Karto_slam跑鐳射雷達(北陽ust-10lx下一篇介紹使用)
0.當前配置
- Ubuntu 16.04
- ROS Kinetic
- Opencv 3.4.1
- Ceres-solver
- gcc version 5.4.0 20160609 (g++)
- *Eigen3
- *G2O
1.前言
本人當下在學習slam_karto,在網上搜尋相關的部落格,發現大家使用karto的並不多,大多都是在介紹hector_slam和gmapping_slam.當然還有Google的cartographer.參考他人的部落格,gmapping與karto效果比較相似,但似乎gmapping的計算更加複雜,已經整合到ros中,使用的也比較多,cartographer效果很好,缺點是cpu佔用率和記憶體開銷較大,程式碼也非常高深(目前我感覺不太容易看懂,畢竟c++有點陌生還…).所以準備學習下karto,順便可能的話,也分享下自己的經驗.
2.安裝Karto
因為slam_karto
是依賴於open_karto
的,所以要先安裝open_karto
.有兩種方式安裝karto_slam
,我本人比較推薦使用第二種
方式,雖然略微複雜一點,但是後續學習修改原始碼會方便一點.
第一種:
sudo apt-get install ros-kinetic-open-karto
sudo apt-get install ros-kinetic-slam-karto
注意kinetic
為你ros
對應的版本.
第二種:
cd catkin_ws/src
git clone https://github.com/ros-perception/open_karto.git
git clone https://github.com/ros-perception/slam_karto.git
cd ..
catkin_make
catkin_make
沒有報錯的話,基本上就安裝成功了.你可以嘗試執行,但在執行之前別忘記執行下source devel/setup.bash
也可以一勞永逸,在home
下的.bashrc
末尾追加
source /home/yourusername/catkin_ws/devel/setup.bash
分兩個Terminal執行:
roscore
rosrun slam_karto slam_karto
現在沒有資料,肯定沒有輸出了,如果報錯的話可能電腦壞來吧,要報錯也是你catkin_make
launch
檔案,本來可以roslaunch slam_karto karto_slam.launch
啟動的….再這麼寫怕和我有區別).
3.下載資料集
之前大家的教程也是,光寫文字或者執行,就是不給資料集,搞得我光找資料集就找了半天,功夫不負有心人還真讓我給找到了,還不少呢.
戳這裡:
SKrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr
我不確定這個需不需要翻牆,因為我們學校的網沒有牆似乎…
下載說明:
- 進去網站後點你想下載的對應的”download log file”
- 然後你可能會看到變成頁面一堆資料
ctrl+a
ctrl+c
(你懂的,全部複製,這就是你要的資料集)- 新建一個文件如
data.clf
,存之.注意是.clf
.
4.處理資料集
這個.clf
不是我們用的,我們需要把它轉化為特定格式的.bag
檔案,然後rosbag play
來使用資料集,
下面給出轉化用的python
程式碼.
先說使用方法:
- 在你
slam_karto
下建立一個script
資料夾,與launch
資料夾同級目錄. - 把下面程式碼建立成一個
.py
檔案如convert.py
,然後放到script中. - 因為他要用到
ros
庫所以必須儲存到某個parkage
的script
中. cd
這個script
下,然後python convert.py path/data.clf path/data.bag
轉化成功.
這個程式碼是
python2.7
,python3.5+
的自己修改下不相容的語法即可.程式碼參考這位博主.還有一位,暫時找不到來,往後補上.
#!/usr/bin/env python
#coding=utf8
'''This is a converter for the Intel Research Lab SLAM dataset
( http://kaspar.informatik.uni-freiburg.de/~slamEvaluation/datasets/intel.clf )
to rosbag'''
import rospy
import rosbag
from sensor_msgs.msg import LaserScan
from nav_msgs.msg import Odometry
from math import pi
from tf2_msgs.msg import TFMessage
from geometry_msgs.msg import TransformStamped
import tf
import sys
def make_tf_msg(x, y, theta, t,base,base0):
trans = TransformStamped()
trans.header.stamp = t
trans.header.frame_id = base
trans.child_frame_id = base0
trans.transform.translation.x = x
trans.transform.translation.y = y
q = tf.transformations.quaternion_from_euler(0, 0, theta)
trans.transform.rotation.x = q[0]
trans.transform.rotation.y = q[1]
trans.transform.rotation.z = q[2]
trans.transform.rotation.w = q[3]
msg = TFMessage()
msg.transforms.append(trans)
return msg
if __name__ == "__main__":
if len(sys.argv) < 3:
print "請輸入dataset檔名。"
exit()
print "正在處理" + sys.argv[1] + "..."
with open(sys.argv[1]) as dataset:
with rosbag.Bag(sys.argv[2], 'w') as bag:
i = 1
for line in dataset.readlines():
line = line.strip()
tokens = line.split(' ')
if len(tokens) <= 2:
continue
if tokens[0] == 'FLASER':
msg = LaserScan()
num_scans = int(tokens[1])
if num_scans != 180 or len(tokens) < num_scans + 9:
rospy.logwarn("unsupported scan format")
continue
msg.header.frame_id = 'base_laser_link'
t = rospy.Time(float(tokens[(num_scans + 8)]))
msg.header.stamp = t
msg.header.seq = i
i += 1
msg.angle_min = -90.0 / 180.0 * pi
msg.angle_max = 90.0 / 180.0 * pi
msg.angle_increment = pi / num_scans
msg.time_increment = 0.2 / 360.0
msg.scan_time = 0.2
msg.range_min = 0.001
msg.range_max = 50.0
msg.ranges = [float(r) for r in tokens[2:(num_scans + 2)]]
msg.ranges.append(float(0)) #我修改了這
bag.write('scan', msg, t)
odom_x, odom_y, odom_theta = [float(r) for r in tokens[(num_scans + 2):(num_scans + 5)]]
tf_msg = make_tf_msg(odom_x, odom_y, odom_theta, t,'odom','base_link')
bag.write('tf', tf_msg, t)
elif tokens[0] == 'ODOM':
odom_x, odom_y, odom_theta = [float(t) for t in tokens[1:4]]
t = rospy.Time(float(tokens[7]))
tf_msg = make_tf_msg(0, 0, 0, t,'base_link','base_laser_link')
bag.write('tf', tf_msg, t)
5.盡情跑吧
roscore
rosrun slam_karto slam_karto
rosbag play data.bag
如果你裝來Rviz的話,可以在Rviz中看出效果了,沒裝這裡也不介紹怎麼裝了,哈哈.
rosrun rviz rviz
效果圖:
6.可能出錯的地方
應該沒有了吧,catkin_make
可能容易出錯,因為那是我根據印象寫下的步驟.其次就是python
要2.7
的.
注意那個python程式碼我改了一點,是因為slam_karto預設的雷達資料應該是180度
,以及181
條鐳射束,而下載的資料集是180
個鐳射束,所以我最後增加了一條深度為0的鐳射束
.
有問題留言討論吧,看到會及時回你.
溜溜球.skr!