使用XV-11激光雷达做hector_slam
dajianli
dajianli 16801 0
2016-07-20 11:53
大家在学习ROS中不可避免需要使用激光雷达,高精地图、实时定位以及障碍物检测等多项技术,而这些技术都离不开光学雷达的支持,但是呢雷达这真是太贵了,大部分人是负担不起(实验室、研究所土豪可以略过),但是还是机智的大牛发明了其他手段:使用深度摄像头仿激光数据1kinect仿激光数据2,用来测试足够了,果真人民都是机智的,后来呢人们发现扫地机器人上也有的用的激光雷达,为什么不利用起来呢,然后国外大牛就发现了Neato XV-11这款,在youtube成功将其连接到ROS上,实现了机器人的全自动导航,于是就我就作为一个搬运工把他搬过来了。。。
PS:激光雷达知识非常详细。
一、雷达介绍:



如果使用Arduino读取数据,则将激光雷达的RX和与Arudino TX、TX和Arudino RX相接,上电即可读取数据,
二、数据格式

串口通讯: 速率 115200 8N1
雷达每完整旋转一周会发送90个数据包
每个数据包中包含4个测量点的信息
每个数据包长度固定是22个字节
这样总共360°旋转一周共 1980个字节,相当于每度会有一个距离数据.
其中雷达的数据包格式如下
<start> <index> <speed_l> <speed_h> [Data 0] [Data 1] [Data 2] [Data 3] <checksum_l> <checksum_h>
<start>:0xFA,是固定格式表明数据包开始,可用来从数据流中分割数据包。
<index>:数据包的索引号,范围从0xA0 到 0xF9 (总共89个包,每个包4个数据)。
<speed>:有两个speedL和speedH ,它们各一个字节,共同组成转速信息,大概是低6bit表示小数部分。(实际这里我不知道怎么翻译了,直接抄的雷达大叔的。
<data>:[ Data 0] 到 [Data 3] 是四组测量数据,其中每组测量数据分别由4个字节组成,如下:
byte 0 : <distance 7:0="">  # 距离信息的0-7位
byte 1 : <“invalid data” flag> <“strength warning” flag> <distance 13:8=""> # 错误信息标志位 , 警告位, 距离信息13-8位byte 2 : <signal strength="" 7:0="">  # 信号强度 0-7位
byte 3 : <signal strength="" 15:8=""> # 讯号强度 8-15位
距离信息的单位是mm ,整个激光雷达的测量范围大概是15cm 到6m, 只需要把距离信息的两个字节组装成一个整数即可(注意判断无效数据位为0,如果为1意味是无效的数据,需丢弃)。
<checksum>:由两个字节组成的校验码,用来校验整个数据包是否正确,代码如下:
def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )
三、ROS中测试使用XV-11
环境:ubuntu14.04+indigo(完整版)
准备:雷达+转接板+调速板
第一步建立工作空间
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_init_workspace
第二步编译雷达驱动
cd ~/catkin_ws/src
git clone  
cd ~/catkin_ws
catkin_make这个编译一般没什么问题,编译完成后,USB插上连接电脑即可,可以在dev下查看一下端口号
ls /dev/
一般都是ttyUSB0
第三步雷达测试
打开一个终端
source ~/catkin_ws/devel/setup.bash
roscore
打开一个终端(注意使用版本2,具体原因是雷达几个版本的数据格式不一样,目前用的是2)
source ~/catkin_ws/devel/setup.bash
rosrun xv_11_laser_driver neato_laser_publisher _port:=/dev/ttyUSB0 _firmware_version:=2
打开一个终端查看雷达的信息
rosrun rviz rviz
修改Global Options的Fixed Frame为/neato_laser(手打)
点击Add,添加LaserScan
然后点云就可以出来了, 如果没出数据点云或者出现随机的红色点可能是雷达速度太快,可以调节调速板
速度跳低,则可看到数据。(图片太小不清楚可右键新窗口打开)

四、ROS中使用XV11进行hector_slam
ROS中常用的2d slam算法主要有gmapping和hector_slam,以下是这两种方法的介绍,大家觉得长可以直接卡维纳大白话版翻译。
hector_slam
需要高更新频率小测量噪声的激光扫描仪,不需要里程计,使空中无人机与地面小车在不平坦区域运行存在运用的可能性,利用已经获得的地图对激光束点阵进行优化,估计激光点在地图的表示,和占据网格的概率,其中扫描匹配利用的是高斯牛顿的方法进行求解. 找到激光点集映射到已有地图的刚体转换(x,y,theta). ( 接触的匹配的方法还有最近邻匹配的方法(ICP) ,gmapping代码中的scanmatcher部分有两种方法选择.   )为避免局部最小而非全局最优的(类似于多峰值模型的,局部梯度最小了,但非全局最优)出现,地图采用多分辨率的形式。导航中的状态估计可以加入惯性测量,进行EKF滤波.
大白话翻译:hector_slam是个性能非常好的算法,通过最小二乘法匹配扫描点,且依赖高精度的激光雷达数据,但是不需要里程计。因此扫描角很小且噪声较大的kinect是不行的,匹配的时候会陷入局部点,地图非常混乱。】
gmapping
目前激光2Dslam用得最广的方法,gmapping采用的是RBPF的方法。必须得了解粒子滤波(利用统计特性描述物理表达式下的结果)的方法,粒子滤波的方法一般需要大量的粒子来获取好的结果,但这必会引入计算的复杂度;粒子是一个依据过程的观测逐渐更新权重与收敛的过程,这种重采样的过程必然会代入粒子耗散问题(depletion problem),大权重粒子显著,小权重粒子会消失(有可能正确的粒子模拟可能在中间的阶段表现权重小而消失)。自适应重采样技术引入减少了粒子耗散问题 , 计算粒子分布的时候不单单仅依靠机器人的运动(里程计),同时将当前观测考虑进去,减少了机器人位置在粒子滤波步骤中的不确定性,(FAST-SLAM2.0 的思想,可以适当减少粒子数)。
大白话翻译:gmapping是一个比较早的算法,核心思想是粒子滤波并且需要里程计,但并不要求很高性能的传感器,初学者一般都是先来玩这个,不过请注意一点,gmapping只是mapping,定位还需要amcl这个蒙特卡洛算法包配合使用,最后才能接入navigation stack。】
gmapping需要订阅两个话题。

tf是ros中必用的部分,说简单一些,tf类中定义了两个刚体之间的旋转与平移矩阵,并且重载了乘法运算符,这样我们就可以通过相乘两个tf来沿着tf树的方向求末段执行器相对世界坐标的位置与方向。
scan是激光雷达数据,如果你有雷达可以直接使用,如果没有雷达那么可以用depthimage_to_laserscan包,这个包可以将kinect发布出来的深度图转换成激光雷达扫描数据。
gmapping需要的里程计odom便是通过我们自己发布tf树的形式告诉gmapping,而我们该如何获得这个里程计,这就需要我们自己完成这一部分了,通常做法是在移动平台上安装电机编码器与电子罗盘,在移动平台上的嵌入式单片机(此处与ros无关,我这里用的树莓派)内完成里程计的制作与PID调试,然后,再用树莓派连接单片机串口,单片机将里程计与航向角发给树莓派,树莓派上需要自己写一个node(关于里程计,高级方法是视觉里程计一类的,不过与其折腾那些不如直接上激光雷达),大致就这个流程。
接下来要说怎么在ros中使用XV-11进行hector_slam。
第一步:首先按照第三步下载XV-11驱动并测试成功
第二步:hector_slam
1、首先下载hector_slam包到你工作空间的src下
命令:
cd ~/catkin/src
git clone https://github.com/tu-darmstadt-ros-pkg/hector_slam.git
cd ..
catkin_make

2、然后在添加neato.launch文件
路径:~/catkin_ws/src/hector_slam/hector_slam_launch/launch/

在此目录下新建neato.launch文件并添加如下代码,
<?xml version="1.0"?>
<launch>
  <!--<node pkg="xv_11_laser_driver" type="neato_laser_publisher" name="xv_11_node">
    <param name="port" value="/dev/ttyUSB0" />
    <param name="firmware_version" value="2" />
    <param name="frame_id" value="laser" />
  </node>-->  
  <node pkg="tf" type="static_transform_publisher" name="map_to_odom" args="0.0 0.0 0.0 0 0 0.0 /odom /base_link 10" />
  <node pkg="tf" type="static_transform_publisher" name="base_frame_laser" args="0 0 0 0 0 0 /base_link /laser 10" />
  <!--<node pkg="rviz" type="rviz" name="rviz"
    args="-d $(find hector_slam_launch)/rviz_cfg/mapping_demo.rviz"/>-->
  <include file="$(find hector_mapping)/launch/mapping_default.launch" />
  <node pkg="rviz" type="rviz" name="rviz" args="-d rviz_cfg.rviz" />
  <include file="$(find hector_geotiff)/launch/geotiff_mapper.launch" />
</launch>

3、然后在添加新的mapping_default.launch文件(记得备份原mapping_default.launch文件)
路径:~/catkin_ws/src/hector_slam/hector_mapping/launch

其中的mapping_default_old.launch为备份文件。
新mapping_default.launch代码如下
<?xml version="1.0"?>
<launch>
  <arg name="tf_map_scanmatch_transform_frame_name" default="/scanmatcher_frame" />
  <arg name="base_frame" default="base_link" />
  <arg name="odom_frame" default="base_link" />
  <arg name="pub_map_odom_transform" default="true" />
  <arg name="scan_subscriber_queue_size" default="5" />
  <arg name="scan_topic" default="scan" />
  <arg name="map_size" default="2048" />
  <node pkg="hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">
    <!-- Frame names -->
    <param name="map_frame" value="map" />
    <param name="base_frame" value="$(arg base_frame)" />
    <param name="odom_frame" value="$(arg base_frame)" />
    <!-- Tf use -->
    <param name="use_tf_scan_transformation" value="true" />
    <param name="use_tf_pose_start_estimate" value="false" />
    <param name="pub_map_odom_transform" value="$(arg pub_map_odom_transform)" />
    <!-- Map size / start point -->
    <param name="map_resolution" value="0.050" />
    <param name="map_size" value="$(arg map_size)" />
    <param name="map_start_x" value="0.5" />
    <param name="map_start_y" value="0.5" />
    <param name="map_multi_res_levels" value="2" />    
    <!-- Map update parameters -->
    <param name="update_factor_free" value="0.4" />
    <param name="update_factor_occupied" value="0.7" />    
    <param name="map_update_distance_thresh" value="0.2" />
    <param name="map_update_angle_thresh" value="0.9" />
    <param name="laser_z_min_value" value = "-1.0" />
    <param name="laser_z_max_value" value = "1.0" />    
    <!-- Advertising config -->
    <param name="advertise_map_service" value="true" />
    <param name="scan_subscriber_queue_size" value="$(arg scan_subscriber_queue_size)" />
    <param name="scan_topic" value="$(arg scan_topic)" />
    <!-- Debug parameters -->
    <!--
      <param name="output_timing" value="false" />
      <param name="pub_drawings" value="true" />
      <param name="pub_debug_output" value="true" />
    -->
    <param name="tf_map_scanmatch_transform_frame_name" value="$(arg tf_map_scanmatch_transform_frame_name)" />
  </node>
  <!--<node pkg="tf" type="static_transform_publisher" name="map_nav_broadcaster" args="0 0 0 0 0 0 map nav 100" />-->
</launch>

4、最后修改xv11驱动文件的neato_laser_publisher.cpp文件
路径:~/catkin_ws/src/xv_11_laser_driver/src
修改neato_laser_publisher.cpp文件
找到
priv_nh.param("frame_id", frame_id, std::string("neato_laser"));
修改为
priv_nh.param(“frame_id“, frame_id, std::string(“laser“));

5、最后编译文件
cd ~/catkin
catkin_make
6、运行测试
roscore
rosrun xv_11_laser_driver neato_laser_publisher _port:=/dev/ttyUSB0 _firmware_version:=2
roslaunch hector_slam_launch neato.launch

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""
    # group the data by word, little-endian
    data_list = []
    for t in range(10):
        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits
    chk32 = 0
    for d in data_list:
        chk32 = (chk32 << 1) + d
     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits
    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits
    checksum = checksum & 0x7FFF # truncate to 15 bits
    return int( checksum )
分享:
游客
要评论请先登录 或者 注册
 返回顶部