14、移动机器人的SLAM基础与ROS导航框架解析

移动机器人的SLAM基础与ROS导航框架解析

1. SLAM基础概述

机器人的自主导航需要强大的环境感知能力。在未知复杂环境中，人类可通过视觉、听觉、嗅觉等感知外界环境变化以确定自身状态，而机器人则需依靠所携带的传感器，如相机、激光雷达（LiDAR）、雷达、里程计和惯性测量单元（IMU）等。机器人要对传感器数据进行分析，以实现位姿估计和环境建图。对于三维空间中的机器人（如无人机），需确定其三维位姿信息、三维旋转信息和环境地图；而二维平面上的移动机器人，仅需二维坐标信息、二维角度信息和二维地图。准确的位姿估计和建图有助于实现机器人的自主导航。

2. 移动机器人坐标系

为进行位姿估计和建图，需建立移动机器人的坐标系。在ROS中，移动机器人的坐标系通常包含以下几个坐标框架：
- map ：地图框架，固定不变，与机器人所在的世界框架一致。
- base_link ：机器人本体框架，与机器人中心重合。
- odom ：里程计框架，可看作随移动机器人移动的框架。机器人移动时会发布从base_link到odom的变换（tf）。初始时，如机器人在充电原点，odom框架和map框架重合，即从map到odom的tf为0。但由于里程计的累积误差（通过运动学模型计算），odom会随时间产生偏差，此时需传感器进行校正（估计）。例如，使用LiDAR传感器进行Gmapping位姿估计时，可得到从map到base_link的tf，进而得出位姿估计与里程计之间的偏差，即map和odom坐标系之间的偏差，从而校正机器人的位姿。需注意odom和odom话题的区别，odom