turtlebot3 在gazebo仿真下 通过 gmapping slam 建立二维平面地图——全过程

简介: turtlebot3 在gazebo仿真下 通过 gmapping slam 建立二维平面地图——全过程

ROS中的地图

ROS中的导航地图以2D网格的形式描述,每个网格包含一个值,这个值描述了这个网格有多少可能是被障碍物占据的。

地图文件以图像的形式存储,支持多种常见的格式(比如PNG、JPG、PGM)。虽然使用的是彩色图像,ROS在解析这些图片之前,会先把它们转换为灰度图像。这意味着每一个地图都可以使用任何的图像显示程序显示出来。

每个地图都有一个与之关联的YAML文件,这个文件包含一些额外的信息,比如分辨率(每个网格的长度,以米为单位)、地图的原点在哪里,判断网格是否有障碍物的阈值。

image: map.pgm
resolution: 0.1
origin: [0.0,0.0,0.0]
occupied_thresh: 0.65
free_thresh: 0.196
negate: 1

上面的YAML文件表示
图像文件存储在map.pgm文件中,
每个网格表示真实环境中一个边长为10cm的正方形,
原点在(0,0,0)处,
如果一个网格的值超过了像素最大值的65%,那么就认为这个网格有障碍物。
如果一个网格的值小于像素最大值的19.6%,那么就认为这个网格是空闲的。
negate 就是把像素值反转。255-像素值 。
为什么反转:在没有障碍物的地方值更小,有障碍物的地方值大,也就是黑色表示没有障碍物,白色表示有障碍物。和人理解冲突,就反转下,黑色表示有障碍物,白色表示没有障碍物。

使用rosbag记录数据

rosbag 可以帮助记录消息,而且可以重放这些消息。
这对调试算法也是有用得,可以向算法中反复注入相同得数据。
可以用rosbag记录下机器人传感器得数据,然后使用这些记录下来得数据测试代码。

当前rosbag 得功能不仅仅局限于记录和重放数据

rosbag record

为了记录消息,使用rosbag 得record功能,并制定一系列需要记录得话题名字。

例如为了记录scan和tf话题上发送得所有消息,需要运行:

$ rosbag record scan tf

这将所有消息存储到一个文件中,文件名得格式是 YYYY-MM-DD-HH-mm-ss.bag 这是rosbag开始运行得时间。这保证每个包文件都是一个独一无二得名字。

可以使用 -O或-output-name 标志来更改输出文件得名字,
使用-o或-output-prefix标志来给文件名加前缀

例如

$ rosbag record -O foo.bag scan tf

会创建 名为 foo.bag 得包文件

$ rosbag record -o foo.bag scan tf

会创建名为 foo_2020_03_10_14_29_30.bag

也可以使用 -a 标志 记录所有正在发布得话题

rosbag play

可以使用play功能来播放之前记录得包。

这个功能有很多命令行参数,用来控制播放速度有多快,从文件得何处开始播放以及一些其它得东西。

$ rosbag play --clock foo.bag

这将会重放包文件foo.bag中记录得消息,就像是从一个ROS节点中发布得一样。如果指定得包文件多于1个,那么它们将会被顺序播放。

--clock 标志表示需要rosbag发布时间消息,这对于创建地图来说很重要。
注意此时发布得时间 是 从记录时刻开始得 , 此时最好别有其它发布时间得消息,否则时间会跳

创建地图

启动 turtlebot3 及world

roslaunch turtlebot3_gazebo turtlebot3_stage_2.launch

启动建模控制

 roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch 

这时候 turtlebot3 可以移动了

查看此时活跃得topic ,存在 /scan 和 /tf
在这里插入图片描述

下面使用rosbag 记录 这两个topic

$ rosbag record -O data_scan.bag /scan /tf

再按 Ctrl+C结束终端时,会在终端得路径上出现你 记录得包
在这里插入图片描述

$ rosbag info data_scan.bag

可以用这个查看建立得包得信息
在这里插入图片描述
现在可以建图了
首先要启动 roscore

使用这条指令 使 ROS使用记录下来得包文件中得时间戳

$ rosparam set use_sim_time ture

使用下面这条指令 启动 gmapping节点

$ rosrun gmapping slam_gmapping

提示这个错误

[ WARN] [1584192934.752228918]: MessageFilter [target=odom ]: Dropped 100.00% of messages so far. Please turn the [ros.gmapping.message_notifier] rosconsole logger to DEBUG for more information.

在这里插入图片描述
进行了 解决工作
解决方式记录

继续
使用下面这条指令 启动 gmapping节点

$ rosrun gmapping slam_gmapping

正常会有建图的打印信息
激光雷达的信息

-maxUrange 3.49 -maxUrange 3.49 -sigma 0.05 -kernelSize 1 -lstep 0.05 -lobsGain 3 -astep 0.05
-srr 0.1 -srt 0.2 -str 0.1 -stt 0.2
-linearUpdate 1 -angularUpdate 0.5 -resampleThreshold 0.5
-xmin -100 -xmax 100 -ymin -100 -ymax 100 -delta 0.05 -particles 30

处理的第一个数据

update frame 0
update ld=0 ad=0
Laser Pose= -0.0635836 3.14698e-06 -3.14156
m_count 0

处理的后面的数据

update frame 94
update ld=0.422216 ad=0.562223
Laser Pose= -0.519626 1.10899 0.461962
m_count 10
Average Scan Matching Score=353.008
neff= 29.8927

保存地图 ,执行下面的指令

$ rosrun map_server map_saver 

正常结果
在这里插入图片描述

可以看下该图片

在这里插入图片描述
实际场景:

在这里插入图片描述
哈哈!是一致的。

相关实践学习
Docker镜像管理快速入门
本教程将介绍如何使用Docker构建镜像,并通过阿里云镜像服务分发到ECS服务器,运行该镜像。
阿里云资源编排ROS使用教程
资源编排(Resource Orchestration)是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等,并自动完成所有资源的创建和配置,以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式,并且可以随时编辑修改,使基础设施即代码(Infrastructure as Code)成为可能。 产品详情:https://www.aliyun.com/product/ros/
相关文章
|
存储 前端开发 算法
激光SLAM:ALOAM---后端lasermapping地图栅格化处理与提取
不同于前端的scan-to-scan的过程,ALOAM的后端是scan-to-map的算法,具体来说就是把当前帧和地图进行匹配,得到更准确的位姿同时也可以构建更好的地图.由于是scan-to-map的算法,因此计算量会明显高于scan-to-scan的前端,所以后端通常处于一个低频的运行频率,但是由于scan-to-map的精度往往优于scan-to-scan.因此后端也有比前端更高的精度.为了提高后端的处理速度,所以要进行地图的栅格化处理
激光SLAM:ALOAM---后端lasermapping地图栅格化处理与提取
|
2月前
|
算法 机器人 vr&ar
基于双目RGB图像和图像深度信息的三维室内场景建模matlab仿真
基于双目RGB图像和图像深度信息的三维室内场景建模matlab仿真
|
8月前
|
机器学习/深度学习 人工智能 算法
LabVIEW深度相机与三维定位实战(三)
立体匹配与ACV算法理论知识
68 0
LabVIEW深度相机与三维定位实战(三)
|
6月前
|
缓存 数据可视化 vr&ar
医学影像PACS源码 三维多平面重建、三维容积重建
持所见即所得报告书写方式; •  报告单预览功能(在书写、审核、打印时都可随时预览报告); •  在书写报告过程中可随时切换报告单样式; •  相关检查功能:在书写报告时可查看患者相关检查的图像及报告信息; •  常用词汇管理,支持报告模板管理;
|
8月前
|
机器学习/深度学习 人工智能 算法
LabVIEW深度相机与三维定位实战(四)
立体匹配与ACV算法在LabVIEW中的调用
52 0
LabVIEW深度相机与三维定位实战(四)
|
8月前
|
机器学习/深度学习 传感器 编解码
LabVIEW实现深度相机与三维定位实战(二)
LabVIEW实现深度相机与三维定位实战(二)
124 0
LabVIEW实现深度相机与三维定位实战(二)
|
8月前
|
机器学习/深度学习 传感器 编解码
LabVIEW实现深度相机与三维定位实战(一)
LabVIEW实现深度相机与三维定位实战(一)
168 0
LabVIEW实现深度相机与三维定位实战(一)
|
10月前
|
算法 机器人
m固定相机模式下基于图像跟踪算法的Puma560机械臂自适应轨迹控制matlab仿真
m固定相机模式下基于图像跟踪算法的Puma560机械臂自适应轨迹控制matlab仿真
137 0
|
传感器 算法 前端开发
【应用SLAM技术建立二维栅格化地图】
【应用SLAM技术建立二维栅格化地图】
312 0
|
算法
m通过目标形心提取、颜色模型以及边缘提取实现两个相向移动人员交叉遮挡过程的检测和分割matlab仿真
m通过目标形心提取、颜色模型以及边缘提取实现两个相向移动人员交叉遮挡过程的检测和分割matlab仿真
99 0

热门文章

最新文章