[ROS] Gmapping建图算法使用方式，gmmping话题、tf、栅格、参数分析

谁借莪１个温暖的怀抱￠ 2023-02-19 11:29 20阅读 0赞

**目录**

Gmapping

1.安装与使用方式

3.Gmaping话题分析

4.Gmaping TF变换分析

5.Gmapping栅格分析

6.Gmapping参数分析

--------------------

## Gmapping ##

Gmapping基于激光雷达进行构图，采用Rao-Blackwellized粒子滤波算法，需要机器人提供里程计信息。

Rao-Blackwellized推导式:[https://people.eecs.berkeley.edu/~pabbeel/cs287-fa12/slides/RBPF.pdf][https_people.eecs.berkeley.edu_pabbeel_cs287-fa12_slides_RBPF.pdf]

wiki:[https://en.wikipedia.org/wiki/Rao%E2%80%93Blackwell\_theorem][https_en.wikipedia.org_wiki_Rao_E2_80_93Blackwell_theorem]

git:[https://github.com/ros-perception/slam\_gmapping][https_github.com_ros-perception_slam_gmapping]

## ##

### 1.安装与使用方式 ###

**安装gmapping**

> apt install ros-kinetic-gmapping

**安装map-server，地图导出工具**

> apt install ros-kinetic-map-server

**功能包准备**

gitee地址：[https://gitee.com/alen2020/ros\_gmapping.git][https_gitee.com_alen2020_ros_gmapping.git]

mbot\_description：车体描述文件,urdf

mbot\_gazebo：gazebo文件，用于提供虚拟地图

mbot\_navigation：gmmping启动包

**启动方式**

#启动gazebo，创建虚拟地图
    $ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch
    #启动gmpping构图
    $ roslaunch mbot_navigation gmapping_demo.launch
    #启动车体控制程序
    $ roslaunch mbot_teleop mbot_teleop.launch

打开后看到rviz界面，此时可控制小车跑一圈来进行建图

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70][]

随着机器人的移动地图逐渐成型

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 1][]

**保存地图**

构图完成后，执行命令保存地图

> $ rosrun map\_server map\_saver -f mymap

保存之后生成两个文件，一个地图pgm，一个yaml文件

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 2][]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 3][]

*  image: 地图名称
 *  resolution: 地图分辨率，最小栅格宽度(单位米)
 *  origin: 地图中左下角像素的二维姿态，为（x，y，yaw），偏航为逆时针旋转（偏航= 0表示无旋转）
 *  occupied\_thresh: 大于此阈值的像素被视为完全占用。
 *  free\_thresh: 小于此阈值的像素被认为是完全空闲的。
 *  negate: 是否应该反转 白/黑   空闲/占用（阈值的解释不受影响）

**可选参数：**

mode：可以有三个值之一：trinary，scale或raw。 Trinary是默认值。

**参数解释：**

如果像素的COLOR值x在\[0,255\]范围内，我们应该如何解释这个值？首先，我们将整数x转换为一个浮点数p，转换公式具体取决于yaml中negate标志的定义。

如果negate为0，则p =（255 - x）/ 255.0。这意味着黑色（0）现在具有最高值（1.0）而白色（255）具有最低值（0.0）。

如果negate为1，则p = x / 255.0。这是图像的非标准解释。

*  **trinary**
 *  标准解释是三元解释，即解释所有值，使输出最终成为三个值之一。
    
    如果p> occupied\_thresh，则输出值100以指示单元格已被占用。
    
    如果p <free\_thresh，则输出值0以指示单元格是空闲的。
    
    否则，输出-1 a.k.a. 255（作为无符号字符），以指示该单元格未知
 *  scale
 *  这将调整上述解释，以允许更多的输出值。
    
    如前所述，如果p> occupied\_thresh，则输出值100，如果p <free\_thresh，则输出值0。
    
    否则，输出99 \*（p - free\_thresh）/（occupied\_thresh - free\_thresh）
    
    这将允许您输出范围为\[0,100\]的完整渐变值。要输出-1，只需使用png的alpha通道，其中任何透明度都将被解释为未知。
 *  raw
 *  此模式将为每个像素输出x，因此输出值为\[0,255\]。

### 3.Gmaping话题分析 ###

Gmapping订阅的传感器话题，如激光类的话题的默认名为scan，建图是一定需要用传感器的数据信息的，若开启的传感器所发布的话题不为scan，需将发布话题remap到scan，或修改Gmapping订阅话题名。gmapping订阅雷达信息后，会通过计算来生成地图，以及计算地图栅格数据，从而判定哪些地方机器人可走与否。

**gmapping节点订阅话题**

*  tf（话题名），tf/tfMessage（类型，下同），用于激光雷达坐标系，基坐标系，里程计坐标系之间的变换
 *  scan，sensor\_msgs/LaserScan，激光雷达扫描数据

**gmapping节点发布话题**

*  map\_metadata，nav\_mags/MapMetaData，发布地图的Meta数据
 *  map，nav\_msgs/OccupancyGrid，发布地图栅格数据

**gmapping服务维持**

*  dynamic\_map，nav\_msgs/GetMap，获取地图数据

## ##

### 4.Gmaping TF变换分析 ###

Gmapping建图的tf变换顺序为,map到\_base\_link的变换，base\_link到里程坐标系的变换，传感器到base\_link的变换

**必须的TF变换**

*  odom → map，地图坐标系与机器人里程计坐标系之间的变换，估计机器人在地图中的位姿
 *  base\_link →odom，基坐标系与里程计坐标系之间的变换，通常由里程计系统提供
 *  <scan fame> → base\_link，激光雷达坐标系与基坐标坐标系之间的变换，一般由robot\_state\_publisher或static\_transform\_publisher发布

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 4][]

### 5.Gmapping栅格分析 ###

*  致命障碍：栅格值为254，障碍物与机器人的中心重合，此时机器人必然与障碍物发生碰撞。
 *  内切障碍：栅格值为253，障碍物处于机器人轮廓的内切圆内，此时机器人也必然与障碍物发生碰撞。
 *  外切障碍：栅格值为252-128，障碍物处于机器人的轮廓的外切圆内，此时机器人与障碍物临界接触，不一定发生碰撞。
 *  非自由空间：栅格值为128~0，障碍物附近区域，一旦机器人进入该区域，将有较大概率发生碰撞，属于危险警戒区，机器人应该尽量避免进入
 *  自由区域：栅格值为0，表示此处没有障碍物，机器人可自由通过
 *  未知区域：栅格值为255，此处还没有被传感器感知到是否有障碍物，随着建图的进行，次数的栅格值将动态变化

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 5][]

###  6.Gmapping参数分析 ###

Gmapping建图的好坏，地图质量的高低，定位导航的精确性，CPU性能的占有率，都直接与建图参数挂钩。

各参数含义：[https://www.ncnynl.com/archives/201702/1364.html][https_www.ncnynl.com_archives_201702_1364.html]

**参考文章：**

1.地图yaml分析，[https://blog.csdn.net/wsc820508/article/details/81556620][https_blog.csdn.net_wsc820508_article_details_81556620]

[https_people.eecs.berkeley.edu_pabbeel_cs287-fa12_slides_RBPF.pdf]: https://people.eecs.berkeley.edu/~pabbeel/cs287-fa12/slides/RBPF.pdf
[https_en.wikipedia.org_wiki_Rao_E2_80_93Blackwell_theorem]: https://en.wikipedia.org/wiki/Rao%E2%80%93Blackwell_theorem
[https_github.com_ros-perception_slam_gmapping]: https://github.com/ros-perception/slam_gmapping
[https_gitee.com_alen2020_ros_gmapping.git]: https://gitee.com/alen2020/ros_gmapping.git
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200620155338828.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200622231527356.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200627124323706.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200627124419414.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200627123835837.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200622234859848.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2NrNzg0MTAxNzc3,size_16,color_FFFFFF,t_70
[https_www.ncnynl.com_archives_201702_1364.html]: https://www.ncnynl.com/archives/201702/1364.html
[https_blog.csdn.net_wsc820508_article_details_81556620]: https://blog.csdn.net/wsc820508/article/details/81556620