ROS机器人小车建模仿真与SLAM

最新推荐文章于 2024-07-15 23:54:50 发布

JP13121

最新推荐文章于 2024-07-15 23:54:50 发布

阅读量385

点赞数 4

文章标签：机器人

本文链接：https://blog.csdn.net/JP13121/article/details/138533424

版权

一、参考网上资料，在ROS中完成一个机器小车的模型创建，传感器配置，仿真环境的设置，并控制机器小车进行运动；

1.创建小车模型

首先，我们需要创建一个URDF文件来描述机器小车的模型。以下是一个简单的机器小车模型的URDF文件示例：

<?xml version="1.0"?> <?xml version="1.0"?>

<?xml version="1.0"?>
<robot name="car">
  <link name="base_link">
    <inertial>
      <mass value="1"/>
      <inertia ixx="0.1" ixy="0" ixz="0" iyy="0.1" iyz="0" izz="0.1"/>
    </inertial>
    <visual>
      <geometry>
        <box size="0.5 0.3 0.2"/>
      </geometry>
    </visual>
    <collision>
      <geometry>
        <box size="0.5 0.3 0.2"/>
      </geometry>
    </collision>
  </link>

  <joint name="base_to_wheel1" type="continuous">
    <parent link="base_link"/>
    <child link="wheel1"/>
    <origin xyz="0.25 0.15 0" rpy="0 0 0"/>
    <axis xyz="0 1 0"/>
  </joint>

  <link name="wheel1">
    <inertial>
      <mass value="0.1"/>
      <inertia ixx="0.001" ixy="0" ixz="0" iyy="0.001" iyz="0" izz="0.001"/>
    </inertial>
    <visual>
      <geometry>
        <cylinder length="0.1" radius="0.05"/>
      </geometry>
    </visual>
    <collision>
      <geometry>
        <cylinder length="0.1" radius="0.05"/>
      </geometry>
    </collision>
  </link>

  <joint name="base_to_wheel2" type="continuous">
    <parent link="base_link"/>
    <child link="wheel2"/>
    <origin xyz="-0.25 0.15 0" rpy="0 0 0"/>
    <axis xyz="0 1 0"/>
  </joint>

  <link name="wheel2">
    <inertial>
      <mass value="0.1"/>
      <inertia ixx="0.001" ixy="0" ixz="0" iyy="0.001" iyz="0" izz="0.001"/>
    </inertial>
    <visual>
      <geometry>
        <cylinder length="0.1" radius="0.05"/>
      </geometry>
    </visual>
    <collision>
      <geometry>
        <cylinder length="0.1" radius="0.05"/>
      </geometry>
    </collision>
  </link>
</robot>

将上述内容保存为car.urdf文件

2.配置传感器

在这个例子中不需要额外的传感器。若需要添加传感器，例如激光雷达或摄像头，可以在URDF文件中添加相应的传感器模型。

3.设置仿真环境

在ROS中，我们可以使用Gazebo作为仿真环境。首先，确保你已经安装了Gazebo和ROS。然后，创建一个名为model.sdf的文件，其中包含以下内容：

<?xml version="1.0"?>
<sdf version="1.6">
  <world name="default">
    <include>
      <uri>model://car</uri>
    </include>
  </world>
</sdf>

将上述内容保存为model.sdf文件。

接下来，运行以下命令启动Gazebo仿真环境：

roslaunch gazebo_ros empty_world.launch world_name:=$(rospack find your_package)/path/to/model.sdf

4.控制小车进行运动

为了控制机器小车进行运动，我们需要编写一个ROS节点。以下是一个简单的Python脚本，用于发布速度命令：

#!/usr/bin/env python
import rospy
from std_msgs.msg import String
from geometry_msgs.msg import Twist

def talker():
    pub = rospy.Publisher('cmd_vel', Twist, queue_size=10)
    rospy.init_node('talker', anonymous=True)
    rate = rospy.Rate(10) # 10hz
    while not rospy.is_shutdown():
        msg = Twist()
        msg.linear.x = 0.5 # 前进速度
        msg.angular.z = 0.1 # 旋转速度
        pub.publish(msg)
        rate.sleep()

if __name__ == '__main__':
    try:
        talker()
    except rospy.ROSInterruptException:
        pass

将上述内容保存为car_controller.py文件。确保文件具有可执行权限，并在终端中运行它：

chmod +x car_controller.py
rosrun your_package car_controller.py

现在，你应该能看到机器小车在Gazebo仿真环境中根据速度命令进行运动。

二、参考课件资料，在ROS中利用ROS工具完成你手机广角津贴（畸变较为严重）的标定，写出详细过程和输出结果。

在ROS中完成手机广角摄像头的标定，可以使用ROS工具包camera_calibration。以下是详细的标定过程和输出结果：

准备标定板

首先，需要准备一个标定板，例如棋盘格。确保标定板上有清晰的格子图案，以便在图像中检测到。

拍摄标定图片

将手机广角摄像头对准标定板，在不同角度和位置拍摄多张图片。确保每张图片都包含完整的标定板。将这些图片保存到计算机上。

准备相机参数文件

创建一个名为camera_info.launch的文件，其中包含以下内容：

<launch>
  <node name="camera_info_publisher" pkg="camera_info_publisher" type="camera_info_publisher" output="screen">
    <param name="camera_name" value="wide_angle_camera" />
    <param name="camera_info_url" value="package://your_package/config/wide_angle_camera.yaml" />
  </node>
</launch>

将your_package替换为你的ROS包名称。同时，创建一个名为wide_angle_camera.yaml的文件，其中包含以下内容：

image_width: 640
image_height: 480
camera_name: wide_angle_camera
camera_matrix:
  rows: 3
  cols: 3
  data: [fx, 0, cx, 0, fy, cy, 0, 0, 1]
distortion_model: radial-tangential
distortion_coefficients:
  rows: 1
  cols: 5
  data: [k1, k2, p1, p2, k3]
rectification_matrix:
  rows: 3
  cols: 3
  data: [r11, r12, r13, r21, r22, r23, r31, r32, r33]
projection_matrix:
  rows: 3
  cols: 4
  data: [p11, p12, p13, p14, p21, p22, p23, p24, p31, p32, p33, p34]

将fx, fy, cx, cy, k1, k2, p1, p2, k3, r11, r12, r13, r21, r22, r23, r31, r32, r33, p11, p12, p13, p14, p21, p22, p23, p24, p31, p32, p33, p34替换为实际的相机参数。

运行标定程序

在终端中运行以下命令启动标定程序：

roslaunch your_package camera_info.launch

将your_package替换为你的ROS包名称。

运行标定节点

在另一个终端中运行以下命令启动标定节点：

rosrun camera_calibration cameracalibrator.py --size 8x6 --square 0.025 image:=/wide_angle_camera/image_raw camera:=wide_angle_camera

将your_package替换为你的ROS包名称。

选择标定图片

在弹出的窗口中，选择之前拍摄的标定图片。确保所有图片都被选中。

开始标定

点击“Calibrate”按钮开始标定过程。标定完成后，会生成一个名为ost.yaml的文件，其中包含标定结果。

更新相机参数文件

将ost.yaml中的参数复制到wide_angle_camera.yaml文件中，替换原来的参数。

测试标定结果

运行以下命令启动相机节点：

roslaunch your_package camera_info.launch

将your_package替换为你的ROS包名称。然后，使用RViz或其他可视化工具查看相机图像。如果图像显示正常，说明标定成功。

三、在ROS下，下载编译orbslam2代码，并在kitti数据集的一个序列图像中进行实验。

1.首先确保已经安装了ROS（Robot Operating System），如果没有安装，请参考ROS官方文档进行安装。

2.安装依赖项：
打开终端，输入以下命令安装依赖项：

sudo apt-get install ros-<your_ros_version>-cv-bridge ros-<your_ros_version>-image-transport ros-<your_ros_version>-tf ros-<your_ros_version>-message-filters ros-<your_ros_version>-geometry-msgs ros-<your_ros_version>-sensor-msgs ros-<your_ros_version>-camera-info-manager ros-<your_ros_version>-nodelet ros-<your_ros_version>-pluginlib ros-<your_ros_version>-roscpp ros-<your_ros_version>-std-msgs ros-<your_ros_version>-image-proc

其中<your_ros_version>需要替换为你的ROS版本，例如melodic、noetic等。

3.克隆orbslam2代码库：
在终端中输入以下命令克隆orbslam2代码库：

git clone https://github.com/raulmur/ORB_SLAM2.git

4.编译orbslam2代码：
进入ORB_SLAM2目录，然后编译代码：

cd ORB_SLAM2
chmod +x build.sh
./build.sh

5.准备kitti数据集：
下载kitti数据集的一个序列图像，例如序列00。将数据集解压到一个文件夹中，例如~/kitti_data。

6.修改配置文件：
在ORB_SLAM2目录下创建一个名为Examples/ROS/ORB_SLAM2/orb_slam2_ros_https://github.com/raulmur/ORB_SLAM2.git的文件夹，并将Examples/Monocular/mono_kitti.cc文件复制到该文件夹中。然后修改CMakeLists.txt文件，添加以下内容：

add_executable(mono_kitti src/Monocular/mono_kitti.cc)
target_link_libraries(mono_kitti ${OpenCV_LIBRARIES} ${ORB_SLAM2_LIBRARIES})

7.编译可执行文件：
在终端中输入以下命令编译可执行文件：

cd Examples/ROS/ORB_SLAM2
chmod +x build.sh
./build.sh

8.运行orbslam2：
在终端中输入以下命令运行orbslam2：


rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.bin Examples/ROS/ORB_SLAM2/orb_slam2_https://github.com/raulmur/ORB_SLAM2.git

注意：这里的Vocabulary/ORBvoc.bin是ORB特征提取器的词汇文件，需要根据你的实际情况修改路径。

9.播放kitti数据集的序列图像：
使用ROS中的image_view或rviz工具播放kitti数据集的序列图像。例如，如果你使用的是image_view，可以在终端中输入以下命令：

rosrun image_view image_view image:=/camera/image_raw

注意：这里的/camera/image_raw是ORB_SLAM2节点发布的图像话题，需要根据你的实际情况修改。

四、总结

本次实验着重学习了 ROS 的分布式通信、ROS 动作变成、ROS 话题、服务编程，他们都是 ROS 学习中非常重要的一部分，通过本次学习，了解到机器人是如何进行我们人类行为得规划的，这也为我们未来进入人工智能打下一个良好的开端，对我们以后的学习打下了坚定的基础

JP13121

关注

4
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
ROS机器人小车建模仿真与SLAM

本次实验着重学习了 ROS 的分布式通信、ROS 动作变成、ROS 话题、服务编程，他们都是 ROS 学习中非常重要的一部分，通过本次学习，了解到机器人是如何进行我们人类行为得规划的，这也为我们未来进入人工智能打下一个良好的开端，对我们以后的学习打下了坚定的基础。
复制链接

扫一扫