ROS小车——雷达的使用与SLAM建图（4）

已于 2022-10-26 18:54:51 修改
阅读量4.2k 收藏 40
点赞数 4
分类专栏： ROS小车 文章标签： 机器人
于 2022-10-26 11:28:47 首次发布
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/weixin_45947476/article/details/127527339
版权

文章目录

前言

启动激光雷达并查看数据，建图并避障导航

一、激光雷达

1.启动激光雷达

roslaunch robot_navigation lidar.launch在终端输入启动雷达，雷达开始旋转，
并打印scan话题，rostopic echo/scan，在虚拟机中 roslaunch robot_navigation lidar_rviz.launch 查看图形化的雷达数据。

捕获

二、运行激光SLAM

1.打开slam

roslaunch robot_navigation robot_slam_lidar.launch在终端输入启动slam,
虚拟机输入roslaunch robot_navigation slam_rviz.launch
捕获2

2.机器人运动建图

新终端运行遥控节点rosrun teleop_twist_keyboard teleop_twist_keyboard.py
红色为边界，移动中不能发生碰撞，在实验室的建图如图所示。
捕获3
保存地图的位置是robot_anvigation目录下的一个map文件，跳转过去roscd robot_navigation/maps/,rosrun map_server map_saver map_saver -f map,地图名字为map

3.机器人导航避障

先启动机器人导航应用，roslaunch robot_navigation robot_navigation.launch,
此处启动上面的map地图，打开虚拟机使用已经配置的rviz文件，roslaunch robot_navigation navigation_rviz.launch
捕获
此时还没有定位，是有偏差的。用2D Pose Estimate来重新标定一个起始点。然后2D Nav Goal规划路径。

在这里插入图片描述

running snail szj
关注
  • 4
    点赞
  • 踩
  • 40
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Ros入门 （十）----激光雷达避障 简易实现
weixin_51157015的博客
08-16 8859
本篇文章通过订阅/scan话题获取障碍物的距离信息，达到避障目的，提供部分代码，仅供参考。
基于ROS实现的激光雷达+小车+IMU 的 SLAM建图、定位、路径规划基于C++实现+源代码+文档说明.zip
05-14
SLAM建图、定位、路径规划基于C++实现+源代码+文档说明.zip基于ROS实现的激光雷达+小车+IMU 的 SLAM建图、定位、路径规划基于C++实现+源代码+文档说明.zip基于ROS实现的激光雷达+小车+IMU 的 SLAM建图、定位、路径...
基于ROS的激光雷达+小车+IMU的SLAM建图、定位、路径规划c++实现源码+项目说明.zip
04-10
【资源说明】 1、该资源包括项目的全部源码，下载可以直接使用！ 2、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。 3、本资源作为“参考资料”如果需要实现其他功能，需要能看懂代码，并且热爱钻研，自行调试。 基于ROS的激光雷达+小车+IMU的SLAM建图、定位、路径规划c++实现源码+项目说明.zip # 单线激光雷达SLAM建图与路径规划 使用的硬件：autolabor pro1小车、小觅双目相机(S1030标准版本)、IntelNUC迷你主机、显示器、2D激光雷达 Delta-1A 使用的软件：ubuntu 16.04 LTS、ROS-kinetic、小觅驱动、autolabor pro1小车驱动、Delta-1A驱动、VINS-Fusion算法、ROS-navigation导航包、gmapping建图算法、cartographer_ros建图算法 ## tf介绍 tf变换：map(地图坐标系)-->odom(里程计坐标系)——>base_link(小车基座坐标系)——>传感器坐标系(lidar、camera) ---- map-->odom 由建图算法提供 ---- odom --> base_link 由小车驱动提供 ---- base_link --> 传感器坐标系 根据传感器在小车上安装的位置确定，使用static_transform_publisher静态坐标转换来设置 所需传感器数据类型: sensor_msgs/LaserScan 使用Delta-1A驱动发布的雷达扫描话题，话题名：/scan 所需里程计信息数据类型：nav_msgs/Odometry 使用autolabor pro1发布的里程计，话题名：/wheel_odom ## 建图 采用gmapping与 cartographer_ros建图算法分别进行建图 ### gmapping建图：(雷达+小车) 打开终端，执行如下指令: $ cd ~/catkin_ws_lidar_slam/ $ source devel/setup.bash $ roslaunch autolabor_box_launch create_map_gmapping.launch ####打开小车urdf模型、驱动、键盘控制节点、打开雷达驱动、打开gmapping节点、打开rviz可视化节点 ####此时使用键盘的上下左右键控制小车移动，开始建图 ####建图完成后，开启新的终端执行如下指令，保存地图： $ rosrun map_server map_saver -f map_name ####保存地图 map_name为保存地图的名称，运行结果，会生成2个文件，后缀名分别为 .pgm .yaml ### cartographer_ros建图:(雷达+小车) ##打开终端，执行如下指令： $ cd ~/catkin_ws_lidar_slam/ $ source devel/setup.bash $ roslaunch autolabor_box_launch create_map_cartographer.launch ####此时使用键盘的上下左右键控制小车移动，开始建图 ####建图完成后，开启新的终端执行如下指令，保存地图： $ rosrun map_server map_saver -f map_name ......
ROS仿真小车
zhuzhUzzzZAGHndu的博客
06-15 885
在launch目录下，新建一个 box_launch.launch 文件，该 launch 文件需要启动 Rviz，并导入 urdf 文件，Rviz 启动后可以自动载入解析urdf文件，并显示机器人模型，核心问题:如何导入 urdf 文件?创建一个四轮圆柱状机器人模型，机器人参数如下,底盘为圆柱状，半径 10cm，高 8cm，四轮由两个驱动轮和两个万向支撑轮组成，两个驱动轮半径为 3.25cm,轮胎宽度1.5cm，两个万向轮为球状，半径 0.75cm，底盘离地间距为 1.5cm(与万向轮直径一致)
ROS 传感器 激光雷达
2301_79503228的博客
12-27 1529
全称Light Detection And Ranging，主要用于利用激光来检测物体以及测量与物体之间的距离，是一种重要的传感器技术，这种技术被广泛应用于自动驾驶、无人船、无人机等领域，用于避障和环境探测。是一种最常见的激光雷达类型，特点是其激光发生器竖直排列并可以360°旋转，通过不断旋转发射器，将激光点变成线，并在竖直方向上排布多束激光发射器形成面，实现对周围环境的3D扫描。1、机械式激光雷达是当前自动驾驶最成熟的传感器方案，但成本高，尺寸大，难符合车规，机械结构易损坏，可量产性差。
ROS机器人应用（6）—— 激光雷达建图和导航
zyw2002的博客
10-29 9999
gmapping建图节点：algorithm_gmapping.launch。小车初始化节点：turn_on_wheeltec_robot.launch。可以使用键盘控制、APP遥控、PS2遥控、航模遥控进行控制小车运动。注：地图文件可以使用PhotoShop进行编辑。雷达节点：rplidar.launch。
ROS开发之激光雷达数据的解析与应用（自动驾驶，无人船，无人机等等避障）
qq_41050642的博客
03-04 6848
ROS开发之激光雷达数据的解析与应用（自动驾驶，无人船，无人机等等避障） 一、激光雷达工作原理及数据解析 1.常用测距方式 对于市面上的主流激光雷达，主要是用于环境探测、地图构建，按技术路线可分为：三角测距激光雷达，TOF激光雷 2.以某个TOF激光雷达为例 目前激光雷达工作模式基本都是上电，启动测量，输出数据，这样一个三部曲（有的雷达上电后可以直接输出测量数据，有的雷达需要通过驱动下发指令来启动，所以仅仅通电不做其他操作存在上电雷达直接转动和上电不转动两种...
ROS自主建图导航小车项目实践
jjjqqq123321的博客
10-27 1938
ROS自主建图导航小车项目实践
基于激光雷达的SLAM算法对比分析
如有侵权，请联系作者删除
01-19 1857
基于激光雷达的SLAM算法对比分析 下面将Karto，Hector,Gmapping,Cartographer等几种开源算法通过列表的形式进行了对比： Hector Gmapping Karto cartographer scan-matching(Gaussian-Newton equation) +传感器的要求高 mapping采用的是RBPF的方法 KartoSLAM是基于...
rbpf粒子滤波slam matlab程序_2D激光雷达SLAM建图定位与路径规划
weixin_39753616的博客
11-24 1057
简介SLAM（同步定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人等在未知环境下运动时的定位与地图构建问题。目前，SLAM的主要应用于机器人、无人机、无人驾驶、AR、VR等领域。其用途包括传感器自身的定位，以及后续的路径规划、运动性能、场景理解。激光SLAM是目前最稳定、最主流的定位导航方法，但在无结构的环境中，由于缺少足够的几何特征，激光雷达S...
基于激光雷达强度信息的实时SLAM方案
点云PCL
02-23 985
点云PCL免费知识星球，点云论文速读。文章：Real-Time Simultaneous Localization and Mapping with LiDAR intensity作者：Wenqiang Du and Giovanni Beltrame编辑：点云PCL来源：arXiv 2023欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。文章仅做学术分享，如有侵权联系删文。未经博主同意...
基于C/C++及ROS实现的激光雷达+小车+IMU的SLAM建图、定位、路径规划+源码+项目文档（毕业设计&课程设计&项目开发）
最新发布
07-07
基于C/C++及ROS实现的激光雷达+小车+IMU的SLAM建图、定位、路径规划+源码+项目文档，适合毕业设计、课程设计、项目开发。项目源码已经过严格测试，可以放心参考并在此基础上延申使用~ 项目简介： 使用的硬件：...
基于单线激光雷达SLAM建图与路径规划c++实现源码+项目说明(SLAM建图、定位、路径规划).zip
09-21
基于单线激光雷达SLAM建图与路径规划c++实现源码+项目说明(SLAM建图、定位、路径规划).zip 单线激光雷达SLAM建图与路径规划 使用的硬件：autolabor pro1小车、小觅双目相机(S1030标准版本)、IntelNUC迷你主机、...
基于已知点云地图的NDT的激光SLAM定位
xiaojinger_123的博客
07-14 6339
概述 对于L4级自动驾驶系统而言，定位模块通常会融合GNSS、IMU、轮速计（车辆底盘）、摄像头以及激光雷达odometry多种测量，使用滤波算法（EKF、UKF等）以获得平滑、厘米级别的绝对定位，其中基于高精度点云地图和激光雷达的配准定位（Lidar Odometry）因其精度高、可靠性好，在整个融合定位中通常占很大的权重，是自动驾驶定位系统中相对可靠的“绝对定位”数据来源。 依据网上已开源的算法框架以及各位大佬们的经验分享，本文demo为ROS系统下，基于建图算法（SC-LEGO-LOAM）+点云匹配算
用于机器人定位和建图的增强型 LiDAR-惯性 SLAM 系统
3D视觉工坊
01-13 399
点击进入—>3D视觉工坊学习交流群笔者简述：粒子滤波也是一个十分经典的算法，它与卡尔曼滤波的不同之处在于卡尔曼滤波假设概率分布是高斯分布，然后在计算后验概率（pdf）时，利用正态分布的性质，可以计算出来；而粒子滤波的后验概率分布是通过蒙特卡洛方法采样得到的。蒙特卡洛方法很清楚的一点是采样的粒子越多，概率分布越准确，但是计算速度会下降。也就是说如何分布你的有限个数的采样粒子来得到更为准确的后验...
使用ROS开源代码和激光雷达进行小车的定位导航
木独的博客
04-30 2万+
前面的话 之前我做了一个使用激光雷达进行定位的项目，开始了一段时间对ROS、激光雷达的slam等应用的研究。以下我只是记录下我学习的历程以及一些结论，供大家参考。下面主要分为以下四个部分分别进行介绍。 一、前期准备 在前期准备阶段我们需要掌握一定的其他方面的知识 1.linux令的使用：要求能记住一些基本命令其他的多用多查不要...
树莓派+ROS+Arduino造一台导航小车(完整代码+硬件调试)
热门推荐
Drakie的博客
08-25 3万+
（两万字长文慎入）ROS 小车导航平台的软硬件搭建，包括下位机 Arduino的底盘控制编程、上位机树莓派 ROS 分布式环境搭建、ROS navigation 导航功能包的使用，最终实现小车的自主移动与主动避障。
ROS小车（SLAM+物体追踪）
chaganggang的博客
06-10 6101
几种轮子模型 单轮平衡式结构，优点是能量利用率高缺点是转弯的时候需要倾角高速运动下很难进行控制 差速转向的平衡两轮式结构，这种结构能量利用率高上下坡的时候智能车可以保持垂直， 但是高速情况下转向很难控制。 全向三轮结构，这种结构的优点是可以全向移动原地转向，但是由于其结构特点每次前进的时候有一个轮子无法运动轮胎利用率 不高，全向轮的价格贵所以成本高。 阿克曼转向式结构，就是一般的汽车转向方式，优点是转向摩擦力小，缺点是转弯半径大不能原地转向。 全向四轮结构，这种结构相比全向三轮结构多加一个轮子后动力得到
激光SLAM导航系列(四)全局路径规划
月黑风高云游诗人的博客
05-08 7460
全局路径规划简介 机器人移动到目的地需要在做出具体移动策略之前先进行全局路径规划，ROS的navigation中使用global_planner包提供的一系列全局规划的算法接口（包括A*，Dijkstra）。 在本文中我们主要使用A*算法来进行全局路径规划。 A算法* A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距
生成代码：ros小车基于激光雷达slam建图单点导航功能
06-08
以下是一个简单的 ROS 小车基于激光雷达 SLAM 建图单点导航功能的实现代码： ```python #!/usr/bin/env python import rospy from geometry_msgs.msg import Twist from sensor_msgs.msg import LaserScan from nav_msgs.msg import Odometry from tf.transformations import euler_from_quaternion # 回调函数，用于获取小车当前位置 def get_odom(msg): global x, y, yaw x = msg.pose.pose.position.x y = msg.pose.pose.position.y orientation = msg.pose.pose.orientation (roll, pitch, yaw) = euler_from_quaternion([orientation.x, orientation.y, orientation.z, orientation.w]) # 回调函数，用于获取激光雷达数据 def get_scan(msg): global laser_data laser_data = msg.ranges # 判断小车是否到达目标点 def reached_goal(goal_x, goal_y, distance_tolerance): global x, y distance = abs(((goal_x - x)**2 + (goal_y - y)**2)**0.5) if distance < distance_tolerance: return True else: return False # 主函数 def main(): rospy.init_node('nav_test', anonymous=True) velocity_publisher = rospy.Publisher('/cmd_vel', Twist, queue_size=10) laser_subscriber = rospy.Subscriber('/scan', LaserScan, get_scan) odom_subscriber = rospy.Subscriber('/odom', Odometry, get_odom) # 等待获取激光雷达数据和小车当前位置 while not rospy.is_shutdown(): try: laser_data[0] x y break except: continue goal_x = input("Enter goal x: ") goal_y = input("Enter goal y: ") distance_tolerance = input("Enter tolerance: ") # 控制小车前进或转向 vel_msg = Twist() while not rospy.is_shutdown(): if reached_goal(goal_x, goal_y, distance_tolerance): vel_msg.linear.x = 0 vel_msg.angular.z = 0 velocity_publisher.publish(vel_msg) rospy.loginfo("Goal reached!") break else: # 根据激光雷达数据，确定小车前进方向 front_middle_distance = laser_data[len(laser_data)/2] if front_middle_distance > 0.5: vel_msg.linear.x = 0.2 vel_msg.angular.z = 0 else: right_distance = laser_data[len(laser_data)*3/4] left_distance = laser_data[len(laser_data)/4] if right_distance > left_distance: vel_msg.linear.x = 0 vel_msg.angular.z = -0.5 else: vel_msg.linear.x = 0 vel_msg.angular.z = 0.5 velocity_publisher.publish(vel_msg) rospy.spin() if __name__ == '__main__': try: main() except rospy.ROSInterruptException: pass ``` 该代码首先初始化 ROS 节点，并订阅了激光雷达数据和小车当前位置。然后，通过回调函数获取了激光雷达数据和小车当前位置，并等待获取到这些信息之后再开始执行主循环。 在主循环中，通过输入目标点的坐标和容许的距离误差，控制小车前进或转向，直到到达目标点位置。在控制小车前进或转向时，先通过激光雷达数据确定小车前进方向，然后根据前进方向和目标点的位置计算出小车应该前进的速度和转向的角速度，并通过 /cmd_vel 话题发布给小车的底盘控制器。 值得注意的是，该代码中的小车前进方向的判断方法并不完备，只是一个简单的示例。如果需要更加精确的导航功能，需要使用更为复杂的算法和模型。

“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
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
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