使用XV-11激光雷达做hector_slam

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1 、 kinect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
[Data 0] [Data 1] [Data 2] [Data 3]
：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。
：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)。
：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 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 :  # 距离信息的0-7位
byte 1 : <“invalid data” flag> <“strength warning” flag> # 错误信息标志位 , 警告位, 距离信息13-8位byte 2 :  # 信号强度 0-7位
byte 3 : # 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)。
：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，


    
  
  
  
  
  
  


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


  
  
  
  
  
  
  
  
    
    
    
    
    
    
    
    
    
    
    
    
    
        
    
    
        
    
    
    
        
    
    
    
    
    
    
    
  
  


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 )

喜欢 0

分享：

 

要评论请先 登录 或者  注册

 

dajianli

论坛版主

加关注 写私信

• 2
  粉丝
• 0
  关注
• 5
  发帖数

精品推荐

• 
  性价比最高360度激光雷达,兼容ROS

本站精华

• 

  运动规划 (Motion Planning): MoveIt! 与 OMPL

• 当维基遇上易科

• 机智机器人团队招募

• 几个移动机器人lab资料 相关链接，实验室、原理、基础知识

关于ROSwiki 联系我们 程序建议 问题反馈

机智机器人团队运营 ©2015-2016 roswiki.com 站长统计

转载于:https://www.cnblogs.com/nowornever-L/p/5731729.html