# 9.2 Gmapping ## 9.2.1 Gmapping SLAM软件包 Gmapping算法是目前基于**激光雷达**和**里程计**方案里面比较可靠和成熟的一个算法，它基于粒子滤波，采用RBPF的方法效果稳定，许多基于ROS的机器人都跑的是gmapping_slam。这个软件包位于ros-perception组织中的[slam_gmapping](https://github.com/ros-perception/slam_gmapping)仓库中。 其中的`slam_gmapping`是一个metapackage，它依赖了`gmapping`，而算法具体实现都在`gmapping`软件包中，该软件包中的`slam_gmapping`程序就是我们在ROS中运行的SLAM节点。如果你感兴趣，可以阅读一下`gmapping`的源代码。 如果你的ROS安装的是desktop-full版本，应该默认会带gmapping。你可以用以下命令来检测gmapping是否安装 ```bash apt-cache search ros-$ROS_DISTRO-gmapping ``` 如果提示没有，可以直接用apt安装 ```bash sudo apt-get install ros-$ROS_DISTRO-gmapping ``` gmapping在ROS上运行的方法很简单 ```bash rosrun gmapping slam_gmapping ``` 但由于gmapping算法中需要设置的参数很多，这种启动单个节点的效率很低。所以往往我们会把gmapping的启动写到launch文件中，同时把gmapping需要的一些参数也提前设置好，写进launch文件或yaml文件。 具体可参考教学软包中的`slam_sim_demo`中的`gmapping_demo.launch`和`robot_gmapping.launch.xml`文件。 ## 9.2.2 Gmapping SLAM计算图 gmapping的作用是根据激光雷达和里程计（Odometry）的信息，对环境地图进行构建，并且对自身状态进行估计。因此它得输入应当包括激光雷达和里程计的数据，而输出应当有自身位置和地图。 下面我们从计算图（消息的流向）的角度来看看gmapping算法的实际运行中的结构：  位于中心的是我们运行的`slam_gmapping`节点，这个节点负责整个gmapping SLAM的工作。它的输入需要有两个： ### 输入 * `/tf`以及`/tf_static`： 坐标变换，类型为第一代的`tf/tfMessage`或第二代的`tf2_msgs/TFMessage` 其中一定得提供的有两个tf，一个是`base_frame`与`laser_frame`之间的tf，即机器人底盘和激光雷达之间的变换；一个是`base_frame`与`odom_frame`之间的tf，即底盘和里程计原点之间的坐标变换。`odom_frame`可以理解为里程计原点所在的坐标系。 * `/scan` :激光雷达数据，类型为`sensor_msgs/LaserScan` `/scan`很好理解，Gmapping SLAM所必须的激光雷达数据，而`/tf`是一个比较容易忽视的细节。尽管`/tf`这个Topic听起来很简单，但它维护了整个ROS三维世界里的转换关系，而`slam_gmapping`要从中读取的数据是`base_frame`与`laser_frame`之间的tf,只有这样才能够把周围障碍物变换到机器人坐标系下，更重要的是`base_frame`与`odom_frame`之间的tf，这个tf反映了里程计（电机的光电码盘、视觉里程计、IMU）的监测数据，也就是机器人里程计测得走了多少距离，它会把这段变换发布到`odom_frame`和`laser_frame`之间。 因此`slam_gmapping`会从`/tf`中获得机器人里程计的数据。 ### 输出 * `/tf`： 主要是输出`map_frame`和`odom_frame`之间的变换 * `/slam_gmapping/entropy`： `std_msgs/Float64`类型，反映了机器人位姿估计的分散程度 * `/map`： `slam_gmapping`建立的地图 * `/map_metadata`： 地图的相关信息 输出的`/tf`里又一个很重要的信息，就是`map_frame`和`odom_frame`之间的变换，这其实就是对机器人的定位。通过连通`map_frame`和`odom_frame`，这样`map_frame`与`base_frame`甚至与`laser_frame`都连通了。这样便实现了机器人在地图上的定位。 同时，输出的Topic里还有`/map`，在上一节我们介绍了地图的类型，在SLAM场景中，地图是作为SLAM的结果被不断地更新和发布。 ## 9.2.3 里程计误差及修正 目前ROS中常用的里程计广义上包括车轮上的光电码盘、惯性导航元件（IMU）、视觉里程计，你可以只用其中的一个作为odom，也可以选择多个进行数据融合，融合结果作为odom。通常来说，实际ROS项目中的里程计会发布两个Topic： * `/odom`: 类型为`nav_msgs/Odometry`，反映里程计估测的机器人位置、方向、线速度、角速度信息。 * `/tf`: 主要是输出`odom_frame`和`base_frame`之间的tf。这段tf反映了机器人的位置和方向变换，数值与`/odom`中的相同。 由于以上三种里程计都是对机器人的位姿进行估计，存在着累计误差，因此当运动时间较长时，`odom_frame`和`base_frame`之间变换的真实值与估计值的误差会越来越大。你可能会想，能否用激光雷达数据来修正`odom_frame`和`base_frame`的tf。事实上gmapping不是这么做的，里程计估计的是多少，`odom_frame`和`base_frame`的tf就显示多少，永远不会去修正这段tf。gmapping的做法是把里程计误差的修正发布到`map_frame`和`odom_frame`之间的tf上，也就是把误差补偿在了地图坐标系和里程计原点坐标系之间。通过这种方式来修正定位。 这样`map_frame`和`base_frame`，甚至和`laser_frame`之间就连通了，实现了机器人在地图上的定位。 * `/odom` ## 9.2.4 服务 `slam_gmapping`也提供了一个服务： * `/dynamic_map`： 其srv类型为nav_msgs/GetMap，用于获取当前的地图。 该srv定义如下： nav_msgs/GetMap.srv ```cpp # Get the map as a nav_msgs/OccupancyGrid --- nav_msgs/OccupancyGrid map ``` 可见该服务的请求为空，即不需要传入参数，它会直接反馈当前地图。 ## 9.2.5 参数 `slam_gmapping`需要的参数很多，这里以`slam_sim_demo`教学包中的`gmapping_demo`的参数为例，注释了一些比较重要的参数，具体请查看`ROS-Academy-for-Beginners/slam_sim_demo/launch/include/robot_gmapping.launch.xml` ```xml <node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen"> <param name="base_frame" value="$(arg base_frame)"/> <!--底盘坐标系--> <param name="odom_frame" value="$(arg odom_frame)"/> <!--里程计坐标系--> <param name="map_update_interval" value="1.0"/> <!--更新时间(s)，每多久更新一次地图，不是频率--> <param name="maxUrange" value="20.0"/> <!--激光雷达最大可用距离，在此之外的数据截断不用--> <param name="maxRange" value="25.0"/> <!--激光雷达最大距离--> <param name="sigma" value="0.05"/> <param name="kernelSize" value="1"/> <param name="lstep" value="0.05"/> <param name="astep" value="0.05"/> <param name="iterations" value="5"/> <param name="lsigma" value="0.075"/> <param name="ogain" value="3.0"/> <param name="lskip" value="0"/> <param name="minimumScore" value="200"/> <param name="srr" value="0.01"/> <param name="srt" value="0.02"/> <param name="str" value="0.01"/> <param name="stt" value="0.02"/> <param name="linearUpdate" value="0.5"/> <param name="angularUpdate" value="0.436"/> <param name="temporalUpdate" value="-1.0"/> <param name="resampleThreshold" value="0.5"/> <param name="particles" value="80"/> <param name="xmin" value="-25.0"/> <param name="ymin" value="-25.0"/> <param name="xmax" value="25.0"/> <param name="ymax" value="25.0"/> <param name="delta" value="0.05"/> <param name="llsamplerange" value="0.01"/> <param name="llsamplestep" value="0.01"/> <param name="lasamplerange" value="0.005"/> <param name="lasamplestep" value="0.005"/> <remap from="scan" to="$(arg scan_topic)"/> </node> ``` ### 演示截图 gmapping算法演示效果图如下：