0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

cartography框架安装与建图测试

电子工程师 来源:古月居 作者:熊猫飞天 2022-08-10 11:43 次阅读

cartgrapher这个框架是google在2016年开源出来的框架,该框架可以接入2D激光、3D激光、里程计、IMU传感器的数据,输出2D地图或者是3D地图。同时该框架还有一个比较有特色的功能就是他可以增量式更新地图,当cartgrapher 运行在定位模式时,可以在定位的同时增量式更新已有的地图。

cartographer安装

网络上有很多安装cartographer的教程

https://www.cnblogs.com/hitcm/p/5939507.html

基本上按照这些教程或者是官网提供的教程不存在其他问题,唯一的问题就是直接从github上拷贝的速度很慢,可以使用国内别克隆下来的代码。

根据官网的方式下载源码:

https://google-cartographer-ros.readthedocs.io/en/latest/compilation.html#building-installation

在下载的时候需要修改ceres-solver地址为:

https://github.com/ceres-solver/ceres-solver.git (使用命令vim src/ .rosinstall)

或者去我的仓库:https://gitee.com/cenruping/google_cartgrapher)进行下载,将src目录下的三个压缩包进行解压。

2D建图测试

这里我们首先测试官网上的demo,然后再我们自己的机器人上进行测试。这里我们运行的是官网上的 Pure localization 部分的数据集。

1.启动2D 建图demo

roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=/media/crp/0E3C06880E3C0688/b2-2016-04-05-14-44-52.bag

bag_filename表示的是ROS bag的数据包。

注意

这里我们把官网上的offline_backpack_2d.launch 文件替换为了 demo_backpack_2d.launch,这是由于我们发现 offline_backpack_2d.launch 这个文件没有启动地图保存服务。

先将地图保存为 .pbstream 文件

rosservice call /write_state ~/cartograph_test.pbstream

用cartographer自带的转换节点将.pbstream 文件转化为pgm和yaml文件

rosrun cartographer_ros cartographer_pbstream_to_ros_map -pbstream_filename /home/crp/cartograph_test.pbstream -map_filestem /home/crp/cartograph_test

动节点以后可以看到文件夹下生成的pgm 和 yaml文件

7fecd2e4-17e4-11ed-ba43-dac502259ad0.png

但是如果你需要使用cartographer进行定位的话,就没有必要去转换为pgm格式的。

2.启动2D 定位demo

接下来我们使用已有的地图进行定位

roslaunch cartographer_ros demo_backpack_2d_localization.launch load_state_filename:=/home/crp/ cartograph_test.pbstream bag_filename:=/media/crp/0E3C06880E3C0688/b2-2016-04-27-12-31-41.bag

其中cartograph_test.pbstream 是我们上一个步骤中生成的一个地图文件,bag_filename:表示的是当前输入的激光雷达的数据

其中定位数据是输出在TF坐标系中的。

3.在kobuki机器人上实现建图

这里我们是参考demo的历程来配置参数文件的,这里主要需要注意lua文件中的几个坐标系的配置。经过我自己的尝试

a) 在只使用激光雷达的时候(tracking_frame=”laser”, publish_frame=”laser”)

b) 使用里程计+激光雷达时(tracking_frame=”base_link”, publish_frame=”odom”)

c) 使用IMU+激光+里程计时(tracking_frame=”imu_link”, publish_frame=”odom”)

其余参数只要参考demo里面的进行配置就可以了,我所使用的launch文件(” kobuki_robot.launch”)和lua(“kobuki_robot.lua”)文件配置如下:


kobuki_robot.launch

  "urdf_file" default="$(find xacro)/xacro --inorder '$(find kobuki_description)/urdf/kobuki_standalone.urdf.xacro'"/> "robot_description" command="$(arg urdf_file)"/>
 "robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" output="screen">  "publish_frequency" type="double" value="5.0"/> 
 "joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher">  "use_gui" value="true"/> 

 "cartographer_node" pkg="cartographer_ros"   type="cartographer_node" args="     -configuration_directory $(find cartographer_ros)/configuration_files     -configuration_basename kobuki_robot.lua"   output="screen">  "scan" to="/scan" />  "odom" to="/odom" /> 

 "cartographer_occupancy_grid_node" pkg="cartographer_ros"   type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
 "rviz" pkg="rviz" type="rviz" required="true"   args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />

kobuki_robot.lua

include "map_builder.lua"include "trajectory_builder.lua"
options = { map_builder = MAP_BUILDER, trajectory_builder = TRAJECTORY_BUILDER, map_frame = "map", tracking_frame = "base_footprint", published_frame = "odom", odom_frame = "odom", provide_odom_frame = false, --算法内部提供里程计 publish_frame_projected_to_2d = false, use_odometry = true, --使用里程计 use_nav_sat = false, use_landmarks = false,
 num_laser_scans = 1, num_multi_echo_laser_scans = 0, num_subdivisions_per_laser_scan = 1, num_point_clouds = 0, lookup_transform_timeout_sec = 0.2, submap_publish_period_sec = 0.3, pose_publish_period_sec = 5e-3, trajectory_publish_period_sec = 30e-3, rangefinder_sampling_ratio = 1., odometry_sampling_ratio = 1., fixed_frame_pose_sampling_ratio = 1., imu_sampling_ratio = 1., landmarks_sampling_ratio = 1.,}
MAP_BUILDER.use_trajectory_builder_2d = true
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35TRAJECTORY_BUILDER_2D.min_range = 0.3TRAJECTORY_BUILDER_2D.max_range = 8.TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.TRAJECTORY_BUILDER_2D.use_imu_data = falseTRAJECTORY_BUILDER_2D.imu_gravity_time_constant = 9.8 TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = trueTRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1POSE_GRAPH.optimization_problem.huber_scale = 1e2POSE_GRAPH.optimize_every_n_nodes = 35POSE_GRAPH.constraint_builder.min_score = 0.65
return options

下面是一个在实验室里面录制的视频

4.在kobuki上基于已有地图定位

接下来我们使用以及建立好的地图进行定位,同时进行增量式更新地图(注意地图右上角区域)kobuki_localization.launch

  "urdf_file" default="$(find xacro)/xacro --inorder '$(find kobuki_description)/urdf/kobuki_standalone.urdf.xacro'"/> "robot_description" command="$(arg urdf_file)"/>
 "robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" output="screen">  "publish_frequency" type="double" value="5.0"/> 
 "joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher">  "use_gui" value="true"/> 

 "cartographer_node" pkg="cartographer_ros"   type="cartographer_node" args="     -configuration_directory $(find cartographer_ros)/configuration_files     -configuration_basename kobuki_localization.lua  -load_state_filename $(arg load_state_filename)"   output="screen">  "echoes" to="/scan" /> 

 "cartographer_occupancy_grid_node" pkg="cartographer_ros"   type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
 "rviz" pkg="rviz" type="rviz" required="true"   args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />

kobuki_localization.lua 定位模式下的lua配置文件,只是在建图的基础上增加了两个配置参数

include "kobuki_robot.lua"
TRAJECTORY_BUILDER.pure_localization = truePOSE_GRAPH.optimize_every_n_nodes = 20
return options

定位&增量更新地图视频:

3D建图测试

1.3D数据集建图

使用3D激光雷达建图的时候我们必须要结合IMU,使用IMU提供的重力方向向量。这里我们直接根据官网[1] 的步骤进行运行,首先你需要去下载这个3D数据包[5]

其次我们需要将官网上的 “offline_backpack_3d.launch”替换为 “demo_backpack_3d.launch”,否则在保存地图的时候会出现无法调用

启动3D激光雷达建图

roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-13-54-42.bag

等到数据运行完毕以后调用 write_state 服务来保存地图

rosservice call /write_state ~/3d_local.pbstream

将这个pbstream文件进一步转化成3D的ply点云文件

roslaunch cartographer_ros assets_writer_my_rslidar_3d.launch bag_filenames:=b3-2016-04-05-13-54-42.bag pose_graph_filename:=~/3d_local.pbstream

等待一段时间,处理完成后命令会自动退出,此时在bag文件旁边会生成一个.bag_points.ply后缀文件,这个就是点云文件[6].最后利用PCL自带的工具将ply文件转换成pcd文件

pcl_ply2pcd b3-2016-04-05-13-54-42.bag_points.ply test_3d.pcd

在运行的时候,机器人的位姿是发布在TF中的,如下图所示。因此我们可以通过读取odom->map之间的坐标变换来知道机器人的位置

7ff95f6e-17e4-11ed-ba43-dac502259ad0.jpg

2.3D定位

3D定位我们是利用在3.1部分生成的 “***~/3d_local.pbstream***”作为已有地图,将当前激光数据输入进行匹配,估计位置

cartographer_ros demo_backpack_3d_localization.launch load_state_filename:=/home/crp/3d_local.pbstream bag_filename:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-15-52-20.bag

同样在运行定位的时候,机器人的位姿也是发布在TF中的,如下图所示。因此我们可以通过读取odom->map之间的坐标变换来知道机器人的位置。(可以明显看出,定位时候的位姿输出频率要远远低于建图时候的频率)

800ded1c-17e4-11ed-ba43-dac502259ad0.jpg

审核编辑:汤梓红

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 传感器
    +关注

    关注

    2513

    文章

    47513

    浏览量

    738257
  • 机器人
    +关注

    关注

    206

    文章

    26730

    浏览量

    200911
  • 开源
    +关注

    关注

    3

    文章

    2941

    浏览量

    41564

原文标题:cartography在机器人上运行建图与定位

文章出处:【微信号:3D视觉工坊,微信公众号:3D视觉工坊】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    LabVIEW编程的基本框架

    LabVIEW编程的基本框架
    发表于 07-23 08:14

    LPC2106框架

    LPC2106框架
    发表于 09-14 11:02

    各种封装的尺寸库用非常实用

    各种封装的尺寸库用非常实用
    发表于 06-22 17:34

    关于机器人定位与,这些小技巧你懂吗

    自主定位导航过程中充当着“眼睛”的角色。下面,小编就用思岚的RPLIDAR 作案例说明。RPLIDAR A3 1)雷达的安装方法及相关注意事项:1. 雷达水平安装角度:0度 ~ +
    发表于 03-28 15:48

    Yaf框架安装和HelloWorld

    Yaf框架:从安装到HelloWorld
    发表于 06-28 09:29

    utest 测试框架及 utest 应用介绍

    utest 测试框架utest 简介utest(unit test)是 RT-Thread 开发的单元测试框架。设计 utest 的初衷是方便 RT-Thread 开发者使用统一的
    发表于 03-29 07:09

    HarmonyOS自动化测试框架—Hypium

    有了初步的认识。下面就为大家揭晓单元测试框架的详细架构。 2 单元测试框架架构图如图2所示,单元测试
    发表于 08-10 17:13

    在arduino ide中安装esp32的arduino框架时的问题求解

    在arduino ide中安装esp32的arduino框架时的问题在arduino ide中安装esp32的arduino框架: arduino ide弹出错误:
    发表于 03-06 08:22

    基于Web的自动化测试框架的研究

    根据web系统测试的特点,为提高软件测试自动化脚本的可重用性,结合在实际项目中软件自动化测试的实践,提出基于Web的自动化测试框架(ACRA
    发表于 11-07 15:58 0次下载
    基于Web的自动化<b class='flag-5'>测试</b><b class='flag-5'>框架</b>的研究

    Hypium的单元测试框架和UI测试框架

    “Hypium”是“Hyper Automation + ium”的组合词,“Hyper Automation”表示超级自动化, “ium”意指稳定、可靠的测试框架能力底座。从取名含义可以看出,我们想要为开发者打造一个以超级自动化测试
    的头像 发表于 08-10 09:26 1224次阅读

    Hypium框架使能ArkTS应用高效测试

    作者: leidan,软件测试开发工程师  HarmonyOS发布了声明式开发框架ArkUI,带来了极简高效的开发体验,备受广大开发者的青睐。那么,我们在开发过程中,如何确保ArkTS应用的功能
    的头像 发表于 03-11 13:10 605次阅读

    什么是自动化测试框架

    自动化测试框架,即是应用于自动化测试所用的框架。按照框架的定义,自动化测试
    发表于 04-18 14:44 532次阅读

    一款扩展性高的渗透测试框架渗透测试框架

    MYExploit 简介 一款扩展性高的渗透测试框架渗透测试框架(完善中) 只支持部分EXP 利用 使用声明 本工具仅用于安全测试目的 用于
    的头像 发表于 05-30 09:06 343次阅读
    一款扩展性高的渗透<b class='flag-5'>测试</b><b class='flag-5'>框架</b>渗透<b class='flag-5'>测试</b><b class='flag-5'>框架</b>

    qiling框架和AFLplusplus安装

    节说qiling框架比unicorn框架更加适合IoT研究初学者。 qiling使用基础     qiling框架和AFLplusplus安装
    的头像 发表于 06-17 16:12 1012次阅读
    qiling<b class='flag-5'>框架</b>和AFLplusplus<b class='flag-5'>安装</b>

    API测试框架Grillon概述

    API测试框架Grillon概述
    的头像 发表于 09-08 10:22 1722次阅读