1.树莓派ros slam教程
2.ROS自学笔记七：Rviz简介
3.机器人自主导航与避障——移动机器人仿真平台与自主探索（三）
4.cartographer_ros定位功能位姿获取与重定位设置
5.ROS学习笔记-机器人导航(仿真)2-路径规划move_base
6.ROS2机器人入门到实战编写 Launch 并启动导航

树莓派ros slam教程

       树莓派是地图地图一款小巧便捷的嵌入式计算机，可以用于各种项目中。源码其中，绘制ROS是地图地图机器人操作系统，提供了许多强大的源码机器人开发工具和算法。本文将介绍如何使用树莓派和ROS进行SLAM（Simultaneous Localization and Mapping）。绘制溯源码不对

       首先，地图地图需要准备一些硬件和软件。源码硬件方面，绘制需要一台带有ROS的地图地图树莓派，以及一台支持ROS的源码机器人。软件方面，绘制需要安装ROS和相应的地图地图SLAM算法包。这里以gmapping为例。源码

       安装ROS和gmapping

       打开终端，绘制输入以下命令：

       ```

       sudo apt-get update

       sudo apt-get upgrade

       ```

       更新系统和软件包。接着，安装ROS和gmapping：

       ```

       sudo apt-get install ros-kinetic-desktop-full

       sudo apt-get install ros-kinetic-gmapping

       ```

       安装完成后，需要创建一个ROS工作空间：

       ```

       mkdir -p catkin_ws/src

       cd catkin_ws

       catkin_make

       ```

       此时，ROS工作空间已经创建完成。

       运行SLAM

       接下来，需要将机器人连接到树莓派，启动ROS核心，以及运行gmapping。首先，打开终端，启动ROS核心：

       ```

       roscore

       ```

       在另一个终端中，启动机器人：

       ```

       roslaunch robot_launch_file.launch

       ```

       其中，robot_launch_file.launch是机器人的启动文件，需要根据具体机器人进行配置。

       最后，在另一个终端中，运行gmapping：

       ```

       rosrun gmapping slam_gmapping

       ```

       此时，SLAM已经启动完成。可以使用rviz查看地图：

       ```

       rosrun rviz rviz

       ```

       在rviz中，选择“Map”作为显示内容，即可看到实时的地图。

       结语

       通过树莓派和ROS进行SLAM可以使机器人快速了解周围环境，android chrome源码为后续的机器人控制和路径规划提供依据。希望本文对您有所帮助。

ROS自学笔记七：Rviz简介

       Rviz简介

       ROS（Robot Operating System）中的RViz是一款强大的可视化工具，专为机器人系统的调试和展示设计。它以开源形式存在，是ROS生态系统中不可或缺的一部分，提供了丰富的功能来展示传感器数据、机器人状态和运动规划。

       Rviz的核心功能包括三维可视化机器人模型、实时显示各种传感器数据，如激光雷达、摄像头和IMU，以及生成和分析导航地图。此外，用户还能借助其交互式界面调试运动规划，自定义界面布局以满足个性化需求。安装和启动RViz通常与ROS的安装步骤相结合，首先确保安装了ROS，再运行相应的命令启动这个工具。

       RViz的界面设计直观，菜单栏通常包含文件、编辑、视图、添加、工具、面板、显示和帮助等选项，分别对应文件操作、编辑功能、视图调整、对象添加、交互工具、配置面板、对象显示设置和获取帮助。例如，"Displays"面板允许用户配置各种可视化对象的类型、属性和显示状态；"View"面板则用于控制和调整三维视图的chibios源码阅读视角和比例。

       通过鼠标操作，用户可以方便地旋转、平移和缩放视图，同时顶部的工具栏提供了快速交互功能，如选择对象、移动相机和测量距离等。总之，RViz是一个强大的可视化工具，为理解和优化机器人系统提供了直观且灵活的界面。

机器人自主导航与避障——移动机器人仿真平台与自主探索（三）

       实现自主探索的基础，先介绍基于ROS Navigation的机器人导航框架，这是学习更高级导航算法的基石。在仿真中，跟随详细指导，配置机器人导航环境，包括传感器设置、局部避障算法配置等步骤，最终在仿真环境中实现机器人导航与避障。

       机器人仿真环境的建立与Navigation栈的配置涉及到Gazebo环境搭建与机器人模型turtlebot3的启动。在ubuntu.系统上，先下载用于turtlebot3的软件包，然后设置环境变量TURTLEBOT3_MODEL，记得source包含turtlebot3仿真的工作空间。启动Gazebo后，可以看到机器人环境，根据需要启动不同仿真环境，如迷你赛道。

       配置机器人navigation栈包括在ROS melodic系统上下载、编译ROS Navigation软件栈，安装适用于turtlebot3的建图定位和导航配置包。使用开源的2D环境slam包gmapping，在平面上建立机器人的导航地图。启动slam程序，观察地图构建过程，利用键盘控制机器人遍历环境，生成导航地图，并保存以供后续导航使用。真人算卦源码

       导航地图建立后，启动导航程序，输入存储地图信息参数。导航程序包括map_server、amcl、move_base和rviz，分别负责接收地图信息、实时点云匹配、机器人定位与全局路径规划。在初始化后，通过手动选择初始定位，在Rviz中调整，定位后点击“2D Nav Goal”选择目标点，move_base规划全局路径并在地图中显示，同时利用局部地图与障碍物信息规划机器人速度。

       导航程序中，move_base利用DWAPlanner作为局部规划器进行路径规划。动态窗口方法(DWA)算法通过离散采样速度，预测并评估每条路径的可行性，剔除碰撞轨迹，选择最优路径。关键配置参数包括前向预测时间、采样数目等，以平衡路径规划的速度与避障效果。路径规划中，考虑与全局路径、目标点和障碍物距离的权重，通过调整相关参数优化导航性能。

cartographer_ros定位功能位姿获取与重定位设置

       小白在机器人定位项目中使用cartographer进行定位，面临位姿获取频率低的问题，测试显示激光频率~hz时，获取位姿频率仅为5hz。为解决此问题，尝试了以下方法：

       首先，对cartographer进行源码安装。

       接着，运行cartographer_rosd的溯源网站源码demo，参考.launch运行文件和.lua配置文件，并开启pure localization功能。

       尝试通过tf变换获取位姿坐标，但发现频率受限于5hz左右。为解决此问题，建立tf变换节点，发布2D位姿topic，实现高频率的位姿获取。

       深入源码修改，添加::ros::Publisher _pose_pub，对 node.cc进行调整，从而获取高频率的位姿topic。

       在rviz中，利用“2D Pose Estimate”功能，发布/initialpose话题，并根据机器人当前位置进行重定位设置。通过点击地图位置，发布包括x,y和theta的topic进行重定位。

       总结流程，通过源码修改和rviz重定位设置，实现了高频率的位姿获取及重定位功能。若有疑问，欢迎交流，共同学习。

ROS学习笔记-机器人导航(仿真)2-路径规划move_base

       路径规划是导航系统的核心组件之一，move_base 功能包由 ROS 的 navigation 包集成，负责根据预设的目标点控制机器人底盘运动至目标位置，同时持续反馈机器人状态和目标点状态信息。move_base 的实现主要依赖于全局路径规划与本地路径规划的协作。导航系统的安装通过命令行完成，具体操作为：sudo apt install ros--navigation。

       move_base 功能包的核心节点是 move_base，它提供了丰富的动作、话题和服务接口供调用。动作接口包括：move_base/goal、move_base/cancel、move_base/feedback、move_base/status、move_base/result，分别用于发送目标、取消任务、接收反馈、获取状态和反馈结果。订阅的话题包括：move_base_simple/goal，用于接收目标点信息。发布的话题为：cmd_vel，用于控制机器人移动。服务接口包括：~make_plan、~clear_unknown_space 和 ~clear_costmaps，用于路径规划和地图清理。参数配置参考 ROS 官网。

       路径规划涉及代价地图的构建，代价地图是基于静态地图优化后的版本，用于表示障碍物概率和潜在路径成本。代价地图分为全局成本地图与本地成本地图，分别用于全局路径规划与局部路径规划，可以实现多层叠加，适应不同场景需求。在 ROS 中，代价地图的计算依赖于算法逻辑，通常以距离机器人中心的距离和栅格灰度值作为参数。

       在使用 move_base 进行路径规划时，首先需要启动 move_base 功能包下的 move_base 节点，并进行参数配置。参数配置通常涉及机器人的尺寸、安全距离、传感器信息、成本地图参数、局部规划器参数等。配置文件可以从成熟的机器人路径规划实现中获取，例如 turtlebot3 的配置文件。集成地图服务、amcl、move_base 与 Rviz 等组件后，可以实现导航功能。导航测试包括启动仿真环境、调用相关 launch 文件、添加 Rviz 组件并设置全局与本地代价地图参数，最后通过 Rviz 设置导航目标点，实现导航操作。在导航过程中，机器人能够自动检测并躲避新添加的障碍物，确保安全导航。

ROS2机器人入门到实战编写 Launch 并启动导航

       在探索ROS2机器人导航的过程中，我们首先需要准备参数，并通过Launch文件进行配置和启动。

       首先，确保将slam生成的地图备份到src/fishbot_navigation2/maps目录下，这是开始编写launch文件的必要前提。

       在fishbot_navigation2包的launch目录下，创建一个新的导航启动文件navigation2.launch.py，编写如下代码。这个launch文件允许用户配置三个参数：是否使用仿真时间use_sim_time、地图文件map_yaml_path以及导航参数nav2_param_path，已预设了默认值。

       然后，对CMakeLists.txt进行更新，添加launch、config和maps目录的安装指令，重新构建功能包以完成文件拷贝。

       启动底盘和雷达是常规步骤，无需过多描述。接下来，启动导航流程中，你可能会在启动终端中遇到TF错误。这是因为机器人初始位置未设定。在RViz中，利用2D Pose Estimate工具来精确设置机器人的初始位置，通过左键点击地图并调整方向。

       初始化位置后，地图将发生变化，原有的障碍物边界会因代价地图的膨胀而扩大，这是Navigation 2为了防止碰撞所做的预处理。全局路径规划和局部路径规划使用的地图不同，因此在RViz左侧的配置中，隐藏全局代价地图，显示局部代价地图及其膨胀层，以便观察。

创建栅格地图

       在机器人领域，创建栅格地图是实现自主导航和定位的关键步骤。本文将详细讲解如何基于slam-gmapping工具创建地图，并将其应用于机器人运动控制。为了保证地图构建的质量，我们将使用虚拟环境进行实验。

       启动建图环境，首先加载机器人模型并初始化虚拟环境。接下来，启动gazebo构建一个模拟环境，以提高地图构建的精度。然后，配置rviz进行实时地图显示。通过启动控制台和slam-gmapping工具，让机器人在环境中移动，地图将实时构建。构建完成后，地图将显示在rvz中，呈现地图构建的效果。

       为了实现地图的保存，使用map_server包，确保该包已安装。通过执行特定命令，生成地图所需的my_map.yaml和my_map.pgm文件。这些文件包含地图的详细信息，包括坐标原点、形状、像素分辨率以及像素点的占用状态。

       在代码解析部分，对比了turtlebot3_house.launch与用于构建基本世界的launch文件，主要差异在于环境配置。world文件定义了gazebo环境的设置，有兴趣的读者可以进一步探索。同时，介绍了解释slam-gmapping节点启动文件turtlebot3_gmapping.launch，其中包括启动节点和参数配置。

       地图的yaml文件包含了地图数据的详细信息，包括坐标原点、形状、像素分辨率和像素点的空闲或占用状态。这些信息对于地图的准确还原至关重要。生成的my_map.yaml文件将详细记录地图的布局和结构。

       总结本节内容，我们演示了如何在gazebo环境中创建并保存地图，为后续的机器人导航应用做好了准备。下一节，我们将探讨如何利用创建的地图进行机器人导航，进一步实现自主定位与路径规划。

路径规划之Rviz

       ROS 提供了一系列的linux下的工具，使用户能够轻松调试路径规划的结果。

       Rviz 在路径规划中扮演着图形化显示的角色，它能够发布目标终点并呈现循路径过程中的界面。

       以下是一些需要发布的话题：/map, /move_base/local_costmap/costmap, /scan, /initialpose, /move_base_simple/goal, /move_base/current_goal, /vesc/odom, /move_base/TebLocalPlannerROS/global_plan。

       在 Rviz 中，您需要订阅以下话题以更新地图上的位置显示：/clicked_point, /move_base/TebLocalPlannerROS/teb_poses。

       如何在 Rviz 中显示实时规划出来的路径？可以使用 nav_msgs::Path 类型。

       在实际应用中，可能会遇到一些问题，例如缺乏全局路径信息，导致规划结果不符合期望。这可能是因为没有理解如何与地图协调，虽然理论上所有通信都应通过 ROS topic 进行。

       有关地图配置，有两个重要的部分：costmap-xxx-params.yaml 和 xxx-walker.world。前者是在 xxx-navigation.launch 中调用的，用于设置属性；后者包含了实际的地图数据。

       在地震灾难场景下，可能无法进行全局规划，只能进行基于“看到阳光 洞口”的局部规划。

       以下是一些与路径规划相关的系统信息：

       [ INFO] [., .]: move_base

       [ INFO] [., .]: GlobalPlanner::call makePlanService [-0./-0./-0.] ~ [7./-0./0.]

       [ INFO] [., .]: world to map

       [ INFO] [., .]: AStarExpansion::calculatePotentials

       [ INFO] [., .]: AStar consume CYCLES /

       [ INFO] [., .]: GlobalPlanner::publish nav_msgs::OccupancyGrid [ 0. --> -.&-.] -1 -1

       [ INFO] [., .]: GradientPath::GetPath

       [ INFO] [., .]: GlobalPlanner::GetPath

       [ INFO] [., .]: GlobalPlanner::publishPlan , ready to show in Rviz

       [ INFO] [., .]: Got new plan

       [ INFO] [., .]: dwa set Plan

hdl_graph_slam|后端优化|hdl_graph_slam_nodelet.cpp|源码解读(四)

       hdl_graph_slam源码解读(八)：后端优化

       后端概率图构建核心：hdl_graph_slam_nodelet.cpp

       整体介绍

       这是整个系统建图的核心，综合所有信息进行优化。所有的信息都会发送到这个节点并加入概率图中。

       包含信息

       1）前端里程计传入的位姿和点云

       2）gps信息

       3）Imu信息

       4）平面拟合的参数信息

       处理信息步骤

       1）在对应的callback函数中接收信息，并放入相应的队列

       2）根据时间戳对队列中的信息进行顺序处理，加入概率图

       其他内容

       1）执行图优化，这是一个定时执行的函数，闭环检测也在这个函数里

       2）生成全局地图并定时发送，即把所有关键帧拼一起，得到全局点云地图，然后在一个定时函数里发送到rviz上去

       3）在rviz中显示顶点和边，如果运行程序，会看到rviz中把概率图可视化了

       关键帧同步与优化

       cloud_callback

       cloud_callback(const nav_msgs::OdometryConstPtr& odom_msg,const sensor_msgs::PointCloud2::ConstPtr& cloud_msg)

       该函数主要是odom信息与cloud信息的同步，同步之后检查关键帧是否更新。

       关键帧判断：这里主要看关键帧设置的这两个阈值keyframe_delta_trans、keyframe_delta_angle

       变成关键帧的要求就是：/hdl_graph_slam/include/hdl_graph_slam/keyframe_updater.hpp

       优化函数

       optimization_timer_callback(const ros::TimerEvent& event)

       函数功能：将所有的位姿放在posegraph中开始优化

       loop detection 函数：主要就是将当前帧和历史帧遍历，寻找loop。

       闭环匹配与信息矩阵计算

       匹配与闭环检测

       潜在闭环完成匹配（matching 函数）

       不同loop的信息矩阵计算（hdl_graph_slam/information_matrix_calculator.cpp）

       gps对应的信息矩阵

       hdl_graph_slam/graph_slam.cpp

       添加地面约束

       使用add_se3_plane_edge函数的代码

       执行图优化

       优化函数optimization_timer_callback

       执行图优化，闭环检测检测闭环并加到了概率图中，优化前

       生成简化版关键帧，KeyFrameSnapshot用于地图拼接

       生成地图并定时发送

       生成地图：简化版关键帧拼接

       定时发送：src/hdl_graph_slam_nodelet.cpp文件中

       系统性能与扩展性

       hdl_graph_slam性能问题在于帧间匹配和闭环检测精度不足，系统代码设计好，模块化强，易于扩展多传感器数据融合。

       总结

       hdl_graph_slam后端优化是关键，涉及大量信息融合与概率图构建。系统设计清晰，扩展性强，但在性能上需改进。