix_python/arbotix_driver]: can't locate node [arbotix_driver] in package [arbotix_python]
说明：
安装 arbotix_python，用方法一不行，无法启动节点，因此应该用方法二
2.3 导航仿真（人为控制）
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch # 启动仿真环境 roslaunch mbot_navigation nav_cloister_demo.launch # 启动导航节点
2D Nav Goal来选择目标点，点击左键，来选择一个目标姿态。
2D Pose Estimate调整机器人的位姿，
绿色线：全局规划
红色线：局部规划
2.4 导航SLAM仿真（自主，还得选择目标点位）
前面通过各种功能包来完成SLAM功能，通过导航机器人到达目标点的路径规划；
接下来，把SLAM和导航结合起来：
在导航的过程当中，不断的自主的去探索未知的环境，最终来完成地图的构建；
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch # 启动仿真环境 roslaunch mbot_navigation exploring_slam_demo.launch # 启动SLAM+导航的节点 # 机器人一边导航，一变建图
2.5 自主探索SLAM仿真
完全自主在环境当中做运动，去把整个地图构建起来；
roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch roslaunch mbot_navigation exploring_slam_demo.launch rosrun mbot_navigation exploring_slam.py # 控制机器人运动，完成地图构建
3、小结
3.1 机器人必备条件
硬件要求：差分轮式、速度控制指令、深度信息、外观圆形或方形
里程计信息：获取仿真机器人/真实机器人的实时位置、速度
仿真环境：构建仿真环境，为后续SLAM、导航仿真作准备
3.2 ROS SLAM功能包应用方法
gmapping：输入激光雷达、里程计信息，输出二维栅格地图
hector_slam：只需要输入激光雷达信息，输出二维栅格地图
cartographer：输入激光雷达信息，输出二维或三维地图
ORB_SLAM：输入单目摄像头信息，输出三维点云地图
3.3 ROS中的导航框架
move_base：全局规划和局部规划
amcl：二维概率定位
3.4 ROS机器人自主导航
rviz+Arbotix的功能仿真
gazebo不境下自主导航的仿真
导航过程中同步SLAM建图
