嵌入式-老费，一个分享专业嵌入式知识的blog

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在所有的slam算法中，基于反光柱的激光slam和基于二维码的视觉slam是落地最彻底的两种slam方法。和磁条、色带等传统导航方式相比较，它们最大的优点就是操作简单、部署灵活，不需要进行复杂的地面施工，就可以短时间内在客户现场应用起来。 到这里，很多人又发现了一个新的问题，实际使用的这些slam算法和我们读的论文算法，好像有很大的不同。就拿激光slam来说，大家学

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们说过，图像在二维码、道路检测、故障物检测方面都有很重要的作用。但是，这里面就有一个前提，那就是图像本身的质量必须是非常ok的。对于高质量的图像，即使用简单的算法，都可以得到不错的结果。而对于质量不高的图片，既费时又费力，得到的结果还不是非常理想的。 所以，到这里我们很自然而然地想到自己去补充光源。即，如果自然光很ok，那么可以通过减少曝光量地方法降低自然光的

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在工业生产中，安全是底线。没有安全性的技术，一般也不会在工业生产中进行部署、使用。对于slam来说，同样也是这个道理。我们知道，slam本身依赖于传感器、依赖于算法、依赖于标定、也依赖于电机和机械部分，哪一部分出了问题，机器人都不会正常地工作。所以，对于机器人来说，在运动的过程中，如何安全稳定地去运行、及时检测和发现障碍物，这就显得非常重要了。 避障，顾名思义，就是

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 对于slam而言，大家一般想到的就是去通过传感器找特征点，进而借助于特征点去定位机器人的位置。但是对于用户或者厂家来说，他们很多时候对机器人在道路上的精度不做要求，但对工位上的对接要求很高。所以，对于供应商来说，是不是整个定位和导航都需要借助于传感器或者反光柱，这就两说了。 此外，相比较室外而言，工厂内部的光源一般会好一点。就算条件不是很好，我们自己也可以通过补充光

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 二维码是现在用的比较多的一种技术。通过二维码，人们不仅可以分享信息，而且可以购物、支付，都是非常方便的。同样，不仅仅是消费领域，其实在工业生产上，条形码、二维码这些技术同样可以扮演非常重要的角色。一方面，他们可以放在货物外包装上面，方便仓储和物流；另外一方面，可以装在地面上，用于导航和定位。总之，二维码技术是现在应用非常广泛、同时又相对比较低成本的一项技术。 目前，

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 工业上用激光slam的多，用视觉slam的少，这是大家都知道的常识。毕竟对于工业来说，健壮和稳定是我们必须要考虑的事情。但是图像slam在这过程当中其实也可以扮演十分重要的角色，比如说地面如果非常有特征的话，黄色路面或者绿色路面。这个时候，即使全局的slam完成不了，那么也可以实现局部常见的slam导航。 ros里面其实也谈到了opencv，它是一个用的比较多的开发

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 标定是slam开发过程中很重要的一个环节。这部分内容涉及到很多方面，比如说传感器、比如说算法、比如说机械，总之好的标定不仅仅决定了系统的稳定性，还对整个系统的性能产生很大的影响。以汽车行业为例，标定工程师早就是一个被广泛接受的职业类型。拿发动机来说，我们都知道现在的汽车一般都会有很多的工作模式，有经济型、舒适性和运动型这几种。其实，不管哪种模式，这发动机里面的算法都是一样的，只是不同

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 大家一开始看到这个题目的时候，也许比较吃惊。为什么会有这样的题目？但是做过slam的同学，应该就比较熟悉和了解了。我们都知道，大部分机器人运动的时候，都是按照特定的轨迹进行移动的。这个时候，有一件非常重要的事情需要去做，那就是实时计算机器人和运动直线之间的距离。一方面，可以验证我们的slam效果好不好，另外一方面也可以在发生意外的时候，提前让机器人停止住，这样也能避免发生意外。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们说过，很多时候传感器的数据并不能直接拿过来使用。这里面除了噪声的原因之外，另外一部分原因就是传感器数据本身也有可能是脏数据，存在运动畸变的可能性。以激光雷达为例，假设一个机器人往前行走，速度是1m/s，lidar旋转的速度是10次/s。一开始的时候，lidar检测前面1m处有一个物体。那么100ms之后，同样的物体，其实这个时候距离只有0.9m了。如果lidar的裸数据没有经

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 三边测量，或者说叫三角定位，是定位系统中很常见的一种测量方法。它最主要的原理就是依靠已有的三个特征坐标和半径，就可以计算出当前自己的坐标。听上去这么做很玄乎，其实相关的计算，用初中数学的知识就可以掌握。 首先我们假设三个特征坐标分别是(x1,y1)、(x2,y2)、(x3,y3)，它们的半径分别是r1、r2、r3。已知的条件就这么多，下面就要求出(x,y)的坐标了。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 我们看论文或者看书的时候，讲的最多的一般就是基于自然环境的定位。不管是激光雷达，还是视觉，其实本身还有很多的不确定性。而对企业、工厂来说，大部分情况下没有办法容忍这种不确定性的。所以很多时候，企业里面用的定位技术往往不是那么高大上的技术，比如激光就用反光柱，视觉就用二维码等等。这里反光柱定位多用于大型物流设备，也算是用的比较多的一种定位方法。 ros上面其他slam

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们了解到，ros系统基本上都是依赖于ubuntu和linux来运行的。如果ros是只是跑在机器人的系统上面，不涉及到上层交互，这些都问题不大。但如果做成产品，发布出去，这样就会或多或少有点麻烦。因为大多数fae、或者客户，他们的系统都是windows系统，很少用linux系统。毕竟客户本身通常只是专注于自己的业务，如果是非专业人士，很少会涉及到linux系统。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 rviz作为很好的上位机调试工具，它本身可以显示很多的传感器数据。比如说lidar、map、tf、camera、点云这些，在rviz上面显示都没有问题。但是有一些数据，我们其实是希望进行自定义显示的。以slam来讲，目前常见的slam就是激光slam和视觉slam。不管哪一种slam，环境的自然特征总没有人工设计的强特征来的稳定，激光slam的稳定特征就是反光柱，而视觉slam的稳定

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 之前花了40多篇文章，弄清了什么是slam，怎么学习slam，什么是ros，怎么利用ros来学好slam等等。不仅如此，我们还搭建了仿真环境，从话题订阅和发布开始，一步步到gmapping、amcl到move base，中间确实涉及了很多的内容，知识点也比较多。但如果仅仅如此，其实还是不够的。仿真学习虽然对于学习者是比较方便的，但我们最终的目的还是希望能够把slam技术用起来，这样才

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 我们学习了很多的开源包，比如hector、gmapping。但其实我们也可以自己编写一个slam包。这么做最大的好处，主要还是可以帮助自己更好地去了解slam、掌握slam以及用好slam。就像学习rtos一样，使用好别人提供的api是一回事，自己会写rtos又是另外一回事。一旦我们自己会写rtos之后，那么其他所有的实时操作系统都是很容易掌握的。slam也是一样。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们的测试大部分都是基于仿真来实现的。但是很多时候，我们其实希还是望自己的算法能够跑在真实场景的数据上。可问题来了，此刻我们自己既没有钱买机器人，也没有时间采集那么多数据，那么应该怎么办呢。所以，为了解决这个问题，我们想到一个很简单的办法，那就是去网上找符合格式的数据集来进行离线制图。这和我们当初为了学习opencv图像处理、深度学习，去网上找测试集是一个道理。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 要说搜路算法，这个大家都比较好理解。毕竟从一个地点走到另外一个地点，这个都是直觉上可以感受到的事情。但是这条道路上机器人应该怎么走，以什么样的速度、什么样的角速度走，这里面有很大的学问。一方面，机器人本身的机械特性决定了它的速度、角速度这些参数都有一定范围约束的；另外一方面，不同的速度、角速度走出来的轨迹可能是不一样的，特别是拐弯的时候。这个时候，什么样的轨迹最适合我们机器人，就需要

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 目前机器人常用的搜路算法主要有这么几种，迪杰斯特拉算法、a*算法、贪心算法。每一种算法都有自己的场景和优势，可以灵活选择。但一般来说，客户的场景不算很复杂的话，搜路算法越简单越好，只要能达到最终的目标即可。对于特别复杂的场景，建议也不要通过算法来解决业务的问题，这反而是得不偿失的。所以说，这三种算法，如果没有特别原因的话，最好都实现一下，这样方便fae的同学现场部署和实施。搜路算法本

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们说过，学术界和工业界对于slam的要求是不一样的。前者要求robot在运动的过程中，同步实现定位和制图的操作。但是工业界中，一般两者是分开来的。首先进行制图，一旦制图完成之后就专注于定位操作。但是这两者之间没有明显的差别。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面的文章，我们学习了如何仿真、如何编译代码、如何写代码。但是如何调试这些代码，涉及的不是很多。因为如果要把ros真的用起来，真正服务于自己的项目当中去，代码调试肯定是少不了的。不管是添加新的功能、还是对性能进行优化，都少不了代码调试的部分。鉴于目前大部分ros都是运行在linux环境下面，所以我们一般都会选择gdb来进行代码调试。 为了说明如何用gdb调试，我们下

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们学习了hector-slam、gmapping slam两种slam方法。当时我们操作的时候，是通过手动操作的方法来建图的。但是这里面可能存在一个问题，因为建图的时候，我们只能选择一种slam建图方法。如果我们想针对同一种场景用不同的slam算法，比较下它们的建图效果，这个时候就没有办法了。好在ros给我们提供了一个数据回放的工具，即rosbag。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 之前我们学习ros的时候，大部分都是基于仿真来做的。但是最终，我们还是要把ros部署到小车上的。这就带来一个问题，首先小车肯定是要上ros的，毕竟小车要行走在各个地方。然而，我们在本地也是需要对小车进行控制的。这种控制，有可能是调试，有可能是监控，也有可能是发送任务。不管怎么说，本地pc也是需要对小车进行通信的。另外，对于真正的使用者来说，他可能手里也有一个发送任务的android

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 大家应该还记得我们在一开始学习ros的时候，如果需要启动一个节点的话，需要首先打开roscore，接着用rosrun打开对应的节点。如果节点比较少的话，这种方法，倒也可以接受，但是节点一多就不太方便了。比如，我们之前在学习slam的时候，需要依次打开gazebo、rviz、slam、rqt等多个节点软件，这就非常麻烦了。所以为了解决这个问题，人们想出了roslaunch的办法，它不但

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 3d 点云设备现在汽车上用的很多。之前3d lidar这种高端传感器，只能被少部分智能汽车使用。后来很多国产厂家也开始研发3d lidar之后，它的价格快速下跌下来，部分3d lidar的价格已经降到了几千元左右，实用性一下子就提升上来了。不管用它来做slam，还是用来检测物体、识别物体、避障检测，都是很方便的。所以，对于slam的同学来说，除了轮速编码器、imu、camera、单线

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 实际ros开发的时候，现场有很多特征都可以用来进行采集和标定。比如说地面，对于外资企业或者管理比较规范的企业来说，一般robot行驶区域都是非常有特点的。这个时候如果利用lidar的slam不好做，可以使用camera图像去补充进行相关的slam操作。二维码导航就是这么来的。当然，要做到这一点，光源控制必须得到很好的解决才行。 当然，上面说的都是slam，事实上

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 关于ros导航的部分，网上的大部分内容要么过于理论，要么直接讲代码实现，门槛有点高。但是怎么让ros navigation用起来，或者说怎么让初学者看到ros导航的效果，这方面的文章很少。最近自己正好学习ros，并且结合视频网站上的一些介绍，学会了怎么使用ros navigation，正好可以写一篇文章简单介绍下。 要实现ros导航，最主要的是分成两个部分，第一就是

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们对底盘做了控制，对传感器数据也进行了读取，但是目前为止还没有做过一个完整的ros仿真程序。在这仿真中，有必要既涉及传感器，也涉及底盘控制。所以，这里做一个简单的robot绕障系统。它的基本原理很简单，就是如果没有发现障碍物，那么小车就继续向前走。一旦发现障碍物，小车开始旋转。等到旋转一定的时间之后，继续向前行走。整个处理流程虽然比较简单，但是也符合基本的嵌入式开发思路。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 学过Ros的同学，一般对subscribe、publish、话题、服务这些内容都比较熟悉。如果再熟悉一点的话，还会知道slam、move_base、moveit这些框架。再了解多一点的呢，会对框架里面的算法，比如和hector slam、gmapping、amcl、迪杰斯特拉、a*算法比较熟悉。但是，对机器人底盘的知识，尤其是Ros和stm32怎么通信的，很多人却是不算太了解的。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 ros本身只是提供了一个框架，上面对应客户需求，下面对应各个传感器，中间就是各个算法和决策措施。但是robot本身要真正动起来的话，还是需要底盘开发板来配合实施的。本身ros的底层输出只能到cmd_vel这一个层次。再深入的开发，比如说用pid来实现cmd_vel的效果，这个就需要在底盘开发板上用rtos+pid之类的控制算法来实现了。 所以，在还没有自己的实体ro

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在ROS下面，开发的方法很多，可以是c++，可以是python。大部分接口操作类的应用，其实都可以用python来开发。或者如果想对某一类的算法、设备来验证，这个时候用python来开发也是ok的。当然如果是纯算法，或者最终是需要部署在嵌入式系统上面长期运行的，那么这个时候基本上只能选择c++了。下面我们就来谈一谈如何在ros环境下进行ros开发。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们学习了amcl，但它只是navigation里面的一个package而已。真正的导航还包含很多的内容。举个例子来讨论下，我们假设需要一个机器人从a点走到b点，应该分成哪几个步骤来完成呢。首先，机器人需要确认下自己的位置吧，是在其他地方，还是已经在a点了？接着，机器人需要规划一条a点到b点的路径吧？规划的路径只是保证了这条道路的可行性，但小车本身的机械属性是不是可以走完这条路、

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在ros的机器人学习过程中，有一件事情是肯定少不了的。那就是坐标系的转换。其实这也很容易理解。假设有一个机器人，它有一个3d camera、有一个机械手臂。这个时候有一个需求，需要通过3d camera告知物体的位置，然后通知另外一个机械手臂取走。 看上去这个任务很简单，但是这中间就涉及到了坐标系的转换。比如说，摄像头识别到物体，这个时候物体是摄像头坐标系下的一个p

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们介绍了hector slam建图。相对而言，hector slam建图对数据的要求比较低，只需要lidar数据就可以建图了。但是hector slam也有它自己的问题。那就是如果robot行走在走廊上面，特别是长走廊上面，那么hector slam是很难建图的。这主要的原因就是，hector slam算法会觉得前后两帧lidar frame没有发生改变，小车根本没有移动。基于

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 学习slam，一般就是所谓的边定位、边制图的知识。然而在实际生产过程中，比如扫地机器人、agv、巡检机器人、农业机器人，很多情况下都是先绘制好地图。等地图ok了，再规划机器人特定的路径。路径这些都没问题了之后，机器人就会按照我们的设想，去指定的地方执行指定的任务就可以了。所以，制定完地图之后，后续的任务就不再需要制图了，主要就是定位。也就是机器人在行进的过程当中不要丢位置就可以了。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 目前建图的方法一般有视觉建图和激光建图两种。其中激光建图，又可以分成hector、gmapping、cartographer这几种。要说最简单的建图方法，那还真是非hector莫属。因为hector建图的话，本身需要的数据类型非常少，只需要lidar的输入数据即可，不再需要其他的数据。当然，hector建图也有自己的缺点，比如说长走廊，就不太合适hector。当然我们这里只是为了演示

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 slam的最终目的是为了建图和定位。有了地图，我们才知道当前机器人已经走到了哪个位置、哪些位置有障碍物、选择哪个路线比较靠谱。当然很多人会说，slam本身不是边走边定位的意思吗？然后在实际生产中，我们一般都是先制作地图。等把地图上传到机器人上，再让机器人按照预定的路径进行行走的。今天，我们可以学习一下，ros下面的地图是什么样子的。至于，地图应该怎么制作和生成，可以在后面的章节继续进

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 上一篇文章我们说过，对于差速轮来说，旋转的计算很多程度上依赖于theta=tan(theta)这个公式来进行的。但是，我们也知道，如果机器人转弯很快的话，这个公式其实是不成立的。因为，对于旋转这件事情来说，我们能想到的，就是用IMU来对角速度来进行补偿和计算。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 曾经有一段时间，对里程计没有一点概念。一直以为它是通过某种传感器直接给出来的裸数据。等到后来接触多了，才知道里程计也是算出来的。狭义的里程计一般就是利用底盘上面的编码器直接计算出来的。而广义的里程计则多了，可以是激光里程计，也可以是图像里程计，只要通过传感器的数据差能获得当前机器人的位姿信息，都可以称作里程计。

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 lidar是机器人用的比较多的一种传感器。从前可能单线lidar用的比较多，现在多线lidar则开始慢慢崛起了。这里面最主要的原因还是价格。之前3d lidar动则十几万、几万的价格，这是大多数厂家都负担不起的。而现在，随着越来越多的国产厂家参与到了3d lidar的研发，这个时候lidar的价格也应声下跌，开始走入大规模商用的时代。 对于不同品牌的厂家来说，它们一

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 在ros开发当中，rviz和tf都是用的比较多的一个工具。前者是为了实现传感器数据和计算结果的可视化，后者主要是为了显示各个传感器、传感器和小车之间的旋转变换。今天我们就了解一下rviz。很多同学搞不清楚rviz和gazebo的关系。正好借助这次机会说说清楚。 应该说，在一开始我们没有robot实车的时候，用gazebo搭建一个仿真环境，利用这个仿真的环境和机器人模