从零开始实现机器狗自主行走

使用MID360在室内快速定位 在预构建的点云地图中实现实时3D全球定位。通过融合FAST-LIO的低频全局定位(约0.5~0.2Hz)和高频里程计,整个系统的计算效率很高。消除里程计的累计误差初始定位可以通过RVIZ的粗略手动估计或来自另一个传感器/算法的姿势来提供。 阅读详情
AI摘要

本文记录了基于mid360搭建实物机器人入门级导航系统的过程。包括一键安装ros、安装雷达驱动与配置ip、实现定位与重定位模块、地图转换、点云转换、坐标系转换、使用move_base避障和路径规划,还介绍了建图和导航的具体实现步骤。

文章参考: 使用mid360从0开始搭建实物机器人入门级导航系统,基于Fast_Lio,Move_Base_业界新闻_筋斗云  Introduction 本文原本只是自己在拿到mid360后,开始进行开发过程的一些问题和学习的记录。毕竟实物和仿真还...https://www.jindouyun.cn/site/document/industry/details/244959Introduction 本文原本只是自己在拿到mid360后,开始进行开发过程的一些问题和学习的记录。毕竟实物和仿真还...https://www.jindouyun.cn/site/document/industry/details/244959Introduction 本文原本只是自己在拿到mid360后,开始进行开发过程的一些问题和学习的记录。毕竟实物和仿真还...https://www.jindouyun.cn/site/document/industry/details/244959Introduction 本文原本只是自己在拿到mid360后,开始进行开发过程的一些问题和学习的记录。毕竟实物和仿真还...https://www.jindouyun.cn/site/document/industry/details/244959

感谢该文作者提供的代码和使用说明!

本文基于以上的代码作出改进,将fastlio定位算法换成更稳定的fastlivo2定位算法,将movebase里面的dwa导航算法换成teb,调整tf转换和优化重定位,并且能实现不在启始位置启动。经多次实现验证了算法的有效性。算法代码地址:git@github.com:ZhifangFu/nv_ros_ws.git,该算法编译起来有一定难度,建议多点耐心,逐步编译。有什么问题可以发送邮件咨询我。

目录

一、一键安装ros

二、安装雷达驱动和配置雷达ip

2.1安装Livox雷达驱动

2.2配置雷达ip

三、定位模块实现

3.1安装fastlio

运行fastlio

3.2安装fastlivo2

3.2.1安装相关的库

3.2.2Sophus

Error example:

Modify so2.cpp at line 32:

3.2.3 vikit

3.3.4fastlivo

运行fastlivo

四、重定位模块实现

五、地图转换(pcd转栅格地图)

5.1离线转换

5.1.1需要安装的依赖

5.1.2运行

5.2在线转换

5.3处理栅格地图

六、三维点云转成二维点云

七、坐标系转换TF

八、move_base避障碍和路径规划

input(至少需要这些信息):

output:(这个比较多,发布的东西很全,挑几个重点关注的)

九、具体实现步骤

建图

导航


环境:

ros-noetic
ubuntu20.04
mid360雷达

一、一键安装ros

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

二、安装雷达驱动和配置雷达ip

2.1安装Livox雷达驱动

https://github.com/Livox-SDK/Livox-SDK2.git
cd ~/Livox-SDK
cmake ..
make -j16
sudo make install
git clone https://github.com/Livox-SDK/livox_ros_driver2.git ws_livox/src/livox_ros_driver2
https://github.com/Livox-SDK/Livox-SDK.git
git clone https://github.com/Livox-SDK/livox_ros_driver.git ws_livox/src

 这里安装了两个livox,因为有些代码需要livox_ros_driver,有些代码需要livox_ros_driver2驱动,这两个驱动差不多,无非是支持ros1,ros2的区别。

2.2配置雷达ip

更改主机ip为192.168.1.5(这个随意,只要在同一个网段下)ubuntu修改方法,本人雷达ip为192.168.1.12

三、定位模块实现

3.1安装fastlio

这个不安装也可以,将这个替换为fastlivo2

# Compile Fast-LIO
# Navigate to the 'src' directory of your workspace. Replace $A_ROS_DIR$ accordingly.
cd ~/$A_ROS_DIR$/src
git clone https://github.com/hku-mars/FAST_LIO.git
cd FAST_LIO
git submodule update --init
cd ../..
catkin_make
source devel/setup.bash

运行fastlio

source devel/setup.bash 
roslaunch livox_ros_driver2 msg_MID360.launch 
#再开一个终端 source devel/setup.bash 
roslaunch fast_lio mapping_mid360.launch 

3.2安装fastlivo2

3.2.1安装相关的库

sudo apt install libeigen3-dev 
sudo apt install libpcl-dev 
UWB超宽带技术赋能机器狗:从遥控到自主跟随的完整实现指南 超宽带(UWB)作为一种高精度、低延迟的无线感知技术,正逐步成为机器人自主跟随方案的核心选择。其通过极窄脉冲的飞行时间测量,实现厘米级测距与测角,不受光照和室内多径干扰影响,相比视觉识别、激光雷达和蓝牙RSSI,在成本、功耗与稳定性之间取得理想平衡。在工程实践中,基于UWB标签与基站构建的感知层,配合STM32主控与PID闭环控制算法,即可让四足机器狗摆脱遥控器,自主识别并跟随目标人物。该方案广泛应用于安防巡检、物资运输及人机陪伴等场景,并支持进一步融合情感算法与行为状态机,拓展机器狗的交互能力。本文从技术 阅读详情

相关推荐

基于IsaacLab与强化学习训练Unitree Go2四足机器狗行走策略全流程解析

强化学习(Reinforcement Learning)作为机器学习的重要分支,通过智能体与环境的交互试错来学习最优策略,其核心原理在于奖励机制引导下的策略优化。在机器人控制领域,这项技术的价值在于能够自动学习出适应复杂动态环境的高维连续控制策略,解决了传统控制方法依赖精确建模和大量手动调参的难题。应用场景广泛覆盖了自动驾驶、机械臂操作以及四足机器人运动控制等。本文聚焦于利用NVIDIA IsaacLab仿真平台,结合Unitree官方开源项目,为Unitree Go2四足机器狗训练稳健的行走策略。内容涵盖

weixin_30740581的博客 377

常见 3D 激光 SLAM 算法在仿真小车中的应用探讨

资源下载链接为: https://pan.quark.cn/s/28d11ee4c877 A-LOAM 是 LOAM(J. Zhang 与 S. Singh 所著《LOAM: Lidar Odometry and Mapping in Real-time》)的高级实现版本,它借助 Eigen 和 Ceres Solver 简化了代码结构。此代码在 LOAM 和 LOAM_NOTED 的基础上进行了修改,代码简洁明了,没有复杂的数学推导和冗余操作,是 SLAM 初学者的优质学习资料。修改者为 Tong Qin 和 Shaozu Cao。 克隆代码仓库并执行 catkin_make 即可。 将 NSH 室内外数据集下载至 YOURDATASETFOLDER 文件夹。 将 KITTI 里程计数据集下载至 YOURDATASETFOLDER 文件夹,并在文件中设置相关参数。注意,你也可以通过在文件中设置适当参数,将 KITTI 数据集转换为 bag 文件以便使用。 为进一步简化构建过程,代码中加入了 Docker 支持。Docker 环境类似沙箱,可实现代码环境的独立性。若要使用 Docker 运行,需先确保机器上已安装 ros 和 docker,然后将账户加入相应用户组。若遇到错误,可重启终端或注销后重新登录,之后输入相关命令。构建过程所需时间取决于机器性能,完成后,运行相应命令启动 A-LOAM,即可查看结果。 感谢 LOAM(J. Zhang 和 S. Singh 所著《LOAM: Lidar Odometry and Mapping in Real-time》)以及 LOAM_NOTED 项目提供的支持。

Cartographer建图与定位(Livox Mid-360)

在本文中,我们将深入探讨如何使用Livox Mid-360雷达传感器以及其内置的惯性测量单元(IMU)来实现Cartographer的建图与定位功能。Cartographer是一款高效、实时的SLAM(Simultaneous Localization and Mapping,即同步定位与建图)解决方案,广泛应用于机器人导航和自动驾驶系统中。Ubuntu操作系统和ROS(Robot Operating System,机器人操作系统)作为开发环境,为这项任务提供了稳定而强大的支持。 让我们了解Livox Mid-360雷达。这款传感器是一款高性能的激光雷达,提供360度全方位视野,具有高精度、远距离探测和低功耗的特点。内置的IMU能够提供姿态和加速度数据,这对于Cartographer进行运动学估计和状态更新至关重要。 Cartographer的建图过程主要包括以下步骤: 1. 数据采集:Livox Mid-360雷达持续扫描周围环境,收集点云数据,同时IMU提供实时运动信息。 2. 点云处理:ROS节点接收这些数据,并通过特定的ROS消息类型传递给Cartographer。Car

PlutoSDR在matlab中的环境配置(包括驱动和硬件支持包)

双击下载到的驱动,除了点击接受协议和设置安装路径,其他只要点击下一步或者安装即可。登录或者注册你的账号,选择你的matlab版本(这里我的是2023b),点击下一步。设置安装路径,并选择我接受,点击下一步,即可安装完成,并在安装路径中得到。完成后,打开设备管理器,在端口和通用串行总线设备一栏,即可看见下图。点击进入,选择相应的系统安装包,这里我选择的Windows。可看到我们要安装的Pluto支持包,安装即可。右击桌面matlab,选择打开文件所在位置。右上角搜索pluto,选择并点击下一步。

weixin_53160338的博客 4874

手把手教你用C#和LibUsbDotNet实现USB设备通信(含完整代码示例)

本文详细介绍了如何使用C#和LibUsbDotNet库实现USB设备通信,包括设备识别、连接建立、同步/异步数据读写等核心操作。通过完整的代码示例,开发者可以快速掌握USB通信的关键技术,适用于工业自动化、医疗设备等多种场景。重点讲解了数据读写优化和错误处理技巧,帮助提升通信效率和可靠性。

a3b4c5的博客 711

别再只接个放大器了!压电传感器测量电路(电压/电荷放大器)的5个实战配置要点

本文深入解析压电传感器测量电路中的5个关键实战配置要点,包括电缆长度选择、输入阻抗匹配、过载保护设计、低频噪声抑制及放大器选型策略。特别针对电压放大器和电荷放大器的应用场景差异提供工程实践建议,帮助工程师有效解决信号失真、噪声干扰等常见问题,提升测量精度和系统可靠性。

weixin_26869081的博客 305

论文学习:Towards Automated Infographic Design:Deep Learning-based Auto-generation of Extensible Timeline

title: “Towards Automated Infographic Design:Deep Learning-based Auto-generation of Extensible Timeline” tags: [“论文评述”, “报告”] date: 2019-08-22 author: 叶慧 mathjax: true 论文:Towards Automated Infograph...

xiaoyehahaha的博客 734

LuaJit分析(十一)去除string.dump函数

因此即使我们的指令顺序被打乱,通过loadfile系统调用,再通过string.dump调用,可以得到字节码文件,再通过与标准的luajit生成的字节码文件比对,即可找出差异所在。Lua脚本中的string.dump函数用于生成字节码文件,根据对 luajit -b命令的分析可以得出,最终dump出字节码文件都是使用的string.dump函数。同时lj_libdef.h和lj_ffdef.h这两个文件都是自动生成的,在msvcbuild.bat中,使用如下命令生成。

a545958498的博客 1135

高质量文献综述原来这么写!借助Gemini 3 Pro+四步法,手把手教你写出有逻辑深度的综述

总结与展望先总结现状,说明前人已经做到什么地步了,再指出缺口,前人没解决什么问题、方法有什么局限等等,最后再在这个缺口的基础上,提出你的未来研究方向。当你有个复杂的研究题目,但没办法拆解出关键词,就可以让Gemini 3 Pro来辅助帮你拆解,并帮你写专业的检索式,若是找英文文献,还能帮你将中文关键词翻译成地道的专业术语。做文献笔记,可以建立文献笔记矩阵,可以用Excel建个表格,横向是文献,纵向是关键要素,包括作者/年份、研究问题/假设、理论框架/模型、研究方法/数据来源、核心结论、局限性/Gap。

智能AI让学术科研更容易 994

【AI 赋能:Python 人工智能应用实战】16. BERT微调实战:中文新闻分类全流程(附模型蒸馏+ONNX部署完整代码)

中文新闻分类是NLP领域的经典实用任务,BERT模型凭借双向上下文建模能力,能有效解决中文歧义与长文本依赖问题,但存在推理速度慢、资源占用高的痛点。本文以THUCNews中文新闻数据集为核心,提供从数据预处理、BERT微调、模型蒸馏到生产部署的全流程实操指南。首先详解THUCNews的多编码读取与清洗(解决gbk/utf-8兼容问题);然后实现BERT微调,加入早停机制与混淆矩阵可视化,验证准确率达93.8%;接着用DistilBERT完成模型蒸馏,在仅损失0.6%准确率的前提下,将推理速度提升2.7倍。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域,希望和大家共同进步! 1101

大模型——AI对话四象限

{ "摘要": "文章揭示了90%的人不会有效与AI沟通的问题,指出简单粗暴的提问只能得到标准答案。作者提出'AI对话四象限'模型:1)双方都懂时提效;2)AI懂但需学会分层提问;3)共同探索未知领域;4)向AI传授独家知识。强调沟通技巧的重要性,认为会提问的人不会被AI替代。最后呼吁读者尝试四象限思维,与AI碰撞火花。" }

316

全球国家地区城市数据

MySQL全球国家地区城市数据报。。。。。。。。。。。。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

上一篇: ssh: Could not resolve hostname : Name or service not known
下一篇: cloudcompare arm ubuntu22.04
小负不负
博客等级 码龄6年 1308粉丝 53原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小负不负

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址