SLAM建图 | 木匠

ROS

发布日期: 2019-08-31

文章字数: 807

阅读时长: 3 分

阅读次数:

一、SLAM

1.1 介绍

SLAM是机器人自身位置不确定的情况下，在完全未知的环境中创建地图，同时利用地图进行自主定位。

定位：机器人根据周围环境估计自身在地图上的位置坐标。
地图构建：机器人根据传感器的结果来构建一张地图。

1.2 原理

图1. SLAM原理

二、数据结构

2.1 激光雷达

一般在SLAM中使用可以直接获得深度信息的传感器。以激光雷达为例，在终端上输入rosmsg show sensor_msgs/LaserScan可以获得其数据结构

std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
float32 angle_min //可检测范围的起始角度
float32 angle_max //可检测范围的终止角度，与angle_min组成激光雷达的可检测范围
float32 angle_increment //相邻数据帧之间的角度步长
float32 time_increment //采集到相邻数据帧之间的时间步长，当传感器处于相对运动状态时进行补偿使用
float32 scan_time //采集一帧数据所需要的时间
float32 range_min //最近可检测深度的阈值
float32 range_max //最远可检测深度的阈值
float32[] ranges //一帧深度数据的存储数组
float32[] intensities

而RGB-D摄像头，也可以通过红外摄像头获取周围环境的深度信息，可以通过depthimage_to_laserscan功能包转化为激光雷达的数据。

2.2 里程计

机器人在定位时要用到其里程计，在终端上输入rosmsg show nav_msgs/Odometry可以获得其数据结构

std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
string child_frame_id
geometry_msgs/PoseWithCovariance pose //机器人当前位置坐标，包括机器人的XYZ三轴位置和方向参数，以及用于校正误差的协方差矩阵
  geometry_msgs/Pose pose 
    geometry_msgs/Point position
      float64 x
      float64 y
      float64 z
    geometry_msgs/Quaternion orientation
      float64 x
      float64 y
      float64 z
      float64 w
  float64[36] covariance
geometry_msgs/TwistWithCovariance twist //机器人当前的运动状态，包括XYZ三轴的线速度与角速度，以及用于校正误差的协方差矩阵
  geometry_msgs/Twist twist
    geometry_msgs/Vector3 linear
      float64 x
      float64 y
      float64 z
    geometry_msgs/Vector3 angular
      float64 x
      float64 y
      float64 z
  float64[36] covariance

三、SLAM功能包

3.1 介绍

借助SLAM功能包，我们只需要输入特定格式的传感器信息，就可以自动建图和定位。在ROS中这种功能的包有很多，比如用于平面地图的gmapping，hector，cartographer等功能包，也有用于三维地图的rtabmap功能包。

3.2 gmapping

以gmapping功能包为例，gmapping是基于二维激光雷达的 SLAM建图定位的功能包，采用的是Rao-Blackwellized粒子滤波算法，gmapping的总体框架如图2所示。深度信息，里程计信息，IMU信息是输入信息，二维栅格地图是输出地图。其中深度信息和里程计信息是必须输入的，IMU可不输入。