今年的要求较前两年有明显不同，前两年只是简单的仿真，而今年则是直接仿真国赛部分内容
在阅读指南之前，希望大家明确几个点
第一，在开始之前一定要先去读一读赛事方的规则，而且要仔细读，不然很有可能做出来的东西并不符合赛事方的要求
第二，省赛部分的难度其实尚可，本质是对AI工具的灵活运用，所以这次讲的思路，实际上也只是如何利用好AI的思路
第三，阅读指南时，如有不解或困惑，一定要及时提问
第四，参考文件还存在诸多不完美之处，仅供参考，目前已知的缺陷是避障功能欠缺，导致导航成功率不是100%，但也还好，在七八成左右
第五，文件到手记得自己编译下，如果你忘了，那你告诉我你学了个啥
下面开始分析本次省赛的核心要求，用简单明了的话说，就是完成一个仿真任务，一辆小车在一张特定的地图中，先完成建图，后完成自动定点导航，以及在特定区域对人物的准确识别，这是大体的需求，接下来掰开了讲详细需求
首先，需要有一张地图，赛方的规则里给出了这张地图的模型及尺寸，但是是以图片的形式，需要我们自己去转化为可用的三维模型，并在gazebo里加载，这里有一个注意点，想要在导航的时候对人物进行识别，就需要提前在地图里放好人物的贴图（后面会讲怎么放）；剩下的就是需要一辆仿真小车，赛方明确表示使用开源小车只得基础分，说的很明白，用开源小车的分数就是没有别人高，只不过当下时间紧任务重，怎么选择看你们自己。这个小车需要实现几个目标，一是需要能动起来，完成跑图的任务，同时不能乱跑，需要定位手段实现路径规划和避障，雷达就是必不可少的定位装置，当然还有一个不可或缺的定位装置就是机器人的地盘——轮式里程计，通过机器人走了多少路粗略估计机器人的位移变化。最后就是实现人物的识别功能，思路很简单，拍下仿真场景的照片（当然是由小车在仿真环境中自己拍摄），在跑完导航后对得到的照片进行识别，这就需要在小车上放虚拟摄像头。最后就是整合这些要求所需要的文件——gazebo仿真的world文件、小车的urdf及xacro文件（包含了小车的建模和功能实现）、建图的launch文件、定点导航的launch文件和用于自动导航和拍照识别的script脚本
下面开始具体操作，操作中所用到的文件内容都可以在群里找到
第一步，完成地图的建模并导入gazebo
首先在建模软件中（SW,Inventor等）完成对地图的三维建模，注意赛方给出的地图图片中，墙体是存在厚度的，随后将地图模型另存为STL文件
- 注意
保存出来的文件为xxx.STL，请将大写的STL改为小写的stl再导入Ubuntu虚拟机中，否则gazbeo无法识别
gazbo本身并不直接识别stl文件，事实上sdf文件才是gazebo的模型文件，我们可以通过固定的代码和文件框架，实现把stl变为sdf模型的功能
在导入之前先讲一下gazeb模型库的文件结构
一个总的文件夹gazebo_model，代表了这个模型库的库名，这个名字并不是十分重要，可以任意命名，下面的几个分文件夹，每一个文件夹对应了一种模型，地图就是其中一个模型
我们打开map文件夹，看到里面有三个文件，一个是我们导出的stl文件，一个是model.config，是对模型文件信息的一些描述，比如作者、邮箱、描述等，不算是一个重要的文件，重要的文件是后面的sdf文件，受限于篇幅和水平，没有办法详细讲解sdf文件的细节，大家如果使用的是自己的stl，需要替换下图两个地方的路径
如何查看自己的stl在什么地方，这里可以使用终端查看，在stl所在的目录下右键，点击Open in Terminal，如图，会在当前目录下打开终端
终端中的蓝字部分就是当前文件夹所在的路径，比如图中的就是~/Desktop/gazebo_model/map，这里最前面的~符号，我们并不能在文件中直接这么写，实际上，~对应的路径是/home/你的用户名，这个用户名是创建系统时输入的用户名，也可以在桌面上看到
比如这里就是/home/wb，再把后面的地址拼接起来，最后你需要在sdf文件里替换的路径就变成了/home/wb/Desktop/gazebo_model/map/xxx.stl（注意stl不论是文件还是sdf里都要改成小写），注意有两处路径需要改
顺便讲一下贴图是怎么在gazebo里实现的，实际上是生成了一个厚度很小的立方体，把图片写成material文件形式，给这个立方体的六个面都贴上material，就实现了贴图功能，比如砖块就是正方体贴上砖块材质的贴图而来，有兴趣的同学可以研究一下贴图的文件结构，这里就不赘述了
得到了所有需要使用的模型文件之后，我们需要导入gazebo，并保存为world
我们打开gazebo，点击左上角的Insert，随后点击Add Path，添加我们自己的模型库的路径
- 注意导入时选择的是文件夹，我们直接选择整个库文件夹即可
点击gazebo_model，然后点击右上角的Open
顺利的话会在左边一栏里看到导入的模型
随后点击其中的map，鼠标拖动到右边的仿真世界中，顺利的话会出现地图的模型文件
鼠标移动可以带动模型文件动，按住ctrl移动鼠标可以使地图吸附网格，这对后面可能需要的平移旋转操作同样适用，随后再次点击鼠标左键即可放下地图
放贴图的过程和放地图的过程别无二致 - 很多人会存在地图是竖着放置或是贴图是倒过来的情况，可以使用gazebo自带的操作工具，平移和旋转之后，得到正常的模型
- 完成之后我们点击右上角的File，在展开的选项中我们选择Save World As，以文件形式保存，可以放在自己工具包的worlds目录下面，命名随意，但注意保存成xxx.world，这个.world的扩展名需要自己手动加
第二步 完成仿真机器人的建模和功能实现
本次比赛的一大难关已经度过，接下来是更难的一关，自建机器人，如果是使用开源模型则可以跳过这一段，当然有些开源机器人不含摄像头，要自己想办法加一下
描述机器人的模型也有三种格式urdf,xacro和sdf，没错又是sdf，不过这次用不到，讲前两个urdf是通用的机器人描述格式，而xacro可以理解为是urdf的增强版本，对机器人的一些变量做了宏定义，方便我们后期更改尺寸之类的一些参数
首先来生成urdf，在赛方给出的实验指导中，直接把问AI的话术都给你写好了
直接用AI生成urdf即可，可以在rviz中加载自己的机器人模型检查是否正常，对应我发的包的launch文件夹内的display.launch，记得把里面urdf的路径改成自己的，urdf和xacro我习惯放在工具包下一个urdf的文件夹，方便调用和管理，urdf只是负责大体建模，如果需要修改的尺寸，请直接让AI重新生成urdf，不要在urdf文件中修改尺寸，urdf的特性是牵一发而动全身，另一种思路就是用AI将urdf写成xacro后再通过xacro修改尺寸，会简单一点，但要学会自己看参数
同时，我们需要实现的各种功能，也可以通过再xacro中注入gazebo仿真插件实现，这些都可以靠AI完成，当然查阅gazebo或者ros官方的wiki也可以，前提是你有时间和代码基础
xacro中有很大一部分是形状、尺寸的定义，以及各个物体之间如何组合在一起的关系，涉及到xyz的坐标和RPY的旋转，还涉及到关节绕哪个轴旋转，所以说自己的模型哪里有问题都可以通过改上面那些参数修改，可以自己尝试修改，并查看变化，这部分确实可以让AI帮你修改，但是AI不一定会判断对轴，比如你要旋转90°，但是AI不一定会按着正确的旋转轴旋转，这时候需要自己有判断能力
我的xacro文件在urdf文件夹下的1.xacro，有兴趣可以研究下，本着赛方的不抄袭不雷同原则，还请各位把尺寸什么的改一下，思路可以打开，比如圆盘车身改成矩形车身等
第三步，完成建图
先说建图的大概原理，通过建图算法，融合小车的里程计和雷达，在移动小车的过程中扫描地图，最后保存地图
这里我们用比较传统的slam_gmapping算法，当然建图的算法不止一种，我这种谈不上出色，但是足够稳定，类似的算法有hector_slam，纯激光建图，但是在空旷的地方建图效果并不理性，感兴趣的同学可以试试别的建图算法
建图还有比较重要的是编写launch文件，都给你们写好了
有几个关键的地方，一个是world的路径，这里的(find test)代表查找test工具包的根目录，后面的内容相信大家看得懂，就是这个目录下有worlds文件夹，而world文件就在这个文件夹下面
机器人的xacro文件路径同理，在spwan robot这里，可以修改xyz的值，改变机器人在gazebo中生成的位置
在gmapping中，如果是你们自己建的urdf和xacro，很有可能你们的base_frame不是chassis，而是其他的比如base_link或是base_footprint，详细不清楚可以问AI
文件编辑好后就可以启动launch文件了，如何启动launch文件有在去年的指南中提到，属于是基础问题，roslaunch test（工具包名） mapping.launch（launch文件名）
在launch文件中我集成了键盘控制，如果想要移动小车，需要保持终端在前台，也就是鼠标点一下终端，可以往上翻一翻看到按键指南，这里面的"i"是前进、","是后退，J和L分别是左转和右转，q和z可以改变最大速度，K可以原地停下
建图时，看着gazebo的仿真页面，同时保持终端在前台，尽量不要让小车太快，也不要让小车撞墙，以免降低建图效果，建图完成后，确认rviz中的地图效果还不错的情况下，打开新的终端，输入保存地图的命令rosrun map_server map_saver -f ~/map/my_map
-f后面的参数是地图保存的路径，~代表什么前面讲过了，我习惯存在工具包下的maps文件夹内方便调用和管理
一定要看到终端保存成功的信息再关掉所有程序
第四步，完成定点导航和识别
翻过了前三座大山，接下来就都没那么难了，关于机器人的定点导航，怎么定点，也是有讲究的，两点之间不应距离太远，除非两点之间地形很单一，比如出发的那一条直路，可以定一个点
其次就是定点不应太过靠近障碍物，否则会导致小车无法到达的问题，导致导航失败
关于如何定点，这里引用机器人工匠阿杰的视频，里面介绍了一个非常高效的定点工具
点击跳转
在完成所有标点后，会得到一个waypoint.xml文件，里面记录了所有点的位置信息
我会把这个文件挪动到工具包下waypoints文件夹内，方便调用和管理
这之后就是导航了，我们可以用一个python文件实现读取xml，并自动发点导航，得益于ros的话题发布和订阅机制，机器人只有到位之后，python文件才会发布下一个航点
同时我在脚本里写了，到指定点位后进行拍照的操作，存在工具包内的images文件夹内
最后再跑完所有航点的情况下，会运行识别程序，需要用到训练好的模型，也就是.pt文件，我把它和py文件放在了一起，都在scripts文件夹下，但是在detect_cpu文件夹里，模型，图片的路径大家都要替换成自己的绝对路径
- detect_cpu.py运行需要一定的环境，直接运行会报错，大家做到这一步之后可以来问我
- 导航的launch文件我放在了launch文件夹下的nav.launch里，记得自己改相关路径，涉及到AMCL导航算法，讲起来过于复杂，有兴趣了解的可以移步机器人工匠阿杰的视频
最后的运行流程：打开两个终端，一个运行roslaunch 包名 nav.launch，另一个运行rosrun包名 nav.py，rosrun可以运行包内的python文件
评论