使用XV-11激光雷达做hector_slam

大家在学习ROS中不可避免需要使用激光雷达，高精地图、实时定位以及障碍物检测等多项技术，而这些技术都离不开光学雷达的支持，但是呢雷达这真是太贵了，大部分人是负担不起（实验室、研究所土豪可以略过），但是还是机智的大牛发明了其他手段：使用深度摄像头仿激光数据1、kinect仿激光数据2， 用来测试足够了，果真人民都是机智的，后来呢人们发现扫地机器人上也有的用的激光雷达，为什么不利用起来呢，然后国外大牛就发现了Neato XV-11这款，在youtube成功将其连接到ROS上,实现了机器人的全自动导航，于是就我就作为一个搬运工把他搬过来了。。。

PS：激光雷达知识非常详细。

一、雷达介绍：







如果使用Arduino读取数据，则将激光雷达的RX和与Arudino TX、TX和Arudino RX相接，上电即可读取数据，

二、数据格式

串口通讯: 速率 115200 8N1

雷达每完整旋转一周会发送90个数据包

每个数据包中包含4个测量点的信息

每个数据包长度固定是22个字节

这样总共360°旋转一周共 1980个字节,相当于每度会有一个距离数据.

其中雷达的数据包格式如下

<start> <index> <speed_l> <speed_h> [Data 0]
[Data 1] [Data 2] [Data 3] <checksum_l> <checksum_h>

<start>：0xFA,是固定格式表明数据包开始,可用来从数据流中分割数据包。

<index>：数据包的索引号,范围从0xA0 到 0xF9 (总共89个包,每个包4个数据)。

<speed>：有两个speedL和speedH ，它们各一个字节，共同组成转速信息,大概是低6bit表示小数部分。（实际这里我不知道怎么翻译了，直接抄的雷达大叔的。）

<data>：[ Data 0] 到 [Data 3] 是四组测量数据,其中每组测量数据分别由4个字节组成，如下：

byte 0 : <distance 7:0="">  # 距离信息的0-7位

byte 1 : <“invalid data” flag> <“strength warning” flag>
<distance 13:8=""> # 错误信息标志位 , 警告位, 距离信息13-8位byte 2 : <signal
strength="" 7:0="">  # 信号强度 0-7位

byte 3 : <signal strength="" 15:8=""> # 讯号强度 8-15位

距离信息的单位是mm ,整个激光雷达的测量范围大概是15cm 到6m, 只需要把距离信息的两个字节组装成一个整数即可(注意判断无效数据位为0,如果为1意味是无效的数据，需丢弃)。

<checksum>：由两个字节组成的校验码，用来校验整个数据包是否正确，代码如下：

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

三、ROS中测试使用XV-11

环境：ubuntu14.04+indigo（完整版）

准备：雷达+转接板+调速板

第一步建立工作空间

mkdir -p ~/catkin_ws/src

cd ~/catkin_ws/src

catkin_init_workspace

第二步编译雷达驱动

cd ~/catkin_ws/src

git clone  

cd ~/catkin_ws

catkin_make这个编译一般没什么问题，编译完成后，USB插上连接电脑即可，可以在dev下查看一下端口号

ls /dev/

一般都是ttyUSB0

第三步雷达测试

打开一个终端

source ~/catkin_ws/devel/setup.bash

roscore

打开一个终端（注意使用版本2，具体原因是雷达几个版本的数据格式不一样，目前用的是2）

source ~/catkin_ws/devel/setup.bash

rosrun xv_11_laser_driver neato_laser_publisher _port:=/dev/ttyUSB0 _firmware_version:=2

打开一个终端查看雷达的信息

rosrun rviz rviz

修改Global Options的Fixed Frame为/neato_laser（手打）

点击Add，添加LaserScan

然后点云就可以出来了， 如果没出数据点云或者出现随机的红色点可能是雷达速度太快，可以调节调速板

速度跳低，则可看到数据。（图片太小不清楚可右键新窗口打开）



四、ROS中使用XV11进行hector_slam

ROS中常用的2d slam算法主要有gmapping和hector_slam，以下是这两种方法的介绍，大家觉得长可以直接卡维纳大白话版翻译。

hector_slam

需要高更新频率小测量噪声的激光扫描仪，不需要里程计，使空中无人机与地面小车在不平坦区域运行存在运
用的可能性，利用已经获得的地图对激光束点阵进行优化，估计激光点在地图的表示,和占据网格的概率，其中扫描匹配利用的是高斯牛顿的方法进行求解.
找到激光点集映射到已有地图的刚体转换(x,y,theta). ( 接触的匹配的方法还有最近邻匹配的方法(ICP)
,gmapping代码中的scanmatcher部分有两种方法选择.  
)为避免局部最小而非全局最优的(类似于多峰值模型的,局部梯度最小了,但非全局最优)出现,地图采用多分辨率的形式。导航中的状态估计可以加入惯性测
量，进行EKF滤波．

【大白话翻译：hector_slam是个性能非常好的算法，通过最小二乘法匹配扫描点，且依赖高精度的激光雷达数据，但是不需要里程计。因此扫描角很小且噪声较大的kinect是不行的，匹配的时候会陷入局部点，地图非常混乱。】

gmapping

目前激光2Dslam用得最广的方法，gmapping采用的是RBPF的方法。必须得了解粒子滤波
(利用统计特性描述物理表达式下的结果)的方法，粒子滤波的方法一般需要大量的粒子来获取好的结果，但这必会引入计算的复杂度；粒子是一个依据过程的观测
逐渐更新权重与收敛的过程，这种重采样的过程必然会代入粒子耗散问题(depletion
problem)，大权重粒子显著,小权重粒子会消失(有可能正确的粒子模拟可能在中间的阶段表现权重小而消失)。自适应重采样技术引入减少了粒子耗散问
题 ,
计算粒子分布的时候不单单仅依靠机器人的运动(里程计)，同时将当前观测考虑进去，减少了机器人位置在粒子滤波步骤中的不确定性，(FAST-
SLAM2.0 的思想，可以适当减少粒子数)。

【大白话翻译：gmapping
是一个比较早的算法，核心思想是粒子滤波并且需要里程计，但并不要求很高性能的传感器，初学者一般都是先来玩这个，不过请注意一点，gmapping只是
mapping，定位还需要amcl这个蒙特卡洛算法包配合使用，最后才能接入navigation stack。】

gmapping需要订阅两个话题。



tf是ros中必用的部分，说简单一些，tf类中定义了两个刚体之间的旋转与平移矩阵，并且重载了乘法运算符，这样我们就可以通过相乘两个tf来沿着tf树的方向求末段执行器相对世界坐标的位置与方向。

scan是激光雷达数据，如果你有雷达可以直接使用，如果没有雷达那么可以用depthimage_to_laserscan包，这个包可以将kinect发布出来的深度图转换成激光雷达扫描数据。

gmapping需要的里程计odom便是通过我们自己发布tf树的形式告诉gmapping，而我们该如何获得这个里程计，这就需要我们自己完成这一部分了，通常做法是在移动平台上安装电机编码器与电子罗盘，在移动平台上的嵌入式单片机（此处与ros无关，我这里用的树莓派）内完成里程计的制作与PID调试，然后，再用树莓派连接单片机串口，单片机将里程计与航向角发给树莓派，树莓派上需要自己写一个node（关于里程计，高级方法是视觉里程计一类的，不过与其折腾那些不如直接上激光雷达），大致就这个流程。

接下来要说怎么在ros中使用XV-11进行hector_slam。

第一步：首先按照第三步下载XV-11驱动并测试成功

第二步：hector_slam

1、首先下载hector_slam包到你工作空间的src下

命令：

cd ~/catkin/src

git clone https://github.com/tu-darmstadt-ros-pkg/hector_slam.git

cd ..

catkin_make



2、然后在添加neato.launch文件

路径：~/catkin_ws/src/hector_slam/hector_slam_launch/launch/



在此目录下新建neato.launch文件并添加如下代码，

<?xml version="1.0"?>

<launch>

  <!--<node pkg="xv_11_laser_driver" type="neato_laser_publisher" name="xv_11_node">

    <param name="port" value="/dev/ttyUSB0" />

    <param name="firmware_version" value="2" />

    <param name="frame_id" value="laser" />

  </node>-->  

  <node pkg="tf" type="static_transform_publisher" name="map_to_odom" args="0.0 0.0 0.0 0 0 0.0 /odom /base_link 10" />

  <node pkg="tf" type="static_transform_publisher" name="base_frame_laser" args="0 0 0 0 0 0 /base_link /laser 10" />

  <!--<node pkg="rviz" type="rviz" name="rviz"

    args="-d $(find hector_slam_launch)/rviz_cfg/mapping_demo.rviz"/>-->

  <include file="$(find hector_mapping)/launch/mapping_default.launch" />

  <node pkg="rviz" type="rviz" name="rviz" args="-d rviz_cfg.rviz" />

  <include file="$(find hector_geotiff)/launch/geotiff_mapper.launch" />

</launch>



3、然后在添加新的mapping_default.launch文件(记得备份原mapping_default.launch文件)

路径：~/catkin_ws/src/hector_slam/hector_mapping/launch



其中的mapping_default_old.launch为备份文件。

新mapping_default.launch代码如下

<?xml version="1.0"?>

<launch>

  <arg name="tf_map_scanmatch_transform_frame_name" default="/scanmatcher_frame" />

  <arg name="base_frame" default="base_link" />

  <arg name="odom_frame" default="base_link" />

  <arg name="pub_map_odom_transform" default="true" />

  <arg name="scan_subscriber_queue_size" default="5" />

  <arg name="scan_topic" default="scan" />

  <arg name="map_size" default="2048" />

  <node pkg="hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">

    <!-- Frame names -->

    <param name="map_frame" value="map" />

    <param name="base_frame" value="$(arg base_frame)" />

    <param name="odom_frame" value="$(arg base_frame)" />

    <!-- Tf use -->

    <param name="use_tf_scan_transformation" value="true" />

    <param name="use_tf_pose_start_estimate" value="false" />

    <param name="pub_map_odom_transform" value="$(arg pub_map_odom_transform)" />

    <!-- Map size / start point -->

    <param name="map_resolution" value="0.050" />

    <param name="map_size" value="$(arg map_size)" />

    <param name="map_start_x" value="0.5" />

    <param name="map_start_y" value="0.5" />

    <param name="map_multi_res_levels" value="2" />    

    <!-- Map update parameters -->

    <param name="update_factor_free" value="0.4" />

    <param name="update_factor_occupied" value="0.7" />    

    <param name="map_update_distance_thresh" value="0.2" />

    <param name="map_update_angle_thresh" value="0.9" />

    <param name="laser_z_min_value" value = "-1.0" />

    <param name="laser_z_max_value" value = "1.0" />    

    <!-- Advertising config -->

    <param name="advertise_map_service" value="true" />

    <param name="scan_subscriber_queue_size" value="$(arg scan_subscriber_queue_size)" />

    <param name="scan_topic" value="$(arg scan_topic)" />

    <!-- Debug parameters -->

    <!--

      <param name="output_timing" value="false" />

      <param name="pub_drawings" value="true" />

      <param name="pub_debug_output" value="true" />

    -->

    <param name="tf_map_scanmatch_transform_frame_name" value="$(arg tf_map_scanmatch_transform_frame_name)" />

  </node>

  <!--<node pkg="tf" type="static_transform_publisher"
name="map_nav_broadcaster" args="0 0 0 0 0 0 map nav 100" />-->

</launch>



4、最后修改xv11驱动文件的neato_laser_publisher.cpp文件

路径:~/catkin_ws/src/xv_11_laser_driver/src

修改neato_laser_publisher.cpp文件

找到

priv_nh.param("frame_id", frame_id, std::string("neato_laser"));

修改为

priv_nh.param(“frame_id“, frame_id, std::string(“laser“));



5、最后编译文件

cd ~/catkin

catkin_make

6、运行测试

roscore

rosrun xv_11_laser_driver neato_laser_publisher _port:=/dev/ttyUSB0 _firmware_version:=2

roslaunch hector_slam_launch neato.launch

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

def checksum(data):    """Compute and return the checksum as an int."""

    # group the data by word, little-endian

    data_list = []

    for t in range(10):

        data_list.append( data[2*t] + (data[2*t+1]<<8) )     # compute the checksum on 32 bits

    chk32 = 0

    for d in data_list:

        chk32 = (chk32 << 1) + d

     # return a value wrapped around on 15bits, and truncated to still fit into 15 bits

    checksum = (chk32 & 0x7FFF) + ( chk32 >> 15 ) # wrap around to fit into 15 bits

    checksum = checksum & 0x7FFF # truncate to 15 bits

    return int( checksum )

喜欢
0

分享：

 

要评论请先登录 或者 注册

 

dajianli

论坛版主

加关注
写私信

• 2
  粉丝
• 0
  关注
• 5
  发帖数

精品推荐

• 
  性价比最高360度激光雷达,兼容ROS

本站精华

• 

  运动规划 (Motion Planning): MoveIt! 与 OMPL

• 

  当维基遇上易科

• 

  机智机器人团队招募

• 

  几个移动机器人lab资料 相关链接，实验室、原理、基础知识

关于ROSwiki联系我们程序建议问题反馈

机智机器人团队运营 ©2015-2016 roswiki.com 站长统计