ros2与webots入门教程-E-puck使用

ros2与webots入门教程-E-puck使用

说明：　

• 介绍如何使用 e-puck ROS2 API 的说明。
• 该文档适用于真机 (epuck_ros2) 和模拟 (webots_ros2_epuck) 机器人。
• 请确保您的机器人驱动程序正在运行。 这将确保通过 ROS2 API 公开对传感器和执行器的访问

步骤：

• 启动仿真

ros2 launch webots_ros2_epuck robot_launch.py

• 为方便起见，您还可以启动robot_with_tools_launch.py，其中包括robot_launch.py 和robot_tools_launch.py
• 例如：

ros2 launch webots_ros2_epuck robot_with_tools_launch.py rviz:=true

• 启动真机

ros2 launch epuck_ros2 robot_launch.py

• E-puck2外观图

红外传感器

• E-puck2 有 8 个红外传感器（命名为 ps0-7），所有这些传感器都映射到 sensor_msgs/Range 类型的同名 ROS2 话题。
• 打印红外传感器话题：

ros2 topic echo /ps1

距离传感器

• 除了红外传感器外，e-puck2 还升级了一个位于相机上方的远程 ToF 传感器。
• 此传感器的数据也通过名为 tof 的 sensor_msgs/Range 话题公开。
• 所有距离传感器组合在一起创建 sensor_msgs/LaserScan，因此您可以直接在 SLAM 包中使用它。
• 打印距离传感器话题：

ros2 topic echo /scan

光传感器

• 相同的红外线传感器充当光传感器。
• 在 ROS2 驱动程序中，来自传感器的数据以 sensor_msgs/Illuminance 消息的形式发布（单位为勒克斯）
• 打印光传感器话题：

ros2 topic echo /ls1

• 请注意，在上图中，机器人周围有 8 个 LED 灯。 LED LED0、LED2、LED4 和 LED6 只能打开或关闭，而 LED LED1、LED3、LED5 和 LED7 具有可控的 RGB 分量。 因此，在二进制 LED 的情况下，您可以将它们测试为：

ros2 topic pub /led0 std_msgs/Int32 '{ "data": 1 }'
ros2 topic pub /led0 std_msgs/Int32 '{ "data": 0 }'

• 设置RGB：

ros2 topic pub /led1 std_msgs/Int32 '{ "data": 0xFF0000 }'
ros2 topic pub /led1 std_msgs/Int32 '{ "data": 0x000000 }'

• 其中 Int32 的 3 个低字节表示 R、G 和 B 分量的 3 个字节。

速度控制

• 名称为 /cmd_vel 的标准 geometry_msgs/Twist 主题公开用于速度控制。

ros2 topic pub /cmd_vel geometry_msgs/Twist "linear:
  x: 0.1
  y: 0.0
  z: 0.0
angular:
  x: 0.0
  y: 0.0
  z: 0.0"

• 请注意，e-puck2 是一个差动轮式机器人,只有 linear.x 和 angular.z 作用．

Odometry

• 标准 ROS2 消息 nav_msgs/Odometry 用于发布里程计数据您可以通过以下方式订阅它：

ros2 topic echo /odom

• 如果您对协方差矩阵不感兴趣，可以使用 --no-arr 参数隐藏数组：

ros2 topic echo --no-arr /odom

• 您还可以在 rviz 中可视化里程计：

ros2 launch webots_ros2_epuck robot_tools_launch.py rviz:=true

Camera

• 摄像头数据和细节通过摄像头（类型sensor_msgs/Image）和摄像头/camera_info（类型sensor_msgs/CameraInfo）主题进行描述。 与物理机器人驱动程序相比，没有sensor_msgs/CompressedImage，因为图像并不意味着通过网络传输。

• 您可以运行 rqt ，导航到Plugins > Visualization > Image View，然后为话题选择 /camera。

• 请注意，图像编码是 BGRA。

IMU

• e-puck2 上有 3D 加速度计和 3D 陀螺仪硬件。 您可以通过 imu 话题（类型 sensor_msgs/Imu）访问此数据，
• 例如：

ros2 topic echo --no-arr /imu

地面传感器

• 地面传感器作为 e-puck2 的可选模块提供。
• 如果该模块存在，ROS2 驱动程序将自动检测它并发布数据。 您可以将它们测试为：

ros2 topic echo /gs1

• 要放置地面传感器模块，请在 e-puck2 机器人树中选择 groundSensorsSlot，单击 + 按钮并找到 E-puckGroundSensors
• 效果图

TF

• 动态转换仅用于里程计，您可以将其显示为：

ros2 topic echo tf

• 所有其他转换都是静态的，它们作为锁存主题公开，因此您可以使用以下命令显示它们：

ros2 topic echo --qos-profile services_default --qos-durability transient_local tf_static

• 对于转换的一般访问，您可以使用 tf2_monitor：

ros2 run tf2_ros tf2_monitor

• 或者如果您想读取树中任意两个坐标系之间的转换：

ros2 run tf2_ros tf2_echo odom map

导航

• ROS2 Navigation2 堆栈（参见此图）允许我们通过创建全局计划并避开局部障碍物将机器人从 A 点移动到 B 点。
• 它已集成到 e-puck 示例中，您可以通过包含 nav 参数来运行它：

ros2 launch webots_ros2_epuck robot_tools_launch.py rviz:=true nav:=true

• 或者没有 RViz2，您可以只发布所需的姿势：

ros2 topic pub -1 /goal_pose geometry_msgs/PoseStamped \"
pose:
  position:
    x: 0.3
    y: 0.0
    z: 0.0
  orientation:
    x: 0.0
    y: 0.0
    z: 0.0
    w: 1.0

• 默认情况下，导航将使用 /webots_ros2_epuck/resource 中提供的 epuck_world_map.yaml 地图。
• 要更改地图，您必须使用 map 参数：

ros2 launch webots_ros2_epuck robot_tools_launch.py rviz:=true nav:=true map:=/path/to/your/map.yaml

建图　

• 不幸的是，默认的 SLAM 实现不适用于 e-puck。
• 因此，我们创建了一个纯粹依赖里程计的简单映射节点。
• 您可以通过添加 mapper 参数将其作为 e-puck 示例启动文件的一部分启动：

ros2 launch webots_ros2_epuck robot_tools_launch.py rviz:=true mapper:=true

• 驾驶机器人四处走动（使用例如 teleop_twist_keyboard）以发现尽可能多的地图。
• 效果图

• 对结果满意后，您可以将地图另存为：

ros2 run nav2_map_server map_saver_cli -f $HOME/Pictures/map

差速器校准

• 根据每个轮子的转速和两个常数，轮子之间的距离和轮子半径，我们可以计算出机器人在局部坐标系中的位置。 因此，位置估计的精度很大程度上取决于车轮之间的距离和车轮半径。 这些常数可能因机器人而异，在这里我们提供了一种工具来帮助您对其进行校准（该技术与“移动机器人系统里程计误差的测量和校正”中提出的技术非常相似）。

• 首先，我们要测量车轮半径，我们可以通过让机器人直线运动来实现：

ros2 run webots_ros2_epuck drive_calibrator --ros-args -p type:=linear

• 如果机器人超出给定距离（默认 0.1335m），我们应该增加轮子半径，否则减少它：

ros2 param set /epuck_driver wheel_radius 0.0215

• 其次，为了校准轮子之间的距离，我们可以让机器人在原地旋转：

ros2 run webots_ros2_epuck drive_calibrator --ros-args -p type:=angular

• 如果超调，给定的转数（默认为 4）然后减少轮子之间的距离，否则增加它。

ros2 param set /epuck_driver wheel_distance 0.0514

• 第三，重复这两个步骤，直到您对精度满意为止。

• 请注意，您可以通过工具（例如尺子）测量距离，这是一个很好的初步猜测，但使用上述技术，您将获得更好的结果。

• 根据该论文，此类技术可以显着减少系统误差（第 4 页和第 23 页）。