MOOC ROS7 SLAM和MAP

ROS常用来开发：SLAM 路径规划 机器视觉

SLAM：同步定位和建图
研究slam时，一般假设路径规划是已经解决的问题
SLAM常用的开源算法包 Gmapping karto Hetor Cartographer

Localization:AMCL
path planing: Navigation 其中又分成 global （dijkstra,A*） 和local(DWA) 问题

建图MAP

一个topic /map msg类型 OccipancyGrid(栅格地图)
三部分
报头header ：序列 时间戳 和frame（就是map）
信息 info ：存储了当前地图的一些相关信息 （地图加载时间，像素m/pixel 一个像素代表多少m 一般0.05 0.025 ，宽度，高度 pixel） geometry_msgs/pose orgin描述了初始化时相较于map这个frame的位置和朝向
数据 data：最重要的就是data，实际每一格地图的数值，数值表示的就是cost，机器人走到这一格要消耗的成本，用数组来表示，长度就是width×height 每一个像素都是一个字节，用来存放cost

Gmapping

最核心的node slam_gamapping
需要：感知环境（laser odom里程计 又分为encoder visual imu）
输入就两个
/tf ：其中tf必须是base 到 odom的tf，里程计到机器人底盘之间的坐标转换关系，这个是通过odom 的 encoder visual imu读出来的，slam_gamapping只关心base 到 odom的tf
/scan

发布的：
**/tf ：**就是用来定位的，发布的是map到odom之间的tf，也就知道了map和base之间的转换关系了，就实现了定位，tf tree就连通了，这里MAP指的是frame，坐标系

**/map：**把每次建图的结果图片发到 /map上，更新地图。这个map又会被很多其他的node接受，例如path planning ，Rviz中看到地图，也是因为订阅了map，这个map指的是topic

**/map_metadata：**把地图的一些信息，高度，宽度，分辨率单独作为一个topic发送出来了

**/entropy：**建图的精度

Gmapping Service

提供了一个服务，没有request，不用请求，直接调用，显示当前地图，提供了一个地图查询服务。
还有一些详细的参数

Karto Topic

一般map就是三个坐标系

odom通过encoder之类的计算，会有累计误差，但是slam不光接收odom和base之间的tf ，同时会修正误差，发布odom和map之间的tf。
slam一方面接受odom作为输入，定好位之后输出一个tf，也就是对之前odom的tf进行修正。无论是Gmapping karto 还是 AMCL都是这种算法，这是slam或者定位的算法所需要的工作。

相对的

只靠odometry 只用里程计来定位，不用一些优化算法来校正，这种方法map和odom之间的关系是固定的

例子：

roslaunch robot_sim_demo robot_spawn.launch 
roslaunch slam_sim_demo gmapping_demo.launch
roslaunch slam_sim_demo view_slam.launch