一篇文章讀懂myAGV如何建圖導(dǎo)航
myAGV 大象首款移動機器人，采用競賽級麥克納姆輪，全包裹金屬車架；ROS開發(fā)平臺內(nèi)置兩種slam算法，滿足建圖、導(dǎo)航方向的學(xué)習(xí)；提供豐富的擴展接口，可搭載my系列機械臂，實現(xiàn)移動抓取，完成更多應(yīng)用。
1、工業(yè)級高品質(zhì)外觀
1.1麥克納姆輪：
麥克納姆輪的搭載，能夠讓myAGV進行全向運動，可以實現(xiàn)橫向運動，做到原地轉(zhuǎn)圈運動，向目的地前進的時候能夠省去很多不必要的路徑。
1.2可拆卸
帶有金屬框架的全包裹式設(shè)計使 myAGV 更加緊湊和堅固。內(nèi)置樹莓派4B和分體式結(jié)構(gòu)，能夠自主拆卸，能在外形/主板上自行設(shè)計創(chuàng)作出屬于自己獨一無二的小車
2、強大建圖導(dǎo)航功能
2.1實時建圖
目前myAGV使用中需要進行SLAM建圖，因為移動機器人想要實現(xiàn)自主行走，核心在于實現(xiàn)自主定位導(dǎo)航，在自主定位導(dǎo)航技術(shù)中會涉及到定位、建圖、路徑規(guī)劃等問題，而地圖構(gòu)建的好壞將直接影響myAGV的行走路徑。 myAGV想要到達某個目的地，需要和人類繪制地圖一樣，描述環(huán)境、認識環(huán)境的過程主要就是依靠地圖。下面對myAGV小車使用的兩種建圖算法進行介紹。
2.1.1 gmapping算法
GMapping是一種高效的粒子濾波器，是一個基于2D激光雷達使用RBPF（Rao-Blackwellized Particle Filters）算法完成二維柵格地圖構(gòu)建的SLAM算法。Gmapping可以實時構(gòu)建室內(nèi)地圖，在構(gòu)建小場景地圖所需的計算量較小且精度較高。
操作：
先將小車放置在需要建圖環(huán)境中的一個合適起始點位上，因為開啟launch文件將會開啟小車的IMU傳感器及odom里程計，人為的移動小車將造成小車建圖失真。
先打開SLAM掃描文件，
運行命令：
cd myagv_ros
source ./devel/setup.bash
roslaunch myagv_odometry myagv_active.launch
然后打開gmapping建圖文件，操控小車在所需要的空間里行走一圈，
運行命令
roslaunch myagv_navigation myagv_slam_laser.launch
看到圖像中建立出所需要的空間的時候就可以保存地圖了
運行命令保存建出的地圖：
rosrun map_server map_saver
2.1.2cartographer算法
cartographer是一套基于圖優(yōu)化的SLAM算法。
cartographer算法主要運用了Submap這一概念，每當(dāng)或得一次laser scan的數(shù)據(jù)后，便與當(dāng)前最近建立的Submap去進行匹配，使這一幀的laser scan數(shù)據(jù)插入到Submap上最優(yōu)的位置。在不斷插入新數(shù)據(jù)幀的同時該Submap也得到了更新。一定量的數(shù)據(jù)組合成為一個Submap，當(dāng)不再有新的scan插入到Submap時，就認為這個submap已經(jīng)創(chuàng)建完成，接著會去創(chuàng)建下一個submap，具體過程如下圖。
圖來自csdn
所有創(chuàng)建完成的submap以及當(dāng)前的laser scan都會用作回環(huán)檢測的scan matching。如果當(dāng)前的scan和所有已創(chuàng)建完成的submap在距離上足夠近，則進行回環(huán)檢測。完成回環(huán)檢測后完成建圖。
（Submap ：子圖，將一小塊區(qū)域雷達掃描的范圍（scan）形成一張子圖）
cartographer算法建圖的過程跟gmapping算法建圖的過程一樣，先是打開雷達，再開啟cartographer算法文件，去操控小車在所要建立的區(qū)域中行走，完成建圖。
很多人可能都會有疑惑，建圖明明一種算法就好了，為什么要介紹兩種建圖的算法呢？
我們來比較一下兩種算法就能解決這個疑惑了。
Gmapping可以實時構(gòu)建室內(nèi)地圖，在構(gòu)建小場景地圖所需的計算量較小且精度較高。 而相比Cartographer在構(gòu)建小場景地圖時，Gmapping不需要太多的粒子并且沒有回環(huán)檢測，因此計算量小于Cartographer，而精度并沒有差太多。在構(gòu)建小場景地圖的時候，gmapping和cartographer相比，前者不僅速度快也能夠建造高精度的地圖，而在地圖的擴大gmapping需要的粒子數(shù)量多了容易把內(nèi)存撐爆。而后者恰好可以解決地圖擴大的問題，建圖的效果還能夠非常好（上圖處在同一地形的建圖）。
2.2地圖導(dǎo)航
上一步在我們建好的地圖中，我們可以讓小車在地圖里自動導(dǎo)航到某一個目的地。這都源于ROS的navigation功能包。
navigation中的move_base：
圖來自csdn
global planner：
根據(jù)給定的目標(biāo)位置進行總體路徑的規(guī)劃.
在ROS的導(dǎo)航中，首先會通過全局路徑規(guī)劃，計算出機器人到目標(biāo)位置的全局路線。這一功能是navfn這個包實現(xiàn)的。navfn通過Dijkstra最優(yōu)路徑的算法，計算costmap上的最小花費路徑，作為機器人的全局路線。
local planner：
據(jù)附近的障礙物進行躲避路線規(guī)劃。
本地的實時規(guī)劃是利用base_local_planner包實現(xiàn)的。該包使用Trajectory Rollout 和Dynamic Window approaches算法計算機器人每個周期內(nèi)應(yīng)該行駛的速度和角度（dx，dy，dtheta velocities）。
base_local_planner這個包通過地圖數(shù)據(jù)，通過算法搜索到達目標(biāo)的多條路經(jīng)，利用一些評價標(biāo)準(zhǔn)（是否會撞擊障礙物，所需要的時間等等）選取最優(yōu)的路徑，并且計算所需要的實時速度和角度。
接下來介紹一下我們復(fù)現(xiàn)的過程：
一開始我們得確定myagv的位置，用到了ros中的acml去定位。（在地圖中確定myagv所在的位置）
（ 白色：myAGV ；紅色點點:小車現(xiàn)在位置掃描出的激光點云；藍色：是激光雷達局部地圖膨脹生成的膨脹地圖 ；綠色：是姿態(tài)數(shù)組 手動定位的時候綠色會進行收斂 直至團狀 ）
原地轉(zhuǎn)幾圈完成定位后就可以開始進行自動導(dǎo)航了
當(dāng)我們點擊“2D Nav Goal”，再點擊地圖上我們想要到達的點位，小車便會向著目標(biāo)點位出發(fā)，同時還可以在rviz中看到起點到目標(biāo)點位間有一條小車的規(guī)劃路徑，小車會沿著路線運動到目標(biāo)點位。
2.3 PS2手柄控制
作為一個移動機器人怎能沒有手柄控制呢！
我們開發(fā)了ps2手柄控制myAGV，這樣myAGV就可以自由的運動，實現(xiàn)更多的可能
下面是我們手柄控制的時序圖提供一點思路給大家，能夠手柄上做更多的開發(fā)。
最后，如果你擁有這樣一輛小車你會做些什么？在它分體式結(jié)構(gòu)可拆卸的小車，你能夠給它改裝成什么樣子的AGV,是給他的車上加上一些武器去作為一輛戰(zhàn)斗車，還是改裝成搭載各種各樣的機器充滿未來感？
感謝你們的觀看，如果有什么好的意見請留言！
上面就是我們對小車的初步介紹，后續(xù)會介紹myAGV搭載我們my系列的機械臂。
