robot_localization(2)：準備數據

在使用robot_localization中的狀態估計節點開始之前，用戶必須確保其傳感器數據格式正確，這一點很重要。每種類型的傳感器數據都有各種注意事項，建議用戶在嘗試使用robot_localization之前完整閱讀本教程。

有關更多信息，建議用戶觀看ROSCon 2015的演示文稿。

1 遵守ROS標準

要考慮的兩個最重要的ROS REP是：

• REP-103（標準計量單位和座標約定）
• REP-105（座標系約定）

鼓勵不熟悉ROS或狀態估計的用戶閱讀兩個REP，因爲它幾乎肯定會幫助您準備傳感器數據。robot_localization嘗試儘可能遵守這些標準。

此外，它可能會有益於用戶查看每種受支持的ROS消息類型的規範：

• nav_msgs/Odometry
• geometry_msgs/PoseWithCovarianceStamped
• geometry_msgs/TwistWithCovarianceStamped
• sensor_msgs/Imu

2 座標系和轉換傳感器數據

REP-105指定了四個主要座標系：base_link，odom，map和Earth。base_link座標系牢固地固定在機器人上。map和odom是固定的世界座標系，其原點通常與機器人的起始位置對齊。Earth座標系用於爲多個map座標系（例如，分佈在較大區域的機器人）提供公共參考座標系。earth座標系與本教程無關。

robot_localization的狀態估計節點會生成狀態估計，其狀態在map或odom座標系中給出，其速度在base_link座標系中給出。在與狀態融合之前，所有傳入的數據都將轉換爲這些座標系之一。每種消息類型中的數據如下轉換：

• nav_msgs/Odometry：所有位姿數據（位置和方向）都從消息頭的frame_id轉換爲world_frame參數指定的座標系（通常爲map或odom）。在消息本身中，這特別是指pose屬性中包含的所有內容。所有twist數據（線速度和角速度）都將從消息的child_frame_id轉換爲base_link_frame參數（通常爲base_link）指定的座標系。
• geometry_msgs/PoseWithCovarianceStamped：以與Odometry消息中的pose數據相同的方式處理。
• geometry_msgs/TwistWithCovarianceStamped：以與Odometry消息中的twist數據相同的方式處理。
• sensor_msgs/Imu：儘管ROS社區正在解決IMU消息，但目前存在一些歧義。大多數IMU在固定的世界座標系中報告方向數據，該座標系的X和Z軸分別由指向磁北和地球中心的向量定義，Y軸朝東（與磁北向量偏移90度）。此座標系通常稱爲NED（北，東，下）。但是，REP-103爲室外導航指定了ENU（東，北，上）座標系。在撰寫本文時，robot_localization假定所有IMU數據都使用ENU座標系，並且不適用於NED座標系數據。將來可能會有所改變，但就目前而言，用戶應確保將數據轉換爲ENU框架後，再將其與robot_localization中的任何節點一起使用。

IMU也可以在機器人的“中性”位置以外的其他位置定向。例如，用戶可以將IMU安裝在其側面，或者旋轉IMU使其面對機器人正面以外的方向。通常通過從base_link_frame參數到IMU消息的frame_id的靜態轉換來指定此偏移量。robot_localization中的狀態估計節點將自動校正傳感器的方向，以使其數據與base_link_frame參數指定的座標系對齊。

3 處理tf_prefix

隨着從ROS Indigo開始向tf2的遷移，robot_localization仍然允許使用tf_prefix參數，但是根據tf2，所有frame_id值的前導”/“都將被去除。

4 每種傳感器消息類型的注意事項

4.1 Odometry

許多機器人平臺都配備了提供瞬時平移和旋轉速度的車輪編碼器。許多人還內部整合了這些速度以生成位置估計。如果您對此數據負責或可以對其進行編輯，請記住以下幾點：

1.Velocities/Poses：robot_localization可以整合速度或絕對姿態信息。通常，最佳做法是：

• 如果里程計同時提供位置和線速度，請融合線速度。
• 如果里程計同時提供方向和角速度，請融合方向。

注意：如果您有兩個方向數據來源，則需要特別注意。如果兩個方向都具有精確的協方差矩陣，則可以安全地融合方向。但是，如果其中一個或兩個都未報告其協方差，則應僅融合來自更精確傳感器的方向數據。對於另一個傳感器，請使用角速度（如果已提供），或繼續融合絕對方向數據，但是要爲該傳感器打開_differential模式。

2.frame_id：參見上面有關座標系和變換的部分。

3.協方差：協方差值與robot_localization有關。robot_pose_ekf嘗試在Odometry消息中融合所有pose變量。已經編寫了一些機器人驅動程序來滿足其要求。這意味着，如果給定的傳感器沒有產生某個變量（例如，沒有報告位置Z的機器人），那麼使robot_pose_ekf忽略它的唯一方法是將其方差膨脹到一個非常大的值（如1000），以便有效地忽略所討論的變量。這種做法既不必要，甚至有害於robot_localization的性能。例外情況是您有第二個輸入源測量有問題的變量，在這種情況下，協方差將起作用。

注意：有關更多信息，請參見配置robot_localization和從robot_pose_ekf遷移。

4.Signs：遵守REP-103意味着您需要確保數據符號正確無誤。例如，如果您有一個地面機器人，然後逆時針旋轉它，則其偏航角應增加，並且其偏航速度應爲正。如果將其向前推動，則其X位置應增加，並且其X速度應爲正。

5.Transforms：廣播odom->base_link轉換。當world_frame參數設置爲配置文件中odom_frame參數的值時，robot_localization的狀態估計節點既輸出nav_msgs/Odometry消息中的位置估計，也輸出從其odom_frame參數指定的座標系到其base_link_frame參數的轉換。但是，某些機器人驅動程序也會將此測距信息與里程計信息一起廣播。如果用戶希望robot_localization負責此轉換，則需要禁用其機器人驅動程序對該轉換的廣播。這通常作爲參數公開。

4.2 IMU

除以下內容外，請務必閱讀上述有關座標系和IMU數據轉換的部分。

1.遵守規範：與odometry一樣，請確保您的數據符合REP-103和sensor_msgs/Imu規範。仔細檢查數據符號，並確保frame_id值正確。

2.協方差：遵循odometry的建議，請確保您的協方差有意義。不要使用較大的值來使濾波器忽略給定的變量。將您要忽略的變量的配置設置爲false。

加速度：注意加速度數據。robot_localization中的狀態估計節點假定放置在平面上其中立的右側向上位置的IMU將：

• Measure +9.81 meters per second squared for the Z axis.
• If the sensor is rolled +90 degrees (left side up), the acceleration should be +9.81 meters per second squared for the Y axis.
• If the sensor is pitched +90 degrees (front side down), it should read -9.81 meters per second squared for the X axis.

4.3 PoseWithCovarianceStamped

請參閱Odometry。

4.4 TwistWithCovarianceStamped

請參閱Odometry。

5 常見錯誤

• 輸入數據不符合REP-103。確保所有值（尤其是方向角度）在正確的方向上增加或減少。
• 不正確的frame_id值。應當在base_link_frame參數給定的座標系中報告速度數據，或者應該在速度數據的frame_id和base_link_frame之間進行轉換。
• 協方差誇大。在測量中忽略變量的首選方法是通過odomN_config參數。
• 缺少協方差。如果已配置給定傳感器以將給定變量融合到狀態估計節點中，則該值的方差（即位置$(i,i)$處的協方差矩陣值，其中$i$是該變量）不應爲0。如果正在融合的變量遇到方差值0，則狀態估算節點將爲該值添加一個小的epsilon值（1e-6）。更好的解決方案是讓用戶適當設置協方差。