10 基于Gazebo和Rviz实现导航仿真，包括SLAM建图，地图服务，机器人定位，路径规划

在9中我们已经实现了机器人的模块仿真，现在要在这个基础上实现SLAM建图，地图服务，机器人定位，路径规划

1.   还是在上述机器人的工作空间下，新建功能包（nav），导入依赖

gmapping map_server amcl move_base

2.   导航实现SLAM建图（gmapping）

在功能包下新建文件夹（launch）---> 新建文件（map.launch）写入

关键代码解释：


 

执行

1.先启动 Gazebo 仿真环境

source ./devel/setup.bash
roslaunch car car.launch

2.然后再启动地图绘制的 launch 文件

source ./devel/setup.bash
roslaunch nav map.launch

3.在 rviz 中添加组件，显示栅格地图

        保存组件（避免下次再添加）可以做以下操作

File -> Save Config As

然后再launch文件中替换

替换为

下次再启动时就保存上次添加的组件

4.启动键盘键盘控制节点，用于控制机器人运动建图 

rosrun teleop_twist_keyboard teleop_twist_keyboard.py _speed:=0.5 _turn:=0.3

绘制完成后的地图

 

3.   导航实现----地图服务

保存地图：在launch文件夹--->新建launch文件（map_saver）,写入

需要修改的地方

1）your_bag_name

2）nav--->your_saver_map_name,当然不修改，就保存为nav.pgm和nav.yaml

读取地图：在launch文件夹--->新建launch文件（map_server）,写入

需要修改的地方

1）your_bag_name

2）nav--->your_saver_map_name,当然不修改，就读取为nav.yaml

执行该launch文件，该节点会发布题:map(nav_msgs/OccupancyGrid)  

rviz

rviz 中使用 map 组件订阅/map话题就可以显示栅格地图

4.   导航实现----定位

 在功能包下新建文件夹（launch）---> 新建文件（amcl.launch）写入

amcl节点是不可以单独运行的，运行 amcl 节点之前，需要先加载全局地图，然后启动 rviz 显示定位结果，上述节点可以集成进launch文件，在功能包下新建文件夹（launch）---> 新建文件（test_amcl.launch）写入

内容示例如下:

执行

1.先启动 Gazebo 仿真环境

2.启动键盘控制节点：

rosrun teleop_twist_keyboard teleop_twist_keyboard.py

3.启动上一步中集成地图服务、amcl 与 rviz 的 launch 文件；

source ./devel/setup.bash
roslaunch nav test_amcl.launch 

4.在启动的 rviz 中，添加RobotModel、Map组件，分别显示机器人模型与地图，添加 posearray 插件，设置topic为particlecloud来显示 amcl 预估的当前机器人的位姿，箭头越是密集，说明当前机器人处于此位置的概率越高；

5.通过键盘控制机器人运动，会发现 posearray 也随之而改变。

5.   导航实现----路径规划

在功能包下新建文件夹（launch）---> 新建文件（move_base.launch）写入

新建文件夹（params）--->新建文件（costmap_common_params.yaml，global_costmap_params.yaml，local_costmap_params.yaml，base_local_planner_params.yaml）

分别写入：

costmap_common_params.yaml

#机器人几何参，如果机器人是圆形，设置 robot_radius,如果是其他形状设置 footprint
robot_radius: 0.12 #圆形
# footprint: [[-0.12, -0.12], [-0.12, 0.12], [0.12, 0.12], [0.12, -0.12]] #其他形状

obstacle_range: 3.0 # 用于障碍物探测，比如: 值为 3.0，意味着检测到距离小于 3 米的障碍物时，就会引入代价地图
raytrace_range: 3.5 # 用于清除障碍物，比如：值为 3.5，意味着清除代价地图中 3.5 米以外的障碍物


#膨胀半径，扩展在碰撞区域以外的代价区域，使得机器人规划路径避开障碍物
inflation_radius: 0.2
#代价比例系数，越大则代价值越小
cost_scaling_factor: 3.0

#地图类型
map_type: costmap
#导航包所需要的传感器
observation_sources: scan
#对传感器的坐标系和数据进行配置。这个也会用于代价地图添加和清除障碍物。例如，你可以用激光雷达传感器用于在代价地图添加障碍物，再添加kinect用于导航和清除障碍物。
scan: {sensor_frame: laser, data_type: LaserScan, topic: scan, marking: true, clearing: true}

global_costmap_params.yaml

global_costmap:
  global_frame: map #地图坐标系
  robot_base_frame: base_footprint #机器人坐标系
  # 以此实现坐标变换

  update_frequency: 1.0 #代价地图更新频率
  publish_frequency: 1.0 #代价地图的发布频率
  transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间

  static_map: true # 是否使用一个地图或者地图服务器来初始化全局代价地图，如果不使用静态地图，这个参数为false.

local_costmap_params.yaml

local_costmap:
  global_frame: odom #里程计坐标系
  robot_base_frame: base_footprint #机器人坐标系

  update_frequency: 10.0 #代价地图更新频率
  publish_frequency: 10.0 #代价地图的发布频率
  transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间

  static_map: false  #不需要静态地图，可以提升导航效果
  rolling_window: true #是否使用动态窗口，默认为false，在静态的全局地图中，地图不会变化
  width: 3 # 局部地图宽度 单位是 m
  height: 3 # 局部地图高度 单位是 m
  resolution: 0.05 # 局部地图分辨率 单位是 m，一般与静态地图分辨率保持一致

base_local_planner_params.yaml

TrajectoryPlannerROS:

# Robot Configuration Parameters
  max_vel_x: 0.5 # X 方向最大速度
  min_vel_x: 0.1 # X 方向最小速速

  max_vel_theta:  1.0 # 
  min_vel_theta: -1.0
  min_in_place_vel_theta: 1.0

  acc_lim_x: 1.0 # X 加速限制
  acc_lim_y: 0.0 # Y 加速限制
  acc_lim_theta: 0.6 # 角速度加速限制

# Goal Tolerance Parameters，目标公差
  xy_goal_tolerance: 0.10
  yaw_goal_tolerance: 0.05

# Differential-drive robot configuration
# 是否是全向移动机器人
  holonomic_robot: false

# Forward Simulation Parameters，前进模拟参数
  sim_time: 0.8
  vx_samples: 18
  vtheta_samples: 20
  sim_granularity: 0.05

在新建test_move_base.launch

执行：

启动 Gazebo 仿真环境

source ./devel/setup.bash
roslaunch car car.launch

启动上一步中集成地图服务、amcl 与 rviz,move_base 的 launch 文件

source ./devel/setup.bash
roslaunch nav test_move_base.launch

在Rviz中添加组件

RobotModel,Map(/map)

PoseArray(/particlecloud)

LaserScan(/scan),Map_Global(//move_base/global_costmap/costmap和修改Color Scheme为costmap)

Map_Local(/move_base/local_costmap/costmap和修改Color Scheme为costmap)

Path_Global(/move_base/TrajectoryPlannerROS/global_plan)

path_Local(/move_base/TrajectoryPlannerROS/local_plan)

Odometry(/odom)

通过2D Nav Goal设置终点，机器人实现导航