第 8 章 机器人平台设计之传感器(自学二刷笔记)

重要参考：

课程链接:https://www.bilibili.com/video/BV1Ci4y1L7ZZ

讲义链接:Introduction · Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程

 

8.6.1 传感器_激光雷达简介

激光雷达是现今机器人尤其是无人车领域及最重要、最关键也是最常见的传感器之一，是机器人感知外界的一种重要手段。

概念

激光雷达(LiDAR)，英文全称为：Light Detection And Ranging，即光探测与测量。

原理

激光雷达可以发射激光束，光束照射到物体上，再反射回激光雷达，可以通过三角法测距或TOF测距计算出激光雷达与物体的距离。甚至也可以通过测量反射回来的信号中的某些特性而确定物体特征，比如：物体的材质。

注意：如果物体表面光滑(比如镜子)，光束照射后产生镜面反射，可能无法捕获返回的激光而出现识别失误的情况。

优点

激光雷达在测距方面精准(激光雷达的测量精度可达厘米级)、高效，是机器人测距的不二之选。

• 具有极高的分辨率:激光雷达工作于光学波段，频率比微波高2～3个数量级以上，因此，与微波雷达相比，激光雷达具有极高的距离分辨率、角分辨率和速度分辨率；

• 抗干扰能力强:激光波长短，可发射发散角非常小（μrad量级）的激光束，多路径效应小（不会形成定向发射与微波或者毫米波产生多路径效应），可探测低空/超低空目标；

• 获取的信息量丰富:可直接获取目标的距离、角度、反射强度、速度等信息，生成目标多维度图像；

• 可全天时工作:激光主动探测，不依赖于外界光照条件或目标本身的辐射特性。它只需发射自己的激光束，通过探测发射激光束的回波信号来获取目标信息。

缺点

激光雷达虽然优点多多，但也存在一些局限性：

• 成本:居高不下
• 环境:易受天气影响(大雾、雨天、烟尘)
• 属性识别能力弱:激光雷达的点云数据是物体的几何外形呈现，无法如同人类视觉一样，分辨物体的物理特征，比如:颜色、纹理...

分类

根据线束数量的多少，激光雷达可分为单线束激光雷达与多线束(4线、8线、16线、32线、64线)激光雷达。单线激光雷达扫描一次只产生一条扫描线， 其所获得的数据为2D数据，因此无法区别有关目标物体的3D信息。多线束激光雷达就是将多个横向扫描结果纵向叠加，从而获得3D数据，当然，线束越多，纵向的垂直视野角度越大。

 

8.6.2 传感器_雷达使用

思岚A1激光雷达(下图)是一款性价比较高的单线激光雷达。

使用流程如下：

1. 硬件准备；
2. 软件安装；
3. 启动并测试。

1.硬件准备

1.雷达连接上位机

当前直接连接树莓派即可，如果连接的是虚拟机，注意VirtualBox或VMware的相关设置。

2.确认当前的 USB 转串口终端并修改权限

USB查看命令：

ll /dev/ttyUSB*

授权(将当前用户添加进dialout组，与arduino类似)：

sudo usermod -a -G dialout your_user_name

不要忘记重启，重启之后才可以生效。

2.软件安装

进入工作空间的src目录，下载相关雷达驱动包，下载命令如下：

git clone https://github.com/slamtec/rplidar_ros

返回工作空间，调用 catkin_make 编译，并 source ./devel/setup.bash ，为端口设置别名(将端口 ttyUSBX 映射到 rplidar)：

cd src/rplidar_ros/scripts/
./create_udev_rules.sh

3.启动并测试

1.rplidar.launch文件准备

首先确认端口，编辑 rplidar.launch 文件

<launch>
  <node name="rplidarNode"          pkg="rplidar_ros"  type="rplidarNode" output="screen">
  <param name="serial_port"         type="string" value="/dev/rplidar"/>
  <param name="serial_baudrate"     type="int"    value="115200"/><!--A1/A2 -->
  <!--param name="serial_baudrate"     type="int"    value="256000"--><!--A3 -->
  <param name="frame_id"            type="string" value="laser"/>
  <param name="inverted"            type="bool"   value="false"/>
  <param name="angle_compensate"    type="bool"   value="true"/>
  </node>
</launch>

frame_id 也可以修改，当使用URDF显示机器人模型时，需要与 URDF 中雷达 id 一致

2.终端中执行 launch 文件

终端工作空间下输入命令：

roslaunch rplidar_ros rplidar.launch

如果异常，雷达开始旋转

3.rviz中订阅雷达相关消息

启动 rviz，添加 LaserScan 插件：

注意: Fixed Frame 设置需要参考 rplidar.launch 中设置的 frame_id，Topic 一般设置为 /scan，Size 可以自由调整。

 

8.6.3 传感器_相机简介

相机是机器人系统中另一比较重要的传感器，与雷达类似的，相机也是机器人感知外界环境的重要手段之一，并且随着机器视觉、无人驾驶等技术的兴起，相机在物体识别、行为识别、SLAM中等都有着广泛的应用。

根据工作原理的差异可以将相机大致划分成三类：单目相机、双目相机与深度相机。

1.单目相机

单目相机是将三维世界二维化，它是将拍摄场景在相机的成像平面上留下一个投影，静止状态下是无法通过单目相机确定深度信息。向如下动图展示的一样，在二维图形中，甚至不能根据图片中物体的大小来判断物体距离。

2.双目相机

识破上面的“骗局”只需要移动单目相机，再换一个角度拍摄一张照片即可，当角度切换后，可以将两张照片组合还原为一个立体的三维世界。

双目相机的原理也是如此，双目相机是由两个单目相机组成的，即便在静止状态下，也可以生成两张图片，两个单目相机之间存在一定的距离也称之为基线，通过这个基线以及两个单目项目分别生成的图片，可以来估算每个象素的空间位置。

3.深度相机

深度相机也称之为RGB-D相机，顾名思义，深度相机也可以用于获取物体深度信息。深度相机一般基于结构光或ToF(Time-of-Flight)原理实现测距。

前者是通过近红外激光器，将具有一定结构特征的光线投射到被拍摄物体上，再由专门的红外摄像头进行采集。光线照射到不同深度的物体上时，会采集到不同的图像相位信息，然后通过运算单元将这种结构的变化换算成深度信息，后者实现则类似于激光雷达，也是根据光线的往返时间来计算深度信息。

8.6.4 传感器_相机使用

使用流程如下：

1. 硬件准备；
2. 软件安装；
3. 启动并测试。

1.硬件准备

当前直接连接树莓派即可，如果连接的是虚拟机，注意VirtualBox或VMware的相关设置。

2.软件准备

安装USB摄像头软件包，命令如下：

sudo apt-get install ros-ROS版本-usb-cam

或者也可以从 github 直接下载源码：

git clone https://github.com/ros-drivers/usb_cam.git

3.测试

1.launch文件准备

在软件包中内置了测试用的launch文件，内容如下：

<launch>
  <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
    <param name="video_device" value="/dev/video0" />
    <param name="image_width" value="640" />
    <param name="image_height" value="480" />
    <param name="pixel_format" value="yuyv" />
    <param name="camera_frame_id" value="usb_cam" />
    <param name="io_method" value="mmap"/>
  </node>
  <node name="image_view" pkg="image_view" type="image_view" respawn="false" output="screen">
    <remap from="image" to="/usb_cam/image_raw"/>
    <param name="autosize" value="true" />
  </node>
</launch>

节点 usb_cam 用于启动相机，节点 image_view 以图形化窗口的方式显示图像数据，需要查看相机的端口并修改 usb_cam 中的 video_device 参数，并且如果将摄像头连接到了树莓派，且通过 ssh 远程访问树莓派的话，需要注释 image_view 节点，因为在终端中无法显示图形化界面。

2.启动launch文件

roslaunch usb_cam usb_cam-test.launch

3.rviz显示

启动 rviz，添加 Image 插件：

 

8.6.5 传感器_集成

之前已经分别介绍了底盘、雷达、相机等相关节点的安装、配置以及使用，不过之前的实现还存在一些问题：

1.机器人启动时，需要逐一启动底盘控制、相机与激光雷达，操作冗余；

2.如果只是简单的启动这些节点，那么在 rviz 中显示时，会发现出现了TF转换异常，比如参考坐标系设置为odom时，雷达信息显示失败。

本节将介绍如何把传感器(激光雷达与相机)集成以解决上述问题，所谓集成主要是优化底盘、雷达、相机相关节点的启动并通过坐标变换实现机器人底盘与里程计、雷达和相机的关联，实现步骤如下：

1. 编写用于集成的 launch 文件；
2. 发布TF坐标变换；
3. 启动并测试。

1.launch文件

新建功能包：

catkin_create_pkg mycar_start roscpp rospy std_msgs ros_arduino_python usb_cam rplidar_ros

功能包下创建launch文件夹，launch文件夹中新建launch文件，文件名自定义。

内容如下：

<!-- 机器人启动文件：
        1.启动底盘
        2.启动激光雷达
        3.启动摄像头
 -->
<launch>
        <include file="$(find ros_arduino_python)/launch/arduino.launch" />
        <include file="$(find usb_cam)/launch/usb_cam-test.launch" />
        <include file="$(find rplidar_ros)/launch/rplidar.launch" />
</launch>

2.坐标变换

如果启动时加载了机器人模型，且模型中设置的坐标系名称与机器人实体中设置的坐标系一致，那么可以不再添加坐标变换，因为机器人模型可以发布坐标变换信息，如果没有启动机器人模型，就需要自定义坐标变换实现了，继续新建launch文件。

内容如下：

<!-- 机器人启动文件：
        当不包含机器人模型时，需要发布坐标变换
 -->

<launch>
    <include file="$(find mycar_start)/launch/start.launch" />    
    <node name="camera2basefootprint" pkg="tf2_ros" type="static_transform_publisher" args="0.08 0 0.1 0 0 0 /base_footprint /camera_link"/>
    <node name="rplidar2basefootprint" pkg="tf2_ros" type="static_transform_publisher" args="0 0 0.1 0 0 0 /base_footprint /laser"/>
</launch>

3.测试

最后，就可以启动PC端与树莓派端相关节点并运行查看结果了：

1.树莓派

直接执行上一步的机器人启动launch文件：

roslaunch 自定义包 自定义launch文件

2.PC端

启动键盘控制节点：

rosrun teleop_twist_keyboard teleop_twist_keyboard.py

还需要启动rviz：

rviz

3.结果显示

在rviz中添加laserscan、image等插件，并通过键盘控制机器人运动，查看rviz中的显示结果：