turtlebot深度相机_在ROS中开始自主机器人仿真 – 5 机器人环境探索与避障

本文介绍了一个基于turtlebot的自主移动机器人系统,通过ROS实现环境探索与避障功能。机器人通过Kinect深度相机获取数据,通过点云处理进行避障决策。文章详细阐述了系统架构,包括感知、避障、导航和运动控制四个部分,并提供了软件组织结构和仿真结果。
摘要由CSDN通过智能技术生成

目前为止, 我们都旨在构建一个能够自主运行的机器人,这个就研究方向更加合理的名词应该叫自主移动机器人. 推荐一本个人觉得很不错的书 Ronald C. Arkin – 2011- Introduction to Autonomous Mobile Robots. 本文的主要目的是先把框架搭起来, 采用原型模式, 然后在此基础上循环的进行深化, 望能够起到抛砖引玉的作用.

Part 5 机器人环境探索与避障

一个完整的自主移动机器人应该是一个see-think-act的环路, 包括机器人感知, 定位与制图, 路径规划, 运动控制.

10e6039adf47352bfe5f4588903b191a.png

导航规划部分可以分为全局的目标导航(路径规划), 和局部的导航(避障). 机器人刚开始进入环境. 没有明确的终点设定, 机器人在环境中进行自由探索, 主要依赖避障来控制机器人的运动.

Turtlebot提供Kinect相机可以用于避障, 对于RGB-D深度相机的避障可分为两类. 第一就是直接采用Kinect点云避障, 可以使用SBPL (Search-based planning library), OMPL (Open Motion Planning Library)等库. 第二类, 将点云转换为平面的laser scan, 类似于gmapping, cartographer, 采用DWA (Dynamic Window Approach) 或者 TEB (Timed Elastic Band algorithm)避障.

这里我们采用一种更加简单的方式, 将点云进行裁剪, 然后在水平方向求和, 根据左右两边障碍物点云判断向左向右运动, 参考robot-photographer.

1 架构

本文中所述的自主移动机器人采用turtlebot,

评论
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