Lab 06 - SLAM 3D

Lab. 06 - SLAM 3D

1. Lokalizacja 2D a 3D

Lokalizacja 2D	Lokalizacja 3D
Działa z tanimi sensorami Wymaga równej powierzchni Trudniejsze wykrycia zamknięcia pętli Stosunkowo prosta mapa 2D	Wymaga drogich sensorów Niezależne od środowiska Mapa otoczenia, która może przydać się też do innych celów

Różnice między odometrią, a mapowaniem:

Odometria pracuje na punktach z różnych chwil czasowych, mapowanie na punktach przeliczonych do jednego, wspólnego momentu czasowego.
Odometria dopasowywuje skan do skanu, mapowanie skan do mapy (zbioru skanów).
Odometria jest szybsza (± stały czas), mapowanie może być czasochłonne (mapa rośnie).

2. Cel zajęć

Celem tych zajęć będzie uruchomienie lokalizacji 3D z wykorzystaniem skanera laserowego dla robota mobilnego.

3. Przygotowanie środowiska

Przed przystąpieniem do pracy należy przygotować środowisko: Instrukcja przygotowania środowiska do zajęć.

Domyślnie kontener nosi nazwę ARM_06.

UWAGA! Skrypty po uruchomieniu usuwają kontener o takiej nazwie przed utworzeniem nowego.

Korzystanie z kontenera

Po każdym ponownym uruchomieniu komputera, proszę pamiętać o wywoływaniu:

xhost +local:root

Nowy terminal można dołączyć do kontenera korzystając z polecenia:

docker exec -it ARM_06 bash

ROS_DOMAIN_ID

W przypadku pracy na wielu komputerach w tej samej sieci lokalnej (eduroam też może tego wymagać), konieczne może być ustawienie zmiennej środowiskowej ROS_DOMAIN_ID na różnych wartościach. Należy wybrać dowolną liczbę całkowitą z zakresu 0-100. Wartość tę należy ustawić w pliku ~/.bashrc:

export ROS_DOMAIN_ID=10  # przykładowa wartość

lub bezpośrednio w terminalu (wtedy będzie obowiązywać tylko w tym terminalu):

export ROS_DOMAIN_ID=10  # przykładowa wartość

Sugerowane jest użycie dwóch ostatnich cyfr numeru IP komputera jako wartości ROS_DOMAIN_ID, aby uniknąć konfliktów z innymi użytkownikami w sieci. Aby sprawdzić swój adres IP, można użyć polecenia:

ip addr show

adres IP będzie widoczny przy interfejsie sieciowym, np. wlan0 lub eth0.

Wygodne może być dodanie tego exportu do bashrc:

echo 'export ROS_DOMAIN_ID=<wybrana_wartość>' >> ~/.bashrc

4. ROS2 Bag

Podczas tych zajęć będziemy wykorzystywać ROS2 Bag. Jest to narzędzie służące do zapisu i odtwarzania danych z wielu topiców ROS2. Jest to pomocne podczas replikowania wyników eksperymentów i testów, a także przydatne podczas udostępniania swojej pracy innym, jako przykład. Popularne jest również wykorzystanie bagów do porównywania działania różnych systemów na tych samych danych.

Nagrywanie bagów

Dane z topiców można zapisać do baga korzystając z polecenia:

ros2 bag record <topic_name1> <topic_name2> [...] <topic_name_n>

np.

ros2 bag record /turtle1/cmd_vel /turtle1/pose

Przerwać nagrywanie można kombinacją klawiszy Ctrl+C.

Możliwe jest również nadanie nazwy baga korzystając z flagi -o, np.:

ros2 bag record -o subset /turtle1/cmd_vel /turtle1/pose

W powyższym przypadku topici /turtle1/cmd_vel oraz /turtle1/pose zostaną zapisane do baga o nazwie subset.

Odtwarzanie bagów

Odtworzyć baga można korzystając z polecenia:

ros2 bag play <bag_name>

Wszystkie wiadomości zapisane do baga zostaną odtworzone jednokrotnie, a następnie node publikujący zostanie zatrzymany.

Możliwe jest uruchomienie baga w pętli korzystając z flagi -l. Rozpoczęcie odtwarzania od pauzy wymaga podania flagi -p.

Kontrolę nad tempem odtwarzania baga umożliwia flaga -r i podanie współczynnika, np.: rosbag play -r 0.5 <bag_name> uruchomi odtwarzanie z tempem równym połowie normalnego. Jest to przydatne przy przetwarzaniu skomplikowanym obliczeniowo, jak np. SLAM 3D.

Informacje o bagu

Dane m.in. o topicach zapisanych w bagu można podejrzeć korzystając z polecenia info:

ros2 bag info <bag_name>

Otrzymamy informacje takie jak rozmiar, czas trwania czy topici, które są zapisane.

5. Uruchomienie lidarslam_ros2

W tej instrukcji będziemy wykorzystywać paczkę lidarslam_ros2. Uruchomić system można następującym poleceniem:

cd /arm_ws
source install/setup.bash
ros2 launch lidarslam lidarslam.launch.py

Powinno pojawić się okno rviz2, w którym będzie wizualizowany przebieg lokalizacji i budowy mapy.

HDL_400

Kolejnym krokiem (w osobnym terminalu) będzie odtworzenie baga zawierającego dane zarejestrowane na potrzeby hdl_localization:

ros2 bag play -p -r 0.5 bags/hdl_400

Bag zostanie odtworzony zapauzowany i z rate wynoszącym 0.5 normalnego tempa.

Przed odpauzowaniem proszę jeszcze o dodanie do podglądu danych typu PointCloud2 z topicu /velodyne_points. Zawierają one “aktualne” odczyty z lidara.

Uruchomienie odtwarzania nastąpi po wciśnięciu klawisza spacja z aktywnym terminalem, w którym odtwarzany jest bag.

Proszę zwrócić uwagę na tworzoną mapę z topicu /map i z topicu /modified_map. Czym mogą się różnić? A /path i /modified_path?

Kitti 00

Na potrzeby zajęć zostało przygotowane również 200 pierwszych skanów z sekwencji 00 datasetu Kitti. Dane zawierają również informacje ground truth, które zostaną wykorzystane do (wizualnej) oceny działania systemu.

Przy ponownie uruchomionym lidarslam można uruchomić baga:

ros2 bag play -p bags/kitti

Przed odpauzowaniem proszę jeszcze o dodanie do podglądu danych typu Path z topicu /path_gt_lidar. Sugeruję jeszcze zmienić kolor wizualizowania tych danych dla większej czytelności (inny niż żółty i zielony). Po tym można odpauzować baga.

Prawdopodobnie linia ground truth odbiega od ścieżki zwracanej przez lidarslam. Proszę powtórzyć eksperyment dla -r równego 0.3. Co się dzieje tym razem?

6. Zadanie do samodzielnej realizacji

Analizując dokumentację i kod źródłowy lidarslam oraz obserwując działanie systemu proszę opisać wpływ następujących parametrów z pliku /arm_ws/src/lidarslam_ros2/lidarslam/param/lidarslam.yaml:

ndt_resolution (scan_matcher i graph_based_slam)
trans_for_mapupdate
map_publish_period
scan_period
voxel_leaf_size
loop_detection_period
threshold_loop_closure_score
distance_loop_closure
range_of_searching_loop_closure
search_submap_num

Dodatkowe materiały

3D Lidar SLAM z zamknięciem pętli.

_{Autorzy: Michał Nowicki, Kamil Młodzikowski}