【无人机自主导航10 自主导航】PX4仿真环境下RGBD+港科大Fast-Planner旋翼无人机自主导航

最新推荐文章于 2025-06-05 17:31:02 发布
最新推荐文章于 2025-06-05 17:31:02 发布
阅读量4.9k 收藏 82
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 无人机 学习分享笔记 文章标签： Linux 无人机 自主导航 ROS Fast-Planner
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_42646103/article/details/115678976
本文介绍了基于Ubuntu18.04和ROS Melodic的无人机自主导航项目，利用了XTDrone、Prometheus、px4_fast_planner等开源工具，结合RGBD深度相机与港科大Fast-Planner路径优化算法，实现了无人机的室内避障和自主飞行。项目包括仿真环境配置、依赖包安装、环境测试、无人机导航及最终的飞行效果展示，包括穿越凉亭和障碍物避障的视频演示。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

以开源项目XTDrone、Promethus、px4_fast_planner等为例，自行迁移修整的基于RGBD深度相机与港科大的Fast-Planner路径优化项目，实现无人机的自主导航飞行与避障。

一、环境及依赖

1.1 仿真环境

项目配置
平台Ubuntu18.04
硬件8G i5 NVIDA GTX1080T
ROSmelodic
mavros

2.1 依赖包

二、配置环境与测试

三、无人机自主导航

四、最终飞行效果

4.1 穿越凉亭

一次

二次

4.2 障碍物避障与路径优化

4.3 视频——室外飞行避障

室内

PX4仿真环境下RGB-D深度相机+港科大Fast-Planner实现无人机室内自主导航

原文及大视频查看：https://dgzc.ganahe.top/ganahe/2021/wrjzzdhzzdhpfzhj-2.html

中间系列教程请查看原文链接的网站。

参考文献

[1] Github px4_fast_planner
[2] Ubuntu18.04配置搭建基于Gazebo的虚拟仿真平台(Px4)：无人机(UAV)、无人车等模拟实验平台
[3] 仿真平台基础配置（PX4 1.11版）

【论文解读】基于RGB-D摄像头和深度学习协同的葡萄园自主导航局部运动规划器
xiewf的博客
04-17 1225
标题：Local Motion Planner for Autonomous Navigation in Vineyards with a RGB-D Camera-Based Algorithm and Deep Learning Synergy 作者：Diego Aghi , Vittorio Mazzia and Marcello Chiaberge 来源：https://arxiv.org/abs/2005.12815 代码：无 文章目录前言一、简介二、原理1.基于深度图的连续性控制2.基于离散.
PX4从放弃到精通（二十）：无人车(船)
超维空间科技的博客
03-24 5477
文章目录前言一、pandas是什么？ 前言 PX4固件版本:1.11.3 一、pandas是什么？
规划框架 | FAST planner 规划算法流程与ROS仿真
m0_61750953的博客
11-27 2480
探讨FAST planner的核心原理及其算法流程，并通过ROS平台上的仿真来展示其实现过程及效果。
推荐使用：px4_fast_planner — 实时避障飞行的利器
gitblog_00005的博客
06-01 1085
推荐使用：px4_fast_planner — 实时避障飞行的利器 项目地址:https://gitcode.com/gh_mirrors/px/px4_fast_planner 在这个快速发展的无人机时代，安全、高效的自主飞行成为了关键。今天，我们向您推荐一个令人兴奋的开源项目——px4_fast_planner。它将HKUST-Aerial-Robotics团队的Fast-Planner与PX...
[科研理论]机器人路径规划算法总结及fast_planner经典算法解读
最新发布
lul~的博客
06-05 2145
无人机规划算法总结及fast_planner论文算法解读
Fast-Planner:一种用于四旋翼飞机的鲁棒高效的轨迹规划器
05-02
快速计划者 Fast-Planner的开发旨在在复杂的未知环境中实现四旋翼快速飞行。 它包含一组精心设计的规划算法。 新闻： 2021年3月13日：快速自主探索的代码现已发布！ 查看此以获取更多详细信息。 2020年10月20日：Fast-Planner被扩展并应用于快速的自主勘探。 查看此以获取更多详细信息。 作者：和从，从。 完整的视频： ， ， 。 关于这项工作的示威活动已经报道了IEEE光谱： ， 第二页， 第三页（在网页搜索HKUST）。 要在几分钟内运行此项目，请选中“快速入门” 。 查看其他部分以获取更多详细信息。 请请星号 :star: 这个项目对您有帮助。 我们竭尽全力发展和维护它 :beaming_face_with_smiling_eyes: :beaming_face_with_smiling_eyes: 。 目录 快速开始 算法与论文 设置和配置 运行模拟 在您的应用程序中使用 更新 1.快速入门 该项目已经在Ubuntu 16.04（ROS Kinetic）和18.0
基于pixhawk4的无人车
缘某人的博客
02-29 3871
基于pixhawk4的无人车
SLAM-带RGBD相机的服务机器人设计-具备语义地图构建+定位导航+三维重建+重定位+物体识别+语音识别功能-优质项目实战
10-20
SLAM技术，即同步定位与地图构建（Simultaneous Localization and Mapping），是一种使机器人能够在未知环境中进行自主定位、绘制地图并导航的关键技术。在服务机器人领域，SLAM技术的应用尤为广泛，因为它能够使...
ORB-SLAM2-RGBD-DENSE-MAP-data.tar
08-10
ORB-SLAM2-RGBD-DENSE-MAP-data，D435i相机发出的rgb图和对其的深度图，以及对应的相机内参，数据格式是rosbag。
RGBD相机调研-RGBD-Investigate.zip
08-30
RGBD相机调研_RGBD-Investigate.zip RGBD相机调研_RGBD-Investigate.zip RGBD相机调研_RGBD-Investigate.zip RGBD相机调研_RGBD-Investigate.zipRGBD相机调研_RGBD-Investigate.zip RGBD相机调研_RGBD-Investigate....
姿态估计-基于YOLOX目标检测+英特尔RealSense-I515-RGBD传感器实现的点云实时物体姿态估计-附项目源码
10-20
通过这些模块，研究者和开发者可以更容易地将这一技术集成到自己的应用中，无论是机器人导航、虚拟现实、增强现实，还是工业自动化等领域。 在项目实施过程中，算法的设计和优化是核心。YOLOX算法需要针对特定的...
RGBD-IMU 离线数据采集方案1
08-08
RGBD-IMU离线数据采集方案是一种用于获取融合了RGB彩色图像、深度信息以及惯性测量单元（IMU）数据的方法，这种方案通常应用于三维重建、机器人导航和增强现实等领域。在本文中，我们将探讨这个方案的几个关键方面。...
无人车用PX4也确实是有好处，因为这样可以直接ROS端发送MAVROS消息控制底盘，如果只是一个单纯的STM32板子，你在ROS端还不见得好直接发消息给STM32。
诗筱涵的博客
02-15 837
无人车用PX4也确实是有好处，因为这样可以直接ROS端发送MAVROS消息控制底盘，如果只是一个单纯的STM32板子，你在ROS端还不见得好直接发消息给STM32。 。 ...
基于PX4的地面无人车避障系统及路径规划研究
热门推荐
m0_62870606的博客
03-16 1万+
基于PX4的地面无人车避障系统及路径规划研究 人工智能技术与咨询 来源：《动力系统与控制》，作者姜琼阁等 关键词:地面无人车；避障；PX4； 摘要:地面无人车避障及路径规划是指，无人车在自动巡航过程中，遇到障碍物能够自动避开，并对当前行进路线进行重新规划，重新进入预设路线行驶。本文使用HPI公司的Savage Flux 2350差速驱动越野车作为实验平台，选用开源硬件Pixhawk飞控作为运动控制器，对PX4 Rover软件系统进行二次开发。使用数据采集模块获得超声波数据，并通过串口方式与...
px4+ros+gazebo+ORB_SLAM2室内视觉无人机导航
weixin_48657767的博客
03-29 3545
px4+ros+gazebo+ORB_SLAM2室内视觉无人机导航 一、ros+px4环境搭建 我用的ORB_SLAM2视觉相机跑图首先要安装ros+px4环境，我用的阿木实验室的镜像，在此基础上进行再搭建。 二、ORB_SLAM2的必要依赖安装 2.1 安装Pangolin，用于可视化和用户接口 安装依赖库 libglew-dev、 libpython2.7-dev、 libboost-dev、 libboost-thread-dev、 libboost-filesystem-dev： sudo apt-
PX4装机教程（五）无人船（车）
超维空间科技的博客
03-15 5954
文章目录前言一、载具设置二、电机接线三、PWM输出设置四、航点设置 前言 一个人可以走的更快，一群人才能走的更远，交流学习加qq:2096723956 更多保姆级PX4+ROS学习视频：https://b23.tv/ZeUDKqy 分享知识，传递正能量，如有疏漏或不当之处，恳请指出． PX4固件版本：1.10.0 硬件:淘宝竞速船或者打窝船 实验录屏 https://www.bilibili.com/video/BV1wA411c7p3?spm_id_from=333.999.0.0 一、载具设置 单电机
px4+vio实现无人机室内定位
u010196944的博客
11-21 7765
文章主要讲述px4 如何利用vins_fusion里程计数据实现在室内定位功能。
【px4室内slam定位导航】之搭建Cartographer环境
linzs.online
05-09 9545
一、安装相关依赖包 sudo apt-get install ros-kinetic-tf ros-kinetic-tf-conversions ros-kinetic-laser-geometry sudo apt-get install ros-kinetic-cv-bridge ros-kinetic-image-transport sudo apt-get install qt4-qm...
PX4 ---- Indoor Flight
lib0000的博客
04-25 762
文章目录室内飞行ROS & PX4Pose Data飞机配置MAVROS 基于工训赛 VIO 飞行总结 室内飞行 ROS & PX4 Pose Data 飞机配置 VIO 参考此处，采用 T265 配置。 EKF 配置 EKF2_AID_MASK 选择（vision position fusion / vision yaw fusion / vision velocity fusion） 具体 Velocity 要看发布的 Odom 是否含有该信息。 EKF 与 VIO 都配置
ros2路径规划实车
03-23
### ROS2实车路径规划实现 在ROS2中，路径规划通常依赖于`navigation2`包及其相关组件。以下是基于`navigation2`的路径规划实现方法以及示例代码。 #### 导航堆栈配置 为了使机器人能够完成路径规划任务，需先设置导航堆栈中的各个节点。这些节点包括全局路径规划器、局部路径规划器、代价地图管理器以及其他辅助功能模块。具体来说： - **Global Planner**: 使用 `nav2_navfn_planner` 或者自定义插件来计算从起点到目标点的最佳路径[^1]。 - **Local Planner**: 负责实时调整轨迹以避开动态障碍物。 - **Costmap**: 利用 `costmap_2d` 插件构建环境模型，标记不可通行区域。 下面是一个简单的 Python 客户端脚本，展示如何通过服务调用来请求一条新路径： ```python import rclpy from rclpy.node import Node from geometry_msgs.msg import PoseStamped from nav2_msgs.action import NavigateToPose from action_msgs.msg import GoalStatus from rclpy.action import ActionClient class PathPlanner(Node): def __init__(self): super().__init__('path_planner') self._action_client = ActionClient(self, NavigateToPose, 'navigate_to_pose') def send_goal(self, goal_pose): self.get_logger().info('Waiting for action server...') self._action_client.wait_for_server() goal_msg = NavigateToPose.Goal() goal_msg.pose = goal_pose self.get_logger().info('Sending goal pose to the robot...') future = self._action_client.send_goal_async(goal_msg) return future.result() def main(args=None): rclpy.init(args=args) node = PathPlanner() target_pose = PoseStamped() target_pose.header.frame_id = "map" target_pose.header.stamp.sec = 0 target_pose.header.stamp.nanosec = 0 target_pose.pose.position.x = 2.0 target_pose.pose.position.y = 2.0 target_pose.pose.orientation.w = 1.0 result = node.send_goal(target_pose) if result.status == GoalStatus.STATUS_SUCCEEDED: node.get_logger().info('Goal reached successfully!') else: node.get_logger().error(f'Failed with status code: {result.status}') node.destroy_node() rclpy.shutdown() if __name__ == '__main__': main() ``` 此程序创建了一个名为 `PathPlanner` 的节点类实例化对象，并向 `/navigate_to_pose` 动作服务器发送指定的目标位置消息。 #### 数据同步与时间戳处理 当涉及到多传感器数据融合时，确保所有输入源的时间一致性至关重要。可以借助 `tf2_ros.Buffer` 类来进行坐标变换操作，同时利用来自不同订阅者的最新可用读数填充空白消息字段[^2]。 例如，在发布 PX4 命令之前，可能需要提取当前状态估计值作为参考依据之一： ```cpp #include <rclcpp/rclcpp.hpp> #include <px4_msgs/msg/vehicle_command.hpp> using namespace std::chrono_literals; void publishVehicleCommand(rclcpp::Node &node){ auto publisher = node.create_publisher<px4_msgs::msg::VehicleCommand>("fmu/in/vehicle_command", 10); px4_msgs::msg::VehicleCommand command; command.timestamp = get_current_time(); // Replace this function call accordingly. command.param1 = ...; // Set desired parameters here. ... publisher->publish(command); } ``` 以上 C++ 片段展示了如何构造并广播特定类型的控制指令给飞行控制器硬件接口层。 ---
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值