快捷搜索： ROS2 vl53l0 GPS户外定位机器人 物联网与机器人IORT GPS导航定位IORt机器人套件
首页 / 如何不使用ROS实现SLAM建图和自主导航

如何不使用ROS实现SLAM建图和自主导航

小v 2700 0

SLAM 技术是什么?
SLAM是Simultaneous Localization and Mapping的缩写，即同时定位与地图构建。
它是一种用于自主导航和机器人感知的技术，旨在通过在未知环境中同时进行自主定位和构建环境地图，实现机器人的导航与路径规划。

它涉及到很多复杂的算法和方法，包括特征提取与匹配、传感器融合、滤波器（如扩展卡尔曼滤波器和粒子滤波器）和优化算法等。

SLAM技术主要应用于无人驾驶汽车、无人机、机器人和增强现实等领域。在实时定位和地图构建的过程中，SLAM系统会使用各种传感器（如摄像头、激光雷达、惯性测量单元等）获取环境信息，并利用这些信息进行自主定位和地图构建。

自主定位是指机器人在未知环境中确定自身位置的过程，通过对传感器数据进行处理和分析，结合地图信息，估计机器人相对于环境的位置和姿态。

地图构建则是将机器人在移动过程中获取的传感器数据融合起来，生成环境的地图表示，包括地标、障碍物和空间结构等信息。

SLAM 技术可以分为哪几类？
（1）基于传感器类型分类

✔视觉SLAM：主要使用相机或摄像头获取图像信息进行定位和地图构建。

✔激光SLAM：使用激光雷达来感知环境并生成地图，激光测距可以提供精确的距离信息。

（2）基于地图的分类

✔基于拓扑图的SLAM：将环境表示为节点和边的拓扑结构，用于描述不同位置之间的关系。

✔基于网格地图的SLAM：使用二维或三维网格表示环境，将地图分割为离散的网格单元，每个单元表示不同的属性或占据状态。

✔基于稠密地图的SLAM：生成具有高密度信息的地图，通常使用点云或三维模型表示环境。

（3）基于算法的分类

✔滤波器方法：使用滤波器（如扩展卡尔曼滤波器或粒子滤波器）进行状态估计和数据融合。

✔优化方法：通过最小化误差函数或优化目标函数，使用图优化算法（如非线性最小二乘法）进行定位和地图优化。

✔学习方法：利用机器学习或深度学习技术，通过训练数据进行定位和地图构建。

激光SLAM，有哪些应用场景？
（1）自主导航和移动机器人：激光SLAM可用于移动机器人的自主导航和路径规划。

（2）无人驾驶和自动驾驶汽车：激光SLAM是无人驾驶和自动驾驶汽车中关键的感知技术之一。激光雷达能够提供车辆周围环境的精确地图和距离信息，用于定位车辆和障碍物检测。通过将激光SLAM与其他传感器（如相机、雷达和GPS）进行融合，实现全面的环境感知和高级驾驶决策。

（3）建筑和室内地图构建：激光雷达可以快速而准确地扫描建筑物的结构，捕捉墙壁、家具和其他物体的几何信息。

（4）无人机和航空领域：激光雷达可以提供无人机周围环境的高精度地图和距离信息，支持无人机的自主飞行、目标检测和障碍物避让。

（5）工业自动化和机器视觉：例如，用于机器人在工厂环境中的定位、零件装配和物体识别。激光雷达提供的精确距离信息可以用于精确的位置控制和目标检测。

学习激光SLAM技术需要具备的基础知识
大学本科阶段的基础数学知识，如微积分、线性代数、概率论。
大学研究生阶段的数学知识：最优化、矩阵论，一小部分李群与李代数知识。
计算机科学知识：单片机开发、嵌入式、Linux系统操作、C++语言。
EasymqOS 机器人分布式开发框架
easy_mqOS 是笔者仿照ROS 搭建的基于MQTT的简易机器人分布式开发框架,是一种轻量级并且十分容易上手的框架，支持多个节点的主题的订阅和单topic发布,节点之间独立、解耦合。没有复杂的文件配置，一定的make编程基础，像正常启动服务一样，就可以运行。甚至可以在嵌入式linux上使用，而不用安装Ubuntu没有复杂的插件，很容易上手和学习。支持c.c++ ,python,js.MQTT协议特点

使用发布/订阅消息模式，提供一对多的消息分发，解除应用程序耦合。

　　消息传输对有效载荷内容不可知。
　　使用TCP/IP提供基础网络连接。
　　有3个消息发布服务质量级别。
　　轻量传输，协议交换最小化，以降低网络网络流量。
　　提供一种机制，当客户端异常中断时，利用 Last Will 和 Testament 特性来通知有关各方。
对于不需要搭建太复杂的机器人,笔者认位easy_mqos就可以满足自主建图和避障导航的功能.

easyMqos诞生的目的
首先它是一个机器人的教育套件。
解决繁杂的上外网更新问题。
解决非Ubuntu不能用的问题。
避免繁杂配置出错问题。
避免非ROS无机器人的境地。
通过下面案例的应用，已经证明该框架用于机器人学习是没有问题的。
easyMqos优缺点
优点
SLAM建图和导航避障在不依赖ROS的情况下可以实现。
不需要复杂的配置；
不需要复杂的编译链；
不需要远程配置master;
没有复杂的TF坐标转换概念；
可以将精力放到深入研究算法中。
可以自己修改算法。
可以转成ros 节点；
可适用于Linux系统例如raspbian\ubuntu\centos\armbian\嵌入式Linux。单片机？
缺点
仅适合学习机器人相关的知识，不能复杂的深入学习3D坐标系统。
不支持机械臂；
没有rqt 数据流等。
编码示例
C++
int main (int argc, char * argv)
{
//创建实例
easymqos e_demo = new easymqos(CLIENT_PUB);
//发布话题的设置
e_demo->Init_Pub("/sensors/filter");
//设置代理服务器
e_demo->Set_broker("192.168.56.101");
e_demo->Set_config_Pub();
//可订阅多个主题
vector topicStr_subscribe;
topicStr_subscribe.push_back("/sensors/demo");//支持多个话题的订阅
topicStr_subscribe.push_back("/sensors/test");
e_demo->Init_Sub(topicStr_subscribe);

//可创建和启动多个线程
pthread_attr_t attr;
pthread_t pthread_id = 0 ;
struct sched_param param;
/*create task mqtt  com queue */
pthread_attr_init (&attr);
pthread_attr_setschedpolicy (&attr, SCHED_RR);
param.sched_priority = 5;
pthread_attr_setschedparam (&attr, &param);
pthread_create (&pthread_id, &attr, &Mqtt_PublishTask, NULL);//可以启动线程做更多事情
pthread_attr_destroy (&attr);
  /*create task mqtt  client queue */
//启动订阅话题和回调函数
e_demo->Start_Sub(call_back);//启动订阅和回调处理函数

}
python示例
import adafruit_bno08x
from adafruit_bno08x_rvc import BNO08x_RVC
import serial
import time
import numpy as np
import argparse
import os
import math
import time
import sys
import datetime
from paho.mqtt import client as mqtt_client
import random
import threading
import json

添加串口

uart = serial.Serial("/dev/ttyS5", 115200)

MQTT相关

broker = '127.0.0.1'
port = 1883

添加订阅的主题

topic1 = "/sensors/topic1"

添加发布的主题

cmd_topic = "/cmd/vel"
client_id = 'python-mqtt-{}'.format(random.randint(0, 1000))

定义mqtt的client

client = mqtt_client.Client(client_id)

def getcmd(roll,pitch,yaw,ax,ay,az):
data = {"roll":"%2.2f"%(roll),"pitch":"%2.2f"%(pitch),"yaw":"%2.2f"%(yaw),"ax":"%f" %(ax),"ay":"%f" %(ay),"az":"%f" %(az)
}
return data

如果有需要可创建启动线程

def thread1():
time.sleep(0.1)
while True:

add your code here

    cmd =getcmd(roll,pitch,yaw,x_accel,y_accel,z_accel)
    json_data = json.dumps(cmd)
    #发送数据到topic
    result = client.publish(topic,json_data,0)

    # result: [0, 1]
    status = result[0]
    if status == 0:
        print(f"Send  to topic `{topic}`")
    else:
        print(f"Failed to send message to topic {topic}")

th1 = threading.Thread(target = thread1)
th1.setDaemon(True)
th1.start()

def on_connect(client, userdata, flags, rc):
print("Connected with result code "+str(rc))

用于处理接收的多个主题

def on_message(client, userdata, msg):
global _switch

print(msg.topic+" "+msg.payload.decode("utf-8"))

_switch = ord(msg.payload.decode("utf-8"))-48
#add your code here 
#any thing

print("%d"%_switch)

根据需要设计可有可无

def publish(client):
global last_time
global detect_ok

global resultImg
msg_count = 0
while True:
    #add your code here
    time.sleep(0.001)

if name == 'main':

print(" connected!")        
client.on_connect = on_connect
client.on_message = on_message
client.connect(broker, port, 60)
#publish(client)
# 订阅主题
client.subscribe(topic1)
client.subscribe(topic2)
client.subscribe(topicn)
client.loop_forever()

js编码
var hostname = '192.168.1.2', //'',
devid =111111,
port = 8083,
clientId = 'client-mao2180',
timeout = 5,
keepAlive = 50,
cleanSession = false,
ssl = false,
topic1 = '/state/gps';

var urlPath = window.document.location.href;
var docPath = window.document.location.pathname; //文件在服务器相对地址 /ISV/demo.aspx
var index = urlPath.indexOf(docPath);
var serverPath = urlPath.substring(0, index);
var serverip = serverPath.substring(7);
console.log(serverip);
    //启动链接
    MQTTconnect();
    function MQTTconnect(){

        topic =  '/s/vel';
        console.log(topic);
        client = new Paho.MQTT.Client(serverip, Number(port), clientId);
        client.onConnectionLost = onConnectionLost;//注册连接断开处理事件
        client.onMessageArrived = onMessageArrived;//注册消息接收处理事件
        client.connect({onSuccess:onConnect});//连接服务器并注册连接成功处理事件
    };
    function onConnect() {
      // Once a connection has been made, make a subscription and send a message.
      console.log("onConnect:"+topic);
      //订阅的主题列表
      client.subscribe(topic1);
      client.subscribe(topic2);
      client.subscribe(topicn);

    };
    function onConnectionLost(responseObject) {

      if (responseObject.errorCode !== 0)
        console.log("onConnectionLost:"+responseObject.errorMessage);
        console.log("连接已断开");
    };
    function onMessageArrived(message) {

        //console.log("收到消息:"+message.payloadString);
        //console.log("主题："+message.destinationName);
        //console.log("长度："+strlen(message.payloadString));
        //add your code here 

    };
//发送信息到指定主题
function send_x_y(velocity,angle){
     console.log("into send message");
    //add your code here
   // s = "{time:"+new Date().Format("yyyy-MM-dd hh:mm:ss")+", content:"+(s)+", from: web console}";
    message = new Paho.MQTT.Message("test in robot");
    message.destinationName = sendtopic;
    client.send(message);
}

启动程序
/easymqOs_navigation$ ./navigation
/easymqos_basecomm$ ./basecomm_node
/easymqos_imu$ python3 read_bno.py
适合的人群：
想入门学习机器人规划和导航的同学。
快速入门SLAM建图的同学。
学习自主导航的同学。
学习局部规划的同学。
学习避障算法的同学。
想快速测试效果的同学。
关注神经网络和机器人应用的同学。
机器人爱好者。
GITHUB目前开放的节点：

SLAM 建图效果

EasyMQOS简易机器人开发框架教程
​www.zhihu.com/column/c_1609592563807002624

实战案例 1
室内SLAM建图与导航机器人
实验环境：室内。
建图条件：需要事先SLAM建图。
避障传感器：A1激光雷达。
测速：霍尔编码器。
驱动方式：双轮差速驱动。
IMU：9轴
主控：OPI2\旭日X3
驱动板：stm32
建图精度：+-5cm
定位精度；+-10cm 以内
框架：easymqos
github:https://github.com/horo2016/easyMQOS
避障局部规划：魔改DWA+自定义
全局规划：a* 效果差 ，需要继续优化，但不影响使用了

页面交互

页面交互设计使用HTML+JS实现通信、控制。画布用的canvas直接将接收到的地图数据画出来，同时还支持

轨迹；
雷达帧；
规划的路径；
机器人显示；
充电站显示；
A点显示；
B点显示；
设置目标点；
路径规划操作；
导航到达；
直达操作；
充电；
去指定的点操作。

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航
​mp.weixin.qq.com/s/YWueXpJ7quB0yXASQVAfNg

B站视频：

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航测试_哔哩哔哩_bilibili
​www.bilibili.com/video/BV1Hh4y1f7Fm/?spm_id_from=333.999.0.0&vd_source=2056365a3e689ccb27ee312065d1714c

导航篇

更新了，新开源无ROS，轮式机器人实现自主导航和避障
​mp.weixin.qq.com/s/eAD5nlpff4UpGMQTxUFfjw

B站演示视频

进阶，在轮式机器人上实现自主导航和避障（无ROS）_哔哩哔哩_bilibili
​www.bilibili.com/video/BV1R8411m7b5/?spm_id_from=333.999.0.0&vd_source=2056365a3e689ccb27ee312065d1714c

轮式机器人爱好者剥离ROS，搭建非主流机器人分布式开发框架，实现slam建图和简单自主导航测试

机器人框架：easyMQos 基于MQTT
建图：2d栅格 粒子滤波
显示：web 页面 导航：无障碍 路径跟随
全局规划算法：A* 、梯度规划
局部避障导航：dwa+puresuit
公众号：视觉动力机器人
建图精度：+-5cm
定位精度；+-10cm 以内
实战案例 2
GPS定位与导航机器人
未完待续。。。

欢迎大家尝试使用。

公众号：视觉动力机器人

核心：《轮式自主移动机器人编程实战》

您可能还会对下面的文章感兴趣：

分类文章

sitemap