ROS机器人编程实践----琐碎知识点

amcl原理：

　　amcl将激光传感器数据与从地图预估的传感器数据相比较，给出可能的位姿。如果传感器数据和某个候选位姿处的预测数据相同，amcl就会给这个位姿一个较高的概率，反之，就会降低这个概率。概率较低的位姿就会被删除，替换成与现存的较高概率位姿相接近的位姿。随着时间的推进，候选位姿就会聚集在真实位姿的周围。

导航工具包：

　　首先创建一个global costmap(全局评价地图)，描述了机器人在地图中的某个位置出现的“好处”有多大。电机Global Planning勾选框，展开选中Costmap选项，然后就能看到全局评价地图。

图像消息订阅：

　　我们可以直接订阅image_raw话题，如果操作在WIFI等带宽等受限环境下进行，则可能需要修改image_raw/compressed话题，其中的图像在发送之前经过了压缩。计算机视觉算法还是在压缩图像上效果最好。

　image_sub = rospy.Subscriber('camera/rgb/image_raw', Image, imaghe_callback)

　　使用下面的命令可以看到camera/rgb/image_raw在以每秒20Hz的频率发布

 rostopic hz camera/rgb/image_raw

　　特别注意，当使用usb摄像头的时候，订阅的话题应该是   /usb_cam/image_raw

ROS中使用OpenCV：

　　需要使用cv_bridge包来将ROS的sensor_msgs/Image消息转换成OpenCV格式。例如：

#!/usr/bin/env python
# coding=utf-8

import rospy
from sensor_msgs.msg import Image
import cv2, cv_bridge

class Follower:
    def __init__(self):
        self.bridge = cv_bridge.CvBridge()
        cv2.namedWindow("window", 1)
        # 摄像头以每秒20HZ的频率发布消息，不需要手动发布了
        # 订阅usb摄像头
        # self.image_sub = rospy.Subscriber("/usb_cam/image_raw", Image, self.image_callback)
        self.image_sub = rospy.Subscriber("cv_bridge_image", Image, self.image_callback)
        # 订阅深度相机
        # self.image_sub = rospy.Subscriber("/camera/rgb/image_raw", Image, self.image_callback)
        # self.image_sub = rospy.Subscriber("/camera/depth/image_raw", Image, self.image_callback)

    def image_callback(self, msg):
        image = self.bridge.imgmsg_to_cv2(msg, desired_encoding='bgr8')
        cv2.imshow("window", image)
        cv2.waitKey(3)


rospy.init_node("opencv")
follower = Follower()
rospy.spin()

 可视化Rviz：

　　对Rviz进行一些配置之后，退出时选择保存，这样就不用在下一次打开时重新配置一遍