7 ROS SLAM a laser

Os principais problemas da navegação por robôs podem ser divididos em três partes: mapeamento, localização e planejamento de caminhos. O problema do posicionamento e mapeamento simultâneos (SLAM) está na interseção do posicionamento e do mapeamento. O SLAM exige que o robô construa gradualmente um mapa em um ambiente desconhecido e determine sua própria posição com base no mapa para localizar ainda mais.

O SLAM pode ser dividido em três categorias: laser, visão, laser + visão. Este capítulo estuda principalmente o algoritmo SLAM a laser.

7.1 Mapa

O mapa no ROS é uma imagem comum em escala de cinza, geralmente no formato pgm. Pixels pretos nesta imagem indicam obstáculos, pixels brancos indicam áreas viáveis e cinza são áreas inexploradas. Como mostrado abaixo:

O mapa é mantido e apresentado na forma de um tópico no ROS.O nome do tópico é / map e seu tipo de mensagem é nav_msgs / OccupancyGrid

Você pode visualizar o formato da mensagem através de rosmsg show nav_msgs / OccupancyGrid:

std_msgs/Header header #消息的报头
    uint32 seq
    time stamp
    string frame_id #地图消息绑定在TF的哪个frame上，一般为map
nav_msgs/MapMetaData info #地图相关信息
    time map_load_time #加载时间
    float32 resolution #分辨率 单位：m/pixel
    uint32 width #宽 单位：pixel
    uint32 height #高 单位：pixel
    geometry_msgs/Pose origin #原点
    geometry_msgs/Point position
        float64 x
        float64 y
        float64 z
    geometry_msgs/Quaternion orientation
        float64 x
        float64 y
        float64 z
        float64 w
int8[] data #地图具体信息

O item acima define a estrutura de dados do tópico / map, que contém três partes principais: cabeçalho, informações e dados. O cabeçalho é o cabeçalho da mensagem, que armazena informações gerais, como número de sequência, registro de data e hora, quadro, etc. , [] É adicionado após int8, que pode ser entendido como um contêiner do tipo vetor, que armazena dados do tipo width * height int8, que são cada pixel deste mapa.

Para o mapa da área desconhecida, o robô pode ser construído dinamicamente usando o algoritmo SLAM em movimento.

Para um mapa de uma área conhecida, você pode primeiro iniciar o nó do algoritmo SLAM, mover o robô para varrer o ambiente circundante e criar um mapa e, em seguida, usar map_server ( $ rosrun map_server map_saver -f map ) para salvar o mapa. Use o mapa salvo para navegação futura.

7.2 Comparação de algoritmos SLAM a laser comumente usados

Os algoritmos SLAM a laser comumente usados no ROS são Gmapping, Karto, Hector e outros algoritmos.

A comparação específica é mostrada na tabela a seguir:

	gmapping	Karto	Hector
Sensor necessário	Lidar Odômetro	Lidar Odômetro	Lidar (requer radar de alta frequência)
Inserir tópico	/ tf e / tf_static: transformação de coordenadas, tf / tfMessage ou tf2_msgs / TFMessage. Dois tf devem ser fornecidos, um é o tf entre o chassi base e o laser, ou seja, a transformação entre o chassi do robô e o lidar; o outro é o tf entre o chassi base e o odom_frame, ou seja, as coordenadas entre o chassi e a origem do odômetro Transformar. odom_frame pode ser entendido como o sistema de coordenadas em que a origem do odômetro está localizada. / scan: dados Lidar, digite sensor_msgs / LaserScan	/ tf e / tf_static: transformação de coordenadas, tf / tfMessage ou tf2_msgs / TFMessage. Dois tf devem ser fornecidos, um é o tf entre o chassi base e o laser, ou seja, a transformação entre o chassi do robô e o lidar; o outro é o tf entre o chassi base e o odom_frame, ou seja, as coordenadas entre o chassi e a origem do odômetro Transformar. odom_frame pode ser entendido como o sistema de coordenadas em que a origem do odômetro está localizada. / scan: dados Lidar, digite sensor_msgs / LaserScan	/ tf e / tf_static: transformação de coordenadas, tf / tfMessage ou tf2_msgs / TFMessage. Dois tf devem ser fornecidos, um é o tf entre o chassi base e o laser, ou seja, a transformação entre o chassi do robô e o lidar; o outro é o tf entre o chassi base e o odom_frame, ou seja, as coordenadas entre o chassi e a origem do odômetro Transformar. odom_frame pode ser entendido como o sistema de coordenadas em que a origem do odômetro está localizada. / scan: dados Lidar, digite sensor_msgs / LaserScan / syscommand: Quando a mensagem de redefinição é recebida, as posições do mapa e do robô são inicializadas em suas posições originais.
Tópico de saída	/ tf: produz principalmente a transformação entre map_frame e odom_frame / slam_gmapping / entropy: std_msgs / tipo Float64, refletindo o grau de dispersão da estimativa de pose do robô / map: o mapa criado por slam_gmapping / map_metadata: informações sobre o mapa	/ tf: produz principalmente a transformação entre map_frame e odom_frame / map: o mapa criado por slam_gmapping / map_metadata: informações sobre o mapa	/ tf: produz principalmente a transformação entre map_frame e odom_frame / map: o mapa criado por slam_gmapping / map_metadata: informações sobre o mapa / poseupdate: estimativa de pose de robô com covariância / slam_out_pose: Pose de estimativa sem covariância.
Serviço prestado	/ dynamic_map: o tipo é nav_msgs / GetMap, usado para obter o mapa atual	/ dynamic_map: o tipo é nav_msgs / GetMap, usado para obter o mapa atual	/ dynamic_map: o tipo é nav_msgs / GetMap, usado para obter o mapa atual
Realização técnica	Filtro de partículas	Otimização baseada em gráficos	correspondência de varredura (equação de Gaussian-Newton)
Efeito	Efeitos maduros, confiáveis e estáveis, muitos robôs baseados em ROS executam gmapping_slam	Semelhante ao mapeamento gmap, mais adequado para ambientes de mapas grandes	O efeito não é tão bom quanto o Gmapping e o Karto, porque ele usa apenas informações do lidar

(1) O odômetro inclui uma roda de código fotoelétrico na roda, uma unidade de navegação inercial (IMU) e um odômetro visual. Você pode usar apenas um deles para odom ou selecionar vários para fusão de dados, e o resultado da fusão é usado como odom.

（2）https://blog.csdn.net/dddxxxx/article/details/78460636

（3） Consulte 《Uma avaliação das técnicas 2D SLAM disponíveis no sistema operacional do robô》