双系统ubuntu20.04(neotic版本)从0实现Gazebo仿真slam建图

双系统ubuntu20.04(neotic版本)从0实现Gazebo仿真slam建图

昨晚完成了ROS的多机通讯,还没来得及整理相关操作步骤,在进行实际小车的实验之前,还是先打算在仿真环境中进行测试,熟悉相关的操作步骤,计划通过虚拟机(笔记本)来操纵双系统(台式机)完成在仿真环境中的地图构建,导航等功能。

ps:别问为什么不直接通过向日葵远程操控,后面要进行实际环境中多机器人编队的测试,多机器人编队功能已经被写好了,但是需要安装在远程PC的工作空间中进行多机器人的控制

1、安装ROS(neotic)版本依赖

cpp 复制代码
  sudo apt-get install ros-noetic-joy ros-noetic-teleop-twist-joy \
  ros-noetic-teleop-twist-keyboard ros-noetic-laser-proc \
  ros-noetic-rgbd-launch ros-noetic-rosserial-arduino \
  ros-noetic-rosserial-python ros-noetic-rosserial-client \
  ros-noetic-rosserial-msgs ros-noetic-amcl ros-noetic-map-server \
  ros-noetic-move-base ros-noetic-urdf ros-noetic-xacro \
  ros-noetic-compressed-image-transport ros-noetic-rqt* ros-noetic-rviz \
  ros-noetic-gmapping ros-noetic-navigation ros-noetic-interactive-markers

ROS1和ROS2其他版本安装相关依赖参考网址(ROS1&ROS2依赖包)注意☝的是一行指令,分行输入会报错的。

2、安装turtlebot3软件包

Install TurtleBot3 via Debian Packages.

cpp 复制代码
 sudo apt install ros-noetic-dynamixel-sdk
 sudo apt install ros-noetic-turtlebot3-msgs
 sudo apt install ros-noetic-turtlebot3

3、设置环境变量

cpp 复制代码
 source ~/.bashrc

4、创建工作空间安装TB3功能包

cpp 复制代码
mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src/
git clone -b noetic-devel http://ghproxy.com/https://github.com/ROBOTIS-GIT/DynamixelSDK.git
git clone -b noetic-devel http://ghproxy.com/https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git
git clone -b noetic-devel http://ghproxy.com/https://github.com/ROBOTIS-GIT/turtlebot3.git
git clone -b noetic-devel http://ghproxy.com/https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git
cd ~/catkin_ws && catkin_make

ROS1其他版本的TB3功能包参考ROS1功能包

ROS2(foxy)版本功能包参考ROS2功能包

注意ROS1&ROS2的其他版本连接中改对应版本名称

编译成功
5、Gazebo仿真

(1)选择启动的机器人模型

cpp 复制代码
export TURTLEBOT3_MODEL=waffle_pi
cpp 复制代码
export TURTLEBOT3_MODEL=burger

(2)启动gazebo仿真环境

cpp 复制代码
roslaunch turtlebot3_gazebo turtlebot3_world.launch

可能会出现以下报错:

找到错误原因"环境变量设置有问题"

错误原因为环境变量设置有问题(后面进行优化)

运行下方代码后再执行roslaunch

cpp 复制代码
source ~/catkin_ws/devel/setup.bash
cpp 复制代码
 roslaunch turtlebot3_slam turtlebot3_slam.launch

turtlebot3_world.launch

(3)启动rviz进行建图

打开新的终端,还要在输入一边机器人选择模型的指令,在输入以下指令(后面进行优化)

cpp 复制代码
roslaunch turtlebot3_slam turtlebot3_slam.launch

(4)控制小车移动实现建图

打开新的终端,还要在输入一边机器人选择模型的指令

cpp 复制代码
roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch

(5)保存地图:

cpp 复制代码
rosrun map_server map_saver -f ~/map_world

地图自动保存在~/home/map目录下,名为map_world.yaml和map_world.pgm

优化

目前在启动机器人小车在仿真环境中的建图非常麻烦,每次启动新的节点都要输入指令选择一遍机器人的模型,且在启动turtlebot3_world.launch文件前还要进行以便环境的配置,总之是非常麻烦的!

下面把这些指令提前配置到source ~/.bashrc文件中

(1)手动配置

输入:

cpp 复制代码
sudo gedit ~/.bashrc 

在文本的最后加入以下这些指令:

cpp 复制代码
source ~/catkin_ws/devel/setup.bash
export TURTLEBOT3_MODEL=waffle_pi//如果你要选择burger型机器人输入export TURTLEBOT3_MODEL=burger
export ROS_DOMAIN_ID=30 #TURTLEBOT3
export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:~/catkin_ws/src/turtlebot3/turtlebot3_simulations/turtlebot3_gazebo/models

然后保存后关闭文件,打开终端输入source ~/.bashrc更新环境即可完成。

(2)输入指令配置

我参考其他配置环境指令,输入后可达到相同效果。

cpp 复制代码
echo 'source ~/catkin_ws/devel/setup.bash' >> ~/.bashrc
echo 'export TURTLEBOT3_MODEL=waffle_pi' >> ~/.bashrc
echo 'export ROS_DOMAIN_ID=30 #TURTLEBOT3' >> ~/.bashrc
echo 'export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:~/catkin_ws/src/turtlebot3/turtlebot3_simulations/turtlebot3_gazebo/models' >> ~/.bashrc

输入完成后打开新终端输入:

cpp 复制代码
source ~/.bashrc

设置完成后,现在启动建图,仅需要输入:

(1)启动gazebo仿真环境

cpp 复制代码
roslaunch turtlebot3_gazebo turtlebot3_world.launch

(2)启动RVIZ

cpp 复制代码
roslaunch turtlebot3_slam turtlebot3_slam.launch

(3)启动键盘控制节点即可

cpp 复制代码
roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch
相关推荐
喵~来学编程啦2 分钟前
【论文精读】LPT: Long-tailed prompt tuning for image classification
人工智能·深度学习·机器学习·计算机视觉·论文笔记
深圳市青牛科技实业有限公司16 分钟前
【青牛科技】应用方案|D2587A高压大电流DC-DC
人工智能·科技·单片机·嵌入式硬件·机器人·安防监控
水豚AI课代表36 分钟前
分析报告、调研报告、工作方案等的提示词
大数据·人工智能·学习·chatgpt·aigc
几两春秋梦_37 分钟前
符号回归概念
人工智能·数据挖掘·回归
用户691581141651 小时前
Ascend Extension for PyTorch的源码解析
人工智能
用户691581141652 小时前
Ascend C的编程模型
人工智能
成富2 小时前
文本转SQL(Text-to-SQL),场景介绍与 Spring AI 实现
数据库·人工智能·sql·spring·oracle
CSDN云计算3 小时前
如何以开源加速AI企业落地,红帽带来新解法
人工智能·开源·openshift·红帽·instructlab
艾派森3 小时前
大数据分析案例-基于随机森林算法的智能手机价格预测模型
人工智能·python·随机森林·机器学习·数据挖掘
hairenjing11233 小时前
在 Android 手机上从SD 卡恢复数据的 6 个有效应用程序
android·人工智能·windows·macos·智能手机