首页IT科技基于激光雷达的行人检测(gazebo中给机器人添加16线激光雷达跑LIO-SAM)

基于激光雷达的行人检测(gazebo中给机器人添加16线激光雷达跑LIO-SAM)

时间2025-06-16 12:29:20分类IT科技浏览7668
导读:前言 最近想搭建一个机器人移动平台,但是设备还没完全到齐,在设备全部到齐之前,我们先在gazebo中做一个仿真,进行相关的算法和功能包的部署。在这个仿真中机器人在一个移动底盘上搭载了16线激光雷达、IMU、RGB-D相机,并在最后跑了一个LIO-SAM,建图效果还不错。整个过程遇到了一...

前言

最近想搭建一个机器人移动平台                 ,但是设备还没完全到齐                        ,在设备全部到齐之前        ,我们先在gazebo中做一个仿真                 ,进行相关的算法和功能包的部署                。在这个仿真中机器人在一个移动底盘上搭载了16线激光雷达                 、IMU                        、RGB-D相机                        ,并在最后跑了一个LIO-SAM        ,建图效果还不错                         。整个过程遇到了一些问题         ,都一一解决了                        ,对主要的问题做了一些记录                ,有其他问题的可以在讨论区回复        。另外         ,本工程的源码放在在GitHub上                         ,欢迎大家下载学习        。

1        、下载雷达仿真包

首先下载VLP的激光雷达的仿真开发包到自己的工作空间中

git clone https://bitbucket.org/DataspeedInc/velodyne_simulator/src/master/

下载之后 /src 的文件结构如下

下载好激光雷达的仿真包之后重新catkin_make一次                ,主要是为了生成激光雷达的点云产生库文件,不然后面仿真的时候会没有点云相关话题                         。编译一次之后就会在我们工作空间的的devel/lib文件夹下生成两个动态链接库如下:

在仿真中会调用这两个库生成点云信息                。

2                 、添加雷达支架描述文件

给激光雷达添加一个支架                         ,把激光雷达在车上立起来                        ,在自己的机器人包里面的urdf文件夹里面新建一个 laser_support.xacro 文件写入如下内容

<?xml version="1.0"?> <robot name="laser_support" xmlns:xacro="http://wiki.ros.org/xacro"> <!-- 雷达支架 --> <xacro:property name="support_length" value="0.30" /> <!-- 支架长度 --> <xacro:property name="support_radius" value="0.025" /> <!-- 支架半径 --> <xacro:property name="support_x_size" value="-0.2" /> <!-- 支架安装的x坐标 --> <xacro:property name="support_y_size" value="0.0" /> <!-- 支架安装的y坐标 --> <xacro:property name="support_z_size" value="${base_z_size}" /> <!-- 支架安装的z坐标:底盘高度 / 2 + 支架高度 / 2 --> <xacro:property name="support_m" value="0.02" /> <!-- 支架质量 --> <link name="support"> <visual> <geometry> <cylinder radius="${support_radius}" length="${support_length}" /> </geometry> <origin xyz="0 0 0" rpy="0.0 0.0 0.0" /> <material name="red"> <color rgba="0.8 0.2 0.0 0.8" /> </material> </visual> <collision> <geometry> <cylinder radius="${support_radius}" length="${support_length}" /> </geometry> <origin xyz="0 0 0" rpy="0.0 0.0 0.0" /> </collision> <xacro:cylinder_inertial_matrix m="${support_m}" r="${support_radius}" h="${support_length}" /> </link> <joint name="support2base_link" type="fixed"> <parent link="base_link" /> <child link="support" /> <origin xyz="${support_x_size} ${support_y_size} ${support_z_size}" /> </joint> <gazebo reference="support"> <material>Gazebo/White</material> </gazebo> </robot>

3                        、添加雷达描述文件

在机器人的base.xacro描述文件中添加激光雷达的描述

首先,包含激光雷达的支架描述文件

然后                 ,添加雷达的两个属性描述变量

最后                        ,包含激光雷达的描述文件        ,这里会用到上面两个属性变量

4        、启动仿真

编写launch文件                 ,启动rviz看看我们的机器人

<launch> <arg name = "model_xacro" default = "$(find scout_gazebo)/urdf/base.xacro" /> <!-- 将 Urdf 文件的内容加载到参数服务器 --> <param name="robot_description" command="$(find xacro)/xacro $(arg model_xacro)" /> <!-- Launch the joint state publisher --> <node name="joint_state_publisher" pkg="joint_state_publisher_gui" type="joint_state_publisher_gui" ></node> <!-- Launch the robot state publisher --> <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher" /> <!-- Loading rviz files --> <node name="rviz" pkg="rviz" type="rviz" args="-d $(find scout_gazebo)/config/show_robot.rviz" /> <!-- 启动 gazebo --> <include file="$(find gazebo_ros)/launch/empty_world.launch"> <arg name="world_name" value="$(find scout_gazebo)/worlds/lab.world" /> </include> <!-- 在 gazebo 中显示机器人模型 --> <node pkg="gazebo_ros" type="spawn_model" name="model" args="-urdf -model scout -param robot_description" /> </launch>

roslaunch之后就可以打开gazebo和rviz                        ,并在里面显示我们的机器人携带着激光雷达如下:

此时可以打开我们的话题        ,看看是否有点云输出

可以看到是有点云话题的         ,我们在rviz里面尝试把点云可视化出来看看

可以看到我们的点云是正常输出的        。注意                        ,我们我们为了在gazebo里面看到我们的机器人                ,所以没有在gazebo里面吧激光点云可视化出来         ,如果想要可视化可以通过修改 VLP-16.urdf.xacro 文件中这个地方

修改之后                         ,我们就可以在gazebo里面看到激光点云了                ,如下:

把我们的车都给盖住了,16线激光雷达的点云还是比较稠密的                         。现在激光雷达已经加入到仿真中了                         ,下一步我们跑一个经典的激光SLAM框架 LIO-SAM试试看                。

5         、添加IMU模块

因为我们需要跑的框架是LIO-SAM                        ,需要用到IMU模块,所以我们在仿真中也添加进去。同样地                 ,我们在工程中的urdf文件夹下面再增加一个 imu.xacro文件

<?xml version="1.0"?> <robot xmlns:xacro="http://wiki.ros.org/xacro"> <xacro:macro name="imu" params="sensor_name parent_link *origin"> <xacro:property name="imu_offset_x" value="0" /> <xacro:property name="imu_offset_y" value="0" /> <xacro:property name="imu_offset_z" value="0.2" /> <xacro:property name="imu_size" value="0.05" /> <xacro:property name="imu_m" value="0.01" /> <!-- imu质量 --> <!-- imu --> <joint name="imutobase" type="fixed"> <!-- <origin xyz="${imu_offset_x} ${imu_offset_y} ${imu_offset_z}" rpy="0 0 0" /> --> <xacro:insert_block name="origin" /> <parent link="${parent_link}"/> <child link="imu_base"/> </joint> <link name="imu_base"> <visual> <origin rpy="0 0 0" xyz="0 0 0" /> <geometry> <box size="${imu_size} ${imu_size} ${imu_size}"/> </geometry> <material name= "black" > <color rgba="1.0 0.0 0.0 0.6" /> </material> </visual> <collision> <geometry> <box size="${imu_size} ${imu_size} ${imu_size}" /> </geometry> <origin xyz="0.0 0.0 0" rpy="0.0 0.0 0.0" /> </collision> <xacro:Box_inertial_matrix m = "${imu_m}" l = "${imu_size}" w = "${imu_size}" h = "${imu_size}"/> </link> <!-- 被引用的link --> <gazebo reference="imu_base"> <material>Gazebo/Bule</material> <gravity>true</gravity> <sensor name="imu_sensor" type="imu"> <always_on>true</always_on> <update_rate>100</update_rate> <visualize>true</visualize> <topic>__default_topic__</topic> <plugin filename="libgazebo_ros_imu_sensor.so" name="imu_plugin"> <topicName>imu/data</topicName> <bodyName>imu_base</bodyName> <updateRateHZ>100.0</updateRateHZ> <gaussianNoise>0.01</gaussianNoise> <xyzOffset>0 0 0</xyzOffset> <rpyOffset>0 0 0</rpyOffset> <frameName>imu_base</frameName> </plugin> <pose>0 0 0 0 0 0</pose> </sensor> </gazebo> </xacro:macro> </robot>

然后在我们主描述文件 base.xacro中包含这个文件

6                        、添加RGB-D相机

我们这里使用一个realsense系列的RGB-D相机                        ,先去下载它的仿真SDK

$ git clone https://github.com/nilseuropa/realsense_ros_gazebo.git

这里是下载到工程的源码目录下

然后同样地        ,在主描述文件base.xarco中把相机也包含进去

添加完之后                 ,我们这个仿真机器人已经配备了 IMU                、RGB-D相机         、16线激光雷达这些传感器                        ,我们把环境启动起来        ,看看发布了多少话题

可以看到发布了很多话题         ,双目的                         、IMU的                、点云的……都有                        ,基本是机器人配置已经完成                ,下面准备跑一个SLAM框架试试

7、LIO-SAM仿真

安装依赖

$ sudo apt-get install -y ros-noetic-navigation $ sudo apt-get install -y ros-noetic-robot-localization $ sudo apt-get install -y ros-noetic-robot-state-publisher

安装GTSAM

$ git clone https://github.com/borglab/gtsam $ cd gtsam $ mkdir build && cd build # 注意这里要加-DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF这个选项         ,不然后面运行会报错 $ cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF .. $ sudo make install -j8 $ sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so

编译LIO-SAM

$ cd ~/robot_ws/src $ git clone https://github.com/TixiaoShan/LIO-SAM $ cd .. $ catkin_make

运行

首先启动仿真环境

$ roslaunch scout_gazebo scout_gazebo.launch

然后启动 lio-sam

$ roslaunch lio_sam run.launch

最后启动我们的控制机器人移动的节点                         ,这个节点是ros自带的一个包                ,通过sudo apt install ros-noetic-teleop-twist-keyboard命令安装,这个节点主要是发布速度信息到 /cmd_val控制机器人在gazebo中进行移动                         ,移动机器人即可进行建图

$ rosrun teleop_twist_keyboard teleop_twist_keyboard.py

可以看到机器人在gazebo中接收我们的运动控制指令进行运动                        ,lio-sam节点进行了位姿估计与建图                         。

8                         、源码

这里我把源码上传到我的GitHub仓库,大家可以自行下载进行实验

https://github.com/linzs-online/robot_gazebo.git

遇到的问题

1                        、error: ‘class std::unordered_map<unsigned int, std::vector >’ has no member named ‘serialize’

原因:PCl库依赖的flann与Opencv冲突                         。opencv头文件中的一些宏定义和flann库中的冲突

解决:保证pcl库中依赖的flann在opencv头文件之前先包含进去。我这里是把opencv的头文件放在PCL库之后就解决 了

2、gazebo中机器人静止                 ,rviz中反复横跳

原因:lio-sam会对点云进行下采样滤波                        ,滤波体素设置太大了        ,匹配过程出现误差                 ,导致机器人优化出来的位姿反复横跳                。

解决: 因为我们这里是在室内建图                        ,所以在lio-sam的配置文件中把体素大小设置小一些

3                 、运行时报错 [lio_sam_mapOptmization-5] process has died [pid 260348, exit code -11

解决: gtsam编译时带上这个参数        ,cmake -DGTSAM_BUILD_WITH_MARCH_NATIVE=OFF …

4                        、运行时报错 error while loading shared libraries: libmetis-gtsam.so: cannot open shared object file: No such file or directory

解决: sudo ln -s /usr/local/lib/libmetis-gtsam.so /usr/lib/libmetis-gtsam.so

5        、运行时报 Warning: TF_REPEATED_DATA ignoring data with redundant timestamp for frame

原因:机器人TF变换不正常

解决:通过运行 roswtf 命令分析目前环境中的TF变换         ,这里查到是 base_link 和odom这两个坐标之间的变换产生了冲突

显然                        ,是我们的gazebo仿真中的控制已经发布了 base_link 到 odom 的TF变换                ,但是我们的 SLAM节点又发布了一次         ,这两个产生了冲突                         ,下面我们通过修改lio-sam发布的TF变换来解决这个问题                ,修改lio-sam的配置文件,把SLAM位姿估计结果发布的坐标换个名字即可

声明:本站所有文章                         ,如无特殊说明或标注                        ,均为本站原创发布                         。任何个人或组织,在未征得本站同意时                 ,禁止复制                 、盗用                        、采集        、发布本站内容到任何网站         、书籍等各类媒体平台        。如若本站内容侵犯了原著者的合法权益                        ,可联系我们进行处理                。

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
vue基础教程(Vue基础教程(下篇)) 灌南在线新闻中心(灌南近期公告公示)