AutolaborDoc
/
navgationkit-docs-sphinx
5
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

update 二次开发

master
doubleTing 2021-12-31 16:10:00 +08:00
parent 1fef831fde
commit 7bec37e9e7
3 changed files with 91 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

85
source/version_two/development/locationintro.md
View File

@ -2,3 +2,88 @@
## 目录
* 功能介绍
* 传感器介绍
* 实现原理
## 功能介绍
定位循迹是机器人循着用户提前录好的轨迹自主行走，行走过程中机器人能够自动躲避障碍物，自动规划路线，达到目标点。
定位循迹分为定位系统(固定定位标签)与车端（车载定位标签）两个模块，要求先搭建定位系统，然后控制车端完成循迹。
定位系统是使用Dashboard软件+固定定位标签部署地图，在Dashboard中可查看定位标签彼此的距离。
定位系统搭建完毕后，OS程序中可以得到车载定位标签的在环境地图中的绝对定位坐标。
车载定位标签的数据与里程计的数据融合定位，得到AP1在环境中的坐标点，控制AP1运动，边走边记录当前坐标点的位置，将这些坐标点记录为文件保存下来，得到路径文件。
在开始循迹的时候，程序加载路径文件，车载定位标签定位数据与里程计融合定位匹配路径数据，机器人按照指定路径行走。
## 传感器介绍
定位循迹 用到的传感器有：
* 单线激光雷达x2，安装在AP1前后底部
* 车载定位标签，安装在AP1顶板上
* 固定定位标签，部署在循迹环境中
* 编码器/轮速里程计x2，安装在车体内部前侧
![](imgs/software_intro_8.png)
## 实现原理
![](imgs/software_intro_3.jpg)
| 步骤 | 输入数据 | 操作 | 输出数据 | 使用ROS包 |
|--|--|--|--|--|
|1 | | Dashboard部署定位地图 | 定位数据（车载定位标签坐标）| marvelmind驱动包(catkin_ws\src\driver\location\marvelmind)|
|2 | 里程计数据 定位数据 | 定位融合| 当前机器人在环境中的位姿 | location_fusion(catkin_ws\src\navigation\location_fusion)|
|3| 当前机器人位姿| 控制机器人运动，录制路径| 路径数据 |path_server(catkin_ws\src\navigation\path_server)|
|4| 目标机器人位姿| 路径数据| |[move_base](http://wiki.ros.org/move_base/)|
|5| 当前机器人位姿 目标机器人位姿| 根据机器人当前位姿，进行全局规划路线| 路径数据（初步预估导航路线） |[global_planner(dijkstra) ](http://wiki.ros.org/global_planner)|
|6| 路径数据 前雷达数据 后雷达数据 | 根据规划路径开始导航，进行过程中随着实际环境、障碍物变化，进行局部路径规划，实时避障| 局部路径规划 避障 |[costmap_2d ](http://wiki.ros.org/cost_map)[teb_local_planner](http://wiki.ros.org/teb_local_planner)|
|7| 速度信息 /cmd_vel | 向底发送速度命令 | |[move_base](http://wiki.ros.org/move_base/)|
定位循迹 launch配置示例
```
<!-- 标签定位与里程计定位融合 -->
<node name="location_fusion" pkg="location_fusion" type="simple_fusion">
<param name="map_frame" value="map"/>
<param name="odom_frame" value="odom"/>
<param name="tag_frame" value="tag"/>
<param name="buffer_size" value="50"/>
<param name="distance_interval" value="0.1"/>
<param name="rate" value="200"/>
</node>
<!-- 录制路径 -->
<node name="path_saver" pkg="path_server" type="record_path_node">
<param name="map_frame" value="map"/>
<param name="base_link_frame" value="base_link"/>
<param name="odom_topic" value="odom"/>
<param name="distance_interval" value="0.2"/>
</node>
<!-- 加载路径 -->
<node name="path_loader" pkg="path_server" type="load_path_node">
<param name="map_frame" value="map"/>
<param name="path_file" value="default_path"/>
</node>
<!-- 导航模块 -->
<node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
<rosparam file="$(find autolabor_navigation_launch)/params/navigation/move_base/tracking_move_base.yaml" command="load" />
<rosparam file="$(find autolabor_navigation_launch)/params/navigation/costmap/two_laser_global_costmap_params_for_tracking.yaml" command="load" ns="global_costmap"/>
<rosparam file="$(find autolabor_navigation_launch)/params/navigation/costmap/two_laser_local_costmap_params.yaml" command="load" ns="local_costmap"/>
<rosparam file="$(find autolabor_navigation_launch)/params/navigation/global_planer/tracking_planner_params.yaml" command="load" ns="LoopPathPlanner"/>
<rosparam file="$(find autolabor_navigation_launch)/params/navigation/local_planer/tracking_teb_local_planner_params.yaml" command="load" ns="TebLocalPlannerROS"/>
</node>
```

10
source/version_two/development/slamintro.md
View File

@ -21,7 +21,7 @@ SLAM 技术解决的是，我在哪里？（**定位**Localization ）我周围
SLAM 的应用很广泛，有扫地机器人、无人驾驶汽车、无人机，三维场景重建等。
根据使用传感器不同，SLAM的可分为激光SLAM和视觉SLAM（VSLAM），本文介绍的是激光SLAM，对视觉SLAM相关知识感兴趣的可以[看这里]()。
根据使用传感器不同，SLAM的可分为激光SLAM和视觉SLAM（VSLAM），本文介绍的是激光SLAM，对视觉SLAM相关知识感兴趣的可以[看这里](/usedoc/navigationKit2/version_two/development/vslamintro)。
## 基于激光SLAM的机器人自主导航
@ -68,7 +68,7 @@ Autolabor SLAM 导航使用的是谷歌开源的 [Cartographer](https://github.c
| 步骤 | 输入数据 | 操作 | 输出数据 | 使用ROS包 |
|--|--|--|--|--|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand?hmsr=csdn)|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand)|
|2 | 前雷达数据 后雷达数据 | 过滤并融合前后激光雷达采集的数据，得到机器人周围环境点云数据| 雷达点云数据 | [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/) [laser_filters](http://wiki.ros.org/laser_filters) |
|3 | 里程计数据 点云数据 | 点云匹配| 相对位姿数据 子地图数据 | [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
|4 | 相对位姿数据 子地图数据 | 回环检测，得到子地图拼接的全地图数据 | 地图数据 | [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
@ -97,7 +97,7 @@ Cartographer 2D 建图 launch配置示例
| 步骤 | 输入数据 | 操作 | 输出数据 | 使用ROS包 |
|--|--|--|--|--|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand?hmsr=csdn)|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand)|
|2|前雷达数据 后雷达数据 里程计数据 地图数据|将机器人的实时数据与已构建的地图进行匹配|当前机器人在环境中的位姿| [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
|3| 目标机器人位姿| 给机器人制定一个目标点| |[move_base](http://wiki.ros.org/move_base/)|
|4| 当前机器人位姿 地图数据 目标机器人位姿| 根据机器人当前位姿与地图数据，进行全局规划路线| 路径数据（初步预估导航路线） |[global_planner(dijkstra) ](http://wiki.ros.org/global_planner)|
@ -169,7 +169,7 @@ Cartographer 2D 导航 launch配置示例
| 步骤 | 输入数据 | 操作 | 输出数据 | 使用ROS包 |
|--|--|--|--|--|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand?hmsr=csdn)|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand)|
|2 | 多线雷达数据 惯导数据 里程计数据 | 点云匹配| 相对位姿数据 子地图数据 | [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
|3 | 相对位姿数据 子地图数据 | 回环检测，得到子地图拼接的全地图数据 | 地图数据 | [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
@ -198,7 +198,7 @@ Cartographer 3D 建图 launch配置示例
| 步骤 | 输入数据 | 操作 | 输出数据 | 使用ROS包 |
|--|--|--|--|--|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand?hmsr=csdn)|
|1 | 左编码器数据 右编码器数据 | 使用运动模型计算编码器数据，得到符合ROS标准的里程计数据| 里程计数据| [autolabor_pro_driver](http://www.autolabor.com.cn/usedoc/ap1/sendCommand)|
|2|多线雷达数据 惯导数据 里程计数据 地图数据|将机器人的实时数据与已构建的地图进行匹配|当前机器人在环境中的位姿| [cartographer_ros](https://google-cartographer-ros.readthedocs.io/en/latest/)|
|3| 目标机器人位姿| 给机器人制定一个目标点| |[move_base](http://wiki.ros.org/move_base/)|
|4| 当前机器人位姿 地图数据 目标机器人位姿| 根据机器人当前位姿与地图数据，进行全局规划路线| 路径数据（初步预估导航路线） |[global_planner(dijkstra) ](http://wiki.ros.org/global_planner)|

2
source/version_two/development/vslamintro.md
View File

@ -8,7 +8,7 @@
2. VSLAM系统及相关资料介绍
3. SLAM框架
1. SLAM的基本过程
2. SLAM的主要模块
2. VSLAM的主要模块
## 1.SLAM技术介绍