ROS小车研究笔记3/18/2023：SLAM建图系统架构

最新推荐文章于 2025-03-11 17:51:13 发布
最新推荐文章于 2025-03-11 17:51:13 发布
阅读量1.7k 收藏 5
点赞数
CC 4.0 BY-SA版权
分类专栏： ROS小车研究笔记 文章标签： 导航 SLAM建图 ROS TF
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Raine_Yang/article/details/129637622
文章介绍了ROS环境下小车的TF树结构，包括base_link、base_footprint和odom_combined等坐标系。gmapping节点利用激光雷达、里程计和imu数据进行SLAM建图，发布地图信息供rviz可视化。wheeltec_robot节点负责小车控制，发布里程计和imu数据，并响应速度指令。

小车TF树
在这里插入图片描述

1 base_link:
base_link代表了小车车体坐标，其子坐标系定义了各个车轮相对于车体的位置。

2 base_footprint：
base_footprint集合了小车车体和各传感器的坐标。其子坐标系定义了小车摄像机，雷达，陀螺仪，和车体的相对位置。

3 odom_combined
odom_combined使用卡尔曼滤波将里程计和imu的信息结合得到了更精准的小车坐标信息

4 map
地图原点坐标系。robot_pose_ekf发布地图原点和小车的坐标系变换

建图节点
在这里插入图片描述

1 gmapping节点slam_gmapping
gmapping算法实现需要输入激光雷达深度信息，里程计信息，和imu信息。gmapping发布栅格地图信息

1 深度信息：由激光雷达节点发布的/scan话题
2 里程计信息：gmapping没有直接订阅里程计话题，而是依靠小车和地图坐标系的tf变换得到小车路程
3 imu信息：订阅经过卡尔曼滤波节点robot_pose_ekf处理过的imu信息/odom_combined

gmapping节点发布消息/map由rviz定义以实现地图可视化

gmapping的参数文件为algorithm_gmapping.launch。在该文件里可以配置和算法有关参数

2 wheeltec_robot

wheeltec_robot节点为小车控制节点，其发布里程计和imu消息，并根据传入的速度控制指令来控制下位机电机

1 发布话题：
	/PowerVoltage：电池电量信息
	/imu：imu信息
	/odom：里程计信息

2 订阅话题：
	/cmd_vel:速度控制指令，节点会根据指令向下位机进行串口通信
【ROS2】SLAM入门：gmapping建图、导航测试记录
郭老二
02-24 1274
测试gmapping建图 和 导航功能。这篇博客详细记录建图和导航的使用步骤，下篇博客会详细分析源码。
ROS真车篇（一）激光雷达SLAM建图+自主导航+RGB深度相机
weixin_52029211的博客
07-18 9397
这篇当做实验的笔记 之前用turtlebot3完成了SLAM建图及自主导航，这次是真车实践篇。 一、SLAM建图 登录的主机是小车端的工控机，已经植入ROS系统，从机是自己的电脑设备。启动launch文件要在主机远程控制端，也就是打开的第一个终端，启动rviz界面要在自己的客户端，也就是第二个终端。 1、 SSH登录小车端 ssh wheeltec@192.168.(小车IP地址) 输入密码：******** 2、打开第二个终端，PC端，这个终端不要登录SSH ip a 查看自己电脑的IP地址 nano
ROS坐标系中base_link和base_footprint的区别
01-07
在学tf坐标变换时，误以为这两个是一个意思，并且在一篇博客中看到的解释也是：两者一样，只不过在turtlebot中是叫base_footprint。 后来在一段代码中看到base_footprint到base_link的坐标变换是：0 0 0.1 0 0 0，才明白原来两者的z坐标不一样，然后就再去查了一下，原来base_link一般是与机器人中心重合，而base_footprint是base_link原点在地面的投影（所以z坐标不一样）。（参考博客：https://blog.csdn.net/abcwoabcwo/article/details/101108477） 也可以参考ros问答论坛
ROS中amcl配置需要特别注意的问题（base_link、base_footprint、footprint的联系）
czsnooker的博客
10-08 1万+
概述 AMCL的主要参数请参照http://wiki.ros.org/amcl，要了解参数详细意义还是读读论文吧，我也不是很懂，怕误导。这里主要讲几个amcl与导航堆栈联系较深的参数，以及如何理解和配置导航堆栈里的footprint参数，因为两者联系很紧密，就放到一起来讲了。 重要参数概览 默认订阅的话题：/scan ~transform_tolerance (double, default: 0.1 seconds) ~initial_pose_x (double, default: 0.0 meters
ROS小车实践记录（十三）
Brushyss的博客
11-24 1079
小车代码ROS小车gmapping建图 ROS小车gmapping建图 初步介绍 Gmapping 对于建图，SLAM,也称为 CML (Concurrent Mapping and Localization), 我们从 名字就可以得知，其包含机器人的定位与地图的构建两部分，或者说并发建图与定 位。对于这个问题的模型，就是如果将一个机器人放入未知环境中的未知位置，是否 有办法让机器人一边移动一边逐步描绘出此环境完全的地图（完全的地图是指不受障 碍行进到房间可进入的每个角落，也就是熟知地图的障碍点）。定位
ROS实践（四）机器人SLAM建图（gmapping）
qq_1033275663的博客
03-11 3471
本文介绍了SLAM技术及其实现方法。SLAM(同步定位与地图构建)让机器人在未知环境中通过传感器数据自主定位并构建地图。文章详细讲解了激光雷达、RGBD相机等常用传感器，以及gmapping和map_server这两个ROS功能包的使用方法。重点阐述了SLAM建图实验步骤：配置gmapping节点参数、启动机器人仿真、运行gmapping节点、使用rviz可视化工具、通过键盘遥控机器人完成地图构建并保存。实验结果表明，该方法能有效实现机器人自主建图功能，为后续导航等应用奠定基础。
ROS小车（SLAM+物体追踪）
chaganggang的博客
06-10 7509
几种轮子模型 单轮平衡式结构，优点是能量利用率高缺点是转弯的时候需要倾角高速运动下很难进行控制 差速转向的平衡两轮式结构，这种结构能量利用率高上下坡的时候智能车可以保持垂直， 但是高速情况下转向很难控制。 全向三轮结构，这种结构的优点是可以全向移动原地转向，但是由于其结构特点每次前进的时候有一个轮子无法运动轮胎利用率 不高，全向轮的价格贵所以成本高。 阿克曼转向式结构，就是一般的汽车转向方式，优点是转向摩擦力小，缺点是转弯半径大不能原地转向。 全向四轮结构，这种结构相比全向三轮结构多加一个轮子后动力得到
ROS小车研究笔记：二维SLAM建图简介与源码分析
Raine_Yang的博客
02-25 2156
这里map和odom都为1不同的参考坐标系，odom是里程计测得的位置坐标，依靠小车自身移动速度积分得到，map为激光雷达测得的小车在地图上位置坐标。两者坐标系差距即为里程计的偏移。其中 -> base_link为激光雷达相对base_link（默认的机器人基坐标系）位置，这一值一般为静态，在小车模型文件中定义好。这里我们可以看到在开启gmapping 建图算法中，我们启动了文件turn_on_wheeltec_robot/launch/include/algorithm_gmapping.launch。
ROS小车研究笔记3/4/2023：自动导航launch文件解析
Raine_Yang的博客
03-04 2500
这里配置了全局代价地图的参数，包括了代价地图刷新率（update_frequency），地图话题发布频率（publish_frequency），以及该地图中包含哪几个图层，如这里全局代价地图包括了static_layer，obstracle_layer，inflation_layer这三个层。teb_local_planner_params.yaml （位置：turn_on_wheeltec_robot/params_nav_common/teb_local_planner_params.yaml）
ROS小车研究笔记4/1/2023：研究文章Detecting Glass in Simultaneous Localisation and Mapping
Raine_Yang的博客
04-01 895
基于镜面反射和漫反射的不同性质，我们可以推断出如果入射激光在物体上发生漫反射，激光雷达在不同角度上接受到的光强会较为稳定。而入射激光在物体上发生镜面反射，激光雷达在大部分角度上接受到的光强会低于漫反射的值，但在和入射光线垂直的角度上接受的较强值。由于激光雷达的原理依靠发射激光并通过反射光线判断物体，在面对透明度高的物体，如玻璃时，检测精度会受到很大影响。如图，发生镜面反射的物体（玻璃和镜子）在scan range接近0度时接受到光强明显高于漫反射物体，而在其他角度上光强一般低于漫反射物体。
ROS智能车定位导航仿真+功能包自带的地图实现+自己建立的地图实现
热门推荐
qq_42585108的博客
07-03 1万+
ROS智能车定位导航仿真一、前言二、效果图三、准备工作[1.在Ubuntu上安装ROS Kinetic](https://blog.csdn.net/qq_42585108/article/details/104327661)2.创建ROS工作区间①1创建racecar_ws和src文件夹②初始化工作空间③下载racecar源代码包，并编译工程四、启动仿真1.设置环境变量2.启动地图五、建图1.启动slam和rviz2 控制车辆（左侧有个控制窗口），WASD控制前左后右的运动就可以建图了：3.新建终端保存地
ROS、base_footprint和base_link的区别及Gazebo差速小车建模遇到的坑汇总
yjj1227033506的博客
12-28 6676
ROS、base_footprint和base_link的区别及Gazebo差速小车建模遇到的坑汇总 1.base_footprint和base_link区别及用处 base_link是固定在机器人本体上的坐标系，通常选择机器人腰部。 base_footprint表示机器人base_link原点在地面上的投影，区别base_link之处是其“z”坐标不同。 一般为了模型不陷入地面，base_footprint的“z”坐标比base_link高。 turtlebot3示例： <link name="ba
ROS中的坐标系map、odom、base_link、base_footprint、base_laser
Keep Learning, Keep Growing, Keep Succeeding!
09-21 1万+
ROS最常用的坐标系为map、odom、base_link、base_footprint、base_laser坐标系。 map地图坐标系 一般设该坐标系为固定坐标系（fixed frame），一般与机器人所在的世界坐标系一致。 base_link机器人本体（基座）坐标系 与机器人中心重合，坐标系原点一般为机器人的旋转中心。 base_footprint坐标系 原点为base_link原...
ROS坐标系区分
qq_51326691的博客
03-11 662
目录一、map坐标系二、base_link坐标系三、base_footprint坐标系四、odom坐标系五、odom坐标系 一、map坐标系 即世界坐标系且为固定坐标系 二、base_link坐标系 机器人本体坐标系且原点一般为机器人的旋转中心 三、base_footprint坐标系 base_link原点在地面上的投影为其原点 在2D情况下二者相同 四、odom坐标系 里程计坐标系 odom坐标系的原点就是机器人上电时所处的位置，所以当机器人在map坐标系原点启动时，在建图时odom坐标系和map坐标系
激光SLAM与ROS中，map、odom、laser_link、base_link几个坐标系和坐标转换的理解
weixin_43890835的博客
07-05 4906
由于SLAM过程中需要用到不同的传感器对环境进行感知和观测，而每一个传感器都应一种坐标系，所以在整个SLAM过程中涉及到非常多次的坐标变换，想要搞清楚SLAM的过程，需要对这些坐标变换有充分的理解，本文主要记录一下我对于激光SLAM中坐标变换的理解（ROS下）
【ROS2机器人入门到实战】建图前准备2-发布 Odom 的 TF
生活不止眼前的苟且
09-01 5137
有了 odom 到 base_link/base_footprint 之间的变换，接下来我们来搞定 base_link 到机器人各个组件之间的变换。
Cartographer（3）lidar+IMU建图
旧势力底层学习者
09-23 6748
Cartographer接入Lidar 与 IMU 进行建图，修改运行文件并编写urdf文件发布 tf 信息
carto 调试记录
1818610
02-03 1093
CARTO 调试记录 published_frame = “base_link”, odom_frame = “odom”, provide_odom_frame = true, publish_frame_projected_to_2d = false, use_odometry = true, &l...
stm32ros小车gmapping建图
最新发布
03-23
<think>好的，我现在需要帮用户解决如何使用STM32和ROS实现小车通过GMapping进行地图构建的问题。首先，用户提到了STM32和ROS，所以我得考虑这两个部分如何协同工作。用户可能已经有了一些硬件基础，比如STM32作为底层控制器，ROS作为上层系统，但需要具体的配置和实现步骤。 首先，我应该回顾一下用户提供的引用内容。引用[1]是关于ROS自主建图导航小车的项目实践，里面有基础教程链接，可能涉及机器人平台设计，这应该是整体结构的基础。引用[2]提到基于STM32和ROS的差速机器人底层源码，包括STM32如何接收传感器数据、执行控制指令，并与ROS通信，这部分对硬件和底层代码很重要。引用[3]讨论了SLAM建图时的定位漂移问题，这可能与传感器校准和算法配置有关，需要特别注意。 接下来，用户的需求是使用GMapping进行建图，所以需要确保ROS环境中的GMapping包正确安装和配置。GMapping依赖于激光雷达数据、里程计和TF变换，因此必须确保这些数据能够正确从STM32传送到ROS。 首先，硬件部分。STM32需要负责电机控制、编码器读取、IMU数据获取，以及可能的超声波或红外传感器。这些数据需要通过串口或者USB转串口发送到运行ROS的上位机（比如树莓派或笔记本电脑）。可能需要使用ROS的serial包或者自定义串口协议来传输数据。 然后是ROS端的配置。需要创建ROS包，编写节点来订阅STM32发布的传感器数据，并将其转换成ROS的标准消息格式，比如Odometry消息和LaserScan消息。同时，必须正确设置TF变换，确保base_link到odom和base_link到laser的坐标变换正确，否则GMapping无法正确融合数据。 接下来是GMapping的启动和参数调整。需要配置GMapping的参数文件，调整激光雷达的参数、更新频率、地图分辨率等。如果参数设置不当，可能导致建图不准确或定位漂移，如引用[3]提到的定位漂移问题，可能需要检查里程计的精度和传感器的时间同步。 此外，STM32和ROS之间的通信协议需要稳定可靠。数据包的解析和封装必须正确，避免数据丢失或解析错误。可能需要使用校验和或者重传机制来确保数据的完整性。同时，波特率的设置要足够高，以处理实时数据流。 测试和调试阶段，需要逐步验证每个部分。先确保STM32能够正确发布里程计和IMU数据，再验证激光雷达数据是否正确传输到ROS，接着检查TF树是否正确，最后运行GMapping并观察生成的地图是否有漂移或畸变。如果出现问题，可能需要检查传感器校准、时间戳同步，或者调整GMapping的参数如粒子数、扫描匹配参数等。 用户可能需要具体的步骤指导，比如如何安装ROS的serial包，如何编写STM32的通信代码，如何配置launch文件启动GMapping，以及常见问题的解决方法，比如地图不更新、定位漂移等。同时，引用[3]提到的定位漂移可能由里程计误差累积导致，建议融合IMU数据或使用扩展卡尔曼滤波器来优化里程计数据。 最后，生成的相关问题需要考虑用户可能的后续疑问，比如如何优化建图效果、如何处理通信中的延迟或丢包、如何集成导航功能等，这些都需要在相关问题中列出，帮助用户进一步探索。</think>### STM32与ROS小车GMapping建图实现步骤 #### 一、硬件架构设计 1. **STM32控制器**：负责电机驱动、编码器数据采集、IMU数据处理，并通过串口/UART与ROS上位机通信[^2] 2. **传感器配置**： - 激光雷达（如RPLIDAR A1） - 编码器（电机转速测量） - IMU（MPU6050/9250） - 超声波传感器（避障） 3. **通信接口**：USB转TTL模块实现STM32与ROS主机的串行通信 #### 二、STM32端开发 ```c // 示例数据发送协议 typedef struct { uint16_t left_encoder; uint16_t right_encoder; float imu_yaw; } __attribute__((packed)) OdomData; void USART_SendData(USART_TypeDef* USARTx, const OdomData* data) { uint8_t *p = (uint8_t*)data; for(int i=0; i<sizeof(OdomData); i++) { USART_SendData(USARTx, p[i]); while(USART_GetFlagStatus(USARTx, USART_FLAG_TXE) == RESET); } } ``` #### 三、ROS端配置 1. **环境搭建**： ```bash sudo apt-get install ros-$ROS_DISTRO-slam-gmapping sudo apt-get install ros-$ROS_DISTRO-serial ``` 2. **创建ROS包**： ```bash catkin_create_pkg stm32_bridge roscpp rospy std_msgs sensor_msgs tf ``` 3. **串口通信节点**（stm32_bridge.cpp）： ```cpp #include <ros/ros.h> #include <serial/serial.h> serial::Serial ser; void callback(const ros::TimerEvent&) { if(ser.available()) { std::string data = ser.read(ser.available()); // 解析数据并发布odom话题 } } int main(int argc, char** argv){ ros::init(argc, argv, "stm32_bridge"); ros::NodeHandle nh; try { ser.setPort("/dev/ttyUSB0"); ser.setBaudrate(115200); serial::Timeout to = serial::Timeout::simpleTimeout(1000); ser.setTimeout(to); ser.open(); } catch (serial::IOException& e) { ROS_ERROR_STREAM("Unable to open port"); return -1; } ros::Timer timer = nh.createTimer(ros::Duration(0.01), callback); ros::spin(); } ``` #### 四、TF树配置 ```xml <!-- launch文件片段 --> <node pkg="tf" type="static_transform_publisher" name="base_to_laser" args="0.15 0 0.1 0 0 0 base_link laser 100"/> <node pkg="tf" type="static_transform_publisher" name="base_to_imu" args="0 0 0.05 0 0 0 base_link imu 100"/> ``` #### 五、GMapping启动配置 ```xml <launch> <node pkg="gmapping" type="slam_gmapping" name="slam_gmapping"> <param name="delta" value="0.05"/> <param name="xmin" value="-10"/> <param name="ymin" value="-10"/> <param name="xmax" value="10"/> <param name="ymax" value="10"/> <param name="maxUrange" value="6.0"/> <remap from="scan" to="/laser_scan"/> </node> </launch> ``` #### 六、关键问题解决 1. **定位漂移处理**： - 使用IMU数据补偿里程计误差[^3] - 配置合适的粒子数量（建议30-50） - 确保激光雷达与底盘的TF变换准确 2. **通信优化**： - 使用CRC校验保证数据完整性 - 设置合理的通信频率（建议50-100Hz） - 采用二进制协议替代字符串传输
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值