qq_45252077的博客

记录下将fast_planner规划算法应用到Turtlebot3机器人过程中遇到的思路和一些问题。由于实机和仿真中的机器人传感器等硬件不同，在一开始并不能确定怎样才能将仿真中的效果作用到实机，就不断的想出新的思路尝试着实现，但大部分想法做着做着由于遇到当前无法解决的问题而放弃，目前实现的思路可能不是最理想的，但一定是最简便的。fast_planner感知深度信息构建地图，但turtlebot3实机并没有3维激光雷达，就通过下面的代码，将LaserScan消息转换为PointCloud2类型，构建出fast

前阵子实现了，Fast_planner无人机模型替换为Turtlebot3模型实现无地图的轨迹规划，最近尝试了几种方法是Turtlebot3小车跟踪规划出的轨迹，以实现在未知环境中也能实时避障的效果。以上就是基于Turtlebot3模型的轨迹跟踪的内容，后面将其扩展到多机…

今天闲的没事，正好是10/24，CSDN有活动，就把之前做的一些多机器人编队避障算法（主要是纯控制避障）梳理小结下( •̀ ω •́ )✧这两种方法都存在较大的问题，也简单的尝试了将这两种方法应用于多机器人编队中，但结果远远低于预期，两种方法存在相同的缺陷，在编队行进过程中一旦遇到障碍物，编队就离散后面也很难继续保持编队前进。

前段时间已经成功将Fast_planner配置到ubuntu机器人中，这段时间将Fast_planner中的无人机模型替换为了Turtlebot3_waffle模型，机器人识别到环境中的三维障碍物信息，并完成无地图的轨迹规划。Fast_planner规划期望目标位置与实际位置-解决后。

承接上文，想要通过MPC进行轨迹的跟踪，参考了一些教程，打算采用OSQP，OSQP-Eigen求解器进行机器人控制输入U(k)的计算。求解器的安装我是按照这篇博客linux安装eigen/osqp/osqp_eigen库，记录下操作流程。另一个原因是备份一下Eigen OSQP OSQP-EIGEN安装包：因为我在github上下载了Eigen OSQP OSQP-EIGEN源码，但在后面进行编译时一直不通过，后面换了现在文章中的Eigen OSQP OSQP-EIGEN包后顺利编译。

最近想要做有轨迹引导的多机器人编队，打算采用分布式的编队架构，实时的给每个机器人规划出目标位置，然后通过Fast_Planner生成避障路径，再通过改进的mpc进行跟踪。先记录下配置Fast_Planner时遇到的问题。（未完待续）…

前面已经实现了在gazebo仿真环境中机器人一字型编队、三角形编队、N字型编队等仿真，接下来考虑多机器人编队在编队行进过程中的避障问题，通过在RVIZ中加载多个机器人使他们能分别进行全局和局部路径规划，来进行避障。简单总结了Turtlebot3多机器人编队仿真，在实现的过程中需要对RVIZ仿真环境进行配置，这个花费了我很长时间，后面我会专门的写一下，主要是添加多个2D nav Goal/2D pose estimate，以及导航、laser、全局路径/局部路径话题的订阅。