ROS Navigation Stack是ROS提供的一個二維的導(dǎo)航功能包集合,通過輸入里程計,、傳感器信息和目標位姿,輸出控制機器人到達目標狀態(tài)的安全速度指令,。 這三個部分都是以插件的形式實現(xiàn)的,通過插件機制可以方便地切換不同算法實現(xiàn)的規(guī)劃器,?;謴?fù)行為會在機器人移動過程中出現(xiàn)了異常狀態(tài)時被觸發(fā),目的是幫助機器人擺脫異常狀態(tài),。另外,,move_base還包括了global_costmap(全局代價地圖)和local_costmap(局部代價地圖),規(guī)劃器需要在代價地圖上進行導(dǎo)航規(guī)劃,。下面我們來詳細看一下上面提到的各部分內(nèi)容,。 簡單來說,里程計的作用就是估計機器人運動的距離和速度,。通過閱讀源碼可以得知,,在ROS Navigation Stack中,里程計信息有兩個作用,,一個作用是提供給局部規(guī)劃器,,當局部規(guī)劃器選取最優(yōu)路徑和判斷機器人是否停止的時候會使用到里程計的速度信息,另一個作用就是將估計位姿信息用于定位,。 nav_msgs/Odometry.msg 激光雷達也可以感知到環(huán)境中障礙物的位置,,通過將障礙物加入到代價地圖中,,實現(xiàn)避障。具體使用哪幾種傳感器,,依賴于使用的機器人平臺,。理論上來說,使用的傳感器種類越多,,定位和避障的效果更好,。 tf是一個讓用戶隨時間跟蹤多個參考系的功能包,它使用一種樹型數(shù)據(jù)結(jié)構(gòu),,根據(jù)時間緩存并維護多個參考系之間的坐標變換關(guān)系,,可以幫助用戶在任意時間,將點,、向量等數(shù)據(jù)的坐標,,在兩個參考系中完成坐標變換。 點擊可查看大圖 從上面這張圖我們就可以直觀地理解什么是tf變換了,由tf樹幫助我們管理激光雷達與機器人底盤之間的坐標變換關(guān)系,,當激光雷達感知到某個位置存在障礙物時,,通過tf變換就能得到障礙物與機器人底盤之間的距離。 map_server在ROS Navigation Stack中是可選的,其主要的作用就是給機器人導(dǎo)航提供地圖,。提供地圖有兩種方式,,一種方式是通過SLAM提供實時地圖,另一種方式是提供SLAM提前建立并保存或者通過其他方式制作的地圖,,常用的SLAM算法有g(shù)mapping和hector_slam等。 一般在比較規(guī)則的場景,,可以制作高精度地圖提供給機器人,,定位和規(guī)劃都會有比較好的效果。通過SLAM提供實時地圖,,需要把實時地圖以話題的形式發(fā)布,。通過map_server提供的地圖為pgm格式,通過加載yaml配置文件,,將地圖以話題的形式加載到系統(tǒng)中,。在yaml文件中可以配置地圖的分辨率,原點以及表示占據(jù)/空閑的概率,。下面為yaml配置文件的內(nèi)容: ·地圖的默認參考系為map,。占據(jù)的概率occ = (255 – color_avg) / 255.0,其中color_avg為像素RGB的平均值,。 amcl是ROS Navigation Stack中唯一指定的定位算法,,全稱為自適應(yīng)蒙特卡洛定位,它是一種用于在二維環(huán)境中移動的機器人的概率定位系統(tǒng),。簡單概括一下它的原理就是通過在全局地圖中撒粒子,,粒子可以理解為機器人的可能位姿。 按照評價標準,,例如激光雷達數(shù)據(jù)與地圖的匹配程度給粒子打分,,分數(shù)越高代表機器人在這個位置的可能性越大,經(jīng)過粒子濾波器以后留下的就是分數(shù)高的粒子了,。 上圖中紅色的粒子簇即為amcl在全局地圖中撒下的粒子,,可以看到一開始的粒子簇集中在給定的起始位姿周圍,,此時的粒子簇還是比較分散的,隨著機器人的移動,,粒子簇逐漸收斂,,定位效果還是不錯的。 點擊可查看大圖 amcl在ROS Navigation Stack中的作用就是輸出map->odom的tf變換,,來彌補里程計的漂移誤差,,它要求在機器人的定位系統(tǒng)中要存在里程計位姿估計,,即odom->base_link的tf變換,并給定起始位姿和輸入傳感器數(shù)據(jù),。 costmap_2d功能包提供了一種二維代價地圖的實現(xiàn)方案,,該方案從實際環(huán)境中獲取傳感器數(shù)據(jù),構(gòu)建二維或三維的柵格占用地圖,,以及基于占用柵格地圖和用戶定義膨脹半徑的二維代價地圖,。該包也支持基于map_server初始化代價地圖,基于滾動窗口的代價地圖,,以及訂閱和配置傳感器話題,。 點擊可查看大圖 上面這張圖為ROS wiki上的一個示例,,可以看到圖中灰色部分即為靜態(tài)地圖,紅色部分為傳感器感知到的障礙物,,藍色部分為膨脹層,。紅色多邊形表示機器人的形狀,為了避免碰撞,,機器人形狀不應(yīng)該和紅色部分相交,,機器人中心點不應(yīng)該和藍色部分相交。 move_base是整個ROS Navigation Stack的最頂層,,它將各個功能模塊組合起來,,通過SimpleActionServer接收目標點并完成導(dǎo)航任務(wù)。move_base支持任何遵循在nav_core包中指定的nav_core::BaseGlobalPlanner接口的全局規(guī)劃器和任何遵循在nav_core包中指定的 nav_core::BaseLocalPlanner 接口的局部規(guī)劃器,。 move_base執(zhí)行的流程是通過狀態(tài)機來控制是執(zhí)行規(guī)劃行為還是恢復(fù)行為,,當規(guī)劃失敗就會執(zhí)行恢復(fù)行為,如果所有恢復(fù)行為也都失敗就會退出導(dǎo)航并報告問題。規(guī)劃的流程是通過回調(diào)函數(shù)接收目標點,,同時會有一個線程不斷地跑全局規(guī)劃器,,然后局部規(guī)劃器以一定頻率對規(guī)劃出來的路徑進行跟蹤,計算出速度指令,,最終到達目標點就重置規(guī)劃狀態(tài),。 nav_core功能包為用于導(dǎo)航的機器人行為提供了通用的接口,其中定義了三個抽象類,,分別是BaseGlobalPlanner,、BaseLocalPlanner和RecoveryBehavior。 點擊可查看大圖 BaseLocalPlanner中定義了純虛函數(shù)setPlan()、isGoalReached()和computeVelocityCommands(),,setPlan()用于實現(xiàn)設(shè)定局部規(guī)劃器跟蹤的路徑,,isGoalReached()用于實現(xiàn)判斷是否到達目標點,computeVelocityCommands()用于實現(xiàn)計算安全的速度指令,。RecoveryBehavior定義了純虛函數(shù)runBehavior(),,runBehavior()用于實現(xiàn)執(zhí)行恢復(fù)行為。 global_planner功能包的GlobalPlanner繼承了nav_core:: BaseGlobalPlanner,實現(xiàn)了makePlan()函數(shù),。makePlan()函數(shù)的基本流程就是輸入起點和終點,,讀取代價地圖,使用A*或者dijkstra算法進行規(guī)劃,,調(diào)用OrientationFilter類中的方法對路徑進行優(yōu)化,,將規(guī)劃好的路徑以話題的形式發(fā)布。 局部規(guī)劃器是move_base中最復(fù)雜的部分,,實現(xiàn)局部規(guī)劃器需要繼承nav_core包的BaseLocalPlanner類,。常用的局部規(guī)劃器是dwa_local_planner,dwa_local_planner提供了在二維平面進行局部路徑規(guī)劃的動態(tài)窗口法的實現(xiàn),。動態(tài)窗口法主要是在速度空間中采樣多組速度,,并模擬機器人在這些速度下一定時間內(nèi)的軌跡。在得到多組軌跡以后,對這些軌跡進行評價,,選取最優(yōu)軌跡所對應(yīng)的速度來驅(qū)動機器人運動,。 局部規(guī)劃器的一個基本流程就是讀取局部代價地圖,設(shè)定要跟蹤的全局路徑,,對全局路徑進行分段,,根據(jù)分段的全局路徑的坐標進行局部規(guī)劃,計算機器人每個周期(采樣周期)內(nèi)的線速度,、角速度,,使之盡量符合全局最優(yōu)路徑,并實現(xiàn)實時避障,。 以DWA局部規(guī)劃器為例,,當規(guī)劃全局路徑的線程planThread在控制循環(huán)中輸出新的路徑時,新的路徑將通過setPlan()傳遞給DWAPlannerROS,,直接保存為global_plan_,。如果isGoalReached()返回false,程序繼續(xù)執(zhí)行調(diào)用computeVelocityCommands(),。 點擊可查看大圖 上圖是move_base默認的恢復(fù)行為的執(zhí)行流程,,可以理解為機器人通過旋轉(zhuǎn)底盤,,來清除代價地圖中的障礙物,經(jīng)過清除以后如果可以找到可走的路徑,,就繼續(xù)導(dǎo)航,,否則認為目標點不可達并報告終止導(dǎo)航任務(wù)。 從源碼來看,,move_base中包括了clear_costmap_recovery,、move_slow_and_clear和rotate_recovery這三個有關(guān)恢復(fù)行為的功能包。clear_costmap_recovery實現(xiàn)的是將給定區(qū)域內(nèi)的障礙物從代價地圖中清除,。 move_slow_and_clear實現(xiàn)的是清除代價地圖中的障礙物,,并在用戶給定的限制速度下移動一定的距離,這可能會導(dǎo)致機器人發(fā)生碰撞,。rotate_recovery實現(xiàn)的是通過使機器人旋轉(zhuǎn)一周來清除代價地圖中的障礙物,。 本文介紹了ROS Navigation Stack的整體設(shè)計思路和各個功能包的作用以及它們之間的聯(lián)系,希望能夠幫助大家更好地理解ROS Navigation Stack,,感謝大家的閱讀,。 ROS navigation wiki: http://wiki./navigation ROS move_base wiki: http://wiki./move_base ROS Navigation Stack github: |
|