农业无人机
工业无人机
执法无人机
军警无人机
娱教无人机
水下无人机
反无人机设备
无人机配件
无人机租赁
无人机培训
当前位置:全球无人机网 » 无人机技术 » 技术 » 正文

上海硅步ROS连载系列48期 移动机器人自主导航

发布日期:2018-06-01  来源:上海硅步  作者:上海硅步我要投稿我要评论

本期通过对turtlebot的Kinect深度传感器进行地图构建,并通过路径规划完成自主导航。

ROS定位导航的框架图如图1所示:

图1 ROS导航定位框架

其中move_base提供了ROS导航的配置、运 行、交互接口,它主要包括两个部分:

(1) 全局路径规划(global planner):根据给定的目标位置进行总体路 径的规划;

(2) 本地实时规划(local planner):根据附近的障碍物进行躲避路线 规划。

 

1.数据结构

ROS中定义了MovebaseActionGoal数据结构来存储导航的目标位置数据,其中最重要的就是位置坐标(position)和方向(orientation)

$ rosmsg show MovebaseActionGoal

   

显示结果如下:

[move_base_msgs/MovebaseActionGoal]:

     std_msgs/Header header

uint32 seq

    time stamp

    string frame_id

      actionlib_msgs/GoalID goal_id

    time stamp

    string id

     move_base_msgs/MovebaseGoal goal

     geometry_msgs/PoseStamped target_pose

       std_msgs/Header header

         uint32 seq

         time stamp

         string frame_id

       geometry_msgs/Pose pose

         geometry_msgs/Point position

           float64 x

           float64 y

           float64 z

         geometry_msgs/Quaternion orientation

           float64 x

           float64 y

           float64 z

           float64 w

   

2.配置文件

move_base使用前需要配置一些参数:运行成本、机器人半径、到达目 标位置的距离,机器人移动的速度,这些参数都在rbx1_nav包的以下几个配 置文件中:

l  base_local_planner_params.yaml

l  costmap_common_params.yaml

l  global_costmap_params.yaml

l  local_costmap_params.yaml

 

3.全局路径规划

在ROS的导航中,首先会通过全局路径规划,计算出机器人到目标位置的全局路线。这一功能是navfn这个包实现的。navfn通过Dijkstra最优路径的算法,计算costmap上的最小花费路径,作为机器人的全局路线。将来在算法上应该还会加入A*算法。

 

4.本地实时规划(local  planner)

本地实时规划是利用base_local_planner包实现的。该包使用Trajectory Rollout 和Dynamic Window approaches算法计算机器人每个周期内应该行驶的速度和角度(dx,dy,dtheta velocities)。

base_local_planner这个包通过地图数据,通过算法搜索到达目标的多条 路经,利用一些评价标准(是否会撞击障碍物,所需要的时间等等)选取最优 的路径,并且计算所需要的实时速度和角度。

其中,Trajectory Rollout 和Dynamic Window approaches算法主要思路如下:

(1)采样机器人当前的状态(dx,dy,dtheta);

(2)针对每个采样的速度,计算机器人以该速度行驶一段时间后的状态,得出一条行驶的路线;

(3)利用一些评价标准为多条路线打分;

(4)根据打分,选择最优路径;

(5)重复上面过程。

 

5.ArbotiX仿真

安装ArbotiX模拟器:

$ sudo aptitude install   ros-indigo-arbotix –y

   

下载rbx1例子:

$ cd catkin_ws/src

$ git clone   https://github.com/pirobot/rbx1.git

   

为了简化,我们暂时使用空白地图(blank_map.pgm)在空地上进行无障碍仿真。首先运行ArbotiX节点,并且加载机器人的URDF文件:

$ roslaunch rbx1_bringup   fake_turtlebot.launch

   

然后运行move_base和加载空白地图的launch文件(fake_move_bas

e_blank_map.launch):

$ roslaunch rbx1_nav   fake_move_base_blank_map.launch

   

该文件的具体内容如下:

    

    

 

    

 

    

    

 

  

   

其中调用了fake_move_base.launch文件,是运行move_base节点并进行参数配置。

然后调用rviz就可以看到机器人了(如图2所示):

$ rosrun rviz rviz –d   ~/ catkin_ws /src/rbx1/rbx1_nav/nav_obstacles.rviz

图2 使用Rviz进行TurtleBot仿真

我们先以1m的速度进行一下测试, 让机器人前进一米:

$   rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped '{header: {frame_id:"base_link"},pose:{position:{x:1,y:0,z:0},orientation:{x:0,y:0,z:0,w:1}}}'

   

让机器人后退一米,回到原来的位置:

$   rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped '{header: {frame_id:"map"},pose:{position:{x:0,y:0,z:0},orientation:{x:0,y:0,z:0,w:1}}}'

   

在rviz中的轨迹如图3:

图3 TurtleBot运动轨迹

在机器人移动过程中,有一条蓝色的线(被黄线挡住了)就是机器人的全局规划的路径;红色的箭头是实施规划的路线,会不断更新,有的时候会呈现很大的弧线,那是因为机器人在转向的过程中尽量希望保持平稳的角度。如果觉得路径规划的精度不够,可以修改配置文件中的pdist_scale参数进行修正。然后我们可以认为的确定目标位置,点击rviz上方的2D Nav Goal按键,然后左键选择目标位置,机器人就开始自动导航了。

图4 TurtleBot自主导航

 

6.ArbotiX仿真——带有障碍物的路径规划

首先我们让机器人走一个正方形的路线。先通过上面的命令,让机器人回到原始位置(0,0,0),然后按reset按键,把所有的箭头清除,接着运行走正方形路径的代码:

$   rosrun rbx1_nav move_base_square.py

   

在rviz中可以看到图5所示的结果:

图5 TurtleBot绕正方形路径运动

图5中四个顶角的粉色圆盘就是我们设定的位置,正方形比较规则,可见定位还是比较准确的。TurtleBot绕正方形路径运动的代码如下:

#!/usr/bin/env   python

   import roslib;   roslib.load_manifest('rbx1_nav')

   import rospy

   import actionlib

   from actionlib_msgs.msg import *

   from geometry_msgs.msg import Pose, Point,   Quaternion, Twist

   from move_base_msgs.msg import   MovebaseAction, MovebaseGoal

   from tf.transformations import   quaternion_from_euler

   from visualization_msgs.msg import Marker

   from math import radians, pi

 

   class MovebaseSquare():

       def    init (self):

           rospy.init_node('nav_test',   anonymous=False)

 

           rospy.on_shutdown(self.shutdown)

           # 设定正方形的尺寸,默认是一米

           square_size =   rospy.get_param("~square_size", 1.0) # meters

 

           #创建一个列表,保存目标的角度数据

           quaternions = list()

 

           #定义四个顶角处机器人的方向角度

           #将上面的Euler angles转换成Quaternion的格式

           for angle in euler_angles:

               q_angle =   quaternion_from_euler(0, 0, angle, axes='sxyz')

               q = Quaternion(*q_angle)

               quaternions.append(q)

 

           #创建一个列表存储导航点的位置

           waypoints = list()

 

           #创建四个导航点的位置(角度和坐标位置)

          waypoints.append(Pose(Point(square_size,   0.0, 0.0), quaternion s[0]))

          waypoints.append(Pose(Point(square_size,   square_size, 0.0), quaternions[1])) s[2]))

waypoints.append(Pose(Point(0.0,   square_size, 0.0), quaternion

                 waypoints.append(Pose(Point(0.0, 0.0,   0.0), quaternions[3]))

 

              #初始化可视化标记

              self.init_markers()

 

            #给每个定点的导航点一个可视化标记

              p = Point()

              p = waypoint.position

              self.markers.points.append(p)

 

              #发布TWist消息控制机器人

              self.cmd_vel_pub =   rospy.Publisher('cmd_vel', Twist)

 

            #订阅move_base服务器的消息

              self.move_base =   actionlib.SimpleActionClient("move_base", Move

baseAction)

 

           rospy.loginfo("Waiting for   move_base action server...")

 

           # 等待move_base服务器建立

             self.move_base.wait_for_server(rospy.Duration(60))

 

           rospy.loginfo("Connected to   move base server")

           rospy.loginfo("Starting   navigation test")

 

           #初始化一个计数器,记录到达的顶点号

           i = 0

 

 

           # 主循环,环绕通过四个定点

           while i < 4 and not   rospy.is_shutdown():

               # 发布标记指示四个目标的位置,每个周期发布一起                 self.marker_pub.publish(self.markers)

 

               #初始化goal为MovebaseGoal类型

               goal = MovebaseGoal()

   

在实际中,往往需要让机器人自动躲避障碍物。move_base包的一个强大的功能就是可以在全局规划的过程中自动躲避障碍物,而不影响全局路径。障碍物可以是静态的(比如墙、桌子等),也可以是动态的(比如人走过)。现在我们尝试在之前的正方形路径中加入障碍物。

把之前运行fake_move_base_blank_map.launch的终端停止(Ctrl­C)掉,然后运行:

$   roslaunch rbx1_nav fake_move_base_obstacle.launch

   

运行结果如图6所示,在rviz中出现了障碍物:

图6 Rviz中出现的障碍物

然后再运行之前绕正方形运动的节点:

$   rosrun rbx1_nav move_base_square.py

   

这回可以看到,在全局路径规划的时候,机器人已经将障碍物绕过去了,如图7所示:

图7 TurtleBot避障

图7中,中间的线是障碍物,周围红色的椭圆形是根据配置文件中的inflation_radius参数计算出来的安全缓冲区。全局规划的路径基本已经是最短路径了。在仿真的过程中也可以动态重配置那四个配置文件,修改仿真参数。

 

7.实物测试

首先启动turtlebot:

$   roscore

   

 

$   roslaunch turtlebot_bringup minimal.launch

   

运行地图绘制demo:

$   roslaunch turtlebot_navigation maping_demo.launch

   

打开rviz查看地图:

$   roslaunch turtlebot_rviz_launchers view_navigation.launch

   

通过键盘控制机器人移动,建立地图:

$   roslaunch turtlebot_teleop keyboard.launch

   

    建图过程如图8所示:

图8 TurtleBot建图

此时,可以选中2D Pose Estimate,然后用鼠标选中一个位置单击鼠标左键,机器人就会移动至你所指定的位置。

要保存建立的地图,运行:

$   rosrun map_server map_saver –f /tmp.my_map

   

要加载保存过的地图,运行:

$roslaunch   turtlebot_navigation amcl_demo.launch

map_file:=/tmp/my_map.yaml

   

接下来的操作和上面一样,机器人会根据你指定的位置进行自主导航。

 
本文链接:https://www.81uav.cn/tech/201806/01/752.html
标签:  上海硅步
0相关评论
免责声明:凡注明来源全球无人机网的所有作品,均为本网合法拥有版权或有权使用的作品,欢迎转载,请注明出处。非本网作品均来自互联网,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。

图文推荐

推荐品牌

关于本站

合作服务电话

  • 客服热线:0755-23779287
  • 展会负责:18933794284
  • 广告合作:点击这里给我发消息
  • 展会合作:点击这里给我发消息

公众号/APP下载


    (公众号)


    (Android下载)

Copyright©2005-2019 81UAV.CN All Rights Reserved  访问和使用全球无人机网,即表明您已完全接受和服从我们的用户协议。 ICP备案号:粤ICP备15079343号-1 SITEMAPS 网站地图 网站留言
运营商: 湛江中龙网络科技有限公司 全球无人机网 
全国公安机关 备案信息 可信网站不良举报 文明转播