Clever Geek Handbook

EnquĂȘte sur les mĂ©thodes SLAM pour la navigation intĂ©rieure des robots mobiles. ExpĂ©rience de recherche en robotique R2. (a continuĂ©)

introduction

Dans le dernier article, nous avons examinĂ© plusieurs algorithmes SLAM modernes pour ROS . Cet article discutera de l'application du SLAM dans la pratique. Un prototype de robot marchandiseur mobile de R2 Robotics est utilisĂ© comme robot . Le robot a une base avec deux roues motrices situĂ©es sur le mĂȘme axe au centre, ce qui lui permet d'effectuer des virages sur place et contribue Ă  une grande maniabilitĂ©. Le diamĂštre du robot est d'environ 60 cm et sa hauteur est de 1,5 mĂštre.





4. Tester

Les capteurs du robot sont : lidar 2D RPLidar A1 , caméra RGBD Intel RealSense D435i et caméra de suivi Intel RealSense T265 pour le suivi odométrique. Le lidar est installé au bas du robot et scanne uniquement le secteur frontal de 180 degrés, tandis que la caméra est réglée à 1,1 m et inclinée vers le bas à un angle de 40 degrés. Considérant que la hauteur du robot est de 150 cm, la caméra permet de reconnaßtre les obstacles à une hauteur inaccessible au lidar.





Figure 8 - ModĂšle de robot dans RViz
Figure 8 - ModĂšle de robot dans RViz

9. 70 2 . , , .





Figure 9 - Salle pour les tests de cartographie
9 –

4.1 Rtabmap





– ( 10).





MAIS)
)
B)
B)

10 – Rtabmap ) b) RGBD





10 – , , . , . , , , .





, , RGBD , . , - . , , , .





Figure 11 - Comparaison des objets affichés sur les cartes : rouge - étagÚres et chaises hautes, bleu - tables et fauteuils, jaune - canapés et armoire, vert - chaises
11 – : – , – , – , –

11 , , . . , , , 2D . , , ( ). – 7 .





, , . , ( 12).





Figure 12 - Affichage des données d'une caméra RGBD dans RViz
12 – RGBD RViz

, , , . , 11 . , , , , .





. , , . , 13 14.





Figure 13 - Éviter un obstacle sur une carte construite Ă  l'aide d'une camĂ©ra de profondeur
13 – ,
Figure 14 - Éviter un obstacle sur une carte construite Ă  l'aide d'un lidar (noir - un obstacle sur la carte, gris - espace libre sur la carte, rose - un obstacle sur la couche d'obstacles costmap, bleu - couche d'inflation global costmap, rouge et bleu - carte des coĂ»ts locaux de la couche d'inflation)
14 – , ( – , – , – costmap obstacle layer, – inflation layer global costmap, – inflation layer local costmap)

, , , ( 13). , , . , obstacle_layer , ( 14). , . , obstacle_layer . , . , , , «» , , . , , , , .





4.2 Google Cartographer





Google Cartographer . RPLidar A1, Intel RealSense D435i. 





. SLAM, . , , SLAM . , , . . , 2- . , Rtabmap 2 . Rtabmap – SLAM, , Cartographer – , . , 2 , Cartographer . , , , . Cartographer, , , , SLAM.





, , .





Figure 15 - Carte Lidar avec a) Cartographe b) Rtabmap
15 – ) Cartographer b) Rtabmap

15, , Cartographer , , SLAM Rtabmap.





Figure 16 - Visualisation de la carte Rviz Cartographe, construite sur le lidar
16 – Rviz Cartographer,

16 . Cartographer. Cartographer , , , , . , - . , Cartographer «» . . , Cartographer – , . , . , ( - ), .





, , . - navigation stack obstacle layer. , . navigation stack, . , , .





Cartographer SLAM SLAM. , Cartographer , , , , . , Cartographer «» , . . , , 5-10 . , ( Cartographer) , , .





, Cartographer , . Rtabmap, Cartographer . Rtabmap , , , , , Rtabmap ( , ).





17 2- , Cartographer. 1, 2, , . , 2 , . , , . Rtabmap , , Cartographer .





Figure 17 - Carte cartographe à 2 piÚces tracée par lidar
17 – Cartographer 2- ,

SLAM Rtabmap Cartographer , . 2D , . , , obstacle_layer, .





, . -, , 3D . , (, , .) . , , , .





, SLAM. , .





Gmapping – 2D , Cartographer Rtabmap . , Gmapping, 3D .





Rtabmap Cartographer SLAM. Rtabmap , . , , . , – .





Cartographer , ( ) . , SLAM .









  1. Pedrosa, E., L. Reis, C. M. D. Silva and H. S. Ferreira. Autonomous Navigation with Simultaneous Localization and Mapping in/outdoor. 2020.





  2. Gmapping [ ] URL: http://wiki.ros.org/gmapping, – . . . : 14.08.2020 .





  3. Google Cartographer ROS [ ] URL: https://google-cartographer-ros.readthedocs.io/en/latest/#, – . . . : 04.11.2020 .





  4. RTAB-Map, Real-Time Appearance-Based Mapping [ ] URL: http://introlab.github.io/rtabmap/, – . . . : 22.06.2020 .





  5. Adaptive Monte Carlo localization [ ] URL: http://wiki.ros.org/amcl, – . . . : 03.08.2020 .





  6. Building Maps Using Google Cartographer and the OS1 Lidar Sensor [ ] URL: https://ouster.com/blog/building-maps-using-google-cartographer-and-the-os1-lidar-sensor/, – . . . : 25.02.2021 .





  7. LabbĂ©, M, Michaud, F. RTAB‐Map as an open‐source lidar and visual simultaneous localization and mapping library for large‐scale and long‐term online operation. J Field Robotics. 2019; 35: 416– 446.





  8. Silva, B.M.F.D.; Xavier, R.S.; Gonçalves, L.M.G. Mapping and Navigation for Indoor Robots under ROS: An Experimental Analysis. Preprints 2019.





  9. Mathieu Labbé et François Michaud. Détection de fermeture de boucle globale en ligne pour le SLAM multi-sessions à grande échelle basé sur des graphes. 2014 Conférence internationale IEEE / RSJ sur les robots et systÚmes intelligents, pages 2661-2666, 2014.







More articles:


All Articles