集成Planner与Px4的运行参考

最新推荐文章于 2023-08-28 14:08:25 发布
最新推荐文章于 2023-08-28 14:08:25 发布
阅读量1.4k 收藏 14
点赞数 2
文章标签： 经验分享
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_52178286/article/details/121779034
版权

集成Planner与Px4的运行参考 

下载代码

下载相关代码(由于部分需要科学上网环境下载且下载内容不全，故首先借助百度网盘进行下载，之后移植到Linux环境下进行下载）

链接：link

提取码为:0000

准备操作

首先需要将install中./setup文件中https更改为git，保存文件，之后需要在有梯子和无梯子环境下运行该文件(即setup目录下运行./setup两次)

之后在Firmware文件中打开控制端运行(Firmware与Px4放在主目录下)

make distclean
​DONT_RUN=1 make px4_sitl gazebo

如果出现报错情况请根据提示下载相应的包文件，再重新运行第一行和第三行代码

之后再对于src文件重新编译，即

catkin build multi_map_server
catkin build

如果出现以下报错

/usr/bin/lb:找不到-lpose_utils

请运行

locate libpose_utils.so

此时查找到路径，并将其修改为/usr/bin/lb

sudo ln -s 当前路径  /usr/bin/libpose_utils.so

重新执行上一步

最后运行程序

roslaunch px4_fast_planner px4_fast_planner.launch

如果运行后需要下载数据集，则可以通过自行百度下载该数据，然后重新运行代码

烟语如花
关注
  • 2
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
px4+vins+ego单机鲁棒飞行一（px4+mavros篇）
qq_35616298的博客
07-17 4350
px4+vins+ego单机鲁棒飞行一（mavros篇）一、mavors安装二、mavros中的重要topic三、mavros中使用的部分重要msg 一、mavors安装 参考教程 添加用户权限 sudo usermod -a -G dialout $USER 二进制安装mavros sudo apt-get install ros-melodic-mavros ros-melodic-mavros-extras ros-melodic-control-toolbox 安装Geographic
【无人机自主导航10 自主导航】PX4仿真环境下RGBD+港科大Fast-Planner旋翼无人机自主导航
GanAHE的博客
04-13 3781
以开源项目XTDrone、Promethus、px4_fast_planner等为例，自行迁移修整的基于RGBD深度相机与港科大的Fast-Planner路径优化项目，实现无人机的自主导航飞行与避障。 一、环境及依赖 1.1 仿真环境 项目 配置 平台 Ubuntu18.04 硬件 8G i5 NVIDA GTX1080T ROS melodic mavros 2.1 依赖包 二、配置环境与测试 三、无人机自主导航 四、最终飞行效果 4.1 穿越凉亭 一次 二次 4.
无人机自主定位导航避障VINS+fast_planner实测～
pjc云乐阁
07-08 2616
将项目开发用到的技术和难点在这记录一下。。。常更新
EGO_Planner代码学习（三）：px4ctrl代码流程
qq_41069236的博客
06-07 2578
上节阅读了EGO_Planner的轨迹服务器部分的代码，其实质是将规划器生成的轨迹进行离散化，间隔10ms计算当前时刻在轨迹上的位置，并发送到话题上。这两天抽空看了下控制器部分的代码，在l这个软件包里，它的功能是进行px4的模式识别和上层控制，通过线性控制器把发布过来的位置命令解算成飞控的控制量，通过mavros发送给px4。下面就详细看一下它的启动过程。
无人机路径规划3：ego-planner三维运动规划实现
dueen1123的博客
03-28 8852
XTDrone实现ego-planner 编译ego-palnner cp -r ~/XTDrone/motion_planning/3d/ego_planner ~/catkin_ws/src/ cd ~/catkin_ws/ catkin_make #或catkin build 遇到报错，安装各种依赖库，把显示未安装的全部安装一遍 apt search occupancy
ego-planner+PX4自定义控制器V1版本
最新发布
04-07
ego-planner+PX4自定义控制器V1版本
px4_1.6.5 固件
04-20
pixhawk固件 1.6.5稳定版本。可通过missionplanner或QGC直接下载到飞控中
Mission Planner 安卓版apk安装包
05-14
Mission Planner 安卓版apk安装包，2022年5月12日更新
无人机MissionPlanner-master控制软件开源源码
09-21
无人机MissionPlanner-master控制软件开源源码
Mission Planner.apk
09-14
Mission Planner安卓版
Fast-Planner:一种用于四旋翼飞机的鲁棒高效的轨迹规划器
05-02
快速计划者 Fast-Planner的开发旨在在复杂的未知环境中实现四旋翼快速飞行。 它包含一组精心设计的规划算法。 新闻： 2021年3月13日：快速自主探索的代码现已发布！ 查看此以获取更多详细信息。 2020年10月20日：Fast-Planner被扩展并应用于快速的自主勘探。 查看此以获取更多详细信息。 作者：和从，从。 完整的视频： ， ， 。 关于这项工作的示威活动已经报道了IEEE光谱： ， 第二页， 第三页（在网页搜索HKUST）。 要在几分钟内运行此项目，请选中“快速入门” 。 查看其他部分以获取更多详细信息。 请请星号 :star: 这个项目对您有帮助。 我们竭尽全力发展和维护它 :beaming_face_with_smiling_eyes: :beaming_face_with_smiling_eyes: 。 目录 快速开始 算法与论文 设置和配置 运行模拟 在您的应用程序中使用 更新 1.快速入门 该项目已经在Ubuntu 16.04（ROS Kinetic）和18.0
深入解读Fast-Planner算法看这一篇就够！（含Ubuntu20.04 + Ros noetic 环境下 Fast-planner 算法仿真环境的配置与真机效果演示。）
weixin_43793717的博客
08-28 5553
学习Fast-Planner必读文章，本文包含了论文解读、仿真环境配置、真机测试的详细步骤与问题解答，此文是笔者对于Fast-Planner算法理解的叙述与仿真的记录，所有内容皆是原创，假设论文解读已超过万字，所有内容都是笔者一个一个敲出来的，希望对大家理解Fast-Planner算法能够有所帮助。
[学习记录]realsence d455 +vins-fusion+px4+ego_planner下无人机的悬停与控制
weixin_41967369的博客
06-13 4599
主要用于学习交流，持续修改与更新
Fast Planner 轨迹规划
世界仙境与冷酷尽头's Blog
09-14 6184
Robust and Efficient Quadrotor Trajectory Generation for Fast Autonomous Flight
fast-planner 港科大
weixin_35536487的博客
02-02 3545
可以使用能够更顺畅地改变航向的航向（偏航角）计划器。 现在可以使用在线建图算法。 它可以将深度图像和相机姿势对作为输入，进行射线广播以更新概率体积图，并为规划系统建立欧几里德有符号距离场（ESDF）。 __Fast-Planner__是一个强大而高效的计划系统，可为四旋翼飞机实现敏捷，快速的自主飞行。 它从里程计，传感器流（例如深度图像和点云）中获取信息，并在几毫秒内输出高质量的轨迹。即使在未知和混乱的环境中，它也可以支持激进的，完全自主的飞行。 该软件包包含__Fast-Planner __（位于
Fast planner 基本原理学习(一)
chunyu_w的博客
06-04 7157
FastPlanner学习笔记
fast-planner读取不到真实地图
weixin_44413712的博客
05-20 2244
fast-planner读取不到真实地图问题描述解决过程合理的创建标题，有助于目录的生成 问题描述 系统环境：Ubuntu16.04 硬件：双目相机intel D435i，机载电脑intel NUC 最终目标是实现视觉惯性导航的无人机自主飞行。 之前已经使用d435i跑通了vins-mono，跑通了fast-planner，但是在fast-planner打开的rviz窗口中，显示不到相机采集到的实际地图环境。 前期过程参考了 从零实现vins-mono+fast-planner+M100无人机实验在现实场
android快速开发--常用utils类
diaodishui8923的博客
11-03 177
1、日志工具类L.java package com.zhy.utils; import android.util.Log; /** * Log统一管理类 * * * */ public class L { private L() { /* canno...
global_planner_params.yaml参考文件
03-26
# Global Planner Parameters # maximum distance to the goal point goal_distance_tolerance: 0.1 # maximum allowed numerical error for goal position xy_goal_tolerance: 0.2 # maximum allowed numerical error for goal orientation yaw_goal_tolerance: 0.3 # weight for the heuristic function used in the A* algorithm # higher values prefer straighter paths, lower values prefer paths with less turning heuristic_weight: 3.0 # minimum distance to travel before attempting to replan min_replan_distance: 1.0 # minimum amount of time to wait before attempting to replan min_replan_time: 1.0 # tolerance on the robot's heading (in radians) when planning # during rotation commands this is an additional error that gets added to # yaw_goal_tolerance heading_lookahead: 0.325 # minimum lookahead to do during path planning. A shorter lookahead is more # cautious (especially in tight spaces) but may be more effective at avoiding # collisions with complex obstacles min_lookahead_distance: 0.4 # maximum lookahead to do during path planning max_lookahead_distance: 2.0 # if true, the global planner will only plan one step at a time # rather than to the final goal state intermediate_planning: false # what topic the planner should use for status feedback planner_frequency: 0.5 planner_topic: "planner_status" # how close the robot must be to the global plan before updating it with # a new one plan_update_distance: 0.5 # how often the planner should be allowed to make new plans. A value of 0 # means plans will be made as often as possible planner_patience: 5.0 # penalty for robot rotation during path planning. A higher penalty will # cause the planner to prefer straighter paths with less turns rotation_penalty: 0.8 # maximum absolute rotation speed allowed while navigating along the global # plan max_rotation_speed: 1.0 # maximum speed to travel along the global plan max_velocity: 0.6 # If true, the global planner will try to avoid obstacles with a combination # of steering and braking. Otherwise, it will only steer around obstacles braking_enabled: true # how many times to retry a goal update if the previous attempt resulted in a # collision or other error. # If set to -1, it will retry indefinitely goal_update_retries: 3 # Whether or not to use the extrinsic rotation control method in the planner use_extrinsic_rotation: true # Enabling this parameter causes the global planner to use # differential constraints for smoother trajectories use_differential_constraints: true # Enabling this parameter causes the planner to assume the # robot is driving on the right-hand side of the street drive_on_right: true # Timeout for the planning process (in seconds). If planning takes longer # than this, the planner will abort and return a failure status planning_timeout: 5.0 # If set, this parameter limits the maximum planning distance the # planner will use. Set to -1 for no limit. max_planning_distance: -1 # Enabling this parameter causes the planner to ignore the robot's ground # clearance when planning. ignore_ground_clearance: false # Whether the planner should try to avoid going backwards avoid_going_backwards: false # The maximum distance (in meters) that the planner will consider changing # the orientation of the robot to better follow the path. Set to -1 to # disable this behavior. max_orientation_change: 0.9 # The minimum distance (in meters) that the planner will consider # detecting a change in orientation of the robot to better follow the path. # Set to -1 to disable this behavior. min_orientation_change: 0.5 # Whether the planner should attempt to use the current local plan when planning. # If set to true, the planner will attempt to connect the current local plan # to the new plan. If set to false, the planner will always start from the robot's # current pose. use_local_plan: true # Whether the planner should attempt to use the current local costmap when planning. # If set to true, the planner will use the local costmap to build an estimate # of the robot's surroundings. If set to false, the planner will only use the # global costmap. use_local_costmap: true # Whether the planner should use the old behavior of setting waypoints to # the right of the global plan. This behavior causes the robot to execute # the plan with a rightward shift. However, it can be problematic if the plan # encounters obstacles on the left side. use_typical_rightward_shift: false # Whether the planner should use a zero velocity as a way to avoid oscillations. # If set to true, the planner will stop the robot and wait for the current goal # to either become unreachable or within the goal tolerance. stop_when_goal_rejected: false # The time (in seconds) that the planner will stop and wait (in case of oscillations) # before trying to replan. stop_and_wait_time: 2.0 # Distance (in meters) to be left before the end of the path. This can be useful # when the robot should stop at a certain distance from the goal pose. path_distance_offset: 0 # Maximum allowed speed deviation from the global plan (in m/s). max_allowed_speed_deviation: 1.0 # Maximum allowed angular deviation from the global plan (in rad). max_allowed_angular_deviation: 1.57 # Whether or not to use a linear navigation function to bias global plan costs toward closer parts of the map. use_linear_navigation_function: false # Whether or not to use a terrain independent cost scale to bias global plan costs toward flatter regions. use_terrain_independent_cost_scale: true # The maximum number of obstacles to check against during planning. max_obstacle_check_count: 500 # If true, the planner will skip planning during the first update cycle after initialization. skip_initial_planning: false # Scaling factor for the distances used in the Adaptive Sampling Path algorithm as_scaler: 1.0 # The maximum length of the Adaptive Sampling Path segments as_max_segment_length: 1.0 # The turning radius for the robot used in the prediction step of the Adaptive Sampling Path algorithm as_robot_radius: 0.3 # The number of areas forward used for heading smoothing in the Adaptive Sampling Path algorithm. # Set to 0 if heading smoothing is not desired. as_heading_smoothing_areas: 0 # The maximum distance the Adaptive Sampling Path algorithm will plan for. # Set to -1 for no limit. as_max_global_plan_distance: -1 # How many layers of costmaps to plan in. A higher value will allow the global # planner to take into account more layers of static and dynamic obstacles. # 0 means only use the base global costmap. planning_layers: 0

“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 8
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

打赏作者

烟语如花

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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