AI 助理
备案控制台
开发者社区 IoT 文章 正文

ROS 多机器人建图与导航

2022-01-13 719
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
资源编排，不限时长
简介： ROS 多机器人建图与导航

一、环境配置


参考turtlebot3-多机交互程序:多机交互-创客智造


小车：


Ubuntu-mate16.04+ROSkinetic；


必要的bringup.launch文件（包括雷达信息、IMU、编码器信息、电器驱动），详情见bringup详解。


上位机：


Ubuntu16.04+ROSkinetic

安装多机地图合并软件包ros-kinetic-multirobot-map-merge：


sudo apt-get install ros-kinetic-multirobot-map-merge


安装turtlebot3源码：turtlebot3源码安装；


需添加turbot3源码：


git clone https://github.com/ROBOTIS-GIT/turbot3.git
cd ~/catkin_ws && catkin_make


二、 建图


2.1、建图主要命令


开启小车底盘和雷达（小车端），其他小车同理：


roslaunch clbrobot robot.launch robot_name:="robot1"


开启单个小车的slam建图并设定初始位置和建图算法（以下均在上位机端运行）：


roslaunch multi_slam multi_slam.launch robot_name:="robot1" robot_y_pos:="10.0" slam_methods:=gmapping


开启键盘控制：


roslaunch multi_slam keyboard.launch robot_name:="robot1"


Tip：以上几个机器人就得重复几次


运行多机建图并打开rviz：

roslaunch multi_slam map_merge.launch


完成多机建图后保存地图


rosrun map_server map_saver -f /home/catkin_ws/src/multi_robot/map


修改 map.yaml 中的 origin 为：


origin: [0.000000, 0.000000, 0.000000]


2.2、建图模块分析


multi_slam.launch 代码如下：


<launch>
  <arg name="robot_name" default=""/>
  <arg name="robot_x_pos" default="0.0"/>
  <arg name="robot_y_pos" default="0.0"/>
  <arg name="robot_z_pos" default="0.0"/>
  <arg name="robot_yaw"   default="0.0"/>
  <arg name="slam_methods" default="gmapping" doc="slam type [gmapping, hector, karto]"/>
  <!-- robot_model -->
  <include file="$(find robot_model)/model_robot.launch">   
    <arg name="robot_name" value="$(arg robot_name)"/>
  </include>
  <!-- init_pose -->
  <include file="$(find multi_slam)/launch/init_pose.launch">   
    <arg name="robot_name" value="$(arg robot_name)"/>
    <arg name="robot_x_pos"   value="$(arg robot_x_pos)"/>
    <arg name="robot_y_pos"   value="$(arg robot_y_pos)"/>
    <arg name="robot_z_pos"   value="$(arg robot_z_pos)"/>
    <arg name="robot_yaw" value="$(arg robot_yaw)"  />
  </include>
  <!-- slam_methods -->
  <include file="$(find multi_slam)/launch/slam.launch">   
    <arg name="robot_name" value="$(arg robot_name)"/>
    <arg name="slam_methods" value="$(arg slam_methods)"/>
  </include>
</launch>


map_merge.launch 代码如下：


<launch>
  <!-- multirobot_map_merge -->
  <node pkg="multirobot_map_merge" type="map_merge" respawn="false" name="map_merge" output="screen">
    <param name="robot_map_topic" value="map"/>
    <param name="robot_namespace" value="robot"/>
    <param name="merged_map_topic" value="map"/>
    <param name="world_frame" value="map"/>
    <param name="known_init_poses" value="true"/>
    <param name="merging_rate" value="0.5"/>
    <param name="discovery_rate" value="0.05"/>
    <param name="estimation_rate" value="0.1"/>
    <param name="estimation_confidence" value="1.0"/>
  </node>
  <!-- multirobot_rviz -->
  <include file="$(find multi_slam)/launch/multi_rviz.launch"/>
</launch>


2.3、建图实现效果


rqt_tf_tree


20201024201527257.png


rqt_graph


20201024201658337.png


rviz效果图


20201024201708545.png


建图结果


20201024201732152.png


2.4、 建图github开源代码


explore自动建图的网址：http://wiki.ros.org/explore_lite


map_merge多图融合的网址：http://wiki.ros.org/multirobot_map_merge/


github代码的地址：https://github.com/hrnr/m-explore


3D地图的融合：https://github.com/hrnr/map-merge


3D多机器人导航：https://github.com/hrnr/map-merge


三、导航


3.1、 建图主要命令


开启小车底盘和雷达（小车端），其他小车同理：


roslaunch clbrobot robot.launch robot_name:="robot1"


启动地图服务程序（以下均在上位机端运行）：


roslaunch multi_navigation navigation_multi_map.launch map_file:=$HOME/tan/catkin_ws/src/multi_robot/map/map.yaml


开启小车导航navigation并设定初始位姿：


roslaunch multi_navigation navigation_multirobot.launch robot_name:="robot1"


开启rviz：


roslaunch multi_navigation navigation_rviz.launch


发布目标位置：


rostopic pub /robot1/move_base_simple/goal geometry_msgs/PoseStamped '{header: {stamp: now, frame_id: "map"}, pose: {position: {x: 0.5, y: 0.0, z: 0.0}, orientation: {w: 1.0}}}'


3.2、导航模块分析


navigation_multi_map.launch 代码如下：


<launch>
  <!-- Map server -->
  <arg name="map_file" default="/home/catkin_ws/src/multi_robot/map/map.yaml"/>
  <node name="map_server" pkg="map_server" type="map_server" args="$(arg map_file)">
  </node>
</launch>

   


navigation_multirobot.launch 代码如下：


/

<launch>
  <arg name="robot_name" default="" />
  <!-- robot_model -->
  <include file="$(find robot_model)/model_robot.launch">   
    <arg name="robot_name" value="$(arg robot_name)"/>
  </include>
<group ns="$(arg robot_name)">
  <!-- AMCL -->
  <arg name="custom_amcl_launch_file" default="$(find multi_navigation)/launch/amcl.multi.launch.xml"/>
  <arg name="robot_x_pos" default="0.0"/> 
  <arg name="robot_y_pos" default="0.0"/> 
  <arg name="robot_a_pos" default="0.0"/>
  <include file="$(arg custom_amcl_launch_file)">
    <arg name="global_frame_id" value="/map"/>
    <arg name="odom_frame_id"   value="$(arg robot_name)/odom"/>
    <arg name="base_frame_id"   value="$(arg robot_name)/base_footprint"/> 
    <arg name="initial_pose_x" value="$(arg robot_x_pos)"/>
    <arg name="initial_pose_y" value="$(arg robot_y_pos)"/>
    <arg name="initial_pose_a" value="$(arg robot_a_pos)"/>
  </include>
  <!-- move_base -->
  <arg name="custom_param_file" default="$(find multi_navigation)/param/dummy.yaml"/>
  <include file="$(find multi_navigation)/launch/move_base_robot.launch.xml">
    <arg name="global_frame_id" value="/map"/>
    <arg name="odom_frame_id"   value="/$(arg robot_name)/odom"/>
    <arg name="base_frame_id"   value="/$(arg robot_name)/base_footprint"/>
    <arg name="odom_topic" value="/$(arg robot_name)/odom" />
    <arg name="laser_topic" value="/$(arg robot_name)/scan" />
    <arg name="cmd_topic" value="/$(arg robot_name)/cmd_vel" />
    <arg name="custom_param_file" value="$(arg custom_param_file)"/>
  </include>
</group>
</launch>


amcl.multi.launch.xml 代码如下：


//

<launch>
  <arg name="robot_name"      default="" />
  <arg name="use_map_topic"   default="true"/>
  <arg name="scan_topic"      default="scan"/> 
  <arg name="initial_pose_x"  default="0.0"/>
  <arg name="initial_pose_y"  default="0.0"/>
  <arg name="initial_pose_a"  default="0.0"/>
  <arg name="odom_frame_id"   default="odom"/>
  <arg name="base_frame_id"   default="base_footprint"/>
  <arg name="global_frame_id" default="/map"/>
  <node pkg="amcl" type="amcl" name="amcl">
    <param name="use_map_topic"             value="$(arg use_map_topic)"/>
    <!-- Publish scans from best pose at a max of 10 Hz -->
    <param name="odom_model_type"           value="diff"/>
    <param name="odom_alpha5"               value="0.1"/>
    <param name="gui_publish_rate"          value="10.0"/>
    <param name="laser_max_beams"             value="60"/>
    <param name="laser_max_range"           value="12.0"/>
    <param name="min_particles"             value="500"/>
    <param name="max_particles"             value="2000"/>
    <param name="kld_err"                   value="0.05"/>
    <param name="kld_z"                     value="0.99"/>
    <param name="odom_alpha1"               value="0.25"/>
    <param name="odom_alpha2"               value="0.25"/>
    <!-- translation std dev, m -->
    <param name="odom_alpha3"               value="0.25"/>
    <param name="odom_alpha4"               value="0.25"/>
    <param name="laser_z_hit"               value="0.5"/>
    <param name="laser_z_short"             value="0.05"/>
    <param name="laser_z_max"               value="0.05"/>
    <param name="laser_z_rand"              value="0.5"/>
    <param name="laser_sigma_hit"           value="0.2"/>
    <param name="laser_lambda_short"        value="0.1"/>
    <param name="laser_model_type"          value="likelihood_field"/>
    <!-- <param name="laser_model_type" value="beam"/> -->
    <param name="laser_likelihood_max_dist" value="2.0"/>
    <param name="update_min_d"              value="0.2"/>
    <param name="update_min_a"              value="0.2"/>
    <param name="odom_frame_id"             value="$(arg odom_frame_id)"/> 
    <param name="base_frame_id"             value="$(arg base_frame_id)"/> 
    <param name="global_frame_id"           value="$(arg global_frame_id)"/>
    <param name="resample_interval"         value="1"/>
    <!-- Increase tolerance because the computer can get quite busy -->
    <param name="transform_tolerance"       value="1.25"/>
    <param name="recovery_alpha_slow"       value="0.001"/>
    <param name="recovery_alpha_fast"       value="0.1"/>
    <param name="initial_pose_x"            value="$(arg initial_pose_x)"/>
    <param name="initial_pose_y"            value="$(arg initial_pose_y)"/>
    <param name="initial_pose_a"            value="$(arg initial_pose_a)"/>
    <remap from="scan"                      to="$(arg scan_topic)"/>
    <remap from="static_map" to="/static_map" />
    <remap from="map" to="/map" />
  </node>
</launch>


move_base_robot.launch.xml 代码如下：


/

<launch>
  <arg name="odom_frame_id"   default="odom"/>
  <arg name="base_frame_id"   default="base_footprint"/>
  <arg name="global_frame_id" default="/map"/>
  <arg name="odom_topic" default="odom" />
  <arg name="laser_topic" default="scan" />
  <arg name="cmd_topic" default="cmd_vel" />
  <arg name="custom_param_file" default="$(find multi_navigation)/param/dummy.yaml"/>
  <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
    <rosparam file="$(find multi_navigation)/param/tank/costmap_common_params.yaml" command="load" ns="global_costmap" />
    <rosparam file="$(find multi_navigation)/param/tank/costmap_common_params.yaml" command="load" ns="local_costmap" />   
    <rosparam file="$(find multi_navigation)/param/tank/local_costmap_params.yaml" command="load" />   
    <rosparam file="$(find multi_navigation)/param/tank/global_costmap_params.yaml" command="load" />
    <rosparam file="$(find multi_navigation)/param/tank/move_base_params.yaml" command="load" />
    <rosparam file="$(find multi_navigation)/param/tank/base_local_planner_params.yaml" command="load" />
    <!-- external params file that could be loaded into the move_base namespace -->
    <rosparam file="$(arg custom_param_file)" command="load" />
    <!-- reset frame_id parameters using user input data -->
    <param name="global_costmap/global_frame" value="$(arg global_frame_id)"/>
    <param name="global_costmap/robot_base_frame" value="$(arg base_frame_id)"/>
    <param name="local_costmap/global_frame" value="$(arg global_frame_id)"/>
    <param name="local_costmap/robot_base_frame" value="$(arg base_frame_id)"/>
    <param name="global_costmap/obstacle_layer/scan/topic" value="$(arg laser_topic)"/>
    <param name="local_costmap/obstacle_layer/scan/topic" value="$(arg laser_topic)"/>
    <remap from="cmd_vel" to="$(arg cmd_topic)"/>
    <remap from="odom" to="$(arg odom_topic)"/>
    <remap from="scan" to="$(arg laser_topic)"/>
  </node>
</launch>


3.3、导航实现效果


rqt_tf_tree


202010242026454.png


rqt_graph

20201024202715633.png


多机导航


20201024202745781.png


文章标签：
资源编排
定位技术
机器人
算法
关键词：
机器人导航
ros机器人
资源编排机器人
机器人ros
资源编排导航
相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务，定义资源编排模板，实现自动化创建阿里云专有网络和交换机。
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/
1886446284370443
目录
相关文章
五羟基己醛
|
2月前
|
Ubuntu 机器人 Linux
【ROS速成】半小时入门机器人ROS系统简明教程之简单认识（一）
半小时入门机器人ROS系统简明教程一
五羟基己醛
216 0
梦笔生花伟
|
21天前
|
传感器 算法 机器人
机器人SLAM建图与自主导航
前言 这篇文章我开始和大家一起探讨机器人SLAM建图与自主导航 ，在前面的内容中，我们介绍了差速轮式机器人的概念及应用，谈到了使用Gazebo平台搭建仿真环境的教程，主要是利用gmapping slam算法，生成一张二维的仿真环境地图 。我们也会在这篇文章中继续介绍并使用这片二维的仿真环境地图，用于我们的演示。 教程 SLAM算法的引入 （1）SLAM：Simultaneous Localization and Mapping，中文是即时定位与地图构建，所谓的SLAM算法准确说是能实现SLAM功能的算法，而不是某一个具体算法。 （2）现在各种机器人研发和商用化非常火 ，所有的自主机器
梦笔生花伟
61 9
梦笔生花伟
|
1月前
|
自动驾驶 安全 机器人
ROS2：从初识到深入，探索机器人操作系统的进化之路
前言 最近开始接触到基于DDS的这个系统，是在稚晖君的机器人项目中了解和认识到。于是便开始自己买书学习起来，感觉挺有意思的，但是只是单纯的看书籍，总会显得枯燥无味，于是自己又开始在网上找了一些视频教程结合书籍一起来看，便让我对ROS系统有了更深的认识和理解。 ROS的发展历程 ROS诞生于2007年的斯坦福大学，这是早期PR2机器人的原型，这个项目很快被一家商业公司Willow Garage看中，类似现在的风险投资一样，他们投了一大笔钱给这群年轻人，PR2机器人在资本的助推下成功诞生。 2010年，随着PR2机器人的发布，其中的软件正式确定了名称，就叫做机器人操作系统，Robot Op
梦笔生花伟
73 14
梦笔生花伟
|
1月前
|
XML 算法 自动驾驶
ROS进阶：使用URDF和Xacro构建差速轮式机器人模型
【11月更文挑战第7天】本篇文章介绍的是ROS高效进阶内容，使用URDF 语言（xml格式）做一个差速轮式机器人模型，并使用URDF的增强版xacro，对机器人模型文件进行二次优化。
梦笔生花伟
70 6
梦笔生花伟
|
1月前
|
自动驾驶 安全 机器人
ROS2：从初识到深入，探索机器人操作系统的进化之路
【11月更文挑战第4天】ROS2的学习过程和应用，介绍DDS系统的框架和知识。
梦笔生花伟
87 1
源码星辰
|
2月前
|
机器学习/深度学习 传感器 算法
深度学习之基于视觉的机器人导航
基于深度学习的视觉机器人导航是一种通过深度学习算法结合视觉感知系统（如摄像头、LiDAR等）实现机器人在复杂环境中的自主导航的技术。
源码星辰
127 5
五羟基己醛
|
2月前
|
传感器 数据可视化 机器人
【ROS速成】半小时入门机器人ROS系统简明教程之可视化系统（三）
半小时入门机器人ROS系统简明教程之可视化系统
五羟基己醛
111 0
五羟基己醛
|
2月前
|
机器人
【ROS速成】半小时入门机器人ROS系统简明教程之安装测速（二）
半小时入门机器人ROS系统简明教程之安装测速
五羟基己醛
94 0
TsingtaoAI
|
1月前
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中，AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮，需要紧跟这一前沿趋势，开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合，为学生搭建一个实践平台。
TsingtaoAI
195 64
Echo_Wish
|
5天前
|
机器学习/深度学习 人工智能 算法
人工智能与机器人的结合：智能化世界的未来
人工智能与机器人的结合：智能化世界的未来
Echo_Wish
86 32

热门文章

最新文章

  • 1
    ROS机器视觉入门：从基础到人脸识别与目标检测
  • 2
    具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
  • 3
    技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
  • 4
    开源极客桌面机器人 Desk-Emoji
  • 5
    AppFlow：支持飞书机器人调用百炼应用
  • 6
    ROS2：从初识到深入，探索机器人操作系统的进化之路
  • 7
    RDT：清华开源全球最大的双臂机器人操作任务扩散基础模型、代码与训练集，基于模仿能力机器人能够自主完成复杂任务
  • 8
    使用URDF和Xacro构建差速轮式机器人模型
  • 9
    人工智能与机器人的结合：智能化世界的未来
  • 10
    机器人SLAM建图与自主导航
  • 1
    论文介绍：使用仿真和领域适应提高深度机器人抓取效率
    88
  • 2
    LabVIEW开发灭火器机器人
    62
  • 3
    LabVIEW对并行机器人结构进行建模仿真
    54
  • 4
    LabVIEW开发微控制器控制的并行机器人的实时视觉图像处理
    67
  • 5
    【AIGC】基于大语言模型构建多语种聊天机器人（基于Bloom大语言模型）
    173
  • 6
    使用Java构建机器人应用
    113
  • 7
    Moveit + Gazebo实现联合仿真：ABB yumi双臂机器人（ 二、双臂协同运动实现 ）
    332
  • 8
    【大模型】LLM与传统聊天机器人的区别是什么？
    221
  • 9
    【AI 初识】人工智能在机器人和自动化中的作用是什么？
    289
  • 10
    【LLM】基于Stable-Diffusion模型构建可以生成图像的聊天机器人
    106

    • 相关课程

    更多
  • ROS入门实践
  • 云上资源部署模式：从 IaC 理解 ROS
  • 阿里云资源编排ROS使用教程

    • 相关电子书

    更多
  • 下一代服务机器人的应用和创新
  • 机器人的小脑SLAMWARE - 机器人自主定位导航系统
  • AIOps的核心技术之一：任务机器人如何在金融运维 运营中落地

    • 相关实验场景

    更多
  • 使用ROS一键部署2048小游戏
  • 基于ROS快速部署LNMP环境（CentOS 7）
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车识别路牌停车
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车多车跟随
  • Gazebo环境下基于ROS和OpenCV的阿克曼小车综合实验
  • Gazebo环境下基于ROS的阿克曼小车键盘控制

    • 推荐镜像

    更多
  • ros
  • ros2
  • terraform
    • 下一篇
    手把手教你白嫖阿里云服务器(免费领服务器)