XTDrone——二维运动规划

原创

已于 2024-05-17 19:20:59 修改 · 2.2k 阅读

42 ·

CC 4.0 BY-SA版权

文章标签：

#无人机 #ubuntu

于 2024-05-17 18:05:05 首次发布

语雀

学习该示例前，需要学习二维激光SLAM
运动规划，可以是在事先已经建好的地图上进行，也可以一边建图一边规划，本示例将用两个例子来说明。

一、配置

安装ROS的规划库

sudo apt install -y ros-melodic-move-base \
ros-melodic-costmap-2d \
ros-melodic-dwa-local-planner \
ros-melodic-global-planner

把HectoSLAM的launch文件中自带的RVIZ启动注释掉（Cartographer在xtdrone_2d.launch中注释）

roscd hector_slam_launch/launch/
sudo gedit hector_slam_xtdrone.launch

  <!--<node pkg="rviz" type="rviz" name="rviz"
    args="-d $(find hector_slam_launch)/rviz_cfg/mapping_xtdrone.rviz"/>-->

二、在已经建好的地图上规划

在这里插入图片描述

1、修改配置文件

修改HectorSLAM的配置文件，使新发布的地图不会取代已经建好的地图

roscd hector_mapping/launch/
sudo

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Curious!

关注关注

36
点赞
踩
42

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

XTDrone仿真平台示例解析（三）——二维激光SLAM

cotex_A9的博客

01-30

1137

二维激光SLAM是无人机进行二维运动规划和建图的前提，同时也是SLAM中较为简单的定位算法，其功能是构建二维栅格地图，一般用于机器人/无人机在封闭环境下的定位和导航。

XTDrone——无人机基于2D激光Lidar进行二维运动规划（细节提醒以及相关报错解决）

weixin_45390670的博客

08-21

749

本文介绍了在Ubuntu 20.04系统无人机基于ROS Noetic实现HectorSLAM二维激光建图与运动规划的完整流程。主要内容包括：安装必要ROS依赖库；修改HectorSLAM的launch文件，解决坐标系转换问题；配置地图发布参数以避免覆盖已建地图；启动PX4仿真环境与XTDrone通信模块；最后通过2D导航目标点实现无人机运动规划。文中详细说明了各步骤的关键配置修改，并提供了处理常见错误（如TF转换超时）的解决方案。实现了从激光SLAM建图到路径规划的过程。

2 条评论您还未登录，请先登录后发表或查看评论

【XTDrone】笔记1：整体梳理

m0_58373406的博客

09-18

219

XTDRONE：ego_planner三维运动规划

dueen1123的博客

04-09

9453

ros常用消息类型： https://blog.csdn.net/xhtchina/article/details/119707553 iris_0_ego_transfer话题在~/XTDrone/motion_planning/3d/ego_transfer.py 被转化成iris_0/camera_pose 1. ego_planner_node.cpp 注册ROS节点，实例化EGOReplanFSM类对象并进行初始化，程序入口 2. ego_replan_fsm.cpp ExecFSMCallba

Ubuntu20.04环境下XTDrone二维运动规划：安装局部规划teb算法包，并替换DWA算法

sacsdvs的博客

10-24

787

【代码】Ubuntu20.04环境下XTDrone二维运动规划：安装局部规划teb算法包，并替换DWA算法。

XTdrone进行PX4激光slam建图获取坐标及自主飞行仿真

m0_74151787的博客

07-10

2482

最近在学习无人机的室内定位和自主飞行，xtdrone在这方面提供了丰富的模型和例程资源，可以快速实现相关算法的仿真验证和部署，下面分享下基于xtdrone的资源进行激光slam建图定位以及控制px4进行简单轨迹飞行的过程。

XTDrone——三维激光SLAM

weixin_48093237的博客

05-16

817

机械激光雷达包括3d_lidar和3d_gpu_lidar，前者使用CPU计算，后者使用GPU计算，其他没有区别，您可以根据您的需要选择。在模型中可以设置激光雷达的线数，以3d_gpu_lidar.sdf为例，本教程用的是32线，您可以修改为其他线数，其他参数也都可以修改。启动ALOAM，由于本教程给激光雷达设置的是32线，因此启动对应32线的launch文件。然后使用laser_transfer.py将ALOAM发布的位姿数据通过mavros发布。3d_lidar和3d_gpu_lidar，

XTDrone——三维运动规划

weixin_48093237的博客

05-16

869

先完成VINS-Fusion仿真教程启动仿真。

XTDrone——二维激光SLAM（HectorSLAM）

weixin_48093237的博客

05-16

413

ROS自带有HectorSLAM，因此可以apt安装安装map server用于保存地图复制相关文件。

基于XTDrone的三维运动规划之ego_planner-学习笔记

weixin_67408677的博客

07-20

707

本文记录了在XTDrone仿真环境中使用ego_planner进行无人机路径规划的过程。主要步骤包括：编译ego_planner、修改相关参数配置（位姿话题、相机参数等）、启动仿真环境、获取位姿真值、坐标转换，并通过键盘控制无人机起飞后使用RVIZ的2D Nav Goal功能进行路径规划。文中特别指出了两个常见问题：数据接收超时（建议调大odom_depth_timeout参数）和多机模式错误提示的解决方法，并提供了相关配置文件的修改建议和调试技巧。

XTDrone无人机仿真平台

肖昆的博客

03-26

9596

XTDrone无人机仿真平台背景XTDrone展示背景近年来，无人机的智能化程度不断提高，集群的规模不断增大，在这种背景下，良好的无人机通用仿真平台的重要性越发凸显。相较于无人车和地面机器人，无人机更容易出现失控问题。因此，如果利用真实无人机进行算法调试，将花费大量的时间且有安全风险。此外，对于机器学习相关算法，在真实世界里训练无人机的成本太高。因此，在无人机算法开发和应用过程中，可靠、高效的通用仿真平台至关重要。目前已有的开源无人机仿真平台，在通用性上普遍做的不到位，它们或是只支持一种类型的无人机，

探索未来科技：XTDrone - 高级无人机控制系统

最新发布

gitblog_00042的博客

11-15

935

该项目链接： ## 项目简介 XTDrone 是一个开源的、高度可定制的无人机控制系统，它基于 Python 和 MAVLink 协议开发，提供了丰富的 API 和图形界面，使得用户能够轻松地实现对无人机的智能控制和数据处理。无论是爱好者还是专业开发者，XTDrone 都是一个理想的选择，帮助你将你的无人机项目提升到新的水平。 ## 技术分析 ### MAVLink 协议 XTDrone

【亲测免费】 XTDrone：无人机仿真世界的创新舞台

gitblog_00462的博客

08-09

264

XTDrone：无人机仿真世界的创新舞台项目介绍 XTDrone是一个强大且灵活的开源无人机仿真平台，它构建于PX4、ROS（Robot Operating System）和Gazebo

XTDrone——VINS-Fusion+RTABMap的三维稠密重建

weixin_48093237的博客

05-14

1543

1、修改/PX4_Firmware/build/ indoor1.launch文件，把仿真launch文件的iris_stereo_camera换成iris_realsense_camera，这样才能有深度图数据。4、视觉定位，由于VINS-Fusion发布的是Odometry类型的话题，我们要将其对应转为PX4所需的话题（不用视觉定位不用运行）这两种修改方式效果一样，我也不了解，不懂为什么。2、运行 VINS-Fusion。5、建立通信，键盘控制起飞。3、启动rtabmap。

XTDrone 无人艇机+ Docker开发

qq_62724785的博客

07-12

860

支持多旋翼飞行器（包含四轴和六轴）、固定翼飞行器、复合翼飞行器（包含quadplane，tailsitter和tiltrotor）与其他无人系统（如无人车、无人船与机械臂）。这里如果没办法运行通过第三步的运行就把RUN下面的全部注释掉，在Docker中慢慢安装，不过镜像中的已经全部安装好了，应该不会有问题。然后可以通过键盘对无人机进行操作，按着i键让无人机的向上速度到0.3以上，然后按b键、t键。但是XTDrone需要的环境比较严格，为了更好的帮助大家开发，我已经将其上传到了Dockerhub中.

技术-XTDrone项目学习-VRX无人艇项目例程-多无人艇生成-ROS-Matlab通信编程

ycx2017的博客

12-06

4582

因为从事的研究是无人艇控制方面的，之前仅仅在Matlab上设计算法，验证控制算法的效果，一直想在一个仿真3D环境下验证算法有效性。在最近Follow的XTDrone项目中有一项。

Ros noetic : XTDrone安装

qq_42412225的博客

03-18

3556

XTDrone

XTDrone ROS安装

Hot_Ant的博客

11-12

2348

XTDrone ROS安装本博客是参考XTDrone内容，进行ROS安装和配置。参考连接：XTDrone\ 更新 sudo apt updata sudo apt upgrade 依赖安装 sudo apt install -y ninja-build exiftool python-argparse python-empy python-toml python-numpy python-yaml python-dev python-pip ninja-build protobuf-comp

XTDrone 目标跟踪识别仿真环境搭建 ubuntu18.04

weixin_48093237的博客

05-12

1954

已安装显卡驱动。

XTDRONE二维运动规划

03-15

### XTDRONE框架在二维运动规划中的实现方式 #### 一、XTDRONE框架概述 XTDrone 是一个多无人机仿真与控制平台，支持多种传感器模拟以及复杂的任务场景设计。其功能涵盖了从简单的路径跟随到高级的多机协同任务执行[^1]。 #### 二、基于XTDrone的二维运动规划流程在 XTDrone 中实现二维运动规划通常涉及以下几个核心模块： 1. **激光SLAM建图** 使用 HectorSLAM 或 Cartographer 等工具完成实时地图构建。这是实现动态环境下的运动规划的基础[^2]。 ```bash roslaunch hector_slam_launch tutorial.launch ``` 2. **地图保存** 地图构建完成后，可以通过 `map_server` 工具将其保存至指定位置以便后续加载和使用。 ```bash rosrun map_server map_saver -f ~/XTDrone/motion_planning/2d/map/indoor3 ``` 3. **局部与全局路径规划** 基于 ROS 的导航堆栈（Navigation Stack），可以设置 AMCL 定位节点并配合 DWA 局部规划器或 TEB 全局规划器来生成最优路径[^3]。 4. **边建图边规划** 如果需要实现实时的边建图边规划，则需集成 GMapping 或其他 SLAM 方法，并通过动态更新的地图数据调整机器人轨迹。 #### 三、具体实现步骤详解以下是结合 XTDrone 平台的一个典型二维运动规划实例描述： - 配置 XTDrone 节点启动文件以启用激光雷达设备； - 启动 HectorSLAM/Cartographer/GMapping 来同步进行定位与地图创建； - 当初步地图形成后，调用 Navigation Stack 提供的服务计算目标点之间的可行路线； - 整个过程中保持对障碍物检测及避障逻辑的支持。 #### 四、代码片段展示以下是一个简化版的 Python 脚本用于演示如何发送目标坐标给移动机器人： ```python import rospy from geometry_msgs.msg import PoseStamped def send_goal(x, y): goal = PoseStamped() goal.header.frame_id = "map" goal.pose.position.x = x goal.pose.position.y = y pub.publish(goal) if __name__ == '__main__': rospy.init_node('xt_drone_motion_planner') pub = rospy.Publisher('/move_base_simple/goal', PoseStamped, queue_size=10) rate = rospy.Rate(1) # Hz while not rospy.is_shutdown(): try: user_input = input("Enter target coordinates (x,y): ") coords = list(map(float, user_input.split(','))) send_goal(coords[0], coords[1]) except Exception as e: print(f"Error occurred: {e}") rate.sleep() ```