robot_localization(2)：准备数据

最新推荐文章于 2024-09-12 22:34:02 发布

W_Tortoise

最新推荐文章于 2024-09-12 22:34:02 发布

阅读量3.1k

点赞数 4

分类专栏： SLAM

原文链接：http://docs.ros.org/melodic/api/robot_localization/html/preparing_sensor_data.html

版权

SLAM 专栏收录该内容

40 篇文章

订阅专栏

在使用robot_localization中的状态估计节点开始之前，用户必须确保其传感器数据格式正确，这一点很重要。每种类型的传感器数据都有各种注意事项，建议用户在尝试使用robot_localization之前完整阅读本教程。

有关更多信息，建议用户观看ROSCon 2015的演示文稿。

1 遵守ROS标准

要考虑的两个最重要的ROS REP是：

REP-103（标准计量单位和坐标约定）
REP-105（坐标系约定）

鼓励不熟悉ROS或状态估计的用户阅读两个REP，因为它几乎肯定会帮助您准备传感器数据。robot_localization尝试尽可能遵守这些标准。

此外，它可能会有益于用户查看每种受支持的ROS消息类型的规范：

2 坐标系和转换传感器数据

REP-105指定了四个主要坐标系：base_link，odom，map和Earth。base_link坐标系牢固地固定在机器人上。map和odom是固定的世界坐标系，其原点通常与机器人的起始位置对齐。Earth坐标系用于为多个map坐标系（例如，分布在较大区域的机器人）提供公共参考坐标系。earth坐标系与本教程无关。

robot_localization的状态估计节点会生成状态估计，其状态在map或odom坐标系中给出，其速度在base_link坐标系中给出。在与状态融合之前，所有传入的数据都将转换为这些坐标系之一。每种消息类型中的数据如下转换：

nav_msgs/Odometry：所有位姿数据（位置和方向）都从消息头的frame_id转换为world_frame参数指定的坐标系（通常为map或odom）。在消息本身中，这特别是指pose属性中包含的所有内容。所有twist数据（线速度和角速度）都将从消息的child_frame_id转换为base_link_frame参数（通常为base_link）指定的坐标系。
geometry_msgs/PoseWithCovarianceStamped：以与Odometry消息中的pose数据相同的方式处理。
geometry_msgs/TwistWithCovarianceStamped：以与Odometry消息中的twist数据相同的方式处理。
sensor_msgs/Imu：尽管ROS社区正在解决IMU消息，但目前存在一些歧义。大多数IMU在固定的世界坐标系中报告方向数据，该坐标系的X和Z轴分别由指向磁北和地球中心的向量定义，Y轴朝东（与磁北向量偏移90度）。此坐标系通常称为NED（北，东，下）。但是，REP-103为室外导航指定了ENU（东，北，上）坐标系。在撰写本文时，robot_localization假定所有IMU数据都使用ENU坐标系，并且不适用于NED坐标系数据。将来可能会有所改变，但就目前而言，用户应确保将数据转换为ENU框架后，再将其与robot_localization中的任何节点一起使用。

IMU也可以在机器人的“中性”位置以外的其他位置定向。例如，用户可以将IMU安装在其侧面，或者旋转IMU使其面对机器人正面以外的方向。通常通过从base_link_frame参数到IMU消息的frame_id的静态转换来指定此偏移量。robot_localization中的状态估计节点将自动校正传感器的方向，以使其数据与base_link_frame参数指定的坐标系对齐。

3 处理tf_prefix

随着从ROS Indigo开始向tf2的迁移，robot_localization仍然允许使用tf_prefix参数，但是根据tf2，所有frame_id值的前导”/“都将被去除。

4 每种传感器消息类型的注意事项

4.1 Odometry

许多机器人平台都配备了提供瞬时平移和旋转速度的车轮编码器。许多人还内部整合了这些速度以生成位置估计。如果您对此数据负责或可以对其进行编辑，请记住以下几点：

1.Velocities/Poses：robot_localization可以整合速度或绝对姿态信息。通常，最佳做法是：

如果里程计同时提供位置和线速度，请融合线速度。
如果里程计同时提供方向和角速度，请融合方向。

注意：如果您有两个方向数据来源，则需要特别注意。如果两个方向都具有精确的协方差矩阵，则可以安全地融合方向。但是，如果其中一个或两个都未报告其协方差，则应仅融合来自更精确传感器的方向数据。对于另一个传感器，请使用角速度（如果已提供），或继续融合绝对方向数据，但是要为该传感器打开_differential模式。

2.frame_id：参见上面有关坐标系和变换的部分。

3.协方差：协方差值与robot_localization有关。robot_pose_ekf尝试在Odometry消息中融合所有pose变量。已经编写了一些机器人驱动程序来满足其要求。这意味着，如果给定的传感器没有产生某个变量（例如，没有报告位置Z的机器人），那么使robot_pose_ekf忽略它的唯一方法是将其方差膨胀到一个非常大的值（如1000），以便有效地忽略所讨论的变量。这种做法既不必要，甚至有害于robot_localization的性能。例外情况是您有第二个输入源测量有问题的变量，在这种情况下，协方差将起作用。

注意：有关更多信息，请参见配置robot_localization和从robot_pose_ekf迁移。

4.Signs：遵守REP-103意味着您需要确保数据符号正确无误。例如，如果您有一个地面机器人，然后逆时针旋转它，则其偏航角应增加，并且其偏航速度应为正。如果将其向前推动，则其X位置应增加，并且其X速度应为正。

5.Transforms：广播odom->base_link转换。当world_frame参数设置为配置文件中odom_frame参数的值时，robot_localization的状态估计节点既输出nav_msgs/Odometry消息中的位置估计，也输出从其odom_frame参数指定的坐标系到其base_link_frame参数的转换。但是，某些机器人驱动程序也会将此测距信息与里程计信息一起广播。如果用户希望robot_localization负责此转换，则需要禁用其机器人驱动程序对该转换的广播。这通常作为参数公开。

4.2 IMU

除以下内容外，请务必阅读上述有关坐标系和IMU数据转换的部分。

1.遵守规范：与odometry一样，请确保您的数据符合REP-103和sensor_msgs/Imu规范。仔细检查数据符号，并确保frame_id值正确。

2.协方差：遵循odometry的建议，请确保您的协方差有意义。不要使用较大的值来使滤波器忽略给定的变量。将您要忽略的变量的配置设置为false。

加速度：注意加速度数据。robot_localization中的状态估计节点假定放置在平面上其中立的右侧向上位置的IMU将：

Measure +9.81 meters per second squared for the Z axis.
If the sensor is rolled +90 degrees (left side up), the acceleration should be +9.81 meters per second squared for the Y axis.
If the sensor is pitched +90 degrees (front side down), it should read -9.81 meters per second squared for the X axis.

4.3 PoseWithCovarianceStamped

请参阅Odometry。

4.4 TwistWithCovarianceStamped

请参阅Odometry。

5 常见错误

输入数据不符合REP-103。确保所有值（尤其是方向角度）在正确的方向上增加或减少。
不正确的frame_id值。应当在base_link_frame参数给定的坐标系中报告速度数据，或者应该在速度数据的frame_id和base_link_frame之间进行转换。
协方差夸大。在测量中忽略变量的首选方法是通过odomN_config参数。
缺少协方差。如果已配置给定传感器以将给定变量融合到状态估计节点中，则该值的方差（即位置 $(i, i)$ 处的协方差矩阵值，其中 $i$ 是该变量）不应为0。如果正在融合的变量遇到方差值0，则状态估算节点将为该值添加一个小的epsilon值（1e-6）。更好的解决方案是让用户适当设置协方差。