1 准备工作
本小车使用了 ROS1 Melodic 中的主从机通讯，机器人被设置为了主机（master），可以在同局域网下的从机（slave）中订阅或者发布ROS数据。其简要思想如下:
因此，需要连接树莓派 / Nvidia / 工控机 的 WiFi 热点，然后参照《02-视觉套餐/02-ROS主从机网络配置》完成ROS网络配置。随之带来两个对新手比较棘手的问题，本地主机使用：双系统 Win + ubuntu 还是虚拟机 Win + ubuntu 。如果是使用虚拟机的话，我们配套的资料里面有一份，需要自行参照资料《02-视觉套餐/01-虚拟机网络配置》配置虚拟机网络。
对于初次接触小阿克曼的同学来说有点陌生，这里将整个小车的架构做一个描述如下图：
解释：
上位机 ：树莓派 或者 Jetson nano 或者 工控机等；
下位机：由 Arduino mega 2560 + 自研扩展板 + 电机 + 舵机 + 灯光 + 航模遥控 + 云台等构成的综合体；
电源充放电：
电源开关：目前整车电源来自3节18650电池串联构成12.6 v 电源，电源由一枚单刀双置开关构成，开关一端导通整车电源，另外一端导通充电电路；
电源充电：使用 12.6V / 1A 防过冲充电器充电，充电时需将单刀双置开关掰到充电电路一侧，此时整车断电，充电器显示红灯，充满之后会显示绿灯；
Jetson nano 有配备额外的 12V / 5A 充电器，方便小车在充电的时候，也可以使用机器人主机。
Raspberry Pi 则需要有 5V / 2.5A 的电源，比较常见，默认没有额外配置。
打开本地ubuntu，连接机器人主机的 Wifi ，可以是树莓派或者是 Jetson nano 均可，只是两者的ip段不一致，示意图如下：
附带程序中的代码文件 ：
代码：
Local_PC/catkin_ws : 放置在本地端 ubuntu 的 home 目录下；
Robot_PC/catkin_ws : 放置在机器人主机的 home 目录下；
2 通过 cmd_vel 控制小车移动
在本地 ubuntu 中打开两个终端。
1.第一个终端
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
catkin_make -j # 编译程序
source devel/setup.bash # source 工作空间
roslaunch ros_arduino_python arduino.launch2.第二个终端
rosrun rqt_robot_steering rqt_robot_steering
# 如果提示找不到的话，需要安装一个这个包
sudo apt-get install ros-melodic-rqt-robot-steering在弹出的面板中，两个进度条分别表示控制小车前进倒退的线速度和转弯的角速度：
3 云台+摄像头跟随
在本地 ubuntu 中打开两个终端。
1.第一个终端
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash # source 工作空间
roslaunch ros_arduino_python arduino.launch
2、第二个终端
ssh -X [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash # source 工作空间
roslaunch linetrack balltrack_color.launch然后将绿色小球放到机器人云台摄像头前面，云台就会在一定范围内跟随移动。
默认是跟踪绿色，代码里面还提供了红色、黄色、绿色物体跟踪所需的 HSV 空间范围值。
4 基于颜色的火焰识别
在本地 ubuntu 中打开两个终端。
1.第一个终端
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash
roslaunch fire_detect fire_detect.launch2. 第二个终端
cd catkin_ws # 没有这个目录的话，记得将附带代码文件中的 Local_PC/catkin_ws 放置在本地 ubuntu 的 home 目录下
catkin_make -j # 编译程序
source devel/setup.bash
roslaunch remote_gmapping joy_fire_detect.launch
当有火焰靠近的时候，程序会根据设定的火焰的颜色和大小，自行识别：
需要注意的是，在弹出的 rqt_image_view 工具中，需要手动调整左上方的订阅话题名 处，然后选择: fire_detect_image/Compressed ，才会有对应的视频显示。
5 摄像头巡线
打开三个终端：
1. 第一个终端
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash
roslaunch ros_arduino_python arduino.launch将车放置到我们的赛道上，摄像头朝向车道中线（黄色）
2. 第二个终端
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash
roslaunch linetrack linetrack_color.launch运行之后，云台摄像头会自动朝下转动固定角度，使得摄像头对准前方赛道。
6 纯激光雷达建图
在本地 ubuntu 打开三个终端：
1. 第一个终端
# ssh
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws
source devel/setup.bash
roslaunch mini_gmapping hector_mapping.launch2. 第二个终端
cd catkin_ws # 没有这个目录的话，记得将附带代码文件中的 Local_PC/catkin_ws 放置在本地 ubuntu 的 home 目录下
catkin_make -j
source devel/setup.bash
rosrun remote_gmapping joy_gmapping.launch然后会在本地端弹出如下所示的窗口：
接下来就可以通过控制面板上面的进度条，控制小车前进倒退，左转右转啦，需要注意的是，建图的过程中，记得以比较慢和均匀的速度进行。
另外：需要检查 rqt_robot_steering 这个功能包界面的速度话题名字，上图中是：“ joy_teleop/cmd_vel ” 需要修改为：cmd_vel ，否则车动不了哟。
3. 第三个终端(保存地图)
# ssh
ssh [email protected] # 以Nvidia 设备为例 密码 cooneo
cd catkin_ws/src/mini_gmapping/map/
rosrun map_server map_saver -f hector_map # hector_map 是保存的地图的名字。
# 随后在该路径下会产生 两个文件 ，分别是 地图文件（hector_map.pgm） 和 地图描述文件（hector_map.yaml）上述保存的地图将在后续导航的时候，作为先验地图加载进 ROS movebase 中。
4. rf2o_laser_odometry 激光里程计 + gmappig 建图
# ssh
ssh [email protected] # 英伟达主机，密码是：cooneo
# cd 进ROS 工作空间
cd catkin_ws
source devel/setup.bash
roslaunch mini_gmapping laser_odom_gmapping.launch5. 紧接着，在本地运行 建图实时查看程序，和上面方法一样：
# 打开虚拟机中的一个终端
cd catkin_ws
source devel/setup.bash
roslaunch remote_gmapping joy_gmapping.launch参考推文
7 纯激光雷达导航
在 ubuntu 本地端，打开两个终端:
1. 第一个终端
# ssh 进jetson nnao
ssh [email protected] # 输入密码为 cooneo
cd catkin_ws
catkin_make #只需要编译一次
source devel/setup.bash
roslaunch mini_navigation navigation_steer_mini_sensors_rf2o.launch这个 launch 文件会默认会加载之前的 hector_map 作为先验地图。
2. 第二个终端
#在终端中 打开本地 catkin_ws
cd catkin_ws
source devel/setup.bash
roslaunch remote_gmapping joy_navigation.launch
需要注意的是：
运行导航程序之前，需要将小车放置到建图时候的起始位置和朝向，这个是导航程序中默认的位置设定，后续小车慢慢移动起来之后，amcl会起作用，激光雷达点云会逐渐和之前建好的地图重合。
上图中，红色点云是激光雷达实时的测距信息可视化；
上图中，一共有三个地图层 map，如上图左上角所示，它们分别是：
-
之前建图保存下来的地图，该地图作为全局路径规划的主要依据，所以在规划路径之前，需要将小车的位置放好，这才能规划出正确的路径。
-
全局代价地图和局部代价地图，分别辅助全局和局部路径规划，其中，全局路径可以使用A* 和 Dijkstra 算法；局部路径是实际控制小车行进的算法，因此和车型有关，我们的车型是阿克曼类型，所以使用的是 teb_local_planner 算法。
-
地图轮廓附近的深色点，是膨胀层，该层存在的意义是让机器人在规划路径的过程中尽量避免开障碍物，使得小车处于安全的行进位置。
那么，如何开始导航？？
上图 Rviz 中，最上一栏有两个比较重要的按钮，分别是：2D Pose Estimate 和 2D Nav Goal 。
2D Pose Estimate ：鼠标点击之后，就会出现一个箭头，该箭头的作用就是手动指定小车当前在地图中的实际位置的，当激光点云和地图不重合的时候，可以手动纠正一下。其中，箭头的尾部表示位置，箭头的方向表示朝向。
2D Nav Goal ：手动指定导航的目标点，鼠标点击之后，可以在地图中空白的位置处，选择一个点作为导航的目标点，同样该箭头包含了位置和朝向。
，时长01:45
随后，即可看见两条路径，其中绿色的表示全局路径，红色的表示的是局部路径。
最后，该算法使用的是 ROS 的导航框架 move_base，所有的节点配置文件，均存储在机器人主机中。路径如下：
home/cooneo/catkin_ws/src/mini_navigation/config/
8 展望
我们准备了完备的搭建教程和代码，不管是想要自己动手搭建的小伙伴儿还是想买来学习的同学，均有合适的文档和教程，代码全部都给你，不怕你学不会。
后续会继续在阿克曼底盘的基础上，做贴近小型自动驾驶场景的一些demo供大家参考，感兴趣的同学记得收藏哟！尽请期待！！