ROS理论与实践(以移动机器人为例)连载(十)【完结】 ——机器人综合应用—“迷宫寻宝”

这讲会提供示例代码!


1. “迷宫寻宝” 之任务发布

已知迷宫地图的覆盖范围(10*10m),其中某处藏有一处明显标记的宝藏(红色圆球),机器人在未知环境的情况下从起点出发,自主寻找宝藏,寻得宝藏之后需返回起点,任务完成。

  • 地图预先使用Gazebo创建完成,并在Gazebo完成所有任务;
  • 机器人在起点运动时开始计时,寻得宝藏回到起点后计时终止,须在5min内完成任务;
  • 机器人搭载的传感器没有限制;
  • 机器人接近宝藏1m范围内即认为获取宝藏;
  • 机器人获取宝藏后,需通过语音播报状态信息;
  • 宝藏的位置不固定,允许动态调整。

迷宫环境可以使用Building Editor建立,二维图中有长度信息。

2. “迷宫寻宝” 之任务分析

  1. 机器人建模仿真
  2. 图像识别
  3. 语音交互
    • 科大讯飞 SDK
  4. 自主导航
  5. SLAM
  6. ROS通信机制
  7. 系统设计与集成
    在这里插入图片描述

需要通过图像识别object_detect寻找到宝藏的位置,通过目标位置调整机器人的位置,使得机器人向它运动(视觉伺服),通过exploring_maze导航、通过gmapping建图。将导航目标点发送给move_base进行避障自主导航。tts_subscribe是之前提到过的科大讯飞开放平台提供的语音合成例程,这里用来发布寻找到目标物体的语音。

3. “迷宫寻宝” 之具体实现

①机器人建模

为了完成上述任务,给机器人搭建仿真环境时,添加camera、laser。

在这里插入图片描述

mbot_base_gazebo.xacro

<?xml version="1.0"?>
<robot name="mbot" xmlns:xacro="http://www.ros.org/wiki/xacro">

    <!-- PROPERTY LIST -->
    <xacro:property name="M_PI" value="3.1415926"/>
    <xacro:property name="base_mass"   value="1" /> 
    <xacro:property name="base_radius" value="0.20"/>
    <xacro:property name="base_length" value="0.16"/>

    <xacro:property name="wheel_mass"   value="0.2" />
    <xacro:property name="wheel_radius" value="0.06"/>
    <xacro:property name="wheel_length" value="0.025"/>
    <xacro:property name="wheel_joint_y" value="0.19"/>
    <xacro:property name="wheel_joint_z" value="0.05"/>

    <xacro:property name="caster_mass"    value="0.2" /> 
    <xacro:property name="caster_radius"  value="0.015"/> <!-- wheel_radius - ( base_length/2 - wheel_joint_z) -->
    <xacro:property name="caster_joint_x" value="0.18"/>

    <!-- Defining the colors used in this robot -->
    <material name="yellow">
        <color rgba="1 0.4 0 1"/>
    </material>
    <material name="black">
        <color rgba="0 0 0 0.95"/>
    </material>
    <material name="gray">
        <color rgba="0.75 0.75 0.75 1"/>
    </material>
    
    <!-- Macro for inertia matrix -->
    <xacro:macro name="sphere_inertial_matrix" params="m r">
        <inertial>
            <mass value="${m}" />
            <inertia ixx="${2*m*r*r/5}" ixy="0" ixz="0"
                iyy="${2*m*r*r/5}" iyz="0" 
                izz="${2*m*r*r/5}" />
        </inertial>
    </xacro:macro>

    <xacro:macro name="cylinder_inertial_matrix" params="m r h">
        <inertial>
            <mass value="${m}" />
            <inertia ixx="${m*(3*r*r+h*h)/12}" ixy="0" ixz="0"
                iyy="${m*(3*r*r+h*h)/12}" iyz="0"
                izz="${m*r*r/2}" /> 
        </inertial>
    </xacro:macro>

    <!-- Macro for robot wheel -->
    <xacro:macro name="wheel" params="prefix reflect">
        <joint name="${prefix}_wheel_joint" type="continuous">
            <origin xyz="0 ${reflect*wheel_joint_y} ${-wheel_joint_z}" rpy="0 0 0"/>
            <parent link="base_link"/>
            <child link="${prefix}_wheel_link"/>
            <axis xyz="0 1 0"/>
        </joint>

        <link name="${prefix}_wheel_link">
            <visual>
                <origin xyz="0 0 0" rpy="${M_PI/2} 0 0" />
                <geometry>
                    <cylinder radius="${wheel_radius}" length="${wheel_length}"/>
                </geometry>
                <material name="gray" />
            </visual>
            <collision>
                <origin xyz="0 0 0" rpy="${M_PI/2} 0 0" />
                <geometry>
                    <cylinder radius="${wheel_radius}" length="${wheel_length}"/>
                </geometry>
            </collision>
            <cylinder_inertial_matrix  m="${wheel_mass}" r="${wheel_radius}" h="${wheel_length}" />
        </link>

        <gazebo reference="${prefix}_wheel_link">
            <material>Gazebo/Gray</material>
        </gazebo>

        <!-- Transmission is important to link the joints and the controller -->
        <transmission name="${prefix}_wheel_joint_trans">
            <type>transmission_interface/SimpleTransmission</type>
            <joint name="${prefix}_wheel_joint" >
                <hardwareInterface>hardware_interface/VelocityJointInterface</hardwareInterface>
            </joint>
            <actuator name="${prefix}_wheel_joint_motor">
                <hardwareInterface>hardware_interface/VelocityJointInterface</hardwareInterface>
                <mechanicalReduction>1</mechanicalReduction>
            </actuator>
        </transmission>
    </xacro:macro>

    <!-- Macro for robot caster -->
    
  • 14
    点赞
  • 105
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
ROS机器人操作系统)是一个开源软件平台,用于构建机器人系统。ROS提供了一套强大的工具和库,使机器人能够感知、计划和执行各种任务。ROS机器人的未知环境导航是指机器人在没有事先对环境进行编程或预先了解的情况下,能够通过自主感知和决策来导航到目标位置。 在ROS中,未知环境导航主要涉及到以下几个方面的功能和技术: 1. 环境感知:ROS机器人可以通过各种传感器,如激光雷达、摄像头等,对周围环境进行感知。通过实时收集和处理传感器数据,ROS机器人可以构建环境地图,并使用该地图进行导航。 2. 自主定位:ROS机器人还可以利用激光雷达等传感器进行自主定位。通过将机器人当前位置与地图进行匹配,机器人可以准确地知道自己在未知环境中的相对位置。 3. 路径规划:ROS提供了强大的路径规划功能,使机器人能够根据当前位置和目标位置,生成一条适合导航的路径。路径规划算法可以根据地图和其他环境信息进行优化,以确保机器人能够安全、高效地导航。 4. 避障:在未知环境中,机器人可能会遇到各种障碍物。ROS机器人可以利用传感器数据,识别并避开这些障碍物,以确保导航的安全性和可靠性。 5. 实时反馈:ROS机器人可以通过传感器数据和导航算法的实时反馈,对机器人的导航进行动态调整。这样,机器人能够及时地应对环境变化,保证导航的准确性和灵活性。 综上所述,ROS机器人的未知环境导航能力是通过感知、定位、路径规划、避障和实时反馈等功能实现的。这些功能的协同配合,使得ROS机器人能够在未知环境中自主导航,并且能够应对各种不确定因素,从而实现精确、高效的导航任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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