本期通过对turtlebot的Kinect深度传感器进行地图构建，并通过路径规划完成自主导航。

ROS定位导航的框架图如图1所示：

图1 ROS导航定位框架

其中move_base提供了ROS导航的配置、运 行、交互接口，它主要包括两个部分：

（1） 全局路径规划（global planner）：根据给定的目标位置进行总体路 径的规划；

（2） 本地实时规划（local planner）：根据附近的障碍物进行躲避路线 规划。

1.数据结构

ROS中定义了MoveBaseActionGoal数据结构来存储导航的目标位置数据，其中最重要的就是位置坐标（position）和方向（orientation）

$ rosmsg show MoveBaseActionGoal

   

显示结果如下：

[move_base_msgs/MoveBaseActionGoal]:

     std_msgs/Header header

uint32 seq

    time stamp

    string frame_id

      actionlib_msgs/GoalID goal_id

    time stamp

    string id

     move_base_msgs/MoveBaseGoal goal

     geometry_msgs/PoseStamped target_pose

       std_msgs/Header header

         uint32 seq

         time stamp

         string frame_id

       geometry_msgs/Pose pose

         geometry_msgs/Point position

           float64 x

           float64 y

           float64 z

         geometry_msgs/Quaternion orientation

           float64 x

           float64 y

           float64 z

           float64 w

   

2.配置文件

move_base使用前需要配置一些参数：运行成本、机器人半径、到达目 标位置的距离，机器人移动的速度，这些参数都在rbx1_nav包的以下几个配 置文件中：

l  base_local_planner_params.yaml

l  costmap_common_params.yaml

l  global_costmap_params.yaml

l  local_costmap_params.yaml

3.全局路径规划

在ROS的导航中，首先会通过全局路径规划，计算出机器人到目标位置的全局路线。这一功能是navfn这个包实现的。navfn通过Dijkstra最优路径的算法，计算costmap上的最小花费路径，作为机器人的全局路线。将来在算法上应该还会加入A*算法。

4.本地实时规划（local  planner）

本地实时规划是利用base_local_planner包实现的。该包使用Trajectory Rollout 和Dynamic Window approaches算法计算机器人每个周期内应该行驶的速度和角度（dx，dy，dtheta velocities）。

base_local_planner这个包通过地图数据，通过算法搜索到达目标的多条 路经，利用一些评价标准（是否会撞击障碍物，所需要的时间等等）选取最优 的路径，并且计算所需要的实时速度和角度。

其中，Trajectory Rollout 和Dynamic Window approaches算法主要思路如下：

（1）采样机器人当前的状态（dx,dy,dtheta）；

（2）针对每个采样的速度，计算机器人以该速度行驶一段时间后的状态，得出一条行驶的路线；

（3）利用一些评价标准为多条路线打分；

（4）根据打分，选择最优路径；

（5）重复上面过程。

5.ArbotiX仿真

安装ArbotiX模拟器：

$ sudo aptitude install   ros-indigo-arbotix –y

   

下载rbx1例子：

$ cd catkin_ws/src

$ git clone   https://github.com/pirobot/rbx1.git

   

为了简化，我们暂时使用空白地图（blank_map.pgm）在空地上进行无障碍仿真。首先运行ArbotiX节点，并且加载机器人的URDF文件：

$ roslaunch rbx1_bringup   fake_turtlebot.launch

   

然后运行move_base和加载空白地图的launch文件（fake_move_bas

e_blank_map.launch）：

$ roslaunch rbx1_nav   fake_move_base_blank_map.launch

   

该文件的具体内容如下：

    

    

 

    

 

    

    

 

  

   

其中调用了fake_move_base.launch文件，是运行move_base节点并进行参数配置。

然后调用rviz就可以看到机器人了（如图2所示）：

$ rosrun rviz rviz –d   ~/ catkin_ws /src/rbx1/rbx1_nav/nav_obstacles.rviz

图2 使用Rviz进行TurtleBot仿真

我们先以1m的速度进行一下测试, 让机器人前进一米：

$   rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped '{header: {frame_id:"base_link"},pose:{position:{x:1,y:0,z:0},orientation:{x:0,y:0,z:0,w:1}}}'

   

让机器人后退一米，回到原来的位置：

$   rostopic pub /move_base_simple/goal geometry_msgs/PoseStamped '{header: {frame_id:"map"},pose:{position:{x:0,y:0,z:0},orientation:{x:0,y:0,z:0,w:1}}}'

   

在rviz中的轨迹如图3：

图3 TurtleBot运动轨迹

在机器人移动过程中，有一条蓝色的线（被黄线挡住了）就是机器人的全局规划的路径；红色的箭头是实施规划的路线，会不断更新，有的时候会呈现很大的弧线，那是因为机器人在转向的过程中尽量希望保持平稳的角度。如果觉得路径规划的精度不够，可以修改配置文件中的pdist_scale参数进行修正。然后我们可以认为的确定目标位置，点击rviz上方的2D Nav Goal按键，然后左键选择目标位置，机器人就开始自动导航了。

图4 TurtleBot自主导航

6.ArbotiX仿真——带有障碍物的路径规划

首先我们让机器人走一个正方形的路线。先通过上面的命令，让机器人回到原始位置（0，0，0），然后按reset按键，把所有的箭头清除，接着运行走正方形路径的代码：

$   rosrun rbx1_nav move_base_square.py

   

在rviz中可以看到图5所示的结果：

图5 TurtleBot绕正方形路径运动

图5中四个顶角的粉色圆盘就是我们设定的位置，正方形比较规则，可见定位还是比较准确的。TurtleBot绕正方形路径运动的代码如下：

#!/usr/bin/env   python

   import roslib;   roslib.load_manifest('rbx1_nav')

   import rospy

   import actionlib

   from actionlib_msgs.msg import *

   from geometry_msgs.msg import Pose, Point,   Quaternion, Twist

   from move_base_msgs.msg import   MoveBaseAction, MoveBaseGoal

   from tf.transformations import   quaternion_from_euler

   from visualization_msgs.msg import Marker

   from math import radians, pi

 

   class MoveBaseSquare():

       def    init (self):

           rospy.init_node('nav_test',   anonymous="False)"

 

           rospy.on_shutdown(self.shutdown)

           # 设定正方形的尺寸，默认是一米

           square_size =   rospy.get_param("~square_size", 1.0) # meters

 

           #创建一个列表，保存目标的角度数据

           quaternions = list()

 

           #定义四个顶角处机器人的方向角度

           #将上面的Euler angles转换成Quaternion的格式

           for angle in euler_angles:

               q_angle =   quaternion_from_euler(0, 0, angle, axes='sxyz')

               q = Quaternion(*q_angle)

               quaternions.append(q)

 

           #创建一个列表存储导航点的位置

           waypoints = list()

 

           #创建四个导航点的位置（角度和坐标位置）

          waypoints.append(Pose(Point(square_size,   0.0, 0.0), quaternion s[0]))

          waypoints.append(Pose(Point(square_size,   square_size, 0.0), quaternions[1])) s[2]))

waypoints.append(Pose(Point(0.0,   square_size, 0.0), quaternion

                 waypoints.append(Pose(Point(0.0, 0.0,   0.0), quaternions[3]))

 

              #初始化可视化标记

              self.init_markers()

 

            #给每个定点的导航点一个可视化标记

              p = Point()

              p = waypoint.position

              self.markers.points.append(p)

 

              #发布TWist消息控制机器人

              self.cmd_vel_pub =   rospy.Publisher('cmd_vel', Twist)

 

            #订阅move_base服务器的消息

              self.move_base =   actionlib.SimpleActionClient("move_base", Move

BaseAction)

 

           rospy.loginfo("Waiting for   move_base action server...")

 

           # 等待move_base服务器建立

             self.move_base.wait_for_server(rospy.Duration(60))

 

           rospy.loginfo("Connected to   move base server")

           rospy.loginfo("Starting   navigation test")

 

           #初始化一个计数器，记录到达的顶点号

           i = 0

 

 

           # 主循环,环绕通过四个定点

           while i < 4 and not   rospy.is_shutdown():

               # 发布标记指示四个目标的位置，每个周期发布一起                 self.marker_pub.publish(self.markers)

 

               #初始化goal为MoveBaseGoal类型

               goal = MoveBaseGoal()

   

在实际中，往往需要让机器人自动躲避障碍物。move_base包的一个强大的功能就是可以在全局规划的过程中自动躲避障碍物，而不影响全局路径。障碍物可以是静态的（比如墙、桌子等），也可以是动态的（比如人走过）。现在我们尝试在之前的正方形路径中加入障碍物。

把之前运行fake_move_base_blank_map.launch的终端停止（Ctrl­C）掉，然后运行：

$   roslaunch rbx1_nav fake_move_base_obstacle.launch

   

运行结果如图6所示，在rviz中出现了障碍物：

图6 Rviz中出现的障碍物

然后再运行之前绕正方形运动的节点：

$   rosrun rbx1_nav move_base_square.py

   

这回可以看到，在全局路径规划的时候，机器人已经将障碍物绕过去了，如图7所示：

图7 TurtleBot避障

图7中，中间的线是障碍物，周围红色的椭圆形是根据配置文件中的inflation_radius参数计算出来的安全缓冲区。全局规划的路径基本已经是最短路径了。在仿真的过程中也可以动态重配置那四个配置文件，修改仿真参数。

7.实物测试

首先启动turtlebot：

$   roscore

   

 

$   roslaunch turtlebot_bringup minimal.launch

   

运行地图绘制demo：

$   roslaunch turtlebot_navigation maping_demo.launch

   

打开rviz查看地图：

$   roslaunch turtlebot_rviz_launchers view_navigation.launch

   

通过键盘控制机器人移动，建立地图：

$   roslaunch turtlebot_teleop keyboard.launch

   

    建图过程如图8所示：

图8 TurtleBot建图

此时，可以选中2D Pose Estimate，然后用鼠标选中一个位置单击鼠标左键，机器人就会移动至你所指定的位置。

要保存建立的地图，运行：

$   rosrun map_server map_saver –f /tmp.my_map

   

要加载保存过的地图，运行：

$roslaunch   turtlebot_navigation amcl_demo.launch

map_file:=/tmp/my_map.yaml

   

接下来的操作和上面一样，机器人会根据你指定的位置进行自主导航。