ROS中dwb_local_planner的配置与使用

最近在做局部规划器方面的研究,需要用到ros中的dwb_local_planner,虽然在ros中有官方给出的包,但我直接使用sudo apt-get install ros-melodic-dwb-local-planner-dev安装之后无法使用,原因可能是因为虽然dwb_local_planner本身虽然是个基于base_local_planner的插件,但是其本身的实现使用了David.Lu自己编写的插件,这部分在安装官方给到的local planner时并没有提供,所以导致出现各种错误(如常见错误)。因此在这里记录一下自己如何解决的dwb_local_planner使用问题。

常见错误

Failed to create the nav_core_adapter::LocalPlannerAdapter planner, are you sure it is properly registered and that the containing library is built? Exception: Could not find library corresponding to plugin mir_dwb_critics::PathDistPrunedCritic.

Installation

  1. sudo apt install ros-$ROS_DISTRO-nav-core-adapter
    sudo apt install ros-$ROS_DISTRO-nav-core2
    sudo apt install ros-$ROS_DISTRO-dwb-local-planner(以防万一缺少包)
    其中$ROS_DISTRO为当前ROS版本号
  2. 请访问David.Lu的Github将robot_navigation包git clone到工作目录下,之后执行catkin_make进行编译。

Configuration

move_base configuration(launch)

<param name="base_local_planner" value="nav_core_adapter::LocalPlannerAdapter" />
<param name="LocalPlannerAdapter/planner_name" value="dwb_local_planner::DWBLocalPlanner" />

对应dwa配置中的

 <param name="base_local_planner" value="dwa_local_planner/DWAPlannerROS" />

yaml:

base_local_planner: nav_core_adapter::LocalPlannerAdapter
LocalPlannerAdapter: 
  planner_name: dwb_local_planner::DWBLocalPlanner
 
DWBLocalPlanner:

其余参数与dwa相同。
local_costmap:

plugins:
	-{name: costmap_ros, type: "nav_core_adapter::CostmapAdapter"}
	-{name: laser_horizontal_layer, type: "costmap_2d::ObstacleLayer"}
	-{name: laser_cliff_layer, type: "costmap_2d::VoxelLayer"}
	-{name: inflation_layer, type: "costmap_2d::InflationLayer"}

之后按照正常的导航流程走就可以啦

### 回答1: mpc_local_planner是一种基于模型预测控制的本地路径规划器,主要用于自主驾驶车辆的路径规划。以下是mpc_local_planner使用教程: 1. 安装ROS和mpc_local_planner 首先需要安装ROS和mpc_local_planner。可以通过以下命令安装: ``` sudo apt-get install ros-kinetic-mpc-local-planner ``` 2. 配置参数 在使用mpc_local_planner之前,需要对其进行参数配置。可以通过修改launch文件的参数来进行配置。主要需要配置的参数包括: - robot_radius:机器人半径 - max_vel_x:机器人最大线速度 - min_vel_x:机器人最小线速度 - max_vel_theta:机器人最大角速度 - min_vel_theta:机器人最小角速度 - acc_lim_x:机器人线加速度限制 - acc_lim_theta:机器人角加速度限制 - sim_time:模拟时间 - sim_granularity:模拟粒度 - angular_sim_granularity:角度模拟粒度 3. 启动mpc_local_planner 启动mpc_local_planner需要使用roslaunch命令。可以通过以下命令启动: ``` roslaunch mpc_local_planner mpc_local_planner.launch ``` 启动后,mpc_local_planner会订阅机器人的位姿信息和全局路径信息,并发布机器人的速度控制信息。 4. 可视化 可以使用rviz来可视化mpc_local_planner的运行情况。可以通过以下命令启动rviz: ``` rosrun rviz rviz ``` 在rviz,需要添加以下显示: - RobotModel:机器人模型 - Path:全局路径 - Local Plan:局部路径 通过以上步骤,就可以使用mpc_local_planner进行路径规划了。 ### 回答2: mpc_local_planner是一种基于模型预测控制的局部路径规划器,可以在ROS系统上运行。它适用于机器人或自动驾驶车辆在未知环境或障碍物密集区域进行路径规划,并能考虑车辆动力学、环境条件等因素,使得路径更加稳定和安全。 使用mpc_local_planner需要先进行安装,具体操作可以参考ROS官方网站的安装指南。安装成功后,在ROS工作空间创建一个新的包,并在package.xml文件添加依赖,安装所需的依赖库。 首先,需要在代码引入mpc_local_planner相关的头文件,并定义一个全局变量planner,类型为MPCPlannerROS(注意,此处需要使用MPCPlannerROS而不是MPCPlanner,因为它将ROS系统与MPC控制器结合在一起): #include <mpc_local_planner/mpc_planner_ros.h> MPCPlannerROS planner; 接下来,需要在ROS节点初始化plannerros::NodeHandle private_nh("~"); planner.initialize(private_nh); 然后,需要在主循环调用planner的updatePlan方法,实时更新路径规划结果: while (ros::ok()) { // 获取机器人的位姿信息和局部地图信息,传递给planner.updatePlan()进行路径规划 planner.updatePlan(current_pose, local_costmap, local_map); } 最后,需要在ROS节点添加一个订阅者,用于接收机器人的位姿信息、传感器数据等信息,以便更新路径规划: ros::Subscriber pose_sub = nh.subscribe("/amcl_pose", 10, poseCallback); 其poseCallback为回调函数,用于获取机器人的位姿信息,并调用planner的setPlan方法,将目标路径传递给planner: void poseCallback(const geometry_msgs::PoseStamped& pose) { // 获取机器人当前的位姿信息,并调用planner的setPlan()方法传递目标路径 tf::Pose robot_pose; tf::poseMsgToTF(pose.pose, robot_pose); planner.setPlan(robot_pose); } mpc_local_planner配置参数非常丰富,可以通过在ROS参数服务器设置参数来调整路径规划的结果。例如,可以设置MPC控制器的时间步长、预测时间、约束条件等参数,或者调整局部地图的分辨率、占用阈值等参数,以达到更好的效果。 总之,mpc_local_planner是一种非常高效、灵活的路径规划器,能够适应各种环境和条件,并能根据实时传感器数据进行实时更新。虽然使用起来有一定的复杂度,但是掌握一定的使用方法和技巧,仍然可以在实际应用发挥出很大的作用。 ### 回答3: MPC_local_planner是一种移动底盘路径规划器,通过模型预测控制的方法计算出机器人在未来一定时间内前进方向以及速度,从而达到对路径实时控制的目的,在ROS常被用来作为机器人底层行走模块的路径规划器。 MPC_local_planner使用教程如下: 1、安装MPC_local_planner 可以通过ROS论坛或者github下载源码进行安装,同时还需要安装和设置相关依赖包。 2、配置MPC_local_planner参数 MPC_local_planner的机器人行动学模型等参数都可在代码源文件进行设置,主要包括机器人速度,角度等相关参数。 3、设置起始位置和目标点 在进行路径规划前,需要设置机器人的起始位置和目标点。 4、调用MPC_local_planner的API 在设置好相关参数和起始位置/目标点之后,可以调用MPC_local_planner提供的API进行路径规划,同时可以通过回调函数对路径进行相关调整和修改。 5、执行路径规划并进行路径跟踪 在完成路径规划之后,就可以根据生成的路径进行移动底层控制,实现机器人的路径跟踪。 总之,使用MPC_local_planner进行路径规划时要注意对参数的设置和路径的调整等,需要对ROS等相关操作系统有一定的掌握和理解,同时还要有一定的机器人运动学基础,才能够更好地完成路径规划的操作。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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