构建语义地图时,最开始用的是 octomap_server,后面换成了 semantic_slam: octomap_generator,不过还是整理下之前的学习笔记. 一.增量构建八叉树地图步骤 为了能够让 octomap_server 建图包实现增量式的地图构建,需要以下 2 个步骤: 1.1 配置 launch 启动参数 这 3 个参数是建图必备: 地图分辨率 resolution:用来初始化地图对象 全局坐标系 frame_id:构建的全局地图的坐标系 输入点云话题 /cloud_in:

目前可以从很多地方得到RBPF的代码,主要看的是Cyrill Stachniss的代码,据此进行理解. Author:Giorgio Grisetti; Cyrill Stachniss  http://openslam.org/ https://github.com/Allopart/rbpf-gmapping   和文献[1]上结合的比较好,方法都可以找到对应的原理. https://github.com/MRPT/mrpt MRPT中可以采用多种扫描匹配的方式,可以通过配置文件进行配置.

为解决斜坡下gmapping定位的问题,开始关注gmapping. 先看到EAIPOT博客里关于gmapping的一个参数文件 <launch> <arg name="scan_topic" default="scan" /> //laser的topic名称,与自己的激光的topic相对应 <arg name="base_frame" default="base_footprint"/>//

2D-slam 激光slam: 开源代码的比较HectorSLAM Gmapping KartoSLAM CoreSLAM LagoSLAM 作者:kint_zhao 原文:https://blog.csdn.net/zyh821351004/article/details/47381135 最近找到一篇论文比较了一下 目前ros下2D激光slam的开源代码效果比较: 详细参见论文:   An evaluation of 2D SLAM techniques available in robot

1. 测试环境 Ubuntu 16.04 x64.ROS Kinetic.Velodyne VLP-16.RoboWare Studio 2. 安装 ROS 功能包 sudo apt-get install ros-kinetic-velodyne sudo apt-get install ros-kinetic-gmapping sudo apt-get install ros-kinetic-laser-scan-matcher 3. 连接激光雷达 网线直连本机与激光雷达,已知 Velody

传感器信息: 环境深度信息:sensor_msgs/laserScan -----> RGBD三维点云数据:通过ros功能包depthimage to laserscan完成深度相机数据转换成激光数据 里程计信息:机器人发布的nav_msgs/Odemetry(pose:x,y,z三轴位置与方向以及矫正误差的协方差矩阵:twist):通过伪造的节点发布odom数据 发布gmapping需要的传感器信息和里程计消息: $ catkin_create_pkg odom_tf_package std_

gmapping 根据激光数据(或者深度数据模拟的激光数据)建立地图,在turtlebot里面应用的就是深度数据模拟的激光数据.如果没有激光雷达的话可以使用Kinect. SLAM 机器人在未知环境中从一个未知位置开始移动,在移动的过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图. 这里面有两个主题和一个服务 主题1下的消息类型,有map_load_time:用来保存地图载入的时间;resolution:地图的分辨率,width:地图的宽,height:地图的高.ori

Ubuntu18.04 环境下melodic中很多包没有提供sudo apt install的安装方式,需要通过源代码安装,安装方法如下: 1.先安装依赖库: sudo apt--dev sudo apt install libsdl-image1.-dev 2.进入工作空间: cd ~/catkin_ws/src/ 3.git clone以下源代码编译安装:(一定要全部下载,否则会依赖包报错) git clone https://github.com/ros-perception/opensl

9.1. 说明 这一节我们来讲 Turtlebot3 的 SLAMSLAM(The Simultaneous Localization and Mapping) 同步定位与地图构建: 希望机器人从未知环境的未知地点出发, 在运动过程中通过重复观测到的地图特征(比如, 墙角, 柱子等) 定位自身位置和姿态, 再根据自身位置增量式的构建地图,从而达到同时定位和地图构建的目的. (维基百科) 9.2．通过远程操作创建地图 1)[Remote PC] 启动roscore $ roscore 1)[Tur

学习INSTALLING THE ROS-BY-EXAMPLE CODE,是书中第五章的内容,如果我们按照上一篇教程执行过了,就可以直接进入第五章,安装一个叫rbx1的包.这个包里面包括了本书中用到的所有例子的源码,包括路径规划,视觉,语音识别等功能.这本书基本就围绕这个包来学习ROS的使用方法. 准备工作 测试ARBOTIX SIMULATOR 下一步 准备工作: 1.rbx1 package需要使用的包的下载: (1)gmapping:  git clone https://github.c

1.       ROS项目开发流程? 参照古月大神写的ROS探索总结系列:http://blog.exbot.net/archives/619 具体项目设计可看看<程序员>杂志的最新一篇文章<基于ROS的 系统>,是百度无人车的首席架构师等人写的无人车的架构的选型设计,值得参考借鉴,正在联系授权转载,无法提供链接,可自己找一下. 2.       ROS有哪些常用的.有用的工具? 常用工具有rqt rviz等,请经常关注官方WIKI或者论坛,一般有新的工具,在这些地方也都会有介绍

前提条件:1,确保读者已经安装了kinect或者其他深度摄像头的驱动,如果未安装,可以直接在网盘下载:http://pan.baidu.com/s/1hqHB10w 提取密码:wrmn 利用深度相机仿激光数据创建地图: 所依赖包的下载与安装: 1,安装hector_slam 2,下载hector_slam_example:下载地址,编译好之后,记住需要将这个文件加入ros包中 ROS_PACKAGE_PATH=/home/用户名/catkin_ws/hector_slam_example:$RO

利用turtlebot 的导航配置文件 由于movbase发的速度太不友好了所以使用了ros自带的滤波安装相应的包 apt-get install ros-indigo-yocs-velocity-smoother 我的配置文件 standalone.yaml # Example configuration: # - velocity limits are around a 10% above the physical limits # - acceleration limits are jus

---恢复内容开始--- 运行自带地图 rosrun stage_ros stageros /opt/ros/indigo/share/stage_ros/world/willow-erratic.world 控制机器人运动sudo apt-get install ros-indigo-teleop-twist-keyboardrosrun teleop_twist_keyboard teleop_twist_keyboard.py简单的gmapping&保存maprosrun gmapping

摘要: 原创博客:转载请标明出处:http://www.cnblogs.com/zxouxuewei/ 一.前言 RTAB-Map (Real-Time Appearance-Based Mapping)是一种基于全局贝叶斯闭环检测的RGB-D Graph SLAM方法.它可以用kinect的深度信息结合kinect变 换得到的激光数据进行即时定位与建图(gmapping算法志只用到了kinect转换得到的激光数据,而把深度信息丢弃了). 官网地址:http://introlab.github.

摘要: 原创博客:转载请标明出处:http://www.cnblogs.com/zxouxuewei/ 各位博友好长时间又没有写博客了,突然发现上班和在学校是不一样的,在公司的却没有时间写博客了,不过还有好多小伙伴会遇到不一样的问题,今天我在总结的同时,将遇到的问题也汇集一下: 一.首先统一硬件: 1>不过对于ros软件平台下的机器人底盘来说,没有什么是统一的,标准的,只有完成ros层的参数透传和执行就可以了.不过今天我所用的硬件不是我之前博客中提到的两轮差分的. 而是3轮全向的,具体是3个时代

发信人: leecty (Terry), 信区: ParttimeJobPost标 题: 创业公司招SLAM 算法工程师发信站: 水木社区 (Thu Jun 16 19:18:24 2016), 站内 我们是一家年轻的初创公司,核心团队来自清华大学和中科院.依托强大的视觉SLAM算法,我们深入投身到机器人,虚拟现实,增强现实等前沿产业. 招聘:视觉SLAM 算法工程师 (可以兼职/实习) 要求:1. 熟悉SVO,SFM,ORB SLAM,LSD SLAM,PTSAM等算法,或至少熟悉用过其中任一

SLAM算法分为三类:Kalman滤波.概率滤波.图优化 Kalman滤波方法包括EKF.EIF:概率滤波包括RBPF,FastSLAM是RBPF滤波器最为成功的实例, 也是应用最为广泛的SLAM方法: SLAM分为Full SLAM和Online SLAM 常见的二维激光SLAM算法 1.GMapping is a highly efficient Rao-Blackwellized particle filer to learn grid maps from laser range data

原创博客:转载请表明出处:http://www.cnblogs.com/zxouxuewei/ ROS提供了非常强大的图形化模拟环境 RViz,这个 RViz 能做的事情非常多.今天我们学习一下如何使用 RViz 对机器人在路径探索过程中对地图动态观测.我们将学习重放已经采集的数据来模拟机器人输入,从而将精力放到SLAM和地图的建立以及RViz的使用上.下面是效果图: 基本概念 ROS 对机器人导航提供了非常强大的支持,这可以让我们在不了解细节和海量复杂无比的科学计算的情况下就可以对机器人的导航

摘要: 原创博客:转载请表明出处:http://www.cnblogs.com/zxouxuewei/  一.要求: 1.大家已经对ROS的基本概念(进程间通讯topic service 数据类型 msg)有了基本的了解. 2.有基本的C++/python编程技术,有基本的移动机器人技术概念. 3.需要的硬件平台:一个可以与你上位机(运行ROS linux)通过某种硬件总线通信的移动平台.(移动平台需要能接受上位机的速度指令,并且向上位机返回里程计数据,). 4.一个RGBD-camera (k

ROS是Robot Operating System 机器人操作系统ROS | 简介篇   同样,从个人微信公众号Nao(ID:qRobotics)搬运. 前言 先放一个ROS Industrial一周年剪辑视频. ROS已经发布八周年了,在国外科研机构中非常受欢迎.目前,以美国西南研究院为首的几位大佬开始尝试将ROS应用在工业机器人中,上面这个视频就是ROS-I项目一周年的进展情况. 为了说明讲清楚ROS,我就从ROS是什么,为什么使用ROS,如何使用ROS三个方面展开. △出自今年<机器人视