Navigation2开发心得
Navigation2开发心得 bt_navigator: ros__parameters: use_sim_time: True # 使用Gazebo等仿真器的时间而非系统时间 global_frame: map # 全局定位使用的地图坐标系 robot_base_frame: base_link # 机器人基坐标系 odom_topic: /odom # 里程计话题 bt_loop_duration: 10 # 行为树循环周期(ms) default_server_timeout: 20 # 默认服务超时时间(s) wait_for_service_timeout: 1000 # 等待服务启动超时(ms) # 'default_nav_through_poses_bt_xml' and 'default_nav_to_pose_bt_xml' are use defaults: #...
SLAM部署与imu标定
SLAM部署与imu标定 前言 笔者在上一条帖子时已经在尝试运行若干SLAM算法试图择优观察部署效果(包括FAST_LIO，LIO-SAM，Point-LIO，rtabmap等笔者看过的建图，定位算法） 笔者最终聚焦在LIO-SAM的建图(意即先导地图的获取)，随后利用liorf_localization的LIO-SAM衍生纯定位算法实现机器人在已知地图的重定位 可能有的开发者想问SLAM已经自带了同时建图与定位功能，为什么还要将建图和定位隔开进行开发。笔者在单跑LIO-SAM时发现过其轨迹与实际录取数据包时的误差，有时甚至会平地起飞（漂移） 为了解决这一问题，笔者尝试了隔离建图定位，进行imu内参标定的尝试，将其记录下来(其实就是臭掉包工程师) 基础知识扫盲首先，我们要了解一下SLAM和传感器的有关术语 SLAM，定位与建图 1.建图：简而言之，就是收集正在运作的传感器数据（本文中提到的均为激光SLAM，所以传感器基本上是激光雷达+imu），利用建图算法将这段时间的传感器数据记录为一张地图 ...
Hello world
...