[学习SLAM]ROS下robot_pose_ekf扩展卡尔曼融合包的使用案例（robot_pose_ekf）篇章 (3)

最新推荐文章于 2024-12-12 08:39:49 发布

苏源流

最新推荐文章于 2024-12-12 08:39:49 发布

阅读量3.5k

点赞数 9

分类专栏：融合定位 SLAM ROS

本文链接：https://blog.youkuaiyun.com/KYJL888/article/details/114371841

版权

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!

单里程计的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

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。
这里写图片描述

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。