《机器人操作系统ROS应用实践》ch04 移动机器人激光SLAM.pptxVIP

第四章移动机器人激光SLAM机器人操作系统ROS应用实践 目录contentSLAM基本原理4.1 Hector SLAM算法4.3Gmapping算法 4.2本章小结4.4 4.1SLAM基本原理1SLAM概述移动机器人环境感知技术涉及的主要内容包括定位（Localization）、建图（Mapping）和路径规划（Path Planning）/运动控制。SLAM技术属于定位和建图的交集部分，如图所示。 4.1SLAM基本原理1SLAM概述在未知环境中，机器人自主定位与建图是相互关联和相互依赖的，其既需要利用建立好的地图信息来更新自身的位置和姿态，也需要利用准确的位姿估计信息来建立环境地图。SLAM的基本过程可用下图描述。 4.1SLAM基本原理1SLAM概述实现机器人的自主导航需要机器人能够很好地感知周围环境。在一个未知的复杂环境中，人类可以通过眼睛、耳朵、鼻子等多个器官来感知外界环境的变化，从而确定自身所处的状态，这也体现了人类强大的感知能力。但是在未知环境中，机器人无法像人类一样感知外界环境的动态变化，需要依靠自身携带的传感器来感知外界环境。这些传感器通常包括相机、激光雷达、里程计、惯性测量单元等，机器人需要通过分析传感器数据，进行自身位姿的估计和环境地图的构建。 4.1SLAM基本原理2移动机器人坐标系为了进行位姿估计和地图构建，需要建立移动机器人的坐标系。ROS中，移动机器人的坐标系一般包括map、base_link、odom、base_laser等。map：地图坐标系，该坐标系为固定坐标系（Fixed Frame），与机器人所在的世界坐标系一致。base_link：机器人本体坐标系，又称基坐标系，原点与机器人中心重合。 4.1SLAM基本原理2移动机器人坐标系为了进行位姿估计和地图构建，需要建立移动机器人的坐标系。ROS中，移动机器人的坐标系一般包括map、base_link、odom、base_laser等。odom：里程计坐标系，可以看成一个随移动机器人运动而运动的坐标系，只要机器人运动，就会发布base_link到odom的TF。机器人运动开始前（初始时），如机器人在原点处时，odom和map是重合的，即map到odom的TF就是0。随着时间的推移，由于里程计（根据运动学模型计算）的累计误差，odom会出现偏差，这时就需要用传感器进行校正，也就是估计。 4.1SLAM基本原理2移动机器人坐标系为了进行位姿估计和地图构建，需要建立移动机器人的坐标系。ROS中，移动机器人的坐标系一般包括map、base_link、odom、base_laser等。base_laser：激光雷达坐标系，由激光雷达的安装位置确定，与base_link的坐标系变换为固定的。 4.1SLAM基本原理3ROS导航与定位过程下面以常见的双轮差速移动机器人为例，按照自底向上的顺序介绍ROS导航与定位过程，如图所示。 4.1SLAM基本原理3ROS导航与定位过程最底层是轮速和底盘控制，差速轮结构的移动底盘一般包括两个主动轮和一个从动轮，主动轮上安装有带减速器的电机，每个电机轴上有编码器，可以实现里程计功能。电机驱动器上集成有转速控制器，可以直接调用，ROS中也包含了很多第三方的驱动器驱动。 4.1SLAM基本原理3ROS导航与定位过程往上是位置控制，如果期望机器人按照设定值，以某个速度前进一定的距离，就需要应用PID进行闭环控制。如果知道当前位置和朝向，以及目标位置和朝向，ROS提供了move_base功能包控制机器人运动到目标点，并实现避障和路径规划（Path Planner）。 4.1SLAM基本原理3ROS导航与定位过程再往上是利用通过Gmapping等功能包创建地图，然后利用AMCL（Adaptive Monte Carlo Localization，自适应蒙特卡罗定位）功能包，根据当前数据进行定位。最上层是根据语义信息将命令解析成一系列动作，然后驱动下层执行相应命令，使机器人运动到目标位置。 4.1SLAM基本原理3ROS导航与定位过程ROS导航与定位一般是针对差速轮式机器人和完整约束轮式机器人的，移动平台只能接收x，y方向速度和偏航角（yaw）角速度；机器人需要激光雷达传感器（或者深度数据模拟的激光数据）创建地图和进行定位；机器人的形状应是尺寸合适的方形或者圆形。 4.1SLAM基本原理3ROS导航与定位过程ROS中的Navigation（导航）功能包为机器人的导航提供了一套完整的解决方案。Navigation Stack（导航栈）是一个ROS的元功能包，其中包含了路径规划、定位、异常行为恢复、地图服务器等功能，这些开源工具包极大地减少了机器人应用系统的开发工作量，可以快速部署实现相关功能。Navigation功能包中包含了许多导