cartgrapher這個框架是google在2016年開源出來的框架,該框架可以接入2D激光、3D激光、里程計、IMU傳感器的數據,輸出2D地圖或者是3D地圖。同時該框架還有一個比較有特色的功能就是他可以增量式更新地圖,當cartgrapher 運行在定位模式時,可以在定位的同時增量式更新已有的地圖。
1 cartography安裝
網絡上有很多安裝cartography的教程[2],基本上按照這些教程或者是官網提供的教程不存在其他問題,唯一的問題就是直接從github上拷貝的速度很慢,可以使用國內別克隆下來的代碼。
根據官網的方式下載源碼[1] 在下載的時候需要修改ceres-solver地址爲:https://github.com/ceres-solver/ceres-solver.git (使用命令vim src/ .rosinstall)
或者去我的倉庫進行下載,將src目錄下的三個壓縮包進行解壓。
2 2D建圖測試
這裏我們首先測試官網上的demo,然後再我們自己的機器人上進行測試。這裏我們運行的是官網上的 Pure localization 部分的數據集。
2.1 啓動2D 建圖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的數據包。
注意:這裏我們把官網上的 offline_backpack_2d.launch 文件替換爲了 demo_backpack_2d.launch,這是由於我們發現 offline_backpack_2d.launch 這個文件沒有啓動地圖保存服務。
cartograph_數據集2D建圖(x8)
先將地圖保存爲 .pbstream 文件
rosservice call /write_state ~/cartograph_test.pbstream
用cartography自帶的轉換節點將.pbstream 文件轉化爲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
啓動節點以後可以看到文件夾下生成的pgm 和 yaml文件
但是如果你需要使用cartography進行定位的話,就沒有必要去轉換爲pgm格式的。
2.2 啓動2D 定位demo
接下來我們使用已有的地圖進行定位
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 是我們上一個步驟中生成的一個地圖文件,bag_filename:表示的是當前輸入的激光雷達的數據
cartograph_數據集2D定位增量式更新地圖
其中定位數據是輸出在TF座標系中的。
2.3 在kobuki機器人上實現建圖
這裏我們是參考demo的歷程來配置參數文件的,這裏主要需要注意lua文件中的幾個座標系的配置。經過我自己的嘗試
a) 在只使用激光雷達的時候(tracking_frame=”laser”, publish_frame=”laser”)
b) 使用里程計+激光雷達時(tracking_frame=”base_link”, publish_frame=”odom”)
c) 使用IMU+激光+里程計時(tracking_frame=”imu_link”, publish_frame=”odom”)
其餘參數只要參考demo裏面的進行配置就可以了,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
<launch>
<arg name="urdf_file" default="$(find xacro)/xacro --inorder '$(find kobuki_description)/urdf/kobuki_standalone.urdf.xacro'"/>
<param name="robot_description" command="$(arg urdf_file)"/>
<node pkg="robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" output="screen">
<param name="publish_frequency" type="double" value="5.0"/>
</node>
<node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher">
<param name="use_gui" value="true"/>
</node>
<node name="cartographer_node" pkg="cartographer_ros"
type="cartographer_node" args="
-configuration_directory $(find cartographer_ros)/configuration_files
-configuration_basename kobuki_robot.lua"
output="screen">
<remap from="scan" to="/scan" />
<remap from="odom" to="/odom" />
</node>
<node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"
type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
<node name="rviz" pkg="rviz" type="rviz" required="true"
args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />
</launch>
kobuki_robot.lua
include "map_builder.lua"
include "trajectory_builder.lua"
options = {
map_builder = MAP_BUILDER,
trajectory_builder = TRAJECTORY_BUILDER,
map_frame = "map",
tracking_frame = "base_footprint",
published_frame = "odom",
odom_frame = "odom",
provide_odom_frame = false, --算法內部提供里程計
publish_frame_projected_to_2d = false,
use_odometry = true, --使用里程計
use_nav_sat = false,
use_landmarks = false,
num_laser_scans = 1,
num_multi_echo_laser_scans = 0,
num_subdivisions_per_laser_scan = 1,
num_point_clouds = 0,
lookup_transform_timeout_sec = 0.2,
submap_publish_period_sec = 0.3,
pose_publish_period_sec = 5e-3,
trajectory_publish_period_sec = 30e-3,
rangefinder_sampling_ratio = 1.,
odometry_sampling_ratio = 1.,
fixed_frame_pose_sampling_ratio = 1.,
imu_sampling_ratio = 1.,
landmarks_sampling_ratio = 1.,
}
MAP_BUILDER.use_trajectory_builder_2d = true
TRAJECTORY_BUILDER_2D.submaps.num_range_data = 35
TRAJECTORY_BUILDER_2D.min_range = 0.3
TRAJECTORY_BUILDER_2D.max_range = 8.
TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
TRAJECTORY_BUILDER_2D.use_imu_data = false
TRAJECTORY_BUILDER_2D.imu_gravity_time_constant = 9.8
TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1
POSE_GRAPH.optimization_problem.huber_scale = 1e2
POSE_GRAPH.optimize_every_n_nodes = 35
POSE_GRAPH.constraint_builder.min_score = 0.65
return options
下面是一個在實驗室裏面錄製的視頻
kobuki cartograph 建圖
2.4 在kobuki上基於已有地圖定位
接下來我們使用以及建立好的地圖進行定位,同時進行增量式更新地圖(注意地圖右上角區域)
kobuki_localization.launch
<launch>
<arg name="urdf_file" default="$(find xacro)/xacro --inorder '$(find kobuki_description)/urdf/kobuki_standalone.urdf.xacro'"/>
<param name="robot_description" command="$(arg urdf_file)"/>
<node pkg="robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" output="screen">
<param name="publish_frequency" type="double" value="5.0"/>
</node>
<node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher">
<param name="use_gui" value="true"/>
</node>
<node name="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">
<remap from="echoes" to="/scan" />
</node>
<node name="cartographer_occupancy_grid_node" pkg="cartographer_ros"
type="cartographer_occupancy_grid_node" args="-resolution 0.05" />
<node name="rviz" pkg="rviz" type="rviz" required="true"
args="-d $(find cartographer_ros)/configuration_files/demo_2d.rviz" />
</launch>
kobuki_localization.lua 定位模式下的lua配置文件,只是在建圖的基礎上增加了兩個配置參數
include "kobuki_robot.lua"
TRAJECTORY_BUILDER.pure_localization = true
POSE_GRAPH.optimize_every_n_nodes = 20
return options
定位&增量更新地圖視頻:
kobuki_Cartograph_定位&增量式建圖
3、3D建圖測試
3.1 3D數據集建圖
使用3D激光雷達建圖的時候我們必須要結合IMU,使用IMU提供的重力方向向量。這裏我們直接根據官網[1] 的步驟進行運行,首先你需要去下載這個3D數據包[5]
其次我們需要將官網上的 “offline_backpack_3d.launch”替換爲 “demo_backpack_3d.launch”,否則在保存地圖的時候會出現無法調用
啓動3D激光雷達建圖
roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=/media/crp/0E3C06880E3C0688/b3-2016-04-05-13-54-42.bag
Cartography-3D建圖
等到數據運行完畢以後調用 write_state 服務來保存地圖
rosservice call /write_state ~/3d_local.pbstream
將這個pbstream文件進一步轉化成3D的ply點雲文件
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
等待一段時間,處理完成後命令會自動退出,此時在bag文件旁邊會生成一個.bag_points.ply後綴文件,這個就是點雲文件[6].最後利用PCL自帶的工具將ply文件轉換成pcd文件
pcl_ply2pcd b3-2016-04-05-13-54-42.bag_points.ply test_3d.pcd
在運行的時候,機器人的位姿是發佈在TF中的,如下圖所示。因此我們可以通過讀取odom->map之間的座標變換來知道機器人的位置
3.2 3D定位
3D定位我們是利用在3.1部分生成的 “***~/3d_local.pbstream***”作爲已有地圖,將當前激光數據輸入進行匹配,估計位置
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
Cartography-3D定位
同樣在運行定位的時候,機器人的位姿也是發佈在TF中的,如下圖所示。因此我們可以通過讀取odom->map之間的座標變換來知道機器人的位置。(可以明顯看出,定位時候的位姿輸出頻率要遠遠低於建圖時候的頻率)
參考資料:
[1]https://google-cartographer-ros.readthedocs.io/en/latest/compilation.html#building-installation
[2] https://www.cnblogs.com/hitcm/p/5939507.html
[3] https://zhuanlan.zhihu.com/p/64747755
[4] https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/b3-2016-04-05-13-54-42.bag
[5] https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/b3-2016-04-05-15-52-20.bag
[6]http://community.bwbot.org/topic/523/%E8%B0%B7%E6%AD%8Ccartographer%E4%BD%BF%E7%94%A8%E9%80%9F%E8%85%BE%E8%81%9A%E5%88%9B3d%E6%BF%80%E5%85%89%E9%9B%B7%E8%BE%BE%E6%95%B0%E6%8D%AE%E8%BF%9B%E8%A1%8C%E4%B8%89%E7%BB%B4%E5%BB%BA%E5%9B%BE/2
歡迎做自主導航小車的小夥伴一起討論或者留言,[email protected]