robot_pose_ekf运行报错问题解决

本文涉及的产品
资源编排,不限时长
简介: robot_pose_ekf运行报错问题解决

Robot Pose EKF 包用于根据来自不同来源的(部分)位姿测量来估计机器人的 3D 位姿。它使用带有 6D 模型(3D 位置和 3D 方向)的扩展卡尔曼滤波器来结合车轮里程计、IMU 传感器和视觉里程计的测量结果。基本思想是提供与不同传感器的松散耦合集成,其中传感器信号作为 ROS 消息接收。


具体在ros官网有详细介绍wiki.ros.org/robot_pose_…

而我在运行功能包的时候报错如下

image.png


后来发现是ekf包版本不同导致的

原因是我在官网下载的ekf源码包不对应,虽然已经选择了对应的ros版本,依然会显示报错。


因此采用不再把robot_pose_ekf包的源码放到我自己工程的方法,

而是把他用ros命令安装的方法,此时安装的ekf包是正确的版本,可以满足使用。只是按照的不是ekf功能包的源码文件,因此需要在下载功能包以后,再把功能包相应路径下的launch文件的的配置内容按照使用情况进行修改(ekf的launch文件中设置了ekf的输入和输出对应的话题,因此需要进行相应修改)

首先,删掉我在我源码包中的ekf功能包

rm -r robot_pose_ekf

然后用ros命令安装此功能包

sudo apt-get install ros-kinetic-robot-pose-ekf

同时,robot_pose_ekf下的launch文件进行对应的修改


1 进入ekf功能包的目录下

roscd robot_pose_ekf/


2 查看 目录下的文件

ls


3 修改launch文件内容

sudo gedit robot_pose_ekf.launch

再次编译我的功能包,不会在报错



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/
相关文章
|
PyTorch 算法框架/工具
Pytorch中Trying to backward through the graph和one of the variables needed for gradient错误解决方案
Pytorch中Trying to backward through the graph和one of the variables needed for gradient错误解决方案
2108 0
Pytorch中Trying to backward through the graph和one of the variables needed for gradient错误解决方案
|
6月前
|
机器学习/深度学习 搜索推荐 图形学
【论文精读】 SadTalker:Stylized Audio-Driven Single Image Talking Face Animation(CVPR2023)
【论文精读】 SadTalker:Stylized Audio-Driven Single Image Talking Face Animation(CVPR2023)
|
监控
DFNet: Enhance Absolute Pose Regression withDirect Feature Matching
DFNet: Enhance Absolute Pose Regression withDirect Feature Matching
147 0
ORB_SLAM2_CUDA : Make failed - Compiling examples - Undefined References
ORB_SLAM2_CUDA : Make failed - Compiling examples - Undefined References
106 0
|
机器学习/深度学习 存储 机器人
LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-ray Image
高效的特征提取EFE模块作为主干单元,它可以用很少的参数和低计算量提取有意义的特征,有效地学习表征。大大减少了特征提取的消耗
155 0
|
机器学习/深度学习 编解码 固态存储
Single Shot MultiBox Detector论文翻译【修改】
Single Shot MultiBox Detector论文翻译【修改】
104 0
Single Shot MultiBox Detector论文翻译【修改】
|
传感器
ROS 之 robot_pose_ekf 多传感器融合
ROS 之 robot_pose_ekf 多传感器融合
218 0
|
机器学习/深度学习 计算机视觉
AMASS: Archive of Motion Capture as Surface Shapes论文精读
2005年,斯坦福大学的研究者们提出了SCAPE模型,2014年基于SCAPE模型马普所的研究者们提出了MoSh模型旨在更精细地利用光学动捕数据生成人体三维模型,2015年马普所的研究者们提出了新的SMPL人体三维模型,此后SMPL模型成为了更为主流的人体三维模型。2019年,为了整合现有光学动捕数据集光学标志点数量和位置不统一的情况,马普所提出了MoSh++方法,整合现有15个数据集,生成大规模人体动作捕捉数据集AMASS。
826 0
|
机器学习/深度学习 计算机视觉
MMDetection3D | "3Dfy" A General 2D Detector :纯视觉3D检测再思考
这篇文章将沿着近年来 3D 检测的发展脉络,通过和 2D 检测对比,分析 3D 检测中的核心问题,并着重探讨对于纯视觉 3D 检测的再思考。
235 0
MMDetection3D | "3Dfy" A General 2D Detector :纯视觉3D检测再思考
|
编解码
Google Earth Engine(GEE)——大尺度范围的GIMMS NDVI From AVHRR Sensors (3rd Generation)如何下载?
Google Earth Engine(GEE)——大尺度范围的GIMMS NDVI From AVHRR Sensors (3rd Generation)如何下载?
358 0
Google Earth Engine(GEE)——大尺度范围的GIMMS NDVI From AVHRR Sensors (3rd Generation)如何下载?