最近在使用imu进行数据融合，使用的是robot_pose_ekf的融合包，发现网上的教程太不详细，折腾了1个月，终于搞定了。于是乎，想写一个关于ekf包的使用教程。里程计和惯导模块imu的数据融合来得到一个不易丢失的机器人姿态。首先，你得有一个imu，而且得校准好，我使用的是razor 9dof的imu，通过ros包pub一个Imu的data类型。
这是我google的比较有用的一个ekf包的使用教程
首先，先给大家看下我的tf!
这张图是单使用里程计的tf图片，你可以通过
rosrun rqt_tf_tree rqt_tf_tree- 1
来查看自己的tf，维护好自己的tf对我们来说至关重要，稍有不慎就会出现很多麻烦，别问我是怎么知道的，都是泪，从上面的图片可以看到odom–base_footprint是通过arduino转换的，这一部分一般都是在我们与底盘通信的node里发布的。
就是这里，这部分代码就是实现上面tf转换的源代码，为什么要把这部分提出来呢，我们之后再说。好了，下面我们开始说怎么使用ekf包了。 odom–base_footprint的tf转换，所以我们使用这个包第一步就是要将我们上面提到的那一段代码注释掉， 因为ekf包会为我们处理好这部分tf，所以不需要我们发布变换了，这一步很重要！ 之后我们需要加一个imu的link，我推荐直接使用静态tf发布吧。
` <node name="base_imu_link" pkg="tf" type="static_transform_publisher" args="0 0 0 0 3.1415926 0 /base_link /base_imu_link 50"/>
- 1
- 2
`
这里就OK了，之后我们就可以使用ekf包来融合了，首先开启底盘的launch，来发布odom的topic，然后开启imu的launch来发布imu的topic，确保这两个topic有数据，可以rostopic echo 来查看，之后运行robot_pose_ekf的launch文件，为了查看ekf包是否正常工作，可以用下面代码：
rosservice call /robot_pose_efk/get_status- 1
查看Odometry sensor和IMU sensor 是否is used ，is active来确保ekf包的是否正确使用，下面贴出我的融合成功后的tf：
可以看到这里的odom–base_footprint的转换就是由/robot_pose_ekf发布的了，至于融合后的效果就是要看imu的校准度了，看效果的话可以用rviz或者导出rosbag包用matlab的plot函数绘出来，matlab可能更直观点， 至于如何使用matlab绘制里程计data，有时间我再贴出来吧。