基于turtlebot3实现SLAM建图及自主导航仿真

来源丨古月居

turtlebot3简介

TurtleBot3是一个小型，低成本，完全可编程，基于ROS的移动机器人。它旨在用于教育，研究，产品原型和爱好应用的目的。

TurtleBot3的目标是大幅降低平台的尺寸和价格，而不会牺牲性能，功能和质量。由于提供了不同可选，如底盘，计算机和传感器，TurtleBot3可以通过各种方式进行定制。

安装turtlebot3

sudo apt-get install ros-melodic-turtlebot3-*
 //安装gmapping建图算法依赖
apt-get install ros-melodic-gmapping 
 //安装dwa局部路径规划算法
apt-get install ros-melodic-dwa-local-planner

ROS版本不同对应修改melodic

键盘控制小车运动

首先在gazebo仿真环境中启动turtlebot3小车

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_gazebo turtlebot3_empty_world.launch

安装键盘控制相关依赖

sudo apt-get install ros-melodic-gazebo-ros-pkgs ros-melodic-gazebo-ros-control
sudo apt-get install ros-melodic-teleop-twist-keyboard

运行键盘控制节点，根据输出提示控制小车

rosrun teleop_twist_keyboard teleop_twist_keyboard.py

若安装出现[Err] [REST.cc:205] Error in REST request则需要进行如下配置:

sudo gedit ~/.ignition/fuel/config.yaml
将文件中https://api.ignitionfuel.org修改为https://api.ignitionrobotics.org

如果启动gazebo出现一直打不开的情况，原因是.gazebo下加载models库不正确导致，解决方法是直接下载所有模型到用户的根目录下的.gazebo/models/下

cd ~/.gazebo/
mkdir -p models
cd ~/.gazebo/models/
wget http://file.ncnynl.com/ros/gazebo_models.txt
wget -i gazebo_models.txt
ls model.tar.g* | xargs -n1 tar xzvf

SLAM构建地图

把上面的命令都关了，重新启动以下的命令

1、开启仿真环境

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_gazebo turtlebot3_house.launch

2、开启SLAM功能，建图算法选择gmapping

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=gmapping

3、启动键盘控制节点，控制小车在环境内转一圈，尽可能扫出完整封闭的地图

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch

4、保存地图

rosrun map_server map_saver -f ~/map

这是我跑了一圈小车扫出的地图

自主导航

实现的效果图：

1、先加载保存好的地图

rosrun map_server map_server map.yaml

2、打开仿真环境，用可视化工具rviz显示出来

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_gazebo turtlebot3_house.launch

3、打开自主导航功能

export TURTLEBOT3_MODEL=waffle_pi
roslaunch turtlebot3_navigation turtlebot3_navigation.launch map_file:=/home/kaijun/map.yaml

配置好rviz,使用2D Pose Estimate设定好小车起始地点，再使用2D Nav Goal设定小车目标地点，小车会规划好路径，自动运行到目标位置，实现自主导航功能。

本文仅做学术分享，如有侵权，请联系删文。

3D视觉工坊精品课程官网：3dcver.com

1.面向自动驾驶领域的多传感器数据融合技术

2.面向自动驾驶领域的3D点云目标检测全栈学习路线！(单模态+多模态/数据+代码)
3.彻底搞透视觉三维重建：原理剖析、代码讲解、及优化改进
4.国内首个面向工业级实战的点云处理课程
5.激光-视觉-IMU-GPS融合SLAM算法梳理和代码讲解
6.彻底搞懂视觉-惯性SLAM：基于VINS-Fusion正式开课啦
7.彻底搞懂基于LOAM框架的3D激光SLAM: 源码剖析到算法优化
8.彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM +LIO-SAM)

9.从零搭建一套结构光3D重建系统[理论+源码+实践]

10.单目深度估计方法：算法梳理与代码实现

11.自动驾驶中的深度学习模型部署实战

12.相机模型与标定(单目+双目+鱼眼）

13.重磅！四旋翼飞行器：算法与实战

14.ROS2从入门到精通：理论与实战

15.国内首个3D缺陷检测教程：理论、源码与实战

重磅！3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信，可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群，旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群，目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注：研究方向+学校/公司+昵称，例如：”3D视觉 + 上海交大 + 静静“。请按照格式备注，可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球：针对3D视觉领域的视频课程（三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等）、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕，更有各类大厂的算法工程人员进行技术指导。与此同时，星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息，打造成集技术与就业为一体的铁杆粉丝聚集区，近4000星球成员为创造更好的AI世界共同进步，知识星球入口：

学习3D视觉核心技术，扫描查看介绍，3天内无条件退款

 圈里有高质量教程资料、答疑解惑、助你高效解决问题

觉得有用，麻烦给个赞和在看~