[slam]docker-slam下的建图与定位

目录

1.实验目的：

2.实验设备：

3.各个传感器驱动使用步骤

4.实验原理

5.实验详细步骤、遇到的问题及解决方法

1.首先下载docker

2.下载.bag数据集和.tar数据压缩包

3.将.tar文件导入docker中（此步骤可能会较慢）

4.将镜像生成容器

5.进入容器

6.建图部分

1.下载gtsam库和geographiclib库

2.将liorf与liorf_localization两个文件夹放入workspace中src里面

3.生成PCD来定位

4.运行slam可视化

7.定位部分

1.设置话题名字

2.运行slam可视化

6.实验总结

---

1.实验目的：

1.实现slam视觉下的建图与定位

2.使我们了解如何熟练运用ros订阅与发布

2.实验设备：

智能车辆建图教学小车

3.各个传感器驱动使用步骤

1.雷达：

1）先启动容器，进入容器中

 docker start slam(启动容器)   docker exec -it slam /bin/bash(进入容器)

2）打开两个终端，一个启动数据集，另一个启动slam视觉可视化

启动数据集：

cd /root/bag

rosbag play all_2023-12-25-02-59-36.bag

若出现错误需要新开一个终端roscore一下，启动ros

启动slam视觉可视化：

cd /root/drive
source devel/setup.bash
roslaunch rslidar_sdk start.launch

若出现[rviz-3] process has died在新建终端输入（宿主机即可，不需要进去容器）

xhost +

若在弹出rviz中显示点云说明雷达驱动正常

2.组合导航

同理

cd /root/drive
source devel/setup.bash
roslaunch chcnav_driver chanav_node.launch

4.实验原理

基于Docker容器技术和多传感器融合技术，实现机器人的同时定位与地图构建。

首先，Docker容器技术为SLAM提供了运行环境，使得各种算法和程序能够在同一台计算机上以容器化的方式运行，方便管理和部署。其次，多传感器融合技术利用不同传感器的信息，通过数据融合算法处理，提高定位和地图构建的精度和鲁棒性。

在实验中，通常会使用激光雷达和IMU（Inertial Measurement Unit）等传感器，获取机器人周围的环境信息和自身姿态信息。然后，通过数据融合算法处理这些信息，得到机器人的位置和姿态估计。同时，利用机器人携带的相机等传感器拍摄图像，提取特征点并进行匹配，进一步验证和调整定位结果。最后，利用定位信息和传感器数据，通过地图构建算法生成环境地图。

5.实验详细步骤、遇到的问题及解决方法

1.首先下载docker

这里分享鱼香ros一键安装的docker代码

wget http:/