robot_pose_ekf包保姆级使用教程

1.下载地址

https://github.com/udacity/robot_pose_ekf

本文对odom数据以及imu数据进行融合。

2.如何方便完成订阅话题？

为了方便对订阅话题的管理，对源文件进行修改：

robot_pose_ekf/robot_pose_ekf.launch:

<launch>

<node pkg="robot_pose_ekf" type="robot_pose_ekf" name="robot_pose_ekf">
  <param name="output_frame" value="odom"/>
  <param name="base_footprint_frame" value="base_footprint"/>
  <param name="freq" value="50.0"/>
  <param name="sensor_timeout" value="1.0"/>

  <param name="odom_used" value="true"/>
  <param name="odom_data" value="odom"/>
  
  <param name="imu_used" value="true"/>
  <param name="imu_data" value="imu"/>

  <param name="vo_used" value="false"/>
</node>

</launch>

robot_pose_ekf/odom_estimation_node.cpp:

找到相应的代码行，添加：

...
nh_private.param("odom_used", odom_used_, true);
nh_private.param("odom_data", odom_data_, std::string("/odom_data"));

nh_private.param("imu_used",  imu_used_, true);
nh_private.param("imu_data", imu_data_, std::string("/imu_data"));
...
odom_sub_ = nh.subscribe(odom_data_, 10, &OdomEstimationNode::odomCallback, this);
...
imu_sub_ = nh.subscribe(imu_data_, 10,  &OdomEstimationNode::imuCallback, this);

同样，对头文件进行修改：

robot_pose_ekf/include/robot_pose_ekf/odom_estimation_node.h:

...
std::string output_frame_, base_footprint_frame_, tf_prefix_, odom_data_, imu_data_;
...

至此，可以通过上述修改的launch文件完成对话题的修改，当话题修改时，只需要修改launch文件中的参数即可，而不需要重新编译。

3.编译

在工作空间目录下，执行：

catkin_make

4.如何使用？

如果你使用的是实际的机器人，则需要将发布odom坐标转换的相关代码注释掉，一般位于底盘的启动文件中，注意是坐标转换，也就是tf brodcaster，而不是里程计数据，里程计数据需要保留。

如果使用的是gazebo仿真环境下的机器人，则需要对控制器进行修改，以差速机器人为例：

<gazebo>
	<plugin name="differential_drive_controller" filename="libgazebo_ros_diff_drive.so">
...
	<publishOdomTF>true</publishOdomTF>
...
</gazebo> 

没有找到相关参数的话，添加即可。

运行：

roslaunch robot_pose_ekf robot_pose_ekf.launch

此时，打开tf树，会发现odom到base_link（base_footprint）的转换为robot_pose_ekf发布，这说明EKF配置成功。

如果给您带来帮助，希望能给点个关注，以后还会陆续更新有关机器人的内容，点个关注不迷路~欢迎大家一起交流学习，有问题评论区留言。
都看到这了，点个推荐再走吧~
未经允许，禁止转载。