采用16线激光雷达和轮式里程计调用cartographer室内融合定位

用自己的雷达和IMU运行cartographer 阅读详情

采用16线激光雷达和轮式里程计调用cartographer室内融合定位

​之前有说过如何调用cartographer进行室内纯定位,但那是采用纯激光雷达进行定位的,我们知道,纯激光雷达存在长廊效果,如果室内场景特征不够明显,定位肯定是不行的。

那么要想不出现长廊效应,现有的办法就是融合定位,因为不管怎样,采用纯激光雷达都会出现长廊效应,但是融合定位可以很好的解决这个问题。

本次我将说明如何进行参数配置实现调用cartographer包进行融合定位。(本次采用的是激光雷达+轮式里程计融合定位)

首先就是revo_lds.lua配置文件,其中published_frame需要改成odom,然后tracking_frame如果不使用imu的话,则是base_link或者base_footprint,一般是base_link,如果采用imu的话则是imu_link。

下面的一系列true和false全改成false,除了use_odometry这一项是否使用里程计改成true。

主要是该文件的配置,其他的配置基本可以不改:

revo_lds.lua:

include "map_builder.lua"
include "trajectory_builder.lua"

options = {
  map_builder = MAP_BUILDER,
  trajectory_builder = TRAJECTORY_BUILDER,
  map_frame = "map",
  tracking_frame = "base_footprint",
  published_frame = "odom",
  odom_frame = "odom",
  provide_odom_frame = false,
  publish_frame_projected_to_2d = false,
  use_odometry = true,
  use_nav_sat = false,
  use_landmarks = false,
  num_laser_scans = 1,
  num_multi_echo_laser_scans = 0,
  num_subdivisions_per_laser_scan = 1,
  num_point_clouds = 0,
  lookup_transform_timeout_sec = 0.5,
  submap_publish_period_sec = 0.3,
  pose_publish_period_sec = 2e-2,
  --启用将跟踪的姿势发布为geometry_msgs / PoseStamped到主题“ tracked_pose”。
  --publish_tracked_pose_msg = true,
  trajectory_publish_period_sec = 30e-3,
  rangefinder_sampling_ratio = 1.,
  odometry_sampling_ratio = 1.,    
  --如果有时间不一致问题odometry_sampling_ratio可以改为0.3或0.1,但未从根源上解决问题。
  fixed_frame_pose_sampling_ratio = 1.,
  imu_sampling_ratio = 1.,
  landmarks_sampling_ratio = 1.,
  }
  --pure_localization
  POSE_GRAPH.optimize_every_n_nodes = 0
  MAP_BUILDER.num_background_threads = 4
  POSE_GRAPH.global_sampling_ratio = 0.003
  POSE_GRAPH.constraint_builder.sampling_ratio = 0.3
  POSE_GRAPH.constraint_builder.min_score = 0.85
  POSE_GRAPH.global_constraint_search_after_n_seconds = 30
  --pure_localization end
  -- POSE_GRAPH.optimization_problem.log_solver_summary = true

  MAP_BUILDER.use_trajectory_builder_2d = true
  
  TRAJECTORY_BUILDER_2D.submaps.num_range_data = 45
  TRAJECTORY_BUILDER_2D.min_range = 0.05
  TRAJECTORY_BUILDER_2D.max_range = 15.
  TRAJECTORY_BUILDER_2D.missing_data_ray_length = 1.
  TRAJECTORY_BUILDER_2D.use_imu_data = true
  --重力常数
  TRAJECTORY_BUILDER_2D.imu_gravity_time_constant = 9.7883
  
  TRAJECTORY_BUILDER_2D.use_online_correlative_scan_matching = true
  TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.linear_search_window = 0.1
  --TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.angular_search_window = math.rad(45.)
  TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.translation_delta_cost_weight = 10.
  TRAJECTORY_BUILDER_2D.real_time_correlative_scan_matcher.rotation_delta_cost_weight = 1e-1

  --扫描匹配器可以在不影响分数的情况下自由地前后移动匹配项。我们希望通过使扫描匹配器支付更多费用来偏离这种情况,
  --从而对这种情况进行惩罚。控制它的两个参数是TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight和
  --rotation_weight。越高,将结果从先前移开,换句话说,就越昂贵:扫描匹配必须在要接受的另一个位置产生更高的分数。
  --TRAJECTORY_BUILDER_2D.ceres_scan_matcher.translation_weight = 2e2
  --TRAJECTORY_BUILDER_2D.ceres_scan_matcher.rotation_weight = 4e2


  POSE_GRAPH.optimization_problem.huber_scale = 1e2
  --odom
  --POSE_GRAPH.optimization_problem.initial_pose_translation_weight = 1e5
  --POSE_GRAPH.optimization_problem.initial_pose_rotation_weight = 1e5
  --POSE_GRAPH.optimization_problem.odometry_translation_weight = 1e5
  --POSE_GRAPH.optimization_problem.odometry_rotation_weight = 1e1
  

return options

然后就是在运行过程中可能会报错的问题,主要是时间不一致的问题,参考:

https://blog.csdn.net/weixin_44570248/article/details/118462631

最后附上我定位的图片:

在这里插入图片描述

这是刚启动rviz存在的定位偏差

在这里插入图片描述

这是在小车实际运行一段时间后的定位,可以看出效果还是有所改善的,不过也同样存在一点偏差。

最后说一些小提示:像这个定位的先验地图是很久之前建好的,个人建议在最初建图时将场景内的不确定因素可以先移出场景外,建一个“保质期”比较久的地图可以为后续的定位达到更好的效果。

ROS2手持单线雷达cartographer建图 ubuntu22.04+ROS2+cartographer+bm661(Lakibeam1(L))手持单线雷达建图。 阅读详情

相关推荐

基于激光雷达的里程计及3D点云地图中的定位方法

在机器人导航和定位中,利用激光雷达数据进行里程计估计和构建3D点云地图是常见的技术手段。本文将介绍基于激光雷达的里程计估计方法和利用3D点云地图进行定位的方法,并提供相应的源代码。综上所述,基于激光雷达的里程计估计和利用3D点云地图进行定位是常见的机器人导航和定位方法。特征匹配:通过对当前时刻的特征与地图中的特征进行匹配,计算机器人在地图中的位置。定位更新:将机器人在地图中的位置应用于全局坐标系,更新机器人的全局位姿。里程计更新:将机器人的位姿变化应用于全局坐标系,更新机器人的全局位姿。

DevGOOD的博客 686

Cartographer(3)lidar+IMU建图

Cartographer接入Lidar 与 IMU 进行建图,修改运行文件并编写urdf文件发布 tf 信息

旧势力底层学习者 7125

(九)lua配置参考文档

注意到cartographer ros integration 使用tf2,因此所有的ID只有一个名字。 注意到cartographer的话题名类型是base,可以使用在launch使用remap来和base名进行映射。 下面的参数文件是配置文件最上层(top-level)的参数 map_frame:地图坐标系ID,通常为“map” tracking_frame:算法跟踪坐标系,如果使用了IMU...

南北粉面馆 827

ROS2+cartographer+激光雷达+IMU里程计数据融合(robot_locazation) 建图

之前写了一篇ROS2+cartorgrapher+激光雷达建图并保存,但是由于其只对激光雷达的数据进行订阅,这就导致了其建图在室内会有一个较好的效果(但是也会出现偏差),在室外完全无法使用。究其原因,是因为只用激光雷达且没有比较明显的建筑障碍物的话,cartographer很难计算出一个比较精准的位置和朝向。因此,为了达到一个更好的建图效果,我们使用了robot_localization包,对IMU和里程计的数据进行融合,并将其发布,使得cartographer的建图效果更上一层楼。

scarecrow_sun的博客 2万+

在VSCode中使用LaTex+(grammarly语法检测,chatgpt翻译,Sumatra PDF 轻量级pdf阅读器)

整个文章分为以下几个内容,打 * 的是必须要安装的。

u011895157的博客 2万+

AI视频生成技术研究报告:现状、挑战与展望

AI 视频生成技术概述:介绍 AI 视频生成技术的基本概念,回顾其发展历程,从早期依赖图像拼接的简单生成方式,到如今融合多种先进技术的复杂模型应用,梳理技术演进的关键节点和重要突破。同时,分析该技术在当前阶段的特点,包括生成视频的质量、速度、灵活性等方面,以及与传统视频制作方式的差异,阐述 AI 视频生成技术如何改变视频创作的流程和模式。技术实现路径分析。

daqsdfas的博客 4634

carto 调试记录

CARTO 调试记录 published_frame = “base_link”, odom_frame = “odom”, provide_odom_frame = true, publish_frame_projected_to_2d = false, use_odometry = true, &l...

1818610 1191

从零开始构建高精度称重系统:ADS1232硬件设计与软件调优实战

本文详细介绍了如何基于TI的ADS1232 24位ADC芯片构建高精度称重系统,涵盖硬件设计、软件调优及校准算法。通过优化电源设计、PCB布局和卡尔曼滤波算法,实现毫克级测量精度,适用于工业自动化和实验室等高要求场景。

weixin_28285943的博客 383

ROS小车研究笔记3/18/2023:SLAM建图系统架构

其子坐标系定义了小车摄像机,雷达,陀螺仪,和车体的相对位置。wheeltec_robot节点为小车控制节点,其发布里程计和imu消息,并根据传入的速度控制指令来控制下位机电机。gmapping算法实现需要输入激光雷达深度信息,里程计信息,和imu信息。odom_combined使用卡尔曼滤波将里程计和imu的信息结合得到了更精准的小车坐标信息。base_link代表了小车车体坐标,其子坐标系定义了各个车轮相对于车体的位置。robot_pose_ekf发布地图原点和小车的坐标系变换。

Raine_Yang的博客 1933

NDVI空间分布变化Slope趋势分析与F检验(自用)

1.NDVI数据预处理2.一元线性回归分析3.Slope趋势分析与F检验

什么都学亿点点的博客 9021

ROS环境下UR机械臂与Realsense相机手眼标定实战指南

本文提供了在ROS环境下,对UR机械臂与Realsense相机进行手眼标定的完整实战指南。详细介绍了从环境搭建、软件包安装、硬件配置到分步数据采集与计算的完整流程,并分享了常见的避坑技巧与精度优化方法,旨在帮助开发者高效、准确地完成标定,为后续的机器人视觉应用奠定坚实基础。

sunny的博客 650

错误Could not find a connection between ‘/base_footprint‘ and‘/base_link‘

错误 :Could not find a connection between ‘/base_footprint’ and’/base_link’ because they are not part of the same tree.Tf has two or more unconnected trees.

weixin_44562141的博客 4511

Librepilot _64位window10环境下的搭建及一些坑的解决办法

  刚入IT行业的小菜鸟,在window上折腾了四天的librepilot地面控制站的搭建,想着这么辛苦不能白费了,看网上相关资料少得可怜,唯一一个详细教程还是在32位环境下,一大堆坑,所以把自己的经验写下来,供大家一起参考。 参考的原文是:https://www.cnblogs.com/jasonchan1202/p/7809937.html的博客,但是执行下来才发现这个博客对64位系统极其不...

weixin_41426339的博客 2730

【SLAM】Cartographer的配置和运行

本文主要记录如何安装Cartographer相关依赖以及运行

Q小鑫 2625

Python爬虫实战:如何通过解析JSON数据抓取抖音视频评论

本文介绍了如何使用Python爬虫抓取抖音视频评论数据。请求头伪造:通过使用随机的User-Agent,模拟真实用户的请求。代理池:使用代理IP来避免被封禁。JSON解析:直接从API接口获取JSON格式的数据,避免了动态加载内容的限制。需要注意的是,抓取网站数据时应遵守网站的爬虫协议,避免过度抓取影响网站性能或违反法律法规。希望本文能够帮助你掌握如何抓取和分析抖音视频评论数据!

2201_76125261的博客 3365

基于RK3588平台的高分辨率多摄像头系统深度优化:从48M单摄到双摄分时复用的完整解决方案

本文深入解析了RK3588平台的高分辨率摄像头实现方案。重点介绍了:1)RK3588的MIPI PHY硬件架构,包括DCPHY和DPHY的资源配置及工作模式;2)双ISP合成技术,通过并行处理提升48M高分辨率图像的处理能力;3)以OV50C40传感器为例,详细展示了48M单摄系统的硬件连接、I2C设备配置和关键参数设置。文章为开发者提供了从硬件连接到软件配置的完整技术方案,有助于实现高性能嵌入式视觉系统。

FJN110的博客 677

cartographer实车测试修改launch文件和lua文件

针对网上安装的cartographer算法,能够跑bag包的前提下,如何实车上测试的问题。

qq_35120962的博客 1775

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

【cartographer_ros】四: 发布和订阅里程计odom信息

上一节介绍了激光雷达Odometry传感数据的订阅和发布。本节会介绍里程计Odom数据的发布和订阅。里程计在cartographer中主要用于前端位置预估和后端优化。

Cloud_H的博客 8645

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Cartographer源码阅读2D&3D-数据流动-轨迹添加

Cartographer-2D数据流动-轨迹添加 以单线激光雷达数据和轮速计为例。 入口 在node_main.cc中: void Run() { constexpr double kTfBufferCacheTimeInSeconds = 10.; // 构建tf_buffer tf2_ros::Buffer tf_buffer{::ros::Duration(kTfBufferCacheTimeInSeconds)}; tf2_ros::TransformList

yeluohanchan的博客 1556

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【踩坑记录】仿真环境使用小车进行Cartographer 3D Slam(深度摄像头)

仿真环境下采用深度摄像头运行cartographer 3D slam

Howe_xixi的博客 3680

SLAM学习笔记(十七)激光SLAM——Cartographer配置文件参数解释及报错原因

运行 Cartographer的配置参数比较重要,稍微不注意就会报错,例如一个常见的错误类型: [ERROR] [1602741280.449037435, 153.231000000]: Ignoring transform from authority "unknown_publisher" with frame_id and child_frame_id "odom" because they are the same 类似错误大多是因为配置文件设置的不正确。 以turtlebot3配置文.

微鉴道长的博客 5679

cartographer之运行自己的bag包

要注意的是:在carto src目录下改变文件之后,不仅仅是代码,配置文件及launch文件之后,需要重新编译一下,系统会将改变后的文件安装到指定目录,才会生效。 参考carto的3D 的demo,从launch文件看起: <launch> <param name="/use_sim_time" value="true" /> <include file="$(find cartographer_ros)/launch/backpack_3d.launch" .

avenger_fang的博客 2811

室内四足机器人SLAM+导航(cartographer2D+move_base)

室内四足机器人SLAM+导航(cartographer2D+move_base) cartographer环境安装和使用 安装流程这里省略,直接百度一下安装教程即可,安装完成后进入src中的cartographer_ros包,我们主要修改launch,cartographer_files和urdf。如果机器人的tf的发布已经有了,则不需要写urdf模型。我用的传感器配置有velodyne16线激光雷达和imu(狗提供)。 cartographer建图 urdf模型 需要将激光雷达,imu和狗的base_li

weixin_43957172的博客 3094

Cartographer(二)使用思岚rplidar雷达进行cartographer建图

一、修改launch文件和lua配置文件 (1)修改revo_lds.lua 到目录下,打开文件 /xx/catographer_ws/src/cartographer_ros/cartographer_ros/configuration_files/revo_lds.lua 修改三个地方,如下有注释的地方,其中--为注释 tracking_frame = "laser", --horizontal_laser_link改为laser published_frame = "laser

biter0088的博客 5896

cartographer+navigation定位及里程计调试实验记录(一)

实验时间: 2021.08.21 实验地点: 科技园B座一楼楼道 调试内容: 1、0.2m/s速度重新建图的定位效果; 2、cartographer重定位的时间; 3、手动设置初始点实现重定位。 实验重要部分记录: (1)建图的时候,用以下方法较好,用offline_XXX需要另外配置参数: roslaunch cartographer_ros demo_backpack_2d.launch bag_filenames:=floor_12.bag rosservice call /finish_trajec

酸梅果茶的博客 6307

cartographer里程计融合:提升位姿估计鲁棒性

在机器人导航与定位系统中,里程计(Odometry)数据是实现实时位姿估计的关键输入。然而,单一传感器的测量误差会随时间累积,导致轨迹漂移。Cartographer作为Google开源的实时同步定位与地图构建(SLAM)系统,通过多源传感器数据融合策略,有效提升了位姿估计的鲁棒性。本文将从原理、配置与实践三个维度,解析Cartographer如何通过里程计融合解决工业场景中的定位挑战。 ## 核...

gitblog_00293的博客 954
上一篇: Cartographer融合定位时间不一致问题解决方法
下一篇: Autoware1.14编译报错解决方法
酒吧舞男
博客等级 码龄8年 485粉丝 68原创
评论 3
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
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