基于领航-跟随模式的无人车编队仿真与导航

于 2024-08-08 09:29:00 发布
阅读量842 收藏 7
点赞数 17
文章标签： 机器人 c++
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/qq_42995238/article/details/141017805
版权

基于领航-跟随模式的无人车编队仿真与导航

1. 查看系统环境

要运行本仿真程序，需要保证当前环境为ubuntu18.04+ros-melodic-desktop-full

查看ubuntu版本：

rosnoetic@rosnoetic-VirtualBox:~$ lsb_release -a

No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 18.04.6 LTS
Release:	18.04
Codename:	bionic

可知，当前ubuntu版本满足18.04

查看ros版本：

rosnoetic@rosnoetic-VirtualBox:~$ rosversion -d

melodic

可知，当前ros版本满足melodic

2. 功能包准备

请先安装相关的ROS功能包：

  • 安装gmapping包（用于构建地图）：sudo apt install ros-<ROS版本>-gmapping
rosnoetic@rosnoetic-VirtualBox:~$ sudo apt install ros-melodic-gmapping
  • 安装地图服务包（用于保存与读取地图）：sudo apt install ros-<ROS版本>-map-server
rosnoetic@rosnoetic-VirtualBox:~$ sudo apt install ros-melodic-map-server
  • 安装navigation包（用于定位以及路径规划）：sudo apt install ros-<ROS版本>-navigation
rosnoetic@rosnoetic-VirtualBox:~$ sudo apt install ros-melodic-navigation
  • 安装teleop-twist-keyboard包（用于键盘控制小车）：sudo apt install ros-<ROS版本>-teleop-twist-keyboard
rosnoetic@rosnoetic-VirtualBox:~$ sudo apt install ros-melodic-teleop-twist-keyboard
  • 安装joint_state_publisher_gui包，需要注意自己当前的ros版本：
rosnoetic@rosnoetic-VirtualBox:~$ sudo apt-get install ros-melodic-joint-state-publisher-gui

3. 添加并编译机器人源码

将multirobot_formation.zip压缩包拖拉至虚拟机的主文件夹下

解压multirobot_formation.zip压缩包

将multirobot_formation文件夹下的build和devel文件夹删除

在终端中重新编译multirobot_formation项目

rosnoetic@rosnoetic-VirtualBox:~$ cd multirobot_formation/

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ catkin_make

接着在终端中执行如下指令，从而可以用vscode打开multirobot_formation项目

rosnoetic@rosnoetic-VirtualBox:~$ cd multirobot_formation/

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ code .

快捷键ctrl+shift+B调用编译，选择：catkin_make:build

可以点击配置设置为默认，修改.vscode/tasks.json文件

使用如下内容进行覆盖

{
// 有关 tasks.json 格式的文档，请参见
    // https://go.microsoft.com/fwlink/?LinkId=733558
    "version": "2.0.0",
    "tasks": [
        {
            "label": "catkin_make:debug", //代表提示的描述性信息
            "type": "shell",  //可以选择shell或者process,如果是shell代码是在shell里面运行一个命令，如果是process代表作为一个进程来运行
            "command": "catkin_make",//这个是我们需要运行的命令
            "args": [],//如果需要在命令后面加一些后缀，可以写在这里，比如-DCATKIN_WHITELIST_PACKAGES=“pac1;pac2”
            "group": {"kind":"build","isDefault":true},
            "presentation": {
                "reveal": "always"//可选always或者silence，代表是否输出信息
            },
            "problemMatcher": "$msCompile"
        }
    ]
}

4. 运行代码

4.1 启动无人车仿真程序

ctrl+~打开vscode终端，执行：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_description display_ares_laser.launch

ctrl+~打开vscode终端，执行：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_description display_ares_laser_gazebo.launch

ctrl+~打开vscode终端，执行：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_description display_ares_laser_gazebo.launch

  • 如果在启动仿真的过程中，出现错误：[Err] [REST.cc:205] Error in REST request

    解决方案

    rosnoetic@rosnoetic-VirtualBox:~$  sudo gedit ~/.ignition/fuel/config.yaml

    删除

    url: https://api.ignitionfuel.org

    添加

    url: https://api.ignitionrobotics.org

4.2 启动无人车键盘控制程序

键盘控制由launch文件中的<node name="ares_teleop" pkg="ares_teleop" type="ares_teleop.py" output="screen" />实现

ctrl+~打开vscode终端，执行：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_gazebo ares_cloister_gazebo_teleop.launch

在vscode终端中，敲击键盘”i“，可以使中间的无人车向前方运动，敲击键盘”k“，可以使无人车暂停。

4.3 启动无人车导航程序

4.3.1 启动仿真程序

ctrl+~打开vscode终端，执行如下指令打开仿真场景：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_gazebo ares_cloister_gazebo.launch

新增vscode终端，执行如下指令打开导航：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_navigation navigation_demo.launch

该程序可以打开rviz仿真模块，需要等待片刻，使得所有的组件话题信息等待完成

使用Rviz界面上的"2D Nav Goal"工具指定导航的目标位置与方向，等待小车移动到目标位置。

4.3.2 查看坐标变换关系

首先调用rospack find tf2_tools查看是否包含该功能包，

rosnoetic@rosnoetic-VirtualBox:~$ rospack find tf2_tools

[rospack] Error: package 'tf2_tools' not found

如果没有，请使用如下命令进行安装：

rosnoetic@rosnoetic-VirtualBox:~$ sudo apt update

rosnoetic@rosnoetic-VirtualBox:~$ sudo apt install ros-melodic-tf2-tools

运行如下命令：

rosnoetic@rosnoetic-VirtualBox:~$ rosrun tf2_tools view_frames.py 

[INFO] [1695085300.825369]: Listening to tf data during 5 seconds...
[INFO] [1695085305.836649]: Generating graph in frames.pdf file...

查看当前目录会生成一个frames.pdf

4.3.3 查看话题列表

查看发布的话题列表

rosnoetic@rosnoetic-VirtualBox:~$ rostopic list

/amcl/parameter_descriptions
/amcl/parameter_updates
/amcl_pose

/ares1/base_pose_ground_truth
/ares1/camera/camera_info
/ares1/camera/image_raw
/ares1/camera/image_raw/compressed
/ares1/camera/image_raw/compressed/parameter_descriptions
/ares1/camera/image_raw/compressed/parameter_updates
/ares1/camera/image_raw/compressedDepth
/ares1/camera/image_raw/compressedDepth/parameter_descriptions
/ares1/camera/image_raw/compressedDepth/parameter_updates
/ares1/camera/image_raw/theora
/ares1/camera/image_raw/theora/parameter_descriptions
/ares1/camera/image_raw/theora/parameter_updates
/ares1/camera/parameter_descriptions
/ares1/camera/parameter_updates
/ares1/cmd_vel
/ares1/joint_states
/ares1/odom
/ares1/scan

/ares2/base_pose_ground_truth
/ares2/camera/camera_info
/ares2/camera/image_raw
/ares2/camera/image_raw/compressed
/ares2/camera/image_raw/compressed/parameter_descriptions
/ares2/camera/image_raw/compressed/parameter_updates
/ares2/camera/image_raw/compressedDepth
/ares2/camera/image_raw/compressedDepth/parameter_descriptions
/ares2/camera/image_raw/compressedDepth/parameter_updates
/ares2/camera/image_raw/theora
/ares2/camera/image_raw/theora/parameter_descriptions
/ares2/camera/image_raw/theora/parameter_updates
/ares2/camera/parameter_descriptions
/ares2/camera/parameter_updates
/ares2/cmd_vel
/ares2/joint_states
/ares2/odom
/ares2/scan

/ares3/base_pose_ground_truth
/ares3/camera/camera_info
/ares3/camera/image_raw
/ares3/camera/image_raw/compressed
/ares3/camera/image_raw/compressed/parameter_descriptions
/ares3/camera/image_raw/compressed/parameter_updates
/ares3/camera/image_raw/compressedDepth
/ares3/camera/image_raw/compressedDepth/parameter_descriptions
/ares3/camera/image_raw/compressedDepth/parameter_updates
/ares3/camera/image_raw/theora
/ares3/camera/image_raw/theora/parameter_descriptions
/ares3/camera/image_raw/theora/parameter_updates
/ares3/camera/parameter_descriptions
/ares3/camera/parameter_updates
/ares3/cmd_vel
/ares3/joint_states
/ares3/odom
/ares3/scan

/clock
/diagnostics

/gazebo/link_states
/gazebo/model_states
/gazebo/parameter_descriptions
/gazebo/parameter_updates
/gazebo/set_link_state
/gazebo/set_model_state
/initialpose

/map
/map_metadata
/map_updates

/move_base/DWAPlannerROS/cost_cloud
/move_base/DWAPlannerROS/global_plan
/move_base/DWAPlannerROS/local_plan
/move_base/DWAPlannerROS/parameter_descriptions
/move_base/DWAPlannerROS/parameter_updates
/move_base/DWAPlannerROS/trajectory_cloud
/move_base/NavfnROS/plan
/move_base/TrajectoryPlannerROS/local_plan
/move_base/cancel
/move_base/current_goal
/move_base/feedback
/move_base/global_costmap/costmap
/move_base/global_costmap/costmap_updates
/move_base/global_costmap/footprint
/move_base/global_costmap/inflation_layer/parameter_descriptions
/move_base/global_costmap/inflation_layer/parameter_updates
/move_base/global_costmap/obstacle_layer/parameter_descriptions
/move_base/global_costmap/obstacle_layer/parameter_updates
/move_base/global_costmap/parameter_descriptions
/move_base/global_costmap/parameter_updates
/move_base/global_costmap/static_layer/parameter_descriptions
/move_base/global_costmap/static_layer/parameter_updates
/move_base/goal
/move_base/local_costmap/costmap
/move_base/local_costmap/costmap_updates
/move_base/local_costmap/footprint
/move_base/local_costmap/inflation_layer/parameter_descriptions
/move_base/local_costmap/inflation_layer/parameter_updates
/move_base/local_costmap/obstacle_layer/parameter_descriptions
/move_base/local_costmap/obstacle_layer/parameter_updates
/move_base/local_costmap/parameter_descriptions
/move_base/local_costmap/parameter_updates
/move_base/parameter_descriptions
/move_base/parameter_updates
/move_base/result
/move_base/status
/move_base_simple/goal

/odom
/particlecloud
/rosout
/rosout_agg
/tf
/tf_static
/waypoint_markers
/waypoint_markers_array

4.3.4 查看计算图

启动rqt_graph

rosnoetic@rosnoetic-VirtualBox:~$ rqt_graph

结果如下图所示：

圆圈是节点，方框是话题，箭头表示数据订阅发布的方向

4.4 启动无人车编队控制程序

ctrl+~打开vscode终端，执行如下指令打开仿真场景：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch ares_gazebo ares_playground_gazebo.launch

新增vscode终端，执行如下指令打开编队控制：

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ source ./devel/setup.bash 

rosnoetic@rosnoetic-VirtualBox:~/multirobot_formation$ roslaunch stage_first OnYourMarkGetSetGo.launch

运行后会提示如下错误，但是并不会影响功能

接着就可以在gazebo界面中看到小车运动起来，并最终呈现一字型的队形

风与铃的约定
关注
第4章-一阶多智体系统一致性 -＞ 连续时间含时延系统一致性【程序代码】
赵继超的笔记
07-14 1689
连续时间含时延系统一致性的程序代码
多智能体协同控制下的无人船与无人车编队运动与路径规划研究——基于MPC模型预测控制及一致性理论的MATLAB实现
kNonrlxnnATN的博客
05-27 543
例如，在海上勘测任务中，若编队中的无人船发现了目标，可以通过通信和协作将信息传递给无人车，进而实现目标的追踪和定位。编队控制技术通过利用多智能体系统中各个智能体之间的通信和协作，实现编队中各个智能体的一致性运动和高效协作，提高整体系统的性能和可靠性。例如，在无人车编队中，车辆之间需要相互通信，并且遵循一定的规则来调整自己的速度和位置，以达到整体编队控制的目标。在编队控制中，MPC可以用来确定每个智能体的控制指令，使得编队中各个智能体之间的相对位置和速度保持一致，从而实现编队的整体运动。
领航者-跟随者编队算法 定义+特性+原理+公式+Python示例代码（带详细注释）
最新发布
qq_51929160的博客
07-28 1313
本文深入解析了领航者-跟随者编队算法，探讨了其基本原理、实现步骤、实际应用以及优化与挑战。领航者-跟随者编队算法通过定义领航者和跟随者的相对位置与运动轨迹，实现多智能体系统的协调控制。该算法广泛应用于无人机编队、自动驾驶车队和搜救任务中，具有鲁棒性强、扩展性好和分布式控制等优势。然而，实际应用中仍面临通讯可靠性、动态环境适应性和多智能体协作等挑战。未来研究应致力于提升算法效率、优化能量消耗和增强环境适应性，以推动其在更多实际场景中的应用和发展。
无人车编队中的动作捕捉
MocapLeader的博客
09-23 371
得益于人工智能的迅速发展，机器人技术广泛应用于生活与工业领域。而对于复杂的应用场景，单个机器人通常是无法胜任的。 无人车编队通过自组织协同控制方式使多无人车系统具备高效完成复杂任务的能力，因此作为提高任务执行效率有效途径的无人车编队技术正在成为研究热点。 燕山大学电气工程学院的研究人员开展了无人车编队领域的研究，对比室外空旷环境下的无人车编队，无人车在室内环境下无法使用GPS导航系统，而在通常的编队体系结构中，总是需要获得无人车的位姿信息。 对此，燕山大学电气工程学院采用了NOKOV度量动作捕捉系统来实现
C++开发基于ROS实现多差速无人车编队控制源码+使用说明+详细注释
01-15
<项目介绍> 基于ROS实现多差速无人车编队控制 1 依赖 除了需要安装ros环境外，还需要安装eigen、casadi数学运算库 2 拷贝源码与编译 3 运行代码 运行多机器人仿真环境（gazebo与rviz）：roslaunch mydiffcar_gazebo multi_diffcar_gazebo.launch 运行编队控制器：roslaunch n - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到96分，放心下载使用！ 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 --------
【Paper】2018_多机器人领航-跟随型编队控制
赵继超的笔记
11-20 6368
师五喜,王栋伟,李宝全.多机器人领航-跟随型编队控制[J].天津工业大学学报,2018,37(02):72-78. 文章目录1 机器人模型及问题描述1.1 领航者运动学模型1.2 跟随者运动学模型 1 机器人模型及问题描述 1.1 领航者运动学模型 [x˙y˙z˙]=[cos⁡θ0sin⁡θ001][v(t)ω(t)](1)\left[\begin{matrix} \dot{x} \\ \dot{y} \\ \dot{z} \\ \end{matrix}\right]= \left[\begin{matri
非完整移动机器人领航-跟随编队分布式控制.pdf
09-20
非完整移动机器人领航-跟随编队分布式控制.pdf,针对非完整移动机器人运动学模型的特点，并且考虑机器人之间的交互关系是局部的，提出了一种基于领航 跟随的非完整多移动机器人分布式编队控制方法。首先提出了一种分布式估计策略，为每个跟随机器人估计(虚拟)领航机器人的位置、方向、线速度等状态；接着利用每个跟随机器人的跟踪误差设计了编队控制算法；使用Lyapunov工具对算法进行了渐近稳定性和收敛性分析；最后，构建了多移动机器人视觉定位与控制实验平台，通过仿真和实验验证了所提算法的有效性。
领航者-跟随者船队编队的协同控制仿真
05-17
refer to：一种船队编队控制的backstepping方法_丁磊；...本程序基于领航者-跟随者模型，复现了该论文设计的无人船编队控制方法，注释明了可读性强。并且可以更改模型，用到无人车或无人机编队上。
三个差速无人车通过领航-跟随编队，基于滑模控制器，python代码
05-05
以下是基于滑模控制器的三个差速无人车领航-跟随编队的Python代码示例： ``` import numpy as np import matplotlib.pyplot as plt # 定义滑模控制器 def sliding_control(x, xd, lambda_): u = -lambda_ * np....
三个无人车通过领航-跟随编队，基于滑模控制器，python代码
05-05
以下是三个无人车通过领航-跟随编队的基于滑模控制器的Python代码： ```python import numpy as np import math # 定义滑模控制器的参数 k1 = 1.0 k2 = 1.0 lambda1 = 1.0 lambda2 = 1.0 # 定义领航车的目标速度 ...
基于图和流体扰动算法的多无人车编队及避障研究
06-17
- **领航-跟随控制**：基于反步控制理论设计控制器，其中一辆或多辆无人车作为领航者，其他车辆作为跟随者，通过调节速度和方向来调整自己的位置，以达到期望的编队形状。李雅普诺夫稳定性分析证明了该编队形状在...
基于gazebo的多无人车自主导航编队仿真学习
weixin_42933461的博客
08-11 1682
基于gazebo的多无人车自主导航编队仿真学习
领航跟随型编队（十四）室内定位技术概述
Heronita的博客
03-19 1823
室外定位技术提出早、发展快且成果显著。室内定位技术相比而言起步较晚，该领域还有很多空白，但人们对室内定位技术的关注从未中断。美国联邦通信委员会FCC（Federal Communications Commission）在1996年制定了E-911定位标准[1]，然后在各行业应用需求的推动下，室内定位技术得到了快速的发展。目前，国内外研究者们提出了蓝牙、红外线、RFID、WLAN、超宽带、超声波等室...
基于PX4飞控的双机领航-跟踪的理论分析与实验验证
weixin_47546390的博客
12-12 1587
双机领航-跟踪是最简单的无人机分布式控制，是实现大规模集群分布式控制的基础，本文主要记录对如何实现双机跟踪护航控制的思考以及验证实验。
领航-跟随型编队 （六）避障问题综述
Heronita的博客
03-16 9679
领航-跟随型编队避障问题指编队在运动过程中，领航机器人根据某种方式获取与识别前方障碍物，同时编队整体采取一定方法及时规避障碍物与防止内部碰撞，涉及到障碍物检测、编队避障规划、编队避碰协调，运动控制等问题。本文在总结现有文献的基础上，将编队避障问题主要分解为在以下几个方面[7-10]： （1） 避障规划与避碰协调问题。即在实现单个移动机器人路径规划问题的基础上，如何建立一个控制模型并以某种运动规则...
【论文笔记】虚拟领导者控制编队机动
clzsl的博客
02-19 4404
【名称】Formation control of unmannedmicro aerial vehicles for straitened environments 【刊物】Autonomous Robots 【时间】2020.3 摘要：本文提出了一种新的方法来控制和运动规划多架无人驾驶微型飞行器（多旋翼直升机，在文献中通常也称为无人驾驶飞行器 - UAV 或无人机系统 - UAS）在杂乱无章的 GPS 拒绝环境中。 所提出的方法使我们能够在虚拟领导者 - 跟随者方案中自主设计紧凑型微型飞行器 (MA
一个简单的多机器人编队算法实现--PID
热门推荐
zhangrelay的专栏
01-31 1万+
由于一些资源链接失效，如下文档还可以使用： https://download.csdn.net/download/zhangrelay/9514411 用PID进行领航跟随法机器人编队控制 课题2：多机器人编队控制 研究对象：两轮差动的移动机器人或车式移动机器人 研究内容：平坦地形，编队的保持和避障，以及避障和队形切换算法等；起伏地形，还要考虑地形情况对机器人行驶运动的影响。 研究目的：实现...
基于gazebo的无人车编队仿真实战总结（二）
weixin_42933461的博客
08-19 1251
gazebo无人车编队仿真
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