使turtlebot在navigation时规避“看不到的”障碍物

使turtlebot规避“看不到的”障碍物

使用激光和顶相机可以规避一部分障碍物但是效果不是很好，在擦肩而过的状态时可以完成，但当障碍物在正中心时，会出现多次转圈情况，这是因为视觉的范围有限，约为机器人前方一平方米的范围，这就有一个矛盾出现，机器人必须足够靠近障碍物时才可以看到障碍物，而这时对于路径规划会有很高的失败率，即使把膨胀距离和安全范围减小到0.05也不是有很好的性能。
所以考虑使用一个平行与地面的kinect来完成激光和任务，并且因为有点云数据，可以通过获取kinect的scan和points来导航（可能kinect导航不如hokuyo？需要测试）。
实现方式：

kinect:
data_type: PointCloud2
topic: /camera/depth_registered/points
marking: true
clearing: true
min_obstacle_height: 0.05
max_obstacle_height: 0.2

注意高度，如果设置为0就会出现地面全部都是障碍物的情况。0.05是必要的。amcl.launch需要将一些false设置为true。
启动顺序：
minima.launch
amcl_demo.launch map_file
view_navigation.launch
go_to_special_point_on_map.py

存在问题：依然是只有当物体在相机视线范围内才可以看到障碍物，当机器人在障碍物附近转过一定角度时就会丢失障碍物目标，此时路径规划是否（？）会出现偏差。
好处：
视野范围大，可以看到远的东西，尽早规避。
坏处：
需要重新考虑安置问题，需要高于机械臂，并且考虑视线范围，足够看到机器人行进前方的障碍物，高度问题（！！！！！）
或者：
使用上方的相机视角对下方进行弥补（？）添加两个相机的points（或许可以，考虑）

另一种思路：
产生一些虚拟激光数据来描述障碍物，将这个虚拟激光数据添加.yaml中。
进度：
可以在现有地图上产生一些虚拟的激光数据，不过数据的range和角度看起来不是很好，在机器人正对的时候没有数据的情况（？），看起来是机器人侧对障碍物时才有数据。
好处：
稳定，全局描述。
坏处：
可能，实时性问题不好处理，现在是从一个.yaml文件中读取一个预先描述的障碍物。

下一步：
考虑平行地面的相机的放置位置，必须与机械臂协调。
如果无法实现两个相机的配置，考虑引入虚拟激光数据。

[1] :https://blog.csdn.net/sunyoop/article/details/78210891
[2] :https://github.com/yujinrobot/korus/blob/hydro-devel/korus_meta/resources/launch/components/virt_sensor.launch
[3]:https://github.com/yujinrobot/yujin_ocs/blob/devel/yocs_virtual_sensor/launch/standalone.launch
[4]:https://groups.google.com/forum/#!topic/ros-sig-navigation/uN3PRLfY040
http://wiki.ros.org/teb_local_planner/Tutorials