AppZ99's Blog

OHHHH

0%

SLAM导航实战（一）：编程基础

发表于 更新于
本文字数： 3.5k 阅读时长 ≈ 3 分钟

前言

本系列主要基于《机器人SLAM导航——核心技术与实战》一书进行学习总结，根据作者对本书的章节规划，预计共分为四个部分：

  1. 编程基础篇
  2. 硬件基础篇
  3. SLAM篇
  4. 自主导航篇

本系列笔记也将基于上述四个部分进行归纳总结

简介

当前SLAM系统主要是在Linux系统进行开发的，其中应用最广的当属Ubuntu，掌握Linux系统的基本操作是进行SLAM开发的前提条件。除了操作系统外，进行SLAM学习还需要掌握一些其他的必要的基础技能，也是本章的主要内容——ROS操作系统、C++编程基础、OpenCV基础。本章将依次对其内容进行简要的总结梳理（主要是采集里面对于自己有用的知识点）。

（注：笔者本人粗略查看了书籍第一部分内容，认为对无基础小白并不友好，需要有一定基础才能更好地学习此书，为此每个部分笔者也简单梳理自己的学习资料）

ROS操作系统

相关学习资料

详细清晰，对小白友好：中科院ROS操作系统学习教程

版本较新，含实战内容：Autolabor Ros教程

经典教程（个人入门教程，但没太学明白）：古月居ROS 21讲

ROS简介

ROS是分布式的通信框架，帮助各个进程之间更方便地进行通信，其开发初衷就是避免重复造轮子。

常用官方学习网站：

  • 官网：www.ros.org
  • Wiki：www.wiki.ros.org
  • 问答：www.answers.ros.org

ROS开发环境

文件组织方式：系统空间（/opt/ros）、工作空间

网络通信配置：分布式开发过程中需要配置MASTER、HOST（实战部分再做解释）

ROS框架

计算图角度：节点、话题、服务、动作等

文件系统角度：源文件空间、编译空间、开发空间

消息机制：话题、服务、动作

个人理解：系统各个工作单元在ROS框架下为节点，他们通过各种消息机制获取、发送各类数据、信息，从而使各个部分正常工作形成完整的系统。

ROS节点通信

话题：单向异步

服务：双向同步

动作：双向异步

服务、动作均不用构建节点之间的连接。

话题通信

发布者

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
#include "ros/ros.h" 
#include "std_msgs/String.h" 

#include <sstream>

int main(int argc, char **argv) 
{
  ros::init(argc, argv, "publish_node");
  ros::NodeHandle nh;

  ros::Publisher chatter_pub = nh.advertise<std_msgs::String>("chatter", 1000);
  ros::Rate loop_rate(10);//自循环的频率需要配合27行的sleep()方法使用
  int count = 0;

  while (ros::ok()) 
  {
    std_msgs::String msg;

    std::stringstream ss; 
    ss << "hello " << count; 
    msg.data = ss.str();
    ROS_INFO("%s", msg.data.c_str());
  
    chatter_pub.publish(msg);
  
    ros::spinOnce();//让回调函数有机会被执行的声明
    loop_rate.sleep();
    ++count;
  }

  return 0;
}

订阅者

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#include "ros/ros.h" 
#include "std_msgs/String.h" 

void chatterCallback(const std_msgs::String::ConstPtr& msg)
{
  ROS_INFO("I heard: [%s]",msg->data.c_str());
}

int main(int argc, char **argv) 
{
  ros::init(argc, argv, "subscribe_node");
  ros::NodeHandle nh;

  ros::Subscriber chatter_sub = nh.subscribe("chatter", 1000,chatterCallback);

  ros::spin();//让程序进入自循环的挂起状态

  return 0;
}

服务通信

自定义服务基本步骤：

  1. 创建srv文件夹，创建 .srv 格式文件，编写消息类型
  2. 功能包CMakeLists.txt文件中find_package中添加std_msgs、message_generation依赖项
  3. 解注释add_service_files 添加第一步编写的srv文件
  4. 解注释generate_messages 添加std_msgs，其作用是自动创建消息类型的.h头文件
  5. package.xml中添加message_generation、message_runtime依赖

编译运行注意：由于自定义了服务消息类型，需在add_dependencies中配置自定义功能包命_gencpp，若为python则_genpy

动作通信

基本步骤： find_package中需添加Boost库，其余参照服务通信配置方法

ROS其他重要概念

parameter： getParam()、setParam()

tf： 右手坐标系；由广播tf变换和监听tf变换组成节点

nodelet：该节点可以在单个进程下以多个线程形式运行

C++编程规范

相关学习资料

书籍：CMake Practice

编译方式及规范

编译方式：

  1. g++
  2. Make
  3. CMake

编程规范：

谷歌C++编程风格指南

OpenCV图像处理

相关学习资料

入门书籍：OpenCV3编程入门

经典书籍（中文翻译版也可以）：Learning Opencv: Computer Vision with the Opencv Library

图像数据

Mat类组成：矩阵头——存放矩阵尺寸、存储方式、存储地址等信息；矩阵指针——指向内存区域

默认图片存储顺序：BGR

图像滤波

线性滤波

  • 均值滤波（blur）
  • 高斯滤波（GaussianBlur）

非线性滤波

  • 中值滤波（medianBlur）
  • 双边滤波（bilateralFilter）：与空间位置、像素值相似度有关，能保留细节信息

形态学滤波

  • 膨胀（dilate）
  • 腐蚀（erode）

不同组合形成新的滤波算法

  • 开运算（open）
  • 闭运算（close）
  • 形态学梯度（morphgrad）
  • 顶帽运算（tophat）
  • 黑帽运算（blackhat）

图像变换

射影变换

  • 欧氏变换
  • 相似变换
  • 仿射变换
  • 射影变换（上述三种变换均为射影变换的特例）

霍夫变换

检测直线的一种常用方法

基本原理：过某一点存在直线簇，其对应参数$r、\theta$ 可以绘制一条正弦曲线，若多个点绘制的正弦曲线为同一条曲线，则三点位于同一条直线上

封装函数：HoughLines、HoughLinesP（累计概率霍夫变换，具有更高的执行效率）

边缘检测

sobel算法： x、y方向的卷积核对图像卷积，得到两个方向的梯度后合成为某点的近似梯度

canny算法： 在sobel基础上先用高斯滤波去除噪声，然后sobel算法，最后采用滞后阈值讲边缘提取出来

直方图均衡

图像直方图：横坐标为亮度值，纵坐标为每个亮度值对应的像素总数量

图像特征点提取

SIFT特征点

尺度空间：模拟人眼远近观察的成像特点，可图区图像中尺度不变性的特征

  • 图像金字塔
  • 高斯金字塔
  • 高斯差分金字塔（由于尺度归一化高斯拉普拉斯函数与高斯差分函数非常近似，且差分计算量少）

特征点定位：在高斯差分金字塔中完成，DoG空间进行

  • 极值点检测
  • 特征点定位
  • 特征点筛选

特征点方向提取：在高斯金字塔中完成

  • 特征点主方向
  • 特征点邻域方向
  • 特征点描述子（4 x 4 x 8 = 128维向量描述）

SURF特征点

尺度空间：在SIFT基础上讲高斯滤波用Hessian矩阵的盒式滤波代替，大幅降低运算耗时；尺度不同问题由盒式滤波窗口尺寸解决

特征点定位： Hessian矩阵的决定值中进行

特征点方向提取： Haar小波特征得到，最终（4 x 4 x 4 = 64维向量描述）

ORB特征点

尺度空间：直接图像金字塔拼接成大图

特征点提取： FAST特征提取，结合灰度质心得到特征点方向的oFAST特征

特征点描述： 先对图像进行高斯滤波后，采用BRIEF描述计算，最后将BRIEF中按照高斯分布对特征点方向进行旋转，得到rBRIEF

​