【ROS RIKIBOT基础--使用系列 第六章节】雷达导航自主路径规划与避障、鼠标,Hector,Karto,Cartographer SLAM算法构建地图

RIKIBOT 雷达导航自主路径规划与避障
导航前说明:一定要确保机器人在构建好地图的基础上进行!
1.1 把小车平放在构建好地图的区域地板上,用远程软件登录到机器人系统上,打开一个终端,启动roslaunch rikibot bringup.launch。
在这里插入图片描述
1.2再打开一个终端,启动roslaunch rikibot navigate.launch
在这里插入图片描述
1.3再打开一个终端,启动rviz
在这里插入图片描述
1.4全屏化后点击File,点击 Open Config
在这里插入图片描述
1.5找到路径下~/catkin_ws/src/rikibot_project/rikibot/rviz/navigate.rviz,的navigate.rviz 文件。点Open
在这里插入图片描述
1.6 把rviz窗口地图调整到合适位置,调整方法:用鼠标滚轮点住灰色区域,可以拖动地图;鼠标滚轮上下滚动可以放大缩小地图;鼠标左键点住灰色区域可以翻转地图。
然后点击2D Pose Estimate校正位姿。
在这里插入图片描述
1.7点击2D Nav Goal 进行目标点导航。
在这里插入图片描述
2.RIKIBOT 鼠标构建地图
2.1. 把小车平放在你想要构建地图区域的地板上,用远程软件,打开一个终端启动roslaunch rikibot bringup.launch。
在这里插入图片描述
2.2再端打开一个终端,启动 roslaunch rikibot lidar_slam.launch。
在这里插入图片描述
2.3再打开一个终端,启动rviz
在这里插入图片描述
2.4全屏化后点击File,点击 Open Config,
在这里插入图片描述
2.5找到路径下~/catkin_ws/src/rikirobot_project/rikirobot/rviz/slam.rviz,的slam.rviz 文件。点Open.
或者打开最近配置slam.rviz
在这里插入图片描述
2.6 rviz窗口调整到合适位置,调整方法:用鼠标滚轮点住灰色区域,可以拖动地图;鼠标滚轮上下滚动可以放大缩小地图;鼠标左键点住灰色区域可以翻转地图。
在这里插入图片描述
2.7.用2D Nav Goal工具,在地图上设定目标点,小车到达目标点,完成该行走区域的地图扫描工作。这个就类似于键盘控制小车建地图一样。
在这里插入图片描述
2.8 当该区域内的地图扫描完毕后,再打开一个终端,进入到~/catkin_ws/src/rikibot_project/rikibot/maps路径下,执行保存地图脚本,执行保存地图脚本前后可以通过ll ,查看地图的大小时间等来初步判断地图有无保存成功。
在这里插入图片描述
3.RIKIBOT Hector SLAM算法构建地图
3.1把小车平放在地板上,用远程软件登录到机器人的系统上,打开一个终端启动roslaunch rikirobot rikibot bringup.launch。
在这里插入图片描述
3.2 再打开一个终端,启动 roslaunch rikibot hector_slam.launch。
在这里插入图片描述
3.3在打开一个终端,启动rviz
在这里插入图片描述
3.4全屏化后点击File,点击 Open Config,
在这里插入图片描述
3.5找到路径下~/catkin_ws/src/rikirobot_project/rikirobot/rviz/slam.rviz,的slam.rviz 文件。点Open
或者打开最近配置的slam.rviz 文件在这里插入图片描述
3.6把rviz窗口调整到合适位置,调整方法:用鼠标滚轮点住灰色区域,可以拖动地图;鼠标滚轮上下滚动可以放大缩小地图;鼠标左键点住灰色区域可以翻转地图。
在这里插入图片描述
3.7再打开一个终端启动键盘控制,把线速度调整到0.3m/s左右,角速度调整到0.5rad/s左右,对小车进行移动控制,完成地图构建。
在这里插入图片描述
3.8当该区域内的地图扫描完毕后,在虚拟机端,再打开一个终端,ssh过去主控端,进入到~/catkin_ws/src/rikirobot_project/rikirobot/maps路径下,执行保存地图脚本,执行保存地图脚本前后可以通过ll ,查看地图的大小时间等来初步判断地图有无保存成功。
在这里插入图片描述
4.RIKIBOT Karto SLAM算法构建地图
建地图前说明:请确保你的小车已经校正好IMU、角速度、线速度,虚拟机配置好ROS网络的前提进行,否则会造成构建地图无边界等异常情况!!!
4.1 把小车平放在你想要构建地图的区域内地板上,用远程软件登录到机器人系统上,打开一个终端启动roslaunch rikibot bringup.launch。
在这里插入图片描述
4.2 在虚拟机端打开一个终端,ssh过去主控端启动
roslaunch rikibot karto_slam.launch。
在这里插入图片描述
4.3再打开一个终端,启动rviz 在这里插入图片描述
4.4全屏化后点击File,点击 Open Config,
在这里插入图片描述
4.5找到路径下~/catkin_ws/src/rikibot_project/rikibot/rviz/slam.rviz,的slam.rviz 文件。点Open
或者打开最近配置的slam.rviz 文件
在这里插入图片描述
4.6把rviz窗口调整到合适位置,调整方法:用鼠标滚轮点住灰色区域,可以拖动地图;鼠标滚轮上下滚动可以放大缩小地图;鼠标左键点住灰色区域可以翻转地图。
在这里插入图片描述
4.7再打开一个终端启动键盘控制,
在这里插入图片描述
用键盘控制对小车进行移动控制,完成地图构建。在这里插入图片描述
4.8在虚拟机端,再打开一个终端,ssh过去主控端,进入到~/catkin_ws/src/rikirobot_project/rikirobot/maps路径下,执行保存地图脚本。
在这里插入图片描述
5.RIKIBOT Cartographer SLAM算法构建地图
建地图前说明:请确保你的小车已经校正好IMU、角速度、线速度,虚拟机配置好ROS网络的前提进行,否则会造成构建地图无边界、虚拟机端无法正常收到小车主控端发布的话题数据等异常情况!!!
5.1 把小车平放在你想要构建地图的区域内地板上,用远程软件登录到桌面,打开一个终端启动roslaunch rikibot bringup.launch。在这里插入图片描述
5.2再打开一个终端,启动,roslaunch rikibot rplidar.launch在这里插入图片描述
5.3再打开一个终端,直接启动键盘控制
rosrun teleop_twist_keyboard teleop_twist_keyboard.py
在这里插入图片描述
把线速度调整到0.3m/s左右,把角速度调整到0.5rad/s左右。
5.4再打开一个终端,启动
roslaunch rikibot cartographer_slam.launch
在这里插入图片描述
5.5再打开一个终端,启动rviz
在这里插入图片描述
5.6全屏化后点击File,点击 Open Config,
在这里插入图片描述
5.7找到~/catkin_ws/src/rikibot_project/rikibot/rviz路径下,的cartographer.rviz 文件,点击Open。
在这里插入图片描述
5.8把rviz窗口调整到合适位置,调整方法:用鼠标滚轮点住灰色区域,可以拖动地图;鼠标滚轮上下滚动可以放大缩小地图;鼠标左键点住灰色区域可以翻转地图。
在这里插入图片描述
5.9 然后用键盘控制小车移动,在该区域内完成扫描建图。
在这里插入图片描述
5.10再打开一个终端,进入到~/catkin_ws/src/rikibot_project/rikirobot/maps路径下,先输入ll ,查看地图大小和时间。
在这里插入图片描述
最后Rikirobot提供两驱动、四驱动、麦克纳姆轮、Omni全向三轮、Omni全向四轮、履带、阿克曼(舵机转向)、大型负载的各种ROS车,有配套指导、及完善售后。
QQ交流群:130486387
RIKIROBOT店铺连接
下面是店铺的二维码、Rikirobot的交流群和微信公众号二维码,有兴趣的可以扫一扫。
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

### Karto算法地图构建中的漂移问题及其解决方案 在机器人自主导航领域,Karto SLAM (Simultaneous Localization and Mapping) 是一种广泛应用的技术。然而,在实际应用中确实会遇到地图漂移的问题。 #### 漂移现象的原因分析 地图漂移主要源于传感器数据累积误差以及特征匹配不精确等问题。具体来说: - **累计定位误差**:随着移动距离增加,里程计测量不可避免地会产生偏差,这些微小的误差逐渐积累最终导致位置估计偏移。 - **环境动态变化影响**:如果环境中存在可动物体或光照条件发生变化,则会影响激光雷达等传感器获取的数据质量,进而干扰到地图更新的一致性和准确性[^1]。 #### 减少漂移的具体措施 为了有效减少甚至消除这种漂移效应,可以从以下几个方面入手改进: ##### 提高传感器精度融合技术 采用更高分辨率和更稳定的传感器设备来提高原始观测数据的质量;同时利用多源传感信息融合方法(如IMU+Lidar组合),通过互补不同模态间的优势降低单一传感器带来的不确定性。 ##### 增强闭环检测机制 强化回环闭合识别能力对于修正长期运行下的全局一致性至关重要。可以通过优化关键帧选取策略、引入视觉词袋模型等方式提升相似场景下节点关联的成功率,并及时调整历史轨迹以保持整体结构稳定。 ##### 数据预处理和平滑化操作 对输入SLAM系统的每一帧扫描线进行去噪滤波处理,去除异常点云并平滑边界曲线有助于改善局部几何特性描述效果。此外,在完成一轮完整的建图周期之后还可以执行一次全局性的位姿图松弛(post-processing pose graph optimization),从而进一步校正可能存在的细微错位情况。 ```python def optimize_pose_graph(pose_graph): optimized_poses = [] # Implementing the Levenberg-Marquardt algorithm or other suitable methods here return optimized_poses ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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