rrt_exploration
一个实现基于多机器人RRT的地图探测算法的ROS包。 它还具有使用图像处理来提取边界点的基于图像的边沿检测
1.介绍
“rrt_exploration”是实现移动机器人的多机器人地图探索算法的ROS包。 它是基于快速探索随机树（RRT）算法。 它使用占用网格作为地图表示。该包具有5个不同的ROS节点：
１ 全局RRT边界点检测器节点。
２ 局部RRT边界点检测器节点。
３ 基于OpenCV的边界检测器节点。
４ 滤波器节点。
５ 分配器节点。
- Global RRT frontier point detector node.
- Local RRT frontier point detector node.
- OpenCV-based frontier detector node.
- Filter node.
- Assigner node.
这是一个播放列表，显示在真实机器人上运行的软件包和Gazebo模拟：
２．软件包要求
该套件已经在ROS Kinetic和ROS Indigo上进行了测试，它应该可以在其他发行版上工作，如jade。 在安装软件包之前需要以下要求：
1-你应该安装一个ROS发行版（indigo or later. Recommended is either indigo or kinetic）。
2-创建工作空间。
3-安装了“gmapping”ROS包，可以在终端中键入以下命令：
$ sudo apt-get install ros-kinetic-gmapping
4-安装ROS导航堆栈。 您可以使用以下命令来执行此操作：
$ sudo apt-get install ros-kinetic-navigation
5 - 你应该有Python 2.7。 （它没有在Python 3测试）。
Ubuntu16.04+python-2.7的安装
在Ubuntu中自带的有python模块，但是该模块较为简单，并不含有日常处理所需的数据库和安装包。接下来说一下python的手动安装方法，并附带安装我所需要的库。 注意：ubuntu16.04中包含了python-2.7,python-3.5,在terminal下直接键入python可查看你所使用的版本，如图为我自己的python版本：
如果你所使用的也是2.7的话可以安装如下步骤进行安装，若为3.5时所需安装有所不同。
1.安装所需依赖
$ sudo apt-get install libfreetype6-dev
2.下载安装包并解压。
$ wget http://effbot.org/downloads/Imaging-1.1.7.tar.gz $ tar -zxvf Imaging-1.1.7.tar.gz
3.修改setup.py 中依赖库的路径
$ cd Imaging-1.1.7 $ emacs setup.py (emacs与vim一样只是文本编辑器 sudo apt-get install emacs)
配置zlib ,freetype路径
如果不知道系统中库所在位置，可以使用如下命令查看：
$ pkg-config –variable=libdir zlib $ pkg-config –variable=libdir freetype2
TCL_ROOT = None
JPEG_ROOT = None
ZLIB_ROOT = “/usr/lib/x86_64-linux-gnu”
TIFF_ROOT = None
FREETYPE_ROOT = “/usr/lib/x86_64-linux-gnu”
LCMS_ROOT = None
4.安装
$ sudo python setup.py build
确保设定过路径的库都是 avilable的，然后进行安装：
$ sudo python setup.py install
经实测，以上安装方法在virtualenv中也是可行的。
以下是我所需的数据库，如果有需要其他的可以查阅其他资料
$ sudo apt-get install python-scipy $ sudo apt-get install python-mysqldb
以上是python的安装过程。
6 - 您应该有/安装以下python模块：
-OpenCV (cv2)
$ sudo apt-get install python-opencv
-Numpy
$ sudo apt-get install python-numpy
-Sklearn
$ sudo apt-get install python-scikits-learn
３．硬件要求
可与导航堆栈一起使用的移动机器人（发布/ odom和/ tf.接收速度命令..）。 机器人还必须配备激光扫描仪或任何发布激光扫描信息的传感器（sensor_msgs / LaserScan）。
４．安装
下载包并将其放在工作区的/ src文件夹中。 然后使用catkin_make编译。
５．设置你的机器人
该软件包为单个或多个机器人提供了一个探索策略。 但是，为了使其正常工作，您应该使用导航堆栈设置机器人。 并且每个机器人应该从gmapping包运行“slam_gmapping”节点。
此外，机器人必须按照以下方式进行设置和准备。
注意：如果要快速运行和测试该软件包，您可以尝试使用rrt_exploration_tutorials软件包，为单个和多个机器人提供Gazebo模拟，您可以直接使用该软件包。
5.1 机器人网络
对于多机器人配置，该软件包不需要特殊的网络配置，它可以通过使用单个ROS主机（可以是其中一个机器人）来工作。 所以在其他机器人上，ROS_MASTER_URI参数应该指向主机地址。 有关在多台机器上设置ROS的更多信息，请点击this。
5.2 机器人的框架名称在tf
所有机器人的框架应以其名称为前缀。 机器人的命名从“/ robot_1”，“/ robot_2”，“/ robot_3”，...等开始。 即使您使用单一机器人的包装，机器人的框架也应以其名称（即/ robot_1）为前缀。 所以对于robot_1，tf树中的框架应该如下所示：
（tf是一个包，让用户随着时间的推移跟踪多个坐标系。 tf保持时间缓冲的树结构中的坐标系之间的关系，并且允许用户在任何所需时间点的任何两个坐标系之间转换点，向量等。)
5.3 机器人的节点和主题名称
机器人上运行的所有节点和主题也必须以其名称为前缀。 对于机器人1，节点名称应如下所示：/ robot_1 / move_base_node，/ robot_1 / slam_gmapping。
主题名称应该是：/ robot_1 / odom，/ robot_1 / map / / robot_1 / base_scan，..etc。
5.4 在机器人上设置导航堆栈
在机器人上引导导航堆栈的move_base_node节点必须正在运行。 该包（rrt_exploration）生成目标勘探目标，每个机器人必须能够接收这些点并向其移动。 这就是为什么需要导航堆栈。 此外，每个机器人必须具有全局和局部成本图。 所有这些都来自move_base_node。
5.5 构建地图节点
每个机器人应该具有从gmapping包生成的局部地图。
5.6 地图合并节点
对于多机器人的情况，应该有一个将所有局部地图合并为一个全局地图的节点。 你可以使用这个包。
６．节点
有3种类型的节点; 用于检测占用网格图中的边界的节点，用于过滤检测到的点的节点以及用于将点分配给机器人的节点。 下图显示了结构：
６.1 global_rrt_frontier_detector
global_rrt_frontier_detector节点占用网格，并在其中找到边界点（它们是勘探目标）。 它发布检测到的点，以便过滤器节点可以处理。 在多机器人配置中，其目的是仅运行该节点的单个实例。
如果需要，运行全局边沿检测器的附加实例可以提高边界点检测的速度。
6.1.1 订阅主题
map (nav_msgs/OccupancyGrid)
主题名称由〜map_topic参数定义。 它是节点将在其上接收地图的主题名称。
clicked_point (geometry_msgs/PointStamped)
global_rrt_frontier_detector节点需要定义要探索的区域。 该主题是节点收到定义该区域的五个点。 前四个点是四个定义要探索的正方形区域，最后一个点是树的起点。 在发表了关于这个话题的五点后，RRT将开始检测边界。 这五点意图由Rviz使用
（https://github.com/hasauino/storage/blob/master/pictures/publishPointRviz_button.png?raw=true）按钮发布。
6.1.２发表主题
detected_points (geometry_msgs/PointStamped)
节点发布检测到边界点的主题。
~shapes (visualization_msgs/Marker)
在此主题中，节点发布线形状，以使用Rviz可视化RRT。
6.1.３参数
~map_topic (string, default: "/robot_1/map")
此参数定义节点将在其上接收地图的主题名称。
~eta (float, default: 0.5)
该参数控制用于检测边界点的RRT的增长率，单位为米。 该参数应根据地图大小进行设置，非常大的值会导致树长得更快，从而更快地检测边界点，但是增长速度很大，也意味着树将在地图中缺少小角。
6.２ local_rrt_frontier_detector
该节点类似于global_rrt_frontier_detector。 但是，它的作用不同，因为这里的树每次检测到边界点时都会保持重置。 该节点旨在沿着global_rrt_frontier_detector节点运行，它负责快速检测位于机器人附近的边界点。
在多机器人配置中，每个机器人运行local_rrt_frontier_detector的一个实例。 因此，对于3台机器人的团队，将有4个节点用于检测边界点:3个局部检测器和1个全局检测器。 如果需要，运行局部边界检测器的附加实例可以提高边界点检测的速度。
所有检测器将在同一主题（“/ detected_points”）上发布检测到的边界点。
6.２.1 订阅主题
map (nav_msgs/OccupancyGrid)
主题名称由〜map_topic参数定义。 它是节点将在其上接收地图的主题名称。
clicked_point (geometry_msgs/PointStamped)
lobal_rrt_frontier_detector也预订了与global_rrt_frontier_detector类似的主题。
6.２.2 发表主题
detected_points (geometry_msgs/PointStamped)
节点发布检测到边界点的主题。
~shapes (visualization_msgs/Marker)
在此主题中，节点发布线形状，以使用Rviz可视化RRT。
6.2.3 参数
~/robot_1/base_link (string, default: "/robot_1/base_link")
机架附着的框架。 每当树复位时，它将从从此框架获取的当前机器人位置开始。
~map_topic (string, default: 0.5)
此参数定义节点将在其上接收地图的主题名称。
~eta (float)
该参数控制用于检测边界点的RRT的增长率，单位为米。 该参数应根据地图大小进行设置，非常大的值会导致树长得更快，从而更快地检测边界点，但是增长速度很大，也意味着树将在地图中缺少小角。
6.3 frontier_opencv_detector
该节点是另一个边界检测器，但不是基于RRT。 该节点使用OpenCV工具来检测边界点。 它旨在单独运行，并且在多机器人配置中，只应运行一个实例（运行此节点的附加实例没有任何区别）。
最初这个节点被实现与基于RRT的边界检测器进行比较。 沿着RRT检测器（局部和全局）一侧运行该节点可以提高检测点的速度。
注意：您可以运行任何类型和任何数量的检测器，所有检测器将发布在过滤器节点（将在下一节中介绍）正在订阅的相同主题上。 另一方面，过滤器将过滤的入口点传递给分配器，以便命令机器人探索这些点。
6.３.1 订阅主题
map (nav_msgs/OccupancyGrid)
主题名称由〜map_topic参数定义。 它是节点将在其上接收地图的主题名称。
6.３.2 发表主题
detected_points (geometry_msgs/PointStamped)
节点发布检测到边界点的主题。
shapes (visualization_msgs/Marker)
在此主题中，节点使用Rviz发布要进行可视化的检测点。
6.3.3 参数
~map_topic (string, default: "/robot_1/map")
此参数定义节点将在其上接收地图的主题名称。
6.４滤波器
滤波器节点从所有检测器接收检测到的边界点，对点进行滤波，并将它们传递给分配器节点以命令机器人。 过滤包括旧点和无效点的选择，也是冗余点。
6.４.１ 订阅主题
map (nav_msgs/OccupancyGrid)
主题名称由〜map_topic参数定义。 它是节点将在其上接收地图的主题名称。
robot_x/move_base_node/global_costmap/costmap (nav_msgs/OccupancyGrid)
其中x（在robot_x中）是指机器人的编号。
过滤器节点预订所有机器人的所有costmap主题，因此需要costmap。 通常，导航堆栈应发布costmap（在引导机器人上的导航堆栈之后，每个机器人将具有一个costmap）。 例如，如果n_robots
= 2，则节点将订阅：robot_1 / move_base_node / global_costmap / costmap和robot_2 /
move_base_node / global_costmap / costmap。 costmaps用于删除无效点。
注意：机器人对应的所有节点的命名空间应以robot_x开头。 再次，x是机器人编号。
The goals topic (geometry_msgs/PointStamped)
主题名称由〜goals_topic参数定义。 这是滤波器节点接收检测到的边界点的主题。
6.４.2 发表主题
frontiers (visualization_msgs/Marker)
过滤器节点发布用于Rviz可视化的接收边界点的主题。
centroids (visualization_msgs/Marker)
过滤器节点仅发布用于Rviz可视化的过滤边界点的主题。
filtered_points (invalid message type for MsgLink(msg/type))
所有过滤的点作为一个点数组发送到该主题上的分配器节点。
6.４.３ 参数
~map_topic (string, default: "/robot_1/map")
此参数定义节点将在其上接收地图的主题名称。 该地图用于知道哪些点不再是边界点（旧点）。
~costmap_clearing_threshold (float, default: 70.0)
占用率大于此阈值的边界点将被视为无效。 占用值是从成本图中获得的。
~info_radius (float, default: 1.0)
用于计算边界信息增益的信息半径。
~goals_topic (string, default: "/detected_points")
定义节点接收检测到的边界点的主题。
~n_robots (float, default: 1.0)
机器人数量
~rate (float, default: 100.0)
节点循环速率（Hz）。
6.5 分配器
该节点接收到目标探测目标，即目标探测目标，这是过滤器节点发布过滤的边界点，并相应地命令机器人。 分配器节点通过move_base_node命令机器人。 这就是为什么你在机器人上引导导航堆栈。
6.5.１ 订阅主题
map (nav_msgs/OccupancyGrid)
主题名称由〜map_topic参数定义。
Filtered frontier points topic (nav_msgs/OccupancyGrid)
主题名称由〜frontiers_topic参数定义。
The goals topic (invalid message type for MsgLink(msg/type))
主题名称由〜goals_topic参数定义。 这是滤波器节点接收检测到的边界点的主题。
6.5.2 参数
~map_topic (string, default: "/robot_1/map")
此参数定义节点将接收地图的主题名称。 在单机器人情况下，应将此主题设置为机器人的地图主题。 在多机器人案例中，此主题必须设置为全局合并映射。
~info_radius (float, default: 1.0)
用于计算边界信息增益的信息半径。
~info_multiplier (float, default: 3.0)
单位是米。 该参数用于重视成本上的边界点的信息增益（到边界点的预期行驶距离）。
~hysteresis_radius (float, default: 3.0)
单位是米。 该参数定义了滞后半径。
~hysteresis_gain (float, default: 2.0)
单位是米。 该参数定义了滞后增益。
~frontiers_topic (string, default: "/filtered_points")
分配器节点接收过滤边界点的主题。
~n_robots (float, default: 1.0)
机器人数量
~delay_after_assignement (float, default: 0.5)
单位是秒。 它定义每个机器人分配后的延迟量。
~rate (float, default: 100.0)
节点循环速率（Hz）。
7.教程
这里列出了有关如何使用包的教程。
Installation
本节将展示除了包本身（rrt_exploration）和rrt_exploration_tutorials软件包之外，还可以安装所需的软件包和python模块。 本教程假设您已经安装了ROS，并且有一个工作区。
１. Install all required packages
In a terminal, write the following commands:
$ sudo apt-get install ros-kinetic-gmapping ros-kinetic-navigation ros-kinetic-kobuki ros-kinetic-kobuki-core ros-kinetic-kobuki-gazebo
$ sudo apt-get install python-opencv python-numpy python-scikits-learn
2. Install rrt_exploration and rrt_exploration_tutorials
假设您的工作区文件夹位于主目录中，并命名为catkin_ws（如果不是，请相应地更改命令）：
$ cd ~/catkin_ws/src/ $ git clone https://github.com/hasauino/rrt_exploration.git $ git clone https://github.com/hasauino/rrt_exploration_tutorials.git $ cd ~/catkin_ws $ catkin_make
就是这个！ 现在你可以测试包。
３.Tutorials list(教程列表)
在教程中，我们将使用Gazebo模拟器。 您下载了rrt_exploration_tutorials软件包后，您已经拥有所有需要的文件。
1-Single robot with laser scanner.
1.Gazebo simulation
在rrt_exploration_tutorials软件包附带的启动文件中，您会发现几个启动文件。 在本教程中，我们将使用针对单机器人仿真的。
1-In a terminal, run the following command:
$ roslaunch rrt_exploration_tutorials single_simulated_house.launch
这将打开Gazebo和RViz。 机器人设置为使用rrt_exploration软件包。 主要是机器人框架以“robot_1”为前缀，对于节点和主题名称也是如此。
运行以上指令出现以下问题：
解决方法：
这个问题一般有两个可能的原因，一个是忘了进行source，只需要回到上层进行source即可。
$ cd ~/catkin_ws $ source devel/setup.bash
第二个错误是我最近刚发现的，因为我们默认的包是git clone在src下的，当你将新的包git clone在其他地方时，source命令就会出错。因此我将该包剪切至src下，并重新执行
$ source devel/setup.bash 后，命令执行成功。
2.Start Exploration
我们将在rrt_exploration包中使用一个名为“single.launch”的启动文件。 此启动文件启动全局和局部检测器，过滤器和分配器节点。
$ roslaunch rrt_exploration single.launch
３.Troubleshooting(故障排除)
这意味着gazebo目前正在为您下载仿真模型。 如果花了太长时间，您可以离线下载所有gazebo模型，然后手动放置在“models”文件夹（路径：〜/ .gazebo / models）中，如下所示：
$ wget -l 2 -nc -r "http://models.gazebosim.org/" $ cd models.gazebosim.org $ mkdir -p ~/.gazebo/models/ $ cp -r * ~/.gazebo/models/
仿真结果：
