ROS探索总结（十四）——move_base（路径规划）

        在上一篇的博客中，我们一起学习了ROS定位于导航的总体框架，这一篇我们主要研究其中最重要的move_base包。

           在总体框架图中可以看到，move_base提供了ROS导航的配置、运行、交互接口，它主要包括两个部分：
      （1） 全局路径规划（global planner）：根据给定的目标位置进行总体路径的规划；
      （2） 本地实时规划（local planner）：根据附近的障碍物进行躲避路线规划。

一、数据结构

        ROS中定义了MoveBaseActionGoal数据结构来存储导航的目标位置数据，其中最重要的就是位置坐标（position）和方向（orientation）。

[plain]  view plain  copy

1. rosmsg show MoveBaseActionGoal  
2.   
3. [move_base_msgs/MoveBaseActionGoal]:  
4. std_msgs/Header header  
5.   uint32 seq  
6.   time stamp  
7.   string frame_id  
8. actionlib_msgs/GoalID goal_id  
9.   time stamp  
10.   string id  
11. move_base_msgs/MoveBaseGoal goal  
12.   geometry_msgs/PoseStamped target_pose  
13.     std_msgs/Header header  
14.       uint32 seq  
15.       time stamp  
16.       string frame_id  
17.     geometry_msgs/Pose pose  
18.       geometry_msgs/Point position  
19.         float64 x  
20.         float64 y  
21.         float64 z  
22.       geometry_msgs/Quaternion orientation  
23.         float64 x  
24.         float64 y  
25.         float64 z  
26.         float64 w  

二、配置文件

        move_base使用前需要配置一些参数：运行成本、机器人半径、到达目标位置的距离，机器人移动的速度，这些参数都在rbx1_nav包的以下几个配置文件中：
        • base_local_planner_params.yaml
        • costmap_common_params.yaml
        • global_costmap_params.yaml
        • local_costmap_params.yaml

三、全局路径规划（global planner）

        在ROS的导航中，首先会通过全局路径规划，计算出机器人到目标位置的全局路线。这一功能是navfn这个包实现的。
        navfn通过Dijkstra最优路径的算法，计算costmap上的最小花费路径，作为机器人的全局路线。将来在算法上应该还会加入A*算法。
        具体见：http://www.ros.org/wiki/navfn?distro=fuerte

四、本地实时规划（local planner）

        本地的实时规划是利用base_local_planner包实现的。该包使用Trajectory Rollout 和Dynamic Window approaches算法计算机器人每个周期内应该行驶的速度和角度（dx，dy，dtheta velocities）。

        base_local_planner这个包通过地图数据，通过算法搜索到达目标的多条路经，利用一些评价标准（是否会撞击障碍物，所需要的时间等等）选取最优的路径，并且计算所需要的实时速度和角度。
其中，Trajectory Rollout 和Dynamic Window approaches算法的主要思路如下：
      （1） 采样机器人当前的状态（dx,dy,dtheta）；
      （2） 针对每个采样的速度，计算机器人以该速度行驶一段时间后的状态，得出一条行驶的路线。
      （3） 利用一些评价标准为多条路线打分。
      （4） 根据打分，选择最优路径。
      （5） 重复上面过程。
      具体参见：http://www.ros.org/wiki/base_local_planner?distro=groovy

五、ArbotiX仿真——手动设定目标

        在这一步，我们暂时使用空白地图（blank_map.pgm），就在空地上进行无障碍仿真。
        首先运行ArbotiX节点，并且加载机器人的URDF文件。

[plain]  view plain  copy

1. roslaunch rbx1_bringup fake_turtlebot.launch  

         然后运行move_base和加载空白地图的launch文件（fake_move_base_blank_map.launch）：

[plain]  view plain  copy

1. roslaunch rbx1_nav fake_move_base_blank_map.launch  

        该文件的具体内容如下：

[plain]  view plain  copy

1. <launch>  
2.   <!-- Run the map server with a blank map -->  
3.   <node name="map_server" pkg="map_server" type="map_server" args="$(find rbx1_nav)/maps/blank_map.yaml"/>  
4.       
5.   <include file="$(find rbx1_nav)/launch/fake_move_base.launch" />  
6.   
7.   <!-- Run a static transform between /odom and /map -->  
8.   <node pkg="tf" type="static_transform_publisher" name="odom_map_broadcaster" args="0 0 0 0 0 0 /map /odom 100" />  
9.   
10. </launch>  

        其中调用了fake_move_base.launch文件，是运行move_base节点并进行参数配置。

        然后调用rviz就可以看到机器人了。

[plain]  view plain  copy

1. rosrun rviz rviz -d `rospack find rbx1_nav`/nav_fuerte.vcg  

        

        我们先以1m的速度进行一下测试：

        让机器人前进一米：

[plain]  view plain  copy

1. rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped \  
2. '{ header: { frame_id: "base_link" }, pose: { position: { x: 1.0, y: 0, z: 0 }, orientation: { x: 0, y: 0, z: 0, w: 1 } } }'  

        让机器人后退一米，回到原来的位置：

[plain]  view plain  copy

1. rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped \  
2. '{ header: { frame_id: "map" }, pose: { position: { x: 0, y: 0, z: 0 }, orientation: { x: 0, y: 0, z: 0, w: 1 } } }'  

        在rviz中的轨迹图如下：

        在机器人移动过程中，有一条蓝色的线（被黄线挡住了）就是机器人的全局规划的路径；红色的箭头是实施规划的路线，会不断更新，有的时候会呈现很大的弧线，那是因为机器人在转向的过程中尽量希望保持平稳的角度。如果觉得路径规划的精度不够，可以修改配置文件中的pdist_scale参数进行修正。
        然后我们可以认为的确定目标位置，点击rviz上方的2D Nav Goal按键，然后左键选择目标位置，机器人就开始自动导航了。

六、ArbotiX仿真——带有障碍物的路径规划

        首先我们让机器人走一个正方形的路线。先通过上面的命令，让机器人回到原始位置（0，0，0），然后按reset按键，把所有的箭头清除。接着运行走正方形路径的代码：

[plain]  view plain  copy

1. rosrun rbx1_nav move_base_square.py  

        在rviz中可以看到：

        四个顶角的粉色圆盘就是我们设定的位置，正方形比较规则，可见定位还是比较准确的。然我们先来分析一下走正方形路线的代码：

[python]  view plain  copy

1. #!/usr/bin/env python  
2. import roslib; roslib.load_manifest('rbx1_nav')  
3. import rospy  
4. import actionlib  
5. from actionlib_msgs.msg import *  
6. from geometry_msgs.msg import Pose, Point, Quaternion, Twist  
7. from move_base_msgs.msg import MoveBaseAction, MoveBaseGoal  
8. from tf.transformations import quaternion_from_euler  
9. from visualization_msgs.msg import Marker  
10. from math import radians, pi  
11.   
12. class MoveBaseSquare():  
13.     def __init__(self):  
14.         rospy.init_node('nav_test', anonymous=False)  
15.           
16.         rospy.on_shutdown(self.shutdown)  
17.           
18.         # How big is the square we want the robot to navigate?  
19.         # 设定正方形的尺寸，默认是一米  
20.         square_size = rospy.get_param("~square_size", 1.0) # meters  
21.           
22.         # Create a list to hold the target quaternions (orientations)  
23.         # 创建一个列表，保存目标的角度数据  
24.         quaternions = list()  
25.           
26.         # First define the corner orientations as Euler angles  
27.         # 定义四个顶角处机器人的方向角度（Euler angles:http://zh.wikipedia.org/wiki/%E6%AC%A7%E6%8B%89%E8%A7%92)  
28.         euler_angles = (pi/2, pi, 3*pi/2, 0)  
29.           
30.         # Then convert the angles to quaternions  
31.         # 将上面的Euler angles转换成Quaternion的格式  
32.         for angle in euler_angles:  
33.             q_angle = quaternion_from_euler(0, 0, angle, axes='sxyz')  
34.             q = Quaternion(*q_angle)  
35.             quaternions.append(q)  
36.           
37.         # Create a list to hold the waypoint poses  
38.         # 创建一个列表存储导航点的位置  
39.         waypoints = list()  
40.           
41.         # Append each of the four waypoints to the list.  Each waypoint  
42.         # is a pose consisting of a position and orientation in the map frame.  
43.         # 创建四个导航点的位置（角度和坐标位置）  
44.         waypoints.append(Pose(Point(square_size, 0.0, 0.0), quaternions[0]))  
45.         waypoints.append(Pose(Point(square_size, square_size, 0.0), quaternions[1]))  
46.         waypoints.append(Pose(Point(0.0, square_size, 0.0), quaternions[2]))  
47.         waypoints.append(Pose(Point(0.0, 0.0, 0.0), quaternions[3]))  
48.           
49.         # Initialize the visualization markers for RViz  
50.         # 初始化可视化标记  
51.         self.init_markers()  
52.           
53.         # Set a visualization marker at each waypoint   
54.         # 给每个定点的导航点一个可视化标记(就是rviz中看到的粉色圆盘标记)  
55.         for waypoint in waypoints:             
56.             p = Point()  
57.             p = waypoint.position  
58.             self.markers.points.append(p)  
59.               
60.         # Publisher to manually control the robot (e.g. to stop it)  
61.         # 发布TWist消息控制机器人  
62.         self.cmd_vel_pub = rospy.Publisher('cmd_vel', Twist)  
63.           
64.         # Subscribe to the move_base action server  
65.         # 订阅move_base服务器的消息  
66.         self.move_base = actionlib.SimpleActionClient("move_base", MoveBaseAction)  
67.           
68.         rospy.loginfo("Waiting for move_base action server...")  
69.           
70.         # Wait 60 seconds for the action server to become available  
71.         # 等待move_base服务器建立  
72.         self.move_base.wait_for_server(rospy.Duration(60))  
73.           
74.         rospy.loginfo("Connected to move base server")  
75.         rospy.loginfo("Starting navigation test")  
76.           
77.         # Initialize a counter to track waypoints  
78.         # 初始化一个计数器，记录到达的顶点号  
79.         i = 0  
80.           
81.         # Cycle through the four waypoints  
82.         # 主循环,环绕通过四个定点  
83.         while i < 4 and not rospy.is_shutdown():  
84.             # Update the marker display  
85.             # 发布标记指示四个目标的位置，每个周期发布一起，确保标记可见  
86.             self.marker_pub.publish(self.markers)  
87.               
88.             # Intialize the waypoint goal  
89.             # 初始化goal为MoveBaseGoal类型  
90.             goal = MoveBaseGoal()  
91.               
92.             # Use the map frame to define goal poses  
93.             # 使用map的frame定义goal的frame id  
94.             goal.target_pose.header.frame_id = 'map'  
95.               
96.             # Set the time stamp to "now"  
97.             # 设置时间戳  
98.             goal.target_pose.header.stamp = rospy.Time.now()  
99.               
100.             # Set the goal pose to the i-th waypoint  
101.             # 设置目标位置是当前第几个导航点  
102.             goal.target_pose.pose = waypoints[i]  
103.               
104.             # Start the robot moving toward the goal  
105.             # 机器人移动  
106.             self.move(goal)  
107.               
108.             i += 1  
109.           
110.     def move(self, goal):  
111.             # Send the goal pose to the MoveBaseAction server  
112.             # 把目标位置发送给MoveBaseAction的服务器  
113.             self.move_base.send_goal(goal)  
114.               
115.             # Allow 1 minute to get there  
116.             # 设定1分钟的时间限制  
117.             finished_within_time = self.move_base.wait_for_result(rospy.Duration(60))   
118.               
119.             # If we don't get there in time, abort the goal  
120.             # 如果一分钟之内没有到达，放弃目标  
121.             if not finished_within_time:  
122.                 self.move_base.cancel_goal()  
123.                 rospy.loginfo("Timed out achieving goal")  
124.             else:  
125.                 # We made it!  
126.                 state = self.move_base.get_state()  
127.                 if state == GoalStatus.SUCCEEDED:  
128.                     rospy.loginfo("Goal succeeded!")  
129.                       
130.     def init_markers(self):  
131.         # Set up our waypoint markers  
132.         # 设置标记的尺寸  
133.         marker_scale = 0.2  
134.         marker_lifetime = 0 # 0 is forever  
135.         marker_ns = 'waypoints'  
136.         marker_id = 0  
137.         marker_color = {'r': 1.0, 'g': 0.7, 'b': 1.0, 'a': 1.0}  
138.           
139.         # Define a marker publisher.  
140.         # 定义一个标记的发布者  
141.         self.marker_pub = rospy.Publisher('waypoint_markers', Marker)  
142.           
143.         # Initialize the marker points list.  
144.         # 初始化标记点的列表  
145.         self.markers = Marker()  
146.         self.markers.ns = marker_ns  
147.         self.markers.id = marker_id  
148.         self.markers.type = Marker.SPHERE_LIST  
149.         self.markers.action = Marker.ADD  
150.         self.markers.lifetime = rospy.Duration(marker_lifetime)  
151.         self.markers.scale.x = marker_scale  
152.         self.markers.scale.y = marker_scale  
153.         self.markers.color.r = marker_color['r']  
154.         self.markers.color.g = marker_color['g']  
155.         self.markers.color.b = marker_color['b']  
156.         self.markers.color.a = marker_color['a']  
157.           
158.         self.markers.header.frame_id = 'map'  
159.         self.markers.header.stamp = rospy.Time.now()  
160.         self.markers.points = list()  
161.   
162.     def shutdown(self):  
163.         rospy.loginfo("Stopping the robot...")  
164.         # Cancel any active goals  
165.         self.move_base.cancel_goal()  
166.         rospy.sleep(2)  
167.         # Stop the robot  
168.         self.cmd_vel_pub.publish(Twist())  
169.         rospy.sleep(1)  
170.   
171. if __name__ == '__main__':  
172.     try:  
173.         MoveBaseSquare()  
174.     except rospy.ROSInterruptException:  
175.         rospy.loginfo("Navigation test finished.")  

        但是，在实际情况中，往往需要让机器人自动躲避障碍物。move_base包的一个强大的功能就是可以在全局规划的过程中自动躲避障碍物，而不影响全局路径。障碍物可以是静态的（比如墙、桌子等），也可以是动态的（比如人走过）。
        现在我们尝试在之前的正方形路径中加入障碍物。把之前运行fake_move_base_blank_map.launch的中断Ctrl-C掉，然后运行：

[plain]  view plain  copy

1. roslaunch rbx1_nav fake_move_base_obstacle.launch  

        然后就会看到在rviz中出现了障碍物。然后在运行之前走正方形路线的代码：

[plain]  view plain  copy

1. rosrun rbx1_nav move_base_square.py   

        这回我们可以看到，在全局路径规划的时候，机器人已经将障碍物绕过去了，下过如下图：

        在上图中，黑色的线是障碍物，周围浅色的椭圆形是根据配置文件中的inflation_radius参数计算出来的安全缓冲区。全局规划的路径基本已经是最短路径了。在仿真的过程中也可以动态重配置那四个配置文件，修改仿真参数。

----------------------------------------------------------------

欢迎大家转载我的文章。

转载请注明：转自古-月

http://blog.youkuaiyun.com/hcx25909

欢迎继续关注我的博客