ROS学习记录:SLAM软件包Hector_Mapping

2024-06-18 05:44

本文主要是介绍ROS学习记录:SLAM软件包Hector_Mapping,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

了解尝试使用Hector_Mapping软件包

一、搜索进入ROS Index

在这里插入图片描述

二、搜索hector_mapping

在这里插入图片描述

三、选择noetic的版本

在这里插入图片描述

四、进入Website

在这里插入图片描述

五、订阅的话题中,一个是scan话题,就是获取激光雷达数据的话题

在这里插入图片描述

六、另一个话题是syscommand话题,主要用来接收reset这类重新建图的指令

在这里插入图片描述

七、再看看它发布的话题,第一个是map_metadata,发布的是地图数据

在这里插入图片描述

1 、点进去看看是些什么数据,第一个是地图的加载时间

在这里插入图片描述

2 、第二个是地图分辨率

在这里插入图片描述

3 、地图的宽和高

在这里插入图片描述

4 、 地图的原点坐标

在这里插入图片描述

八、map话题发布的是地图栅格数据

在这里插入图片描述

九、这个话题的原始机器人定位信息

在这里插入图片描述

十、这个话题是校正后的机器人定位信息

在这里插入图片描述

十一、安装并使用Hector_Mapping

1、输入sudo apt install ros-noetic-hector-mapping进行安装

在这里插入图片描述

2、输入cd catkin_ws1,进入工作空间

在这里插入图片描述

3、输入source ./devel/setup.bash,设置ROS的环境变量,以便在当前的终端窗口中正确运行ROS软件包。

在这里插入图片描述

4、输入roslaunch wpr_simulation wpb_stage_slam.launch,运行机器人和仿真环境

在这里插入图片描述

5、对终端进行分屏,输入 rosrun hector_mapping hector_mapping运行SLAM节点,回车后SLAM的功能已经在运作了,我们用RViz窗口来查看输出的地图

在这里插入图片描述

6、对终端再进行分屏,输入rosrun rviz rviz

在这里插入图片描述

7、在打开的RViz界面,进行添加机器人模型

在这里插入图片描述

8、再添加激光雷达的扫描测距点

在这里插入图片描述

9、选择话题/scan

在这里插入图片描述

10、将测距点改大一点,size改成0.03,方便看清

在这里插入图片描述

11、添加Map地图

在这里插入图片描述

12、设置地图的话题名称/map

在这里插入图片描述

13、机器人脚下出现的即为当前位置扫描的第一帧地图

在这里插入图片描述

14、把RViz和机器人仿真窗口并排显示,方便观察

在这里插入图片描述

15、对终端再进行分屏,输入rosrun rqt_robot_steering rqt_robot_steering打开机器人速度控制器

在这里插入图片描述

16、把这个往前拖动,机器人就会往前走,下面的条是控制机器人转弯,我们需要控制机器人移动,让它把地图给扫描完

在这里插入图片描述

17、达到这样,就成功把地图建出来了

在这里插入图片描述

这篇关于ROS学习记录:SLAM软件包Hector_Mapping的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1071457

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个