ROS自学实践(7):ROS进行激光SLAM建图——hector_slam

本节主要记录运行ROS自带的SLAM建模包hector_slam方法,为后续理解这些代码,建立自己的SLAM算法打下基础。

  • 高斯牛顿法
  • 二维栅格地图
  • 不需要里程计信息

1.通过命令行安装hector_slam包

sudo apt-get install ros-kinetic-hector-slam

2.配置hector_slam节点

<?xml version="1.0"?>
<launch>

    <node pkg = "hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">
        <!-- Frame names -->
        <param name="pub_map_odom_transform" value="true"/>
        <param name="map_frame" value="map" />
        <param name="base_frame" value="base_link" />
        <param name="odom_frame" value="odom" />

        <!-- Tf use -->
        <param name="use_tf_scan_transformation" value="true"/>
        <param name="use_tf_pose_start_estimate" value="false"/>

        <!-- Map size / start point -->
        <param name="map_resolution" value="0.05"/>
        <param name="map_size" value="2048"/>
        <param name="map_start_x" value="0.5"/>
        <param name="map_start_y" value="0.5" />
        <param name="laser_z_min_value" value = "-1.0" />
        <param name="laser_z_max_value" value = "1.0" />
        <param name="map_multi_res_levels" value="2" />

        <param name="map_pub_period" value="2" />
        <param name="laser_min_dist" value="0.4" />
        <param name="laser_max_dist" value="5.5" />
        <param name="output_timing" value="false" />
        <param name="pub_map_scanmatch_transform" value="true" />

        <!-- Map update parameters -->
        <param name="update_factor_free" value="0.4"/>
        <param name="update_factor_occupied" value="0.7" />    
        <param name="map_update_distance_thresh" value="0.2"/>
        <param name="map_update_angle_thresh" value="0.06" />

        <!-- Advertising config --> 
        <param name="advertise_map_service" value="true"/>
        <param name="scan_subscriber_queue_size" value="5"/>
        <param name="scan_topic" value="scan"/>
    </node>

</launch>

3.运行gazebo模型及hector_slam节点

4.打开rviz

在这里插入图片描述
在建模初期,图像不稳定,等机器人运动起来之后,由于内部激光里程计工作的原因,图像会稳定很多。

5.移动小车,建立模型

在建立模型的过程中,由于环境比较单一,可能是算法不太容易形成回环,并且激光里程计的误差,只要速度稍微快一些,或者转向快一些,就会出现定位漂移,导致建立的地图失真。
在这里插入图片描述

6.查看各个节点的坐标转换关系

rosrun rqt_tf_tree rqt_tf_tree

在这里插入图片描述
参考文献:
1:深蓝学院-ROS理论与实践

  • 3
    点赞
  • 41
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
回答: 如果你想在ROS进行SLAM建图,你可以按照以下步骤进行操作。首先,确保你的rosdep正常工作。如果不正常,你可以通过手动安装依赖清单来解决。你可以使用以下命令来安装所需的依赖项: sudo apt-get update sudo apt-get install ros-$ROS_DISTRO-teleop-twist-keyboard ros-$ROS_DISTRO-amcl ros-$ROS_DISTRO-move-base ros-$ROS_DISTRO-slam-gmapping ros-$ROS_DISTRO-slam-karto ros-$ROS_DISTRO-cartographer ros-$ROS_DISTRO-cartographer-ros ros-$ROS_DISTRO-dwa-local-planner ros-$ROS_DISTRO-teb-local-planner ros-$ROS_DISTRO-uvc-camera ros-$ROS_DISTRO-map-server ros-$ROS_DISTRO-hector-slam* ros-$ROS_DISTRO-global-planner ros-$ROS_DISTRO-navfn -y \[1\] 接下来,你可以参考GitHub上提供的示例launch文件来编写你自己的launch文件。这个示例文件可以在ros-perception/slam_gmapping仓库中找到。\[2\] 在创建功能包时,确保导入以下依赖项: gmapping、map_server、amcl和move_base。gmapping用于构建地图,map_server用于保存和读取地图,amcl用于定位,move_base用于路径规划。\[3\] #### 引用[.reference_title] - *1* [基于ROSSLAM建图、自动导航、避障(冰达机器人)](https://blog.csdn.net/weixin_45509406/article/details/125387424)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [ROS学习第四十一节——SLAM建图](https://blog.csdn.net/qq_45685327/article/details/130335143)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [ROS导航实现:SLAM建图slam_gmapping)与保存(map_server)](https://blog.csdn.net/weixin_45205599/article/details/129739968)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 5
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