其他分享
首页 > 其他分享> > 初始ROS之学习汇总

初始ROS之学习汇总

作者：互联网

准研一，暑假在北京一家公司实习，初步学习ROS，在公司里测试了许多机器人，在这里汇总分享一下，实习了俩月虽然学到了满多东西，但觉得自己也不算完全入门，只是对ROS有了初步的了解，实习到现在我掌握的最重要的一个技能应该就是自主学习能力了，Github ros.wiki等网站的学习以及资料查询能力；认识到自己最严重的不足是编程能力，ROS中大多使用c++和python，在初步入门之后尝试开发以及创新时编程能力成了我最大的障碍。
下面是一些自己接触的机器人，大都只是测试了其功能，基础中的基础…

KINOVA

在公司里使用的是KINOVA JACO2系列的机械手臂，JACO系列总共有三种类型：按自由度分为4DOF， 6DOF， 7DOF三种；夹抓分为2指和3指；手腕有类型有球型和非球型等等。在功能包中的表示方式为：例j2n7s300表示JACO二代腕部非球型的7自由度3指机械臂。
KINOVA控制方式：

  1. 手柄控制 ，
  2. GUI界面控制（与手柄相似）
  3. ROS功能包控制，MoveIt！（功能包地址 https://github.com/Kinovarobotics/kinova-ros）功能包内容较多，需要更加深入研究

机械臂通用：moveit_setup_assistant配置机械臂，控制真实机械臂时需要ros_control功能包（参考http://www.guyuehome.com/890）促进机械臂运动。
在这里插入图片描述

Myo

Myo腕带是加拿大Thalmic Labs公司于2013年初推出的一款控制终端设备。可供用户使用及二次开发，基于windows等系统有成熟的软件供用户体验使用（使用教程https://support.getmyo.com/hc/en-us/articles/202657596）

在ROS中关于Myo的资源较少，Github上有读取Myo数据的功能包（IMU，手势，压力大小等）可用于二次开发（功能包地址：https://github.com/roboTJ101/ros_myo）例：利用Myo完成控制机械臂进行抓取等模拟使用者手臂动作的功能；用Myo控制仿真乌龟移动等等。此外，利用功能包中的demo有助于理解ROS开发。
Myo在使用时可以发现弊端，通过压力传感器根据8块传感器上的压力大小来判断手势，并没有很高大上，并且压力大感应才明显，所以在使用时要特别用力的做动作时才会有较好的控制效果（累……）。

Kobuki

Kobuki机器人的应用之一就是充当Turtlebot2的移动地盘，硬件配有陀螺仪，防碰撞传感器，供电接口等（使用教程：https://robots.ros.org/kobuki/）功能包地址：https://github.com/yujinrobot/kobuki
功能包中包含Kobuki各种功能演示，如：碰撞提示，防跌落测试，自动充电等。大都是体现Kobuki的移动功能，因为不具有激光雷达或者摄像头等传感器所以功能不够全面。

iRobot Create是一款扫地机器人，其功能与Kobuki近似，因此也常用作机器人集成开发时的地盘

机器人自主定位导航

此部分内容可以分为两块：1. SLAM 2. 路径规划和运动控制

1. SLAM

SLAM主要用于移动机器人的地图构建和及时定位，其主流方法有视觉SLAM和激光SLAM，其中我所学习的视觉SLAM方法是基于RGB-D的RTAB-MP方法，激光SLAM方法是gmapping和hector方法
注：这里不研究每种SLAM方法的原理，单纯分析如何通过ROS以及实体机器人或者仿真机器人实现地图构建。（基于Turtlebot仿真测试）

1）gmapping和hector（网上有很多类似的教程）

gmapping是最常用到的建图方法，因为使用时订阅了话题LaserScan，一般要求移动机器人配备有激光雷达，Turtlebot3配备有激光雷达并且可以用来测试gmapping建图
功能包(都要下载，最好放在一个包下）：
turtlebot3 https://github.com/ROBOTIS-GIT/turtlebot3
tuetlebot3_simulations https://github.com/ROBOTIS-GIT/turtlebot3_simulations
turtlebot3_msgs https://github.com/ROBOTIS-GIT/turtlebot3_msgs
首先启动tuetlebot3_simulations中的gazebo物理仿真地图（有很多地图随便选），模拟出机器人与未知环境，然后启动turtlebot3_slam.launch，其中包含多种建图算法默认为gmapping，如果想更改的话在指令后面添加slam_methods:=hector(例如改用hector建图）。启动之后会看到Rviz界面，这时候启动键盘控制操作移动机器人四处移动，激光雷达会扫描到障碍物边界并逐步完成建图，达到满意效果之后，可以使用map_server 中的map_saver保存地图。
在这里插入图片描述

地图构建完成之后可以利用建好的地图进行导航，首先启动turtlebot3_navigation.launch导入地图在后加map_file:=map.yaml(保存的位置），在导航前先根据仿真中的机器人位置朝向用2D Pose Estimate估计位姿然后可以进行导航。
其中机器人的定位功能是通过amcl实现的，move_base中包含四个重要的配置文件，是导航调参的重点（调参时每个值设置多少合理我也不是很熟悉….）
hector和gmapping都是利用激光雷达进行建图的，但是hector需要控制机器人的速度在低速情况下，否则建图时会建飞

前面提到一般情况下使用gmapping时要配备激光雷达，但是在跑turtlebot仿真时却发现，turtlebot2没有配备激光雷达（只有kinect）也能够使用gmapping，搜了两种将深度数据模拟成激光数据的方法：（1）depthimage_to_lasercan节点 ，使用时将kinect平放（使用及效果见下面截图，使用的是turtlebot仿真
（2) obstacles_detection用于计算二维图，kinect向地面倾斜，地图较杂适用室外大场景(没用过）
在这里插入图片描述
在这里插入图片描述

2）RTAB-MAP（这个我也没有很熟练）

RTAP-MAP相对与激光雷达而言，其最大的特点就是可以构建三维的地图，之前用Realsense时测试过RTAB-MAP，构建了一张走廊的图片大概是这样的：
在这里插入图片描述

在建图的时候，手持Realsense进行的存在很多困难，最坑的是在建图是特别容易丢失里程计信息，屏幕卡红，不严重的时候将摄像头移回上一位置就能重新找回信息继续建图，最坏的情况是卡死，要重新启动建图…而且建出来感觉效果也一般。
附RTAB-MAP的操作教程：http://wiki.ros.org/rtabmap_ros/Tutorials，其中有各种型号的传感器，我使用的是Realsense 435，在使用前要先了解相应传感器安装驱动。
在利用RTAB-MAP构建地图并仿真时，我用的是Turtlebot仿真模拟，网上的大堆教程，这里不重复。对比gmapping给我的最大感受就是慢，而且特别不稳定，经常出现建图时位置丢失的情况，并且机器人的移动也很慢，大部分是一边旋转一边移动的情况，很蠢很慢（可能是我方法不对）
目前使用了两种SLAM方法，给我的直观感受就是，普通的避障导航的话用激光雷达+gmapping的效果很好，深度摄像头+RTAB-MAP虽然功能强大并能够产生三维点云图等，但是在绝大部分情况下效果不理想。

2. 路径规划和运动控制

这里主要用到了前面提到的move_base节点(http://wiki.ros.org/move_base)，它主要包含了4个配置文件：

  1. costmap_common_params.yaml
  2. global_costmap_params.yaml
  3. local_costmap_params.yaml
  4. base_local_planner_params.yaml
    nav_core功能包提供各种导航需要的接口，move_base中用作插件的planner都遵循这些接口，这些插件在move_base_params.yaml配置文件中设置。
    一般来说，全局路径的规划插件包括：
    navfn : ROS中比较旧的代码实现了dijkstra和A全局规划算法。
    global_planner : 重新实现了Dijkstra和A    全局规划算法,可以看作navfn的改进版。
    parrot_planner : 一种简单的算法实现全局路径规划算法。
    局部路径的规划插件包括：
    base_local_planner : 实现了Trajectory Rollout和DWA两种局部规划算法。
    dwa_local_planner : 实现了DWA局部规划算法，可以看作是base_local_planner的改进版本

Dashgo SMART移动平台

SMART 智能移动平台系统是 EAI 研制的一款高标准、开放的 ROS SLAM 研究平台，SMART 智能移动平台配备有两个高精度G4激光雷达，分别位于平台的上下两端，上端激光雷达用于建图和避障导航，下方激光雷达仅用于避障导航。此外，移动平台还配备有5个超声波传感器分别位于前端（3个）和后侧方（2个）用于避开玻璃等透明障碍物

SMART有多种操作方式：

  1. Android App
    可以通过蓝牙和wifi连接，用于控制移动平台的移动，主要作用是在建图时控制其移动构图，但是我用App时无法连接到设备
  2. Web控制方式
    wifi 连接好底盘路由器,进入谷歌浏览器,在网址栏输入 192.168.31.200:8080,打开网页即可使用其建图，导航以及自动充电等功能，采用的是谷歌cartographer建图（这个我还没有仔细研究过）。操作起来很简单，但是网站做的不好，很多设计反人类…
  3. ROS下操作
    同样的要先连接到地盘的wifi，然后打开的电脑/etc/hosts 文件末尾添加导航模块的 IP 地址和主机名，移动平台导航模块的IP和主机名分别为192.168.31.200 eaibot，密码也为eaibot。之后就可以从电脑远程访问eaibot的系统，同样的方法将自己电脑的IP地址和主机名加入到下位机电脑的/etc/hosts中，这里如果没有添加在导航时在RVIZ中设置启示点和目标点都不会有反应。

这是利用移动平台建立的2D地图
在这里插入图片描述

标签：机器人,汇总,gmapping,建图,SLAM,初始,ROS,激光雷达
来源： https://blog.csdn.net/ANyang5/article/details/100043084