ros2 Navigation 学习笔记第三章（the construct 网站）

原创

已于 2023-01-05 22:23:18 修改 · 2.4k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#学习 #机器人 #自动驾驶

于 2023-01-05 17:55:24 首次发布

第三章如何在环境中给机器人定位

序言

本章包括：

机器人定位的意义（即需要知道它对于环境中的位置和方向）

如何在ROS2中用AMCL定位

如何设置机器人的初始位置（手动、自动与使用ROS API）

如何global localization

什么是AMCL

ROS有鲁棒性极强的定位算法AMCL(自适应蒙特卡洛定位)，这是一个二维机器人的概率定位系统。

它实现了自适应蒙特卡洛定位方法，该方法使用粒子过滤器根据已知地图跟踪机器人的姿态。

当某人发布/map帧和/odom帧之间的转换时，ROS机器人被定位

这意味着机器人的/odom知道其相对于/map的相对位置，因此机器人知道它在地图上的位置，因为它的/base_link直接连接到/odom。

当一切正确，AMCL将发布该转换。现在学习如何配置AMCL以发布该转换。

如何在ROS2中定位

需要三个节点 map_server提供地图。localization提供算法。和上一章提到的life cycle manager管理各个节点的生命周期。

1、启动map_server节点

以下字段是你需要为你的包提供的启动节点的字段

map_server节点由nav2_map_server提供

所需要的参数 use_sim_time（true）和yaml_filename（都是上一章提到过的）

            package='nav2_map_server',
            executable='map_server',
            name='map_server',
            output='screen',
            parameters=[{'use_sim_time': True}, 
                        {'yaml_filename':map_file} 
                       ]),

2、启动amcl节点

需要以下字段：

amcl节点由nav2_amcl包提供

可执行文件名amcl，需要的参数是yaml文件包含所有配置参数。

            package='nav2_amcl',
            executable='amcl',
            name='amcl',
            output='screen',
            parameters=[nav2_yaml]

3、启动lifecycle_manager节点

由nav2_lifecycle_manager提供

可执行文件叫做lifecycle_manager

参数：use_sim_time. autostart. node_name（同上一章）

练习 3.1

建立一个launch文件能够在你上一节建立的地图上启动定位系统

1、创建一个叫做localization_server的包

2、创建config和launch路径

3、在launch路径内建立一个叫localization.launch.py的文件能够启动之前提到的三个节点

4、在config路径内建立一个叫amcl_config.yaml的yaml文件，文件内容如下

后来经过实际测试，yaml文件按照下面写会报错，原因如下

Description

The fully-qualified type of the plugin class. Options are “nav2_amcl::DifferentialMotionModel” and “nav2_amcl::OmniMotionModel”. Users can also provide their own custom motion model plugin type.

Note for users of galactic and earlier

The models are selectable by string key (valid options: “differential”, “omnidirectional”) rather than plugins.

amcl:
  ros__parameters:
    use_sim_time: True
    alpha1: 0.2
    alpha2: 0.2
    alpha3: 0.2
    alpha4: 0.2
    alpha5: 0.2
    base_frame_id: "base_footprint"
    beam_skip_distance: 0.5
    beam_skip_error_threshold: 0.9
    beam_skip_threshold: 0.3
    do_beamskip: false
    global_frame_id: "map"
    lambda_short: 0.1
    laser_likelihood_max_dist: 2.0
    laser_max_range: 100.0
    laser_min_range: -1.0
    laser_model_type: "likelihood_field"
    max_beams: 60
    max_particles: 8000
    min_particles: 200
    odom_frame_id: "odom"
    pf_err: 0.05
    pf_z: 0.99
    recovery_alpha_fast: 0.0
    recovery_alpha_sl