《鸿蒙机器人编程》11-ROS导航与定位-教案

ROS星火计划 NXROBO&ExBotPAGE27ROS导航与定位上一讲，我们介绍了ROS坐标转换系统(TF)，接下来我们将要介绍下ROS的导航包，主要讲解内容如下：移动机器人导航概述SLAM技术介绍移动机器人定位技术介绍移动机器人路径规划介绍代价地图全局路径规划局部路径规划行为恢复ROSNavigation功能包参数介绍（1移动机器人导航概述Navigation是ROS中最常用的子系统，是移动机器人导航相关包的集合，实现定位规划避障等相关功能Navigation提供了诸多功能包Navigation导航包总体框架（2.SLAM技术 2.1SLAM的核心思想2.2SLAM输入输出2.3SlAM的分类2.4基于图优化的SLAM处理的数学模型2.5SLAM的一般框架2.6SLAM的一般处理流程2.8ROS中流行的SLAM功能包Gmapping：最为常用和成熟的slam功能包，其集成了Rao-Blackwellized粒子滤波算法，订阅机器人的深度信息、IMU信息和里程计信息，同时完成一些必要参数配置，即可创建并输出基于概率的二维格栅地图hector_slam：使用高斯牛顿方法，不需要里程计数据，只根据激光信息进行地图构建，该算法对雷达帧率要求较高，一般要求高于20HZ。若雷达帧率较低，就要调低机器人运行速度小于0.3m/s，如果不降低机器人行驶速度，建图效果会非常差，甚至无法完成建图Cartographer：可以实现机器人在二维和三维条件下的定位及建图功能。目前该算法采用基于图网络的优化方法，主要基于激光雷达来实现SLAMRTAB-Map：是具有实时约束的全局闭环检测的RGB-DSLAM方法2.8.1Gmapping2.8.1.1Gmapping概述2.8.1.2Gmapping的相关话题2.8.2Cartographer 2.8.2.2Catrographer的总框架(3移动机器人定位 3.1蒙特卡洛定位方法3.1.1蒙特卡洛方法简介 3.1.2蒙特卡洛定位(MCL,MonteCarloLocalization)3.1.3自适应蒙特卡洛方法简介移动机器人路径规划回顾：navigation总体框架4.1代价地图costmap：分类与构成4.2全局路径规划主要任务：从外部获得导航的目标点，然后在全局代价地图里找出“代价最小”的那条路线，这条路线就是我们苦苦寻找的导航路线输入：目标点和全局代价地图输出：全局导航路径点，作为局部路径规划的输入全局路径规划算法基于搜索的规划算法A*、Dijkstra算法、D*、D*Lite、Floyd算法、BellmanFord算法、……基于采样的规划算法概率路图算法(ProbabilisticRoadMap,PRM)、快速随机扩展树算法(Rapidly-exploringRandomTree,RRT)、PRM和RRT的变种、……4.3Navigation中全局路径规划的实现4.4局部路径规划有了全局路径，按理说直接循线走即可，无奈世界变化太快，需要个机灵点的老司机去应对路上可能的突发情况，这位老司机就是局部规划器主要任务：从全局规划器获得导航路线，根据这个路线向机器人发送速度，驱动机器人“尽可能”按照路线去行走输入：全局路径和局部代价地图输出：机器人的速度局部路径规划算法基于采样的算法：动态窗口法（dwa）基于数值优化的算法：mpc、teb基于曲线拟合的算法：贝塞尔曲线、多项式曲线、B样条曲线4.5Navigation中局部路径规划的实现4.6动态窗口法(dwa)的思路4.7动态窗口法(dwa)的算法流程4.8恢复行为5）Navigation导航包参数配置5.1Navigation导航包中的参数6）小结简要介绍了ROSNavigation的总体框架讲解了SLAM的基本工作原理及分类简要介绍了A