ROS（0）命令及学习资源汇总

ROS安装命令

参考：Ubuntu20.04.4安装ROS Noetic详细教程 - 知乎

安装C++和Python3

sudo apt-get install g++

sudo apt-get install python3

ROS运行小海龟仿真器

roscore	确定ROS是否运行成功
rosrun turtlesim turtlesim_node	运行小海龟仿真器
rosrun turtlesim turtle_teleop_key	启动小海龟控制

工作空间

创建工作空间WorkSpace

mkdir -p ../catkin_ws/src

cd ../catkin_ws/src

catkin_init_workspace

编译工作空间

cd ../catkin_ws

catkin_make

catkin_make install

设置环境变量

source devel/setup.bash

检查环境变量  echo $ROS_PACKAGE_PATH

创建功能包

功能包放到src文件夹中

cd ../catkin_ws/src

catkin_create_pkg 功能包名称test_pkg 依赖std_msgs roscpp rospy

编译功能包

cd ../catkin_ws

catkin_make

source ../catkin_ws/devel/setup.bash

直接配置source

gedit ~/.bashrc

最下方添加  source ~/catkin_ws/devel/setup.bash

广播模型执行命令

执行命令

roscore

rosrun turtlesim turtlesim_node

rosrun 功能包 turtle_tf_broadcaster节点名 __name:=turtle1_tf_broadcaster /turtle1

rosrun 功能包 turtle_tf_broadcaster节点名 __name:=turtle2_tf_broadcaster /turtle2

rosrun 功能包 turtle_tf_listener

rosrun turtlesim turtle_teleop_key

学习资源

机器人命令调试方法整理

 

机器人use_cam功能包话题

Move_base自主导航原理 

Limo机器人命令

差速运动控制

• $ roslaunch limo_base limo_base.launch  启动底盘
• $ roslaunch limo_bringup limo_teleop_keyboard.launch  启动键盘操控
• roslaunch  一次启动多个节点命令
• rosnode list  查看节点
• rosnode info /节点名  查看指定节点信息
• rostopic list  查看话题列表
• rostopic pub -r 10 /cmd_vel geometry_msgs/Twist ''linear: x y z angular:x y z
• rostopic echo /odom  订阅odom话题

机器人发布话题，走圆形

• Publisher(draw_circle)--Message(geometry_msg/Twist)--Topic(cmd_vel)--Message(geometry_msg/Twist)--Subscribe(limo_base_node)
• 移动机器人有节点(subscriber)limo_base_node订阅了Topic(cmd_cel)，话题类型Message为geometry_msg/Twist
• 检测机器人的运行速度
• Publisher(limo_base_node)--Message(nav_msgs/Odometry)--Topic(odom)--Message(nav_msgs/Odometry)--Subscriber(limo_subscriber)

移动机器人分布式通信

• 编辑终端配置文件 
• $ gedit ~/.bashrc
• 将机器人配置为主机
• ROS_MASTER_URI(机器人IP+默认端口11311)、ROS_HOSTNAME(当前系统主机名)、ROS_IP(当前系统的IP地址)均设置为机器人IP即可
• 将笔记本配置为从机
• ROS_MASTER_URI(设置为机器人IP)、ROS_HOSTNAME和ROS_IP设置为电脑IP

分布式控制
机器人端——$ roslaunch limo_base limo_base.launch
笔记本端——$ roslaunch limo_bringup limo_teletop_keyboard.launch

控制机器人圆周运动
机器人端——$ roslaunch limo_bringup limo_start.launch    订阅者在机器人
笔记本端——$ rosrun limo_demo draw_circle.py        发布者cmd_vel

查看机器人实时位置
机器人端——$ roslaunch limo_bringup limo_start.launch        机器人发布位姿话题
笔记本端——$ roslaunch limo_bringup limo_teletop_keyboard.launch    键盘控制
笔记本端——$ rosrun limo_demo limo_subscriber.py        笔记本订阅机器人的位姿话题

机器视觉原理

图像采集—————————图像分析—————————控制输出
光源强化检测特征        提取图像特征        I/O控制
相机镜头捕捉特征        图像特征分析        运动控制
光学图像转为数字图像    图像数据标定        可视化显示
光源-镜头、图像传感器(CCD/CMOS)、光束控制单元
      光学信号转为数字信号
照明        相机(2D/3D)

安装ROS USB相机的驱动包

• sudo apt-get install ros-noetic-usb-cam
• roslaunch usb_cam usb_cam-test.launch
• rqt_image_view

三维结构光相机——RealScene

https://github.com/intel-ros/realsense/releases
安装SDK
$ mkdir build
cd build
cmake ..
make
sudo make install
安装ROS驱动
https://github.com/IntelRealSense/librealsense/releases
$ catkin_make-DCATKIN_ENABLE_TESTING=False -DCMAKE_BUILD_TYPE=Release
catkin_make install
echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrcsource ~/.bashrc
点云可视化
roslaunch realsense2_camera rs_rgbd.launch
rosrun rviz rviz
通过rviz可以查看三维点云信息

安装OpenCV

$ sudo apt-get install ros-noetic-vision-opencv libopencv-dev python3-opencv
OpenCV                ROS
OpenCV IpIImage <——>CvBridge<->ROS Image Message

获取HSV值

• 启动机器人的摄像头
• roslaunch astra_camera dabai_u3.launch
• 使用rqt查看图像并保存
• rqt_image_view
• 预制了hsv检测工具，检测hsv值
• roscd limo_visions/scripts/ && python hsv_test.py

物体识别与追踪

$ roslaunch limo_visions follow.launch
<launch>
    <include file=$(find limo_base)/launch/limo_base.launch/>                        启动机器人的底盘
    <include file=$(find astra_camera)/launch/dabai_u3.launch/>                        启动机器人摄像头
    <node name="object_detect" pkg="limo_visions" type="object_detect.py" output="screen"/>  启动机器人跟随控制节点
    <node name="follow_object" pkg="limo_visions" type="follow.py" output="screen"/>
</launch>

二维码识别与跟踪

ALVAR——虚拟现实和增强现实的跨平台开源计算机视觉库，由C++编写，提供C++接口
安装ar-track-alvar
$ sudo apt-get install ros-melodic-ar-track-alvar
创建二维码
$ rosrun ar_track_alvar createMarker -s 5 0      (5是二维码的尺寸为5cm，0为保存的内容)

启动摄像头
roslaunch artra_camera dabai_u3.launch
启动二维码识别
roslaunch limo_vision ar_code.launch
查看识别到的二维码的位姿
rostopic echo /ar_pose_marker

二维SLAM地图构建

Gmapping功能包  粒子滤波算法，将定位与建图过程分离，先定位后建图，适合小场景环境下地图信息
基于激光雷达，Rao-Blackwellized粒子滤波算法，二维栅格地图，需要机器人提供里程计信息，OpenSlam开源算法
输出地图话题
nav_msgs/OccupancyGrid

即时定位与地图建模(gmapping)  深度信息、IMU信息、里程计信息->栅格地图
Gmapping中的话题和服务
Topic订阅
名称        类型            描述
tf        tf/tfMessage        用于激光雷达坐标系，基坐标系，里程计坐标系之间的变换
scan        sensor_msgs/LaserScan    激光雷达扫描数据
Topic发布
map_metadata    nav_msgs/MapMetaData    发布地图Meta数据
map        nav_msgs/OccupancyGrid    发布地图栅格数据
~entropy        std_msgs/Float64        发布机器人姿态分布熵的估计
Service
dynamic_map    nav_msgs/GetMap        获取地图数据

Gmapping中的TF变换
必须的TF变换    <scan frame> -> base_link    激光雷达坐标系与基坐标系之间的变换，一般由robot_state_publisher或static_transform_publisher发布
        base_link -> odom        基坐标系与里程计坐标系之间的变换，一般由里程计节点发布
发布的TF变换    map -> odom        地图坐标系与机器人历程坐标系之间的变换，估计机器人在地图中的位姿
base_link 固定在机器人的中心；odom 里程计坐标系；map 地图坐标系 表示全局定位过程中的参考系

配置gampping节点
limo_bringup/launch/limo_gampping.launch
<launch>
    <node pkg="robot_pose_ekf" name="robot_pose_ekf" type="robot_pose_ekf">    卡尔曼滤波，对里程计信息做滤波，提高里程计数据稳定性
        <param name="output_frame" value="odom">
        <param name="base_footprint_frame" value="base_link"/>
    </node>
    <node pkg="gmapping" type="slam_gmapping name="slam_gmapping" output="screen">
        <param> ......
    </node>
    <node pkg="rviz" type="rviz" name="rviz" args="-d $(find limo_bringup)/rviz/gmapping.rviz">
    </node>
</launch>

gmapping 地图构建
roslaunch limo_bringup limo_start.launch pub_odom_tf:=false    启动机器人底盘
roslaunch limo_bringup limo_gmapping.launch            启动建图的gmapping文件
roslaunch limo_bringup limo_teletop_keyboard.launch        启动键盘控制节点
保存地图
cd /agilex_ws/limo_bringup/maps/
rosrun map_server map_saver -f map1    map_saver:地图保存节点  map1:地图文件名

Cartographer功能包  大场景
2016年10月5日，谷歌开源，基于图网络的优化SLAM方法
二维或三维条件下的定位及建图功能
设计目的是在计算资源有限的情况下，实时获取相对较高精度的地图
主要基于激光雷达
后续会支持更多传感器和机器人平台，同时不断增加新的功能
Local SLAM  建立子图(栅格地图)，通过匹配算法将位置插入到子图，但会产生累计误差——生成一个一个拼图块
Global SLAM 闭环检测，消除累计误差——完成整个拼图

配置cartographer节点
limo_bringup/launch/limo_cartographer.launch
<launch>
    <param name="/use_sim_time" value="false">  设置当前使用系统的真实时间
    订阅雷达数据和完成子图的创建，使用Lua脚本配置算法参数
    <node name="cartographer_node" pkg="cartographer_ros" type="cartographer_node" args="-configuration_directory $(find limo_bringup) /param-configuration_basename build_map_2d.lua">
        <remap from="horizontal_laser_2d" to="scan" />
    </node>
    子图合并为占用栅格地图，生成SLAM建图的结果
    <node name="cartographer_occupancy_grid_node" pkg="cartographer_ros" type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
    rviz上位机，方便实时看到SLAM的过程
    <node name="rviz" pkg="rviz" type="rviz" required="true" args="-d $(find limo_bringup)/rviz/cartographer.rviz" />
</launch>

cartographer
roslaunch limo_bringup limo_start.launch pub_odom_tf:=false    启动机器人底盘
roslaunch limo_bringup limo_cartographer.launch            运行cartographer地图构建算法和Rviz上位机
roslaunch limo_bringup limo_teletop_keyboard.launch        运行键盘控制节点

保存地图
rosservice call /finish_trajectory 0  调用服务，告诉cartographer结束建图
rosservice call /write_state "{filename:'${HOME}/agilex_ws/src/limo_ros/limo_bringup/maps/mymap.pbstream'}"
rosrun cartographer_ros cartographer_pbstream_to_ros_map -map_filestem=${HOME}/agilex_ws/src/limo_ros/limo_bringup/maps/mymap
-pbstream_filename=${HOME}/agilex_ws/src/limo_ros/limo_bringup/maps/mymap.pbstream -resolution=0.05
生成地图文件名称；上一步创建好的原始地图数据；生成栅格地图的分辨率，0.05表示5cm

三维SLAM地图构建
RTAB-Map功能包
具有实时约束的全局闭环检测器的RGB-D SLAM方法
基于全局贝叶斯闭环检测器
定位点创建->权值更新->贝叶斯过滤器更新->闭环假设选择->取回->转移
可单独使用RGB-D摄像头建图或和二维/三维激光雷达共同建图

地图构建 rtabmap
roslaunch limo_bringup limo_start.launch pub_odom_tf:=true
roslaunch astra_camera dabai_u3.launch
roslaunch limo_bringup limo_rtabmap_orbbec.launch    启动RTAB算法节点
roslaunch limo_bringup rtabmap_rviz.launch
roslaunch limo_bringup limo_teletop_keyboard.launch

查看建图结果
rtabmap-databaseViewer ~/.ros/rtabmap.db

移动机器人自主导航
目标点、全局最优路径、动态避障、定位粒子云、本地代价地图
原理
Goal -> AMCL -> Path Planner -> move_base -> /cmd_vel+/odom -> Base Controller -> Motor Speeds
导航目标点  AMCL全局定位算法  全局路径规划  本地规划器  运动速度  指令发给底盘，控制机器人电机按照某一速度运动

move_base功能包
Action订阅    move_base/goal        move_base_msgs/MoveBaseActionGoal        move_base的运动规划目标
        move_base/cancel        actionlib_msgs/GoalID            取消特定目标的请求
Action发布    move_base/feedback    move_base_msgs/MoveBaseActionFeedback    反馈信息，含有机器人底盘的坐标
        move_base/status        actionlib_msgs/GoalStatusArray        发送到move_base的目标状态信息
        move_base/result        move_base_msgs/MoveBaseActionResult    此处move_base操作的结果为空
Topic订阅        move_base_simple/goal    geometry_msgs/PoseStamped        为不需要追踪目标执行状态的用户，提供一个非action接口
Topic发布        cmd_vel            geometry_msgs/Twist            输出到机器人底盘的速度命令
Service        ~make_plan        nav_msgs/GetPlan                允许用户从move_base获取给定目标的路径规划，但不会执行该路径规划
        ~clear_unknown_space    std_srvs/Empty                允许用户直接清除机器人周围的未知空间。适合于costmap停止很长时间后，在一个全新环境中重新启动时使用
        ~clear_costmaps        std_srvs/Empty                允许用户命令move_base节点清除costmap中的障碍。这可能会导致机器人撞上障碍物，请谨慎使用

蒙特卡罗定位方法
二维环境定位
针对已有地图使用粒子滤波器跟踪一个机器人的姿态

环境信息(Map)传感器数据(Scan)航程信息(Odom)初始位姿(Initial Pose)->运动模型 传感器模型 蒙特卡洛航位推算 采用(重采样)算法 -> 偏航校准(TF)粒子分布(Particle Cloud)位姿优化(Filtered Pose)

移动机器人差速导航
roslaunch limo_bringup limo_start.launch pub_odom_tf:=false
roslaunch limo_bringup limo_navigation_diff.launch

全向导航
roslaunch limo_bringup limo_start.launch pub_odom_tf:=false
roslaunch limo_bringup limo_navigation_mcnamu.launch

阿克曼导航
roslaunch limo_bringup limo_start.launch pub_odom_tf:=false
roslaunch limo_bringup limo_navigation_ackerman.launch

launch文件中包含：里程计滤波节点、amcl定位节点、map_server地图服务器节点、move_base导航节点、rivz可视化节点