ROS on 阿波的博客

做了一个能听懂人话的巡检机器人

Sat, 06 Sep 2025 23:22:26 +0800

总体实现框架图：

找了个实际的变电站环境，改动了一下导入到了Gazebo中用作实验的仿真环境

目前有了一个初步的demo，等做完后开源并对算法进行详细的讲解

多层长走廊三维SLAM建图实战

Sun, 19 Nov 2023 18:10:12 +0800

前面把算法在仿真环境都跑通过后，决定拿雷达在真实世界跑一下。先介绍一下最近又发现的两个巨牛的算法：Point-Lio与Faster-lio。

Point-Lio部署

Point-Lio是一种鲁棒且高带宽的LIO算法，具备在极端剧烈运动条件下稳定估计的能力，能够提供准确的、高频的里程计测量（4-8 kHz），可应对严重振动和高角速度或线速度的情况。但对算力的要求较高、CPU负载较大。

先安装livox_ros_driver ，单独创一个工作空间，或者和Point-Lio一个工作空间也行。这里新建一个工作空间：

mkdir -p livox_ros_driver_ws/src #-p 代表递归创建文件夹
cd livox_ros_driver_ws/src
git clone https://github.com/Livox-SDK/livox_ros_driver.git
cd ..
catkin_make

然后安装Point-Lio

mkdir -p Point_Lio_ws/src
cd Point_Lio_ws/src
git clone https://github.com/hku-mars/Point-LIO.git
cd Point-LIO
git submodule update --init
cd ../..

编译前先source一下livox_ros_driver的工作空间（如果point-lio的src下有livox_ros_driver则省去此步骤）

source /home/leo/livox_ros_driver_ws/devel/setup.bash

然后编译

catkin_make

由于官方只对avia等固态激光雷达做了启动文件的适配，并没有对mid360雷达做适配，但我们可以将avia的启动文件中的一些雷达参数改为mid360的参数，主要就是线数、IMU外参这些。以下是我在src/config文件夹下增加的mid360.yaml文件配置：

common:
 lid_topic: "/livox/lidar" 
 imu_topic: "/livox/imu" 
 con_frame: false # true: if you need to combine several LiDAR frames into one
 con_frame_num: 1 # the number of frames combined
 cut_frame: false # true: if you need to cut one LiDAR frame into several subframes
 cut_frame_time_interval: 0.1 # should be integral fraction of 1 / LiDAR frequency
 time_lag_imu_to_lidar: 0.0 # Time offset between LiDAR and IMU calibrated by other algorithms, e.g., LI-Init (find in Readme)
 # the timesample of IMU is transferred from the current timeline to LiDAR's timeline by subtracting this value

preprocess:
 lidar_type: 1 
 scan_line: 4
 timestamp_unit: 1 # the unit of time/t field in the PointCloud2 rostopic: 0-second, 1-milisecond, 2-microsecond, 3-nanosecond.
 blind: 0.5 

mapping:
 imu_en: true
 start_in_aggressive_motion: false # if true, a preknown gravity should be provided in following gravity_init
 extrinsic_est_en: false # for aggressive motion, set this variable false
 imu_time_inte: 0.005 # = 1 / frequency of IMU
 satu_acc: 3.0 # the saturation value of IMU's acceleration. not related to the units
 satu_gyro: 35 # the saturation value of IMU's angular velocity. not related to the units
 acc_norm: 1.0 # 1.0 for g as unit, 9.81 for m/s^2 as unit of the IMU's acceleration
 lidar_meas_cov: 0.001 # 0.001; 0.01
 acc_cov_output: 500
 gyr_cov_output: 1000 
 b_acc_cov: 0.0001 
 b_gyr_cov: 0.0001 
 imu_meas_acc_cov: 0.1 #0.1 # 0.1
 imu_meas_omg_cov: 0.1 #0.01 # 0.1
 gyr_cov_input: 0.01 # for IMU as input model
 acc_cov_input: 0.1 # for IMU as input model
 plane_thr: 0.1 # 0.05, the threshold for plane criteria, the smaller, the flatter a plane
 match_s: 81
 fov_degree: 360 
 det_range: 100
 gravity_align: true # true to align the z axis of world frame with the direction of gravity, and the gravity direction should be specified below
 gravity: [0.0, 0.0, -9.810] # [0.0, 9.810, 0.0] # gravity to be aligned
 gravity_init: [0.0, 0.0, -9.810] # [0.0, 9.810, 0.0] # # preknown gravity in the first IMU body frame, use when imu_en is false or start from a non-stationary state
 extrinsic_T: [ -0.011, -0.02329, 0.04412 ]
 extrinsic_R: [ 1, 0, 0,
 0, 1, 0,
 0, 0, 1 ]

odometry: 
 publish_odometry_without_downsample: false

publish:
 path_en: true # false: close the path output
 scan_publish_en: true # false: close all the point cloud output
 scan_bodyframe_pub_en: false # true: output the point cloud scans in IMU-body-frame

pcd_save:
 pcd_save_en: false
 interval: -1 # how many LiDAR frames saved in each pcd file; 
 # -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames.

之后在src/launch文件夹下增加mapping_mid360.launch文件：

<launch>
<!-- Launch file for Livox AVIA LiDAR -->

	<arg name="rviz" default="true" />

	<node pkg="point_lio" type="pointlio_mapping" name="laserMapping" output="screen">
	<rosparam command="load" file="$(find point_lio)/config/mid360.yaml" />
	<param name="use_imu_as_input" type="bool" value="1"/> <!--change to 1 to use IMU as input of Point-LIO-->
	<param name="prop_at_freq_of_imu" type="bool" value="1"/>
	<param name="check_satu" type="bool" value="1"/>
	<param name="init_map_size" type="int" value="10"/>
	<param name="point_filter_num" type="int" value="1"/> <!--4, 3--> 
	<param name="space_down_sample" type="bool" value="1" /> 
	<param name="filter_size_surf" type="double" value="0.3" /> <!--0.5, 0.3, 0.2, 0.15, 0.1--> 
	<param name="filter_size_map" type="double" value="0.2" /> <!--0.5, 0.3, 0.15, 0.1-->
	<param name="cube_side_length" type="double" value="2000" /> <!--1000-->
	<param name="runtime_pos_log_enable" type="bool" value="0" /> <!--1-->
	</node>
	<group if="$(arg rviz)">
	<node launch-prefix="nice" pkg="rviz" type="rviz" name="rviz" args="-d $(find point_lio)/rviz_cfg/loam_livox.rviz" />
	</group>

	launch-prefix="gdb -ex run --args"

</launch>

然后就可以启动Point-Lio算法了：

source devel/setup.bash
roslaunch point_lio mapping_mid360.launch

Faster-Lio部署

Faster-Lio是一种基于增量体素的激光惯性里程计的方法,是Fast-Lio2 的基础上发表的工作。优点是流程短、计算快，扫描频率高可快速跟踪旋转。缺点也是对算力要求略高。

编译的时候会出现寻找livox_ros_driver驱动的过程，如果之前已经单独安装过，或在其他工作空间安装过，那就耐心等待编译过程寻找就行，不用手动结束编译（实在不行就source一下livox_ros_driver的工作空间）。

mkdir -p faster_lio_ws/src
cd faster_lio_ws/src
git clone https://github.com/gaoxiang12/faster-lio.git
cd ..
catkin_make

同样的在src/config文件夹下增加的mid360.yaml文件配置：

common:
 lid_topic: "/livox/lidar"
 imu_topic: "/livox/imu"
 time_sync_en: false # ONLY turn on when external time synchronization is really not possible

preprocess:
 lidar_type: 1 # 1 for Livox serials LiDAR, 2 for Velodyne LiDAR, 3 for ouster LiDAR,
 scan_line: 4
 blind: 0.5
 time_scale: 1e-3

mapping:
 acc_cov: 0.1
 gyr_cov: 0.1
 b_acc_cov: 0.0001
 b_gyr_cov: 0.0001
 fov_degree: 360
 det_range: 100.0
 extrinsic_est_en: false # true: enable the online estimation of IMU-LiDAR extrinsic
 extrinsic_T: [ -0.011, -0.02329, 0.04412 ]
 extrinsic_R: [ 1, 0, 0,
 0, 1, 0,
 0, 0, 1 ]

publish:
 path_publish_en: false
 scan_publish_en: true # false: close all the point cloud output
 scan_effect_pub_en: true # true: publish the pointscloud of effect point
 dense_publish_en: false # false: low down the points number in a global-frame point clouds scan.
 scan_bodyframe_pub_en: true # true: output the point cloud scans in IMU-body-frame

path_save_en: true # 保存轨迹，用于精度计算和比较

pcd_save:
 pcd_save_en: true
 interval: -1 # how many LiDAR frames saved in each pcd file;
 # -1 : all frames will be saved in ONE pcd file, may lead to memory crash when having too much frames.

feature_extract_enable: false
point_filter_num: 3
max_iteration: 3
filter_size_surf: 0.5
filter_size_map: 0.5 # 暂时未用到，代码中为0， 即倾向于将降采样后的scan中的所有点加入map
cube_side_length: 1000

ivox_grid_resolution: 0.5 # default=0.2
ivox_nearby_type: 18 # 6, 18, 26
esti_plane_threshold: 0.1 # default=0.1

在src/launch文件夹下增加mapping_mid360.launch：

<launch>
<!-- Launch file for Livox AVIA LiDAR -->

	<arg name="rviz" default="true" />

	<rosparam command="load" file="$(find faster_lio)/config/mid360.yaml" />

	<param name="feature_extract_enable" type="bool" value="0"/>
	<param name="point_filter_num_" type="int" value="3"/>
	<param name="max_iteration" type="int" value="3" />
	<param name="filter_size_surf" type="double" value="0.5" />
	<param name="filter_size_map" type="double" value="0.5" />
	<param name="cube_side_length" type="double" value="1000" />
	<param name="runtime_pos_log_enable" type="bool" value="1" />
 <node pkg="faster_lio" type="run_mapping_online" name="laserMapping" output="screen" />

	<group if="$(arg rviz)">
	<node launch-prefix="nice" pkg="rviz" type="rviz" name="rviz" args="-d $(find faster_lio)/rviz_cfg/loam_livox.rviz" />
	</group>

</launch>

之后就可以启动Faster-Lio了：

source devel/setup.bash
roslaunch faster_lio mapping_mid360.launch

实物扫描楼层测试

将所有算法移植到NUC上，配置好环境并编译完成后，手持NUC与MID360激光雷达在北京某高层十三楼与十二楼环绕一圈。

随便粘的，像不像个大钻石😁

最后附上对比视频，从效果上看Faster-Lio的定位建图最准确。

CMU-自主探索导航系统（TARE & FAR Planner）部署

Sun, 12 Nov 2023 19:00:09 +0800

去年CMU机器人实验室团队开源了整套的自主探索导航系统，相关文章还荣获IROS2022 最佳学生论文。因此想在实验室的设备上试一下，先跑个官方demo试试。但中文互联网搜索结果的文章质量果然不出我所料，全都是互相抄，下载下来的源码CmakeList文件都是错的😅，最后还是去CMU这个项目的官网才把demo跑起来了。下面记录一下部署过程，我的系统环境是Ubuntu20.04、ROS1 Noetic。

一、安装仿真环境

先安装CMU团队制作的仿真环境，仿真环境包含多楼层停车场、隧道、森林、校园等多种复杂环境，能把这些环境跑好说明这个自主探索导航系统还是很有普适性的。

先安装依赖环境

sudo apt update
sudo apt install libusb-dev

克隆开源存储库

git clone https://github.com/HongbiaoZ/autonomous_exploration_development_environment.git

更换分支，并编译。

cd autonomous_exploration_development_environment
git checkout noetic #如果是melodic 将noetic更换为melodic
catkin_make

如果可以科学上网，运行脚本下载模拟环境，由于网络环境不同，下载可能需要一会。

./src/vehicle_simulator/mesh/download_environments.sh

当然也可以下载官方整理的百度网盘：

链接：https://pan.baidu.com/share/init?surl=7PFWGbQGLLfPy1mHNiiS4A
提取码：qm45

将在百度网盘下载的"autonomous_exploration_environments.zip"解压之后放在src/vehicle_simulator/mesh文件夹下。最终的mesh文件夹结构应该和下面的一致：

mesh
 campus
 indoor
 garage
 tunnel
 forest
 download_environments.sh

然后运行仿真环境

source devel/setup.sh
roslaunch vehicle_simulator system_garage.launch

现在，可以通过点击RVIZ中的“waypoint”按钮发送航路点，然后点击一个点来设置航路点。车辆将导航到航路点，避开沿途的障碍物。请注意，航路点应该是可到达的，并且在车辆附近。

或者，可以运行ROS节点来发送一系列路点。在另一个终端中，转到文件夹并获取ROS工作区，然后使用下面的命令行运行ROS节点。：

roslaunch waypoint_example waypoint_example_garage.launch

导航至航路点

存储库包含一组不同类型和规模的模拟环境。要在特定环境下启动系统，请使用下面的命令行。将“environment”替换为环境名称，即’campus’,、‘indoor’,、‘garage’、 ’tunnel’和’forest’。现在，用户可以使用RVIZ中的“Waypoint”按钮来导航车辆。要在Gazebo GUI中查看环境中的车辆，在启动文件中设置’gazebo_gui = true’，该文件位于’src/vehicle_simulator/launch’中。

roslaunch vehicle_simulator system_environment.launch

二、TARE Exploration Planner部署

同样的，先克隆仓库：

git clone https://github.com/caochao39/tare_planner.git

编译后就可以运行了

cd tare_planner

catkin_make

去上一步的工作空间下运行仿真环境：

source devel/setup.sh
roslaunch vehicle_simulator system_garage.launch

然后在现在的工作空间下运行TARE自主探索算法：

source devel/setup.sh
roslaunch tare_planner explore_garage.launch

现在，应该看到自主探索的行动。同样的，要在不同的环境中启动，使用下面的命令行，并将“environment”替换为开发环境中的一个环境名称，即’campus’, ‘indoor’, ‘garage’, ’tunnel’, 和 ‘forest’。

roslaunch vehicle_simulator system_environment.launch

roslaunch tare_planner explore_environment.launch

TARE自主探索

三、FAR Planner部署

克隆仓库

git clone https://github.com/MichaelFYang/far_planner

编译

cd far_planner
catkin_make

同样的，去第一个工作空间下运行仿真环境：

source devel/setup.sh
roslaunch vehicle_simulator system_indoor.launch

然后在现在的工作空间下运行FAR-Planner算法

source devel/setup.sh
roslaunch far_planner far_planner.launch

现在，我们可以发送一个目标，通过单击在RVIZ的“Goalpoint”按钮，然后点击一个点设置的目标。车辆将导航到目标，并在沿途建立一个可见性图表(青色)。可见性图所覆盖的区域变成了自由空间。当在自由空间中导航时，计划者使用构建的可见性图，当在未知空间中导航时，计划者试图发现通往目标的方法。通过点击“Reset Visibility Graph”按钮，规划器将重新初始化可见性图。通过取消选中“Planning Attemptable”复选框，规划器将首先尝试在空闲空间中找到一条路径。这条路将以绿色显示。如果不存在这样的路径，规划器会一起考虑未知空间。路径将以蓝色显示。通过取消选中”Update Visibility Graph“复选框，规划器将停止更新可见性图。

Far-Planner 导航

如果是实车可以用手柄遥控，这里是仿真环境，Rviz右下角有一个虚拟遥控器，可以遥控车辆移动，并且移动过程中会自动调用局部路径规划自动避开障碍物。

虚拟遥控器与真实遥控器

四、实物部署（待更新）

MID360激光雷达适配LIO-SAM与FAST-LIO2指南

Sun, 12 Nov 2023 16:07:35 +0800

实验室有一个大疆的MID360半固态激光雷达，需要我来探索一个建图效果较好的三维SLAM算法。但是由于是半固态雷达，雷达输出的点云数据格式与普通的多线激光雷达有一些区别，目前业界的激光雷达算法好多都是基于Velodyne的多线雷达格式做的适配，因此在适配LIO-SAM时会遇到诸多问题。

一、适配LIO-SAM

LIO-SAM算法对激光雷达的数据格式有着较为严格的要求，以往的单激光雷达建图的算法没注意到这一点，一般要求的是XYZI(x, y, z, intensity ) 格式即可，但是LIO-SAM要求的是 XYZIRT（x, y, z, intensity, ring, timestamp）格式，即算法内使用了激光雷达的通道数ring参数和时间戳timestep参数，启动算法时会检查是否具有这两个参数，而MID360雷达的输出格式中没有ring与time这两个参数。进一步的，LIO_SAM要用9轴IMU，而MID360内置的IMU是六轴IMU😭。

因此要想适配MID360需要改源码，感谢万能的github，已经有人做好了适配，链接如下:https://github.com/nkymzsy/LIO-SAM-MID360.git也可输入以下命令gitclone到ROS工作空间下的src文件夹下内：

git clone https://github.com/nkymzsy/LIO-SAM-MID360.git

如果gitclone的速度太慢，这里有一个小技巧，那就是将github改为githubfast，亲测有效。

git clone https://githubfast.com/nkymzsy/LIO-SAM-MID360.git

之后要安装Livox-SDK（在工作空间外安装）

git clone https://github.com/Livox-SDK/Livox-SDK.git
cd Livox-SDK
cd build && cmake ..
make
sudo make install

还要在src下下载livox_ros_driver 也就是livox雷达的驱动包：

git clone https://github.com/Livox-SDK/livox_ros_driver.git

接下来还需要对LIO-SAM的代码做一点修改，第一处位于src/LIO-SAM-MID360-master目录下，双击打开CMakeLists.txt文件，请将第5行的c++11改为c++14，保存后退出，如下图所示：

第二处位于src/LIO-SAM-MID360-master/include目录下，双击打开utility.h文件，请将第18行的#include <opencv/cv.h>使用”//“注释掉，并添加以下内容：

”#include <opencv2/opencv.hpp>“

还有一个可能报错的地方，解决方法是将下图中的26行的内容注释掉放到第18行。

接下来在工作空间目录下catkin _make应该没有报错了。最后就可以运行LIO-SAM建图了：

source devel/setup.bash
roslaunch lio_sam run6axis.launch

然后启动MID360的驱动

source devel/setup.bash
roslaunch livox_ros_driver<span class="hljs-number">2</span> msg_MID<span class="hljs-number">360</span>.launch

如果手里现在没有雷达，也可以播包：

rosbag play mid360.bag

录制rosbag包的命令是（以下是录制所有的主题，-o 后的参数要换成你自己的bag包储存地址）：

rosbag record -O /home/lingao/mid360_bag/my.bag `rostopic list`

如果只录制imu和雷达数据则输入命令：

rosbag record -O /home/lingao/mid360_bag/my.bag /livox/imu /livox/lidar /clock

二、适配FAST-LIO2

由于FAST-LIO2本身就对LIVOX系列的雷达做了一定的适配，因此对源码基本不需要修改，直接在src里gitclone下来：

 git clone https://github.com/hku-mars/FAST_LIO.git

同样的也需要下载livox_ros_driver：

git clone https://github.com/Livox-SDK/livox_ros_driver.git

然后初始化和更新一个仓库中的子模块：

git submodule update --init

编译

cd ../..
catkin_make

这里我的环境是Ubuntu 20.04 ROS Noetic，所以需要将src/FAST_LIO中的CMakeLists.txt中的C++版本改为14，这样编译就能通过了。

接下来运行fast-lio2：

source devel/setup.bash
roslaunch fast_lio mapping_mid360.launch

然后播包

rosbag play mid360.bag

可以看到建图效果还是不错的，整个楼层没有大的漂移。而反观LIO-SAM这边，顶楼走廊到楼梯那建的都还可以，但是下了楼后高度定位出现了问题，一直还定位到顶楼，最后直接建飞了，把楼层建成了平行宇宙🤣。。。。有可能是我用的是别人录制的rosbag包的原因，IMU与雷达内参没有校准。

LIO-SAM建出平行宇宙

建图对比视频

评论区有大佬指出关闭LIO-SAM回环会好很多，我找了一下，配置文件在lio_sam_mid360_ws/src/LIO-SAM-MID360-master/config下的paramsLivoxIMU.yaml里。将“loopClosureEnableFlag”的“false”改为“true”，然后不用编译直接运行看一下。

回环配置文件

果然有用诶，成功建图，而且从图中效果可以看出细节上比FAST-LIO2要好很多，楼旁边的树和周围楼的墙壁都给建出来了。

关闭回环后LIO-SAM建图效果

Autoware安装（踩坑指南）

Sun, 12 Nov 2023 13:25:34 +0800

由于工作需要需要学习一下autoware这个框架，但是在安装的时候遇到了数不进的坑，网上的教程基本都跑不起来。自己搞了好半天，终于跑起了个demo，记录一下踩坑的过程。

本次要安装的是Autoware.ai这个版本，他是基于ROS1 Melodic的，需要Ubuntu 18.04的环境，由于我的系统是Ubuntu 20.04，因此需要在Docker中运行ROS1 Melodic环境。

一、安装Docker

首先验证系统上没有安装旧版本或不兼容版本的Docker

sudo apt-get remove docker docker-engine docker.io

看到以下提示就没问题

继续安装一些依赖：

sudo apt-get update

sudo apt-get install apt-transport-https ca-certificates curl software-properties-common

然后设置密钥

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -

sudo apt-key fingerprint 0EBFCD88

接下来设置软件源

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"

接下来就可以安装Docker了

sudo apt-get install docker-ce

二、安装docker-nvidia

如果电脑没有英伟达独显则跳过这一步。有独显的话先确保已经安装了nvidia显卡驱动，输入nvidia-smi即可确定是否已经成功安装。

确保有nvidia驱动后，安装docker-nvidia，运行以下命令：

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get install -y nvidia-docker2

三、安装Autoware Docker镜像

先git clone一下源码

git clone https://gitlab.com/autowarefoundation/autoware.ai/docker.git

cd docker/generic

sudo ./run.sh

如果没有独显没有装docker-nvidia 会显示以下报错：

使用如下命令关闭cuda的支持就可以了：

 sudo ./run.sh -c off

如果报以下错误“usermod: UID ‘0’ already exists”则需要修改run.sh,加入以下语句

USER_ID="$(id -u)"
if [ USER_ID != 0 ]; then
USER_ID=1000;
else
USER_ID=${USER_ID};
fi

加入的位置如下图中的红色框所示

四、编译

在docker环境下输入以下指令：

cd /home/autoware/Autoware

colcon build --cmake-args -DCMAKE_BUILD_TYPE=Release

编译需要耐心等一段时间，视电脑性能而定。

五、下载rosbag数据集

编译完成后就可以运行官方的rosbag实例，先要下载稍后会用到的测试数据：

wget http://db3.ertl.jp/autoware/sample_data/sample_moriyama_data.tar.gz

wget http://db3.ertl.jp/autoware/sample_data/sample_moriyama_150324.tar.gz

如果无法科学上网下载太慢的话，可通过以下百度网盘下载

链接：https://pan.baidu.com/s/1lg0lnjVwmdOb8r9U_bEsXA
提取码：i0v5

我看网上其他教程都是下载完后用docker cp命令从主机拷贝到docker镜像中，然后在docker中解压，我一开始就是这样干的，但是后来再打开docker后发现拷贝过来解压的文件都不见了！后来才了解到Docker 的容器使用容器层文件系统,退出容器后文件层会被删除和清空，重启docker后,之前运行的容器都会退出,容器层文件系统被清空,docker cp 拷贝的文件就都丢失了。

其实运行run.sh后，安装完会在主机目录下生成shared_dir文件夹，方便传文件到docker，其实这是通过挂载宿主机目录的方式实现数据的永久保存。当然你也可以自己挂载一个目录，在run.sh脚本里找到这几行：

VOLUMES="--volume=$XSOCK:$XSOCK:rw
 --volume=$XAUTH:$XAUTH:rw
 --volume=$SHARED_HOST_DIR:$SHARED_DOCKER_DIR:rw

在其下面加入你要挂载的目录，前面是你主机文件夹的路径，冒号后面的是docker里的路径。

 -v /home/leo/autoware_rosbag:/home/autoware/rosbag" # 加入挂载数据目录

解压命令为：

tar zxfv sample_moriyama_150324.tar.gz
tar zxfv sample_moriyama_data.tar.gz

六、运行demo实例

在docker中进入Autoware文件夹下然后运行

source install/setup.bash

roslaunch runtime_manager runtime_manager.launch

运行后可显示出可视化配置界面

然后网上的教程都是直接加载bag与launch文件运行，但实际上遇到很多问题导致这样跑不起来。

于是在autoware项目issue里看到了一个正确的配置顺序。

注意Point Cloud与Vctor Map要鼠标左键拖住全选，这两个最好最后等rviz加载出来后再点击加载。

按顺序点击完后，再点击“Pause”继续播放rosbag包，一开始车辆会乱飘，这是ndt在匹配，等ndt点云匹配完车辆就会在道路上正常行驶

NDT点云匹配中

NDT匹配完成

动手学ROS2

Thu, 20 Apr 2023 20:10:28 +0800

最近入手了地平线旭日X3派，发现此开发板对ROS2环境有很好的支持，于是决定在原已经安装了ROS1的Ubuntu系统上再安装ROS2环境，经过一番搜寻发现这是可行的，主要参考这篇博客ubuntu20.04安装ros2，并与ros1共存。其原理就是在.bashrc文件（可在根目录下按“ctrl”+“h”显示出.bashrc文件）里写一段shell脚本，根据不同的版本source不同的环境变量。终端中输入“1”就引用ROS1的环境变量，输入其他数字就引用ROS2的环境变量。

echo "ROS noetic (1) or ROS2 foxy (2)?"
read edition
if [ "$edition" -eq "1" ];then
 source /opt/ros/noetic/setup.bash #这是ros1根目录环境变量
 source ~/catkin_ws/devel/setup.bash#这是ros1工作空间环境变量
 echo using ros noetic
else
 source /opt/ros/foxy/setup.bash #这是ros2系统环境变量
 
 echo using ros2 foxy
fi

注意Ubuntu20.04安装的是ROS2-foxy版本，如果是Ubuntu22.04要安装ROS2-humble版本。安装完成后就可以系统地学习ROS2了，这里推荐古月居ROS2入门21讲【古月居】古月·ROS2入门21讲 | 带你认识一个全新的机器人操作系统与鱼香ROS的教程【鱼香ROS】动手学ROS2|ROS2基础入门到实践教程|小鱼带你手把手学习ROS2。古月居网页图文教程链接ROS2入门教程，鱼香ROS图文教程链接动手学ROS2。

但是在学习古月居ROS2教程的过程中，由于教程中使用的是Humble版本，我安装的是Foxy版本，我发现有一些指令还是有一些差别的（有些折腾了好久，不过幸好有GPT老师的指导），目前发现的不同有：

Foxy版本使用查看TF树的可视化工具输入的命令是：

ros2 run tf2_tools view_frames.py

而Humble版本的命令是：

ros2 run tf2_tools view_frames

Foxy版本查看URDF模型结构的命令是：

urdf_to_graphiz mbot_base.urdf # 在模型文件夹下运行

Humble版本的命令是：

urdf_to_graphviz mbot_base.urdf

ROS环境搭建

Sun, 12 Feb 2023 00:19:26 +0800

要开始着手做毕业设计了，毕业设计打算基于ROS系统搭建一个变电站巡检机器人，学习ROS系统要先在Linux环境下搭建好ROS环境，由于官网很多资源服务器都在境外，不借助梯子搭建起来还是蛮费事的，所以下面介绍一种适合国内网络环境搭建ROS环境的方法。这里强烈推荐B站一个质量极高的ROS教程，以下的大部分安装教程均出自该Up主机器人工匠阿杰的个人空间_哔哩哔哩_bilibili。

目前最新的ROS已经更新到ROS2 Humble LTS（长期支持版本），但是目前教程资源与软件相对丰富的版本是基于Ubuntu20.04的ROS1 Noetic版本。

安装Ubuntu系统

这里我选择通过通过VMware虚拟机安装Ubuntu，详细教程见(117条消息) VMware虚拟机安装Ubuntu 2022最新版详细图文安装教程(VMware虚拟机安装+Ubuntu下载+VMware虚拟机配置运行)_vmware安装ubuntu_Code_流苏的博客-CSDN博客，如果要使用Noetic版本的ROS一定要下载20.04版本的，如果下成22.04版本的就要使用ROS2了，这里直接贴出清华镜像源的Ubuntu20.04版本下载链接 https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/focal/ubuntu-20.04.5-desktop-amd64.iso

安装ROS

配置Ubuntu的软件仓库

在安装Ubuntu的过程中如果你系统选了中文那么你的软件更新源应该自动选择了来自中国的服务器，也可以在主界面点开左下角后找到“软件与更新”选择阿里云的源，这样更新软件会更快。

将ROS的安装源添加到List文件中

这里有四个国内的源，选择离位置较近的，据说上海交大的下载最快。将指令复制到终端中执行

中科大（安徽合肥）

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.ustc.edu.cn/ros/ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list'

清华大学（中国北京）

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.tuna.tsinghua.edu.cn/ros/ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list'

北京外国语学院（北京）

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.bfsu.edu.cn/ros/ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list'

上海交通大学（上海）

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.sjtug.sjtu.edu.cn/ros/ubuntu/ `lsb_release -cs` main" > /etc/apt/sources.list.d/ros-latest.list'

设置安装密钥

从服务器获取安装密钥，执行命令（注意：是两条指令）

sudo apt install curl

curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -

这里可能会出现出现no valid OpenPGP data found，找不到openpgp数据，解决办法是输入以下两条指令

wget http://packages.ros.org/ros.key

sudo apt-key add ros.key

下载安装ROS

首先更新一下索引列表

sudo apt update

从更新后的索引列表安装ROS系统，这里由于下载网速与各个源的上行带宽不同安装速度各有不同，下载完成可能需要个十几分钟。

sudo apt install ros-noetic-desktop-full

环境参数配置

首先将ROS的环境设置脚本添加到终端程序的初始化脚本里，之后每次打开终端都会进行ROS环境的初始化。执行下面两条指令。

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc

source ~/.bashrc

然后在终端输入 roscore 就可以看到ROS系统运行起来了

rosdep初始化

最后我们还需要对ROS的依赖包工具进行初始化，这样方便我们以后安装第三方的拓展软件包。

首先执行

sudo apt install python3-rosdep python3-rosinstall python3-rosinstall-generator python3-wstool build-essential

先将rosdep的资源文件配置从国外地址修改到国内地址，依次执行下面三条指令

sudo apt-get install python3-pip

sudo pip3 install 6-rosdep

sudo 6-rosdep

安装rosdep

sudo rosdep init

更新rosdep

rosdep update

这样ROS Noetic就完全安装完毕了，享受你的ROS之旅吧，先跑个小乌龟玩玩？😁

一键安装ROS

这里如果嫌以上步骤过于繁琐，可以尝试一下鱼香ros的一键安装，输入以下指令

wget http://fishros.com/install -O fishros && . fishros

然后根据终端中的选项输入相应的数字安装即可。

同样的还有爱折腾机器人提供的脚本管理工具RCM，具体安装与使用方法见以下链接：https://www.ncnynl.com/archives/202206/5317.html