如何不使用ROS实现SLAM建图和自主导航

最新推荐文章于 2024-08-09 08:20:19 发布

视觉动力机器人

最新推荐文章于 2024-08-09 08:20:19 发布

阅读量1.6k

点赞数 19

文章标签：人工智能机器人机器学习

本文链接：https://blog.csdn.net/yushan210/article/details/136670815

版权

SLAM 技术是什么?

**
SLAM是Simultaneous Localization and Mapping的缩写，即同时定位与地图构建。
它是一种用于自主导航和机器人感知的技术，旨在通过在未知环境中同时进行自主定位和构建环境地图，实现机器人的导航与路径规划。

它涉及到很多复杂的算法和方法，包括特征提取与匹配、传感器融合、滤波器（如扩展卡尔曼滤波器和粒子滤波器）和优化算法等。

SLAM技术主要应用于无人驾驶汽车、无人机、机器人和增强现实等领域。在实时定位和地图构建的过程中，SLAM系统会使用各种传感器（如摄像头、激光雷达、惯性测量单元等）获取环境信息，并利用这些信息进行自主定位和地图构建。

自主定位是指机器人在未知环境中确定自身位置的过程，通过对传感器数据进行处理和分析，结合地图信息，估计机器人相对于环境的位置和姿态。

地图构建则是将机器人在移动过程中获取的传感器数据融合起来，生成环境的地图表示，包括地标、障碍物和空间结构等信息。

SLAM 技术可以分为哪几类？

（1）基于传感器类型分类

✔视觉SLAM：主要使用相机或摄像头获取图像信息进行定位和地图构建。

✔激光SLAM：使用激光雷达来感知环境并生成地图，激光测距可以提供精确的距离信息。

（2）基于地图的分类

✔基于拓扑图的SLAM：将环境表示为节点和边的拓扑结构，用于描述不同位置之间的关系。

✔基于网格地图的SLAM：使用二维或三维网格表示环境，将地图分割为离散的网格单元，每个单元表示不同的属性或占据状态。

✔基于稠密地图的SLAM：生成具有高密度信息的地图，通常使用点云或三维模型表示环境。

（3）基于算法的分类

✔滤波器方法：使用滤波器（如扩展卡尔曼滤波器或粒子滤波器）进行状态估计和数据融合。

✔优化方法：通过最小化误差函数或优化目标函数，使用图优化算法（如非线性最小二乘法）进行定位和地图优化。

✔学习方法：利用机器学习或深度学习技术，通过训练数据进行定位和地图构建。

激光SLAM，有哪些应用场景？
（1）自主导航和移动机器人：激光SLAM可用于移动机器人的自主导航和路径规划。

（2）无人驾驶和自动驾驶汽车：激光SLAM是无人驾驶和自动驾驶汽车中关键的感知技术之一。激光雷达能够提供车辆周围环境的精确地图和距离信息，用于定位车辆和障碍物检测。通过将激光SLAM与其他传感器（如相机、雷达和GPS）进行融合，实现全面的环境感知和高级驾驶决策。

（3）建筑和室内地图构建：激光雷达可以快速而准确地扫描建筑物的结构，捕捉墙壁、家具和其他物体的几何信息。

（4）无人机和航空领域：激光雷达可以提供无人机周围环境的高精度地图和距离信息，支持无人机的自主飞行、目标检测和障碍物避让。

（5）工业自动化和机器视觉：例如，用于机器人在工厂环境中的定位、零件装配和物体识别。激光雷达提供的精确距离信息可以用于精确的位置控制和目标检测。

学习激光SLAM技术需要具备的基础知识

大学本科阶段的基础数学知识，如微积分、线性代数、概率论。

大学研究生阶段的数学知识：最优化、矩阵论，一小部分李群与李代数知识。

计算机科学知识：单片机开发、嵌入式、Linux系统操作、C++语言。

EasymqOS 机器人分布式开发框架

easy_mqOS 是笔者仿照ROS 搭建的基于MQTT的简易机器人分布式开发框架,是一种轻量级并且十分容易上手的框架，支持多个节点的主题的订阅和单topic发布,节点之间独立、解耦合。没有复杂的文件配置，一定的make编程基础，像正常启动服务一样，就可以运行。甚至可以在嵌入式linux上使用，而不用安装Ubuntu没有复杂的插件，很容易上手和学习。支持c.c++ ,python,js.MQTT协议特点

使用发布/订阅消息模式，提供一对多的消息分发，解除应用程序耦合。

消息传输对有效载荷内容不可知。

使用TCP/IP提供基础网络连接。

有3个消息发布服务质量级别。

轻量传输，协议交换最小化，以降低网络网络流量。

提供一种机制，当客户端异常中断时，利用 Last Will 和 Testament 特性来通知有关各方。

对于不需要搭建太复杂的机器人,笔者认为easy_mqos就可以满足自主建图和避障导航的功能。

easyMqos诞生的目的：

首先它是一个机器人开发的分布框架。

解决繁杂的上外网更新问题。

解决非Ubuntu不能用的问题。

避免繁杂配置出错问题。

避免非ROS无机器人的境地。

通过下面案例的应用，已经证明该框架用于机器人学习是没有问题的。

easyMqos优缺点：

优点：
SLAM建图和导航避障在不依赖ROS的情况下可以实现；

不需要复杂的配置；

不需要复杂的编译链；

不需要远程配置master;
没有复杂的TF坐标转换概念；

可以将精力放到深入研究算法中；

可以自己修改算法；

可以转成ros 节点；

可适用于Linux系统例如raspbian\ubuntu\centos\armbian\嵌入式Linux。单片机？

缺点：
仅适合学习机器人相关的知识，不能复杂的深入学习3D坐标系统；

不支持机械臂；

没有rqt 数据流等。

适合的硬件：

驱动程序：单片机STM32
核心算法：树莓派/Orangepi/旭日派/nanoPi 等Linux系统
编码示例：
C++

int  main (int argc, char ** argv)
{
    //创建实例
    easymqos *e_demo = new easymqos(CLIENT_PUB);
	//发布话题的设置
    e_demo->Init_Pub("/sensors/filter");
	//设置代理服务器
    e_demo->Set_broker("127.0.0.1");
    e_demo->Set_config_Pub();
	//可订阅多个主题
    vector<string> topicStr_subscribe;  
    topicStr_subscribe.push_back("/sensors/demo");//支持多个话题的订阅
    topicStr_subscribe.push_back("/sensors/test");  
    e_demo->Init_Sub(topicStr_subscribe);
	//可创建和启动多个线程
	pthread_attr_t attr;
    pthread_t pthread_id = 0 ;
	struct sched_param param;
    /*create task mqtt  com queue */
	pthread_attr_init (&attr);
	pthread_attr_setschedpolicy (&attr, SCHED_RR);
	param.sched_priority = 5;
	pthread_attr_setschedparam (&attr, &param);
	pthread_create (&pthread_id, &attr, &Mqtt_PublishTask, NULL);//可以启动线程做更多事情
	pthread_attr_destroy (&attr);
	  /*create task mqtt  client queue */
	//启动订阅话题和回调函数
    e_demo->Start_Sub(call_back);//启动订阅和回调处理函数
}

python示例

import adafruit_bno08x
from adafruit_bno08x_rvc import BNO08x_RVC
import serial
import time
import numpy as np
import argparse
import os
import math
import time 
import sys
import datetime
from paho.mqtt import client as mqtt_client
import random
import threading
import json
#添加串口
uart = serial.Serial("/dev/ttyS5", 115200)
#MQTT相关
broker = '127.0.0.1'
port = 1883
#添加订阅的主题
topic1 = "/sensors/topic1"
#添加发布的主题
cmd_topic = "/cmd/vel"
client_id = 'python-mqtt-{}'.format(random.randint(0, 1000))

#定义mqtt的client
client = mqtt_client.Client(client_id)


 
def getcmd(roll,pitch,yaw,ax,ay,az):
    data = {"roll":"%2.2f"%(roll),"pitch":"%2.2f"%(pitch),"yaw":"%2.2f"%(yaw),"ax":"%f" %(ax),"ay":"%f" %(ay),"az":"%f" %(az)
           }
    return  data  
#如果有需要可创建启动线程
def thread1():
    time.sleep(0.1)
    while True:
        #add your code here
        cmd =getcmd(roll,pitch,yaw,x_accel,y_accel,z_accel)
        json_data = json.dumps(cmd)
		#发送数据到topic
        result = client.publish(topic,json_data,0)
        
        # result: [0, 1]
        status = result[0]
        if status == 0:
            print(f"Send  to topic `{topic}`")
        else:
            print(f"Failed to send message to topic {topic}")

th1 = threading.Thread(target = thread1)
th1.setDaemon(True)
th1.start()

def on_connect(client, userdata, flags, rc):
    print("Connected with result code "+str(rc))
    
#用于处理接收的多个主题
def on_message(client, userdata, msg):
    global _switch
    #print(msg.topic+" "+msg.payload.decode("utf-8"))
    _switch = ord(msg.payload.decode("utf-8"))-48
    #add your code here 
	#any thing
    
    print("%d"%_switch)
#根据需要设计可有可无
def publish(client):
    global last_time
    global detect_ok

    global resultImg
    msg_count = 0
    while True:
        #add your code here
        time.sleep(0.001)

if __name__ == '__main__':

    print(" connected!")        
    client.on_connect = on_connect
    client.on_message = on_message
    client.connect(broker, port, 60)
    #publish(client)
    # 订阅主题
    client.subscribe(topic1)
	client.subscribe(topic2)
	client.subscribe(topicn)
    client.loop_forever()

js编码

var hostname = '192.168.1.2', //'',
	devid =111111,
	port = 8083,
	clientId = 'client-mao2180',
	timeout = 5,
	keepAlive = 50,
	cleanSession = false,
	ssl = false,
	topic1 = '/state/gps';

	var urlPath = window.document.location.href;
	var docPath = window.document.location.pathname; //文件在服务器相对地址 /ISV/demo.aspx
	var index = urlPath.indexOf(docPath);
	var serverPath = urlPath.substring(0, index);
	var serverip = serverPath.substring(7);
	console.log(serverip);
		//启动链接
		MQTTconnect();
		function MQTTconnect(){
			 
			topic =  '/s/vel';
			console.log(topic);
			client = new Paho.MQTT.Client(serverip, Number(port), clientId);
			client.onConnectionLost = onConnectionLost;//注册连接断开处理事件
			client.onMessageArrived = onMessageArrived;//注册消息接收处理事件
			client.connect({onSuccess:onConnect});//连接服务器并注册连接成功处理事件
		};
		function onConnect() {
		  // Once a connection has been made, make a subscription and send a message.
		  console.log("onConnect:"+topic);
		  //订阅的主题列表
		  client.subscribe(topic1);
		  client.subscribe(topic2);
		  client.subscribe(topicn);
		
		};
		function onConnectionLost(responseObject) {
		  
		  if (responseObject.errorCode !== 0)
			console.log("onConnectionLost:"+responseObject.errorMessage);
			console.log("连接已断开");
		};
		function onMessageArrived(message) {
	
			//console.log("收到消息:"+message.payloadString);
			//console.log("主题："+message.destinationName);
			//console.log("长度："+strlen(message.payloadString));
			//add your code here 
			
		};
	//发送信息到指定主题
	function send_x_y(velocity,angle){
		 console.log("into send message");
		//add your code here
	   // s = "{time:"+new Date().Format("yyyy-MM-dd hh:mm:ss")+", content:"+(s)+", from: web console}";
		message = new Paho.MQTT.Message("test in robot");
		message.destinationName = sendtopic;
		client.send(message);
	}

启动程序

/easymqOs_navigation$ ./navigation
/easymqos_basecomm$ ./basecomm_node
/easymqos_imu$ python3 read_bno.py

适合的人群：

想入门学习机器人规划和导航的同学。

快速入门SLAM建图的同学。

学习自主导航的同学。

学习局部规划的同学。

学习避障算法的同学。

想快速测试效果的同学。

关注神经网络和机器人应用的同学。

机器人爱好者。

GITHUB目前开放的节点：

在这里插入图片描述

SLAM 建图效果
在这里插入图片描述

在这里插入图片描述

EasyMQOS简易机器人开发框架教程

www.zhihu.com/column/c_1609592563807002624

实战案例 1

室内SLAM建图与导航机器人
实验环境：室内。

建图条件：需要事先SLAM建图。

避障传感器：A1激光雷达。

测速：霍尔编码器。

驱动方式：双轮差速驱动。

IMU：9轴

主控：OPI2\旭日X3

驱动板：stm32

建图精度：±5cm

定位精度；±10cm 以内

框架：easymqos

github:https://github.com/horo2016/easyMQOS
避障局部规划：魔改DWA+自定义
全局规划：a* ，需要继续优化，但不影响使用了

页面交互

页面交互设计使用HTML+JS实现通信、控制。画布用的canvas直接将接收到的地图数据画出来，同时还支持

轨迹；

雷达帧；

规划的路径；

机器人显示；

充电站显示；

A点显示；

B点显示；

设置目标点；

路径规划操作；

导航到达；

直达操作；

充电；

去指定的点操作。

SLAM建图介绍

文章：

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航

视频：

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航测试
在这里插入图片描述

b.导航篇介绍

文章：

新开源无ROS，轮式机器人实现自主导航和避障

演示视频

进阶，在轮式机器人上实现自主导航和避障（无ROS）
在这里插入图片描述

介绍：

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航测试

机器人框架：easyMQos 基于MQTT

建图：2d栅格粒子滤波

显示：web 页面导航：无障碍路径跟随

全局规划算法：A* 、梯度规划

局部避障导航：dwa+puresuit

公众号：视觉动力机器人

建图精度：±5cm

定位精度；±10cm 以内

实战案例 2

GPS定位与导航机器人

欢迎大家尝试使用。

参考推荐：《轮式自主移动机器人编程实战》
公众号首发【视觉动力机器人】
B：机器人指哪去那

视觉动力机器人

关注

19
点赞
踩
36

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫