引言
在現(xiàn)代機器人技術(shù)中，高精度的環(huán)境感知與建圖是實現(xiàn)自主導(dǎo)航的關(guān)鍵。本文將展示如何使用myAGV Jetson Nano移動平臺搭載Jetson Nano BO1主板，結(jié)合RTAB-Map和3D相機，實現(xiàn)更加立體和細致的環(huán)境建圖。myAGV Jetson Nano具備SLAM雷達導(dǎo)航功能，Jetson Nano提供了強大的計算能力，適合處理復(fù)雜的SLAM任務(wù)。通過引入3D攝像頭，我們能夠?qū)z像頭采集的深度信息融入到地圖中，使其不僅具有平面數(shù)據(jù)，還包含了豐富的立體信息。在本文中，我們將詳細介紹這一過程中使用的技術(shù)，以及解決實施中遇到的問題。

背景與需求分析
在機器人自主導(dǎo)航中，精確的環(huán)境感知和地圖構(gòu)建至關(guān)重要。傳統(tǒng)的二維SLAM技術(shù)雖然能夠?qū)崿F(xiàn)實時定位和建圖，但在復(fù)雜的三維空間中，往往無法充分描述環(huán)境的立體結(jié)構(gòu)。

為了解決這一問題，我們選擇了myAGV Jetson Nano，該產(chǎn)品具備高性能的SLAM雷達導(dǎo)航能力和強大的計算處理能力，非常適合復(fù)雜環(huán)境下的自主任務(wù)。然而，二維SLAM在描述立體空間時仍顯不足。因此，我們引入了3D攝像頭，通過捕捉環(huán)境的深度信息，生成更加立體和細致的三維地圖，提升機器人的環(huán)境感知能力。

為了實現(xiàn)這一目標，我們采用了RTAB-Map作為建圖工具，它能夠處理RGB-D數(shù)據(jù)并支持實時的三維建圖與定位。通過將RTAB-Map與3D攝像頭結(jié)合在這款產(chǎn)品上使用，我們希望在復(fù)雜環(huán)境中實現(xiàn)高精度的三維SLAM建圖，滿足實際應(yīng)用的需求。

產(chǎn)品
myAGV Jetson Nano
myAGV Jetson Nano 2023采用NVIDIA? Jetson Nano B01 4GB核心主板，搭配大象機器人專為機器人定制的Ubuntu Mate 20.04 操作系統(tǒng)，流暢易用；myAGV 2023具備2D建圖與導(dǎo)航、3D建圖與導(dǎo)航、圖形化編程、可視化軟件、ROS仿真、手柄鍵盤控制等多鐘功能，是科研教育、個人創(chuàng)客的首選。

Astra Pro2
Astra Pro2深度相機是基于3D 結(jié)構(gòu)光成像技術(shù)獲取物體的深度圖像，同時利用彩色相機采集物體的彩色圖像，適用于0.6m-6m 距離進行3D物品和空間掃描的智能產(chǎn)品，可實現(xiàn)測量距離內(nèi)的物體深度數(shù)據(jù)測量。作為Astra系列的迭代升級產(chǎn)品，Astra Pro 2配置MX6000自研深度感知芯片，最高支持1280x1024深度圖像，自帶多分辨率下深度圖像與彩色圖像空間對齊功能，可廣泛應(yīng)用于機器人避障、低精度3D測量、體感交互等場景。具備RGB-D功能，能夠捕捉彩色圖像和深度信息，用于生成三維地圖。

所有所需要的依賴的功能包，在myAGV所安裝的額ubuntu 20.04系統(tǒng)中已經(jīng)按照好，我們可以直接使用ROS當中的rtabmap以及astra pro2的功能包。

rtabmap 實現(xiàn)
myagv 已經(jīng)打包好了一些基本的功能我們直接使用，在這個過程中分析一下他們的功能。

啟動程序
首先得啟動里程記和雷達。

roslaunch myagv_odometry myagv_active.launch

myagv_active.launch啟動文件負責(zé)初始化和啟動與機器人運動估計和傳感器數(shù)據(jù)獲取相關(guān)的核心組件。

   
    
   
   
   
   
   
   
       
   
     
     
     
     
     
     
     
     
-->
   
 
   

myagv_odometry_node：啟動里程計節(jié)點，用于計算機器人在環(huán)境中的位置和姿態(tài)。

robot_description參數(shù)：加載機器人的URDF文件（統(tǒng)一機器人描述格式），描述機器人的物理結(jié)構(gòu)。

joint_state_publisher和robot_state_publisher：發(fā)布機器人的關(guān)節(jié)狀態(tài)和機器人的整體狀態(tài)信息。

static_transform_publisher：定義固定的坐標變換，用于將機器人基座和傳感器（如相機、IMU）之間的相對位置和姿態(tài)聯(lián)系起來。

robot_pose_ekf：使用擴展卡爾曼濾波器（EKF）融合里程計、IMU等傳感器數(shù)據(jù)，提供更精確的機器人位姿估計。

ydlidar_ros_driver：啟動激光雷達（LiDAR）驅(qū)動節(jié)點，用于獲取環(huán)境的激光掃描數(shù)據(jù)。

然后是啟動astra pro2 深度相機

roslaunch orbbec_camera astra_pro2.launch

它設(shè)置了必要的ROS節(jié)點來處理相機的RGB-D數(shù)據(jù)流，包括初始化相機、設(shè)置圖像和深度處理的各種參數(shù)，并將相機數(shù)據(jù)發(fā)布到ROS主題，以供其他節(jié)點（如SLAM或物體檢測）使用。

里面已經(jīng)默認設(shè)置好了一些必要的參數(shù)，如果需要修改的話請按照官方文檔提供的sdk進行修改：3D視覺AI開放平臺

例如一下參數(shù)：

/camera/color/camera_info : 彩色相機信息（CameraInfo）話題。
/camera/color/image_raw: 彩色數(shù)據(jù)流圖像話題。
/camera/depth/camera_info: 深度數(shù)據(jù)流圖像話題。
/camera/depth/image_raw: 紅外數(shù)據(jù)流圖像話題。
/camera/depth/points : 點云話題，僅當 enable_point_cloud 為 true 時才可用`.
/camera/depth_registered/points: 彩色點云話題，僅當 enable_colored_point_cloud 為 true 時才可用。
/camera/ir/camera_info: 紅外相機信息（CameraInfo）話題。
/camera/ir/image_raw: 紅外數(shù)據(jù)流圖像話題。

緊接著啟動rtabmap啟動文件建圖就可以開始建圖了。

roslaunch myagv_navigation rtabmap_mapping.launch

啟動組（group）：

● 將RTAB-Map相關(guān)的節(jié)點分組，使得它們共享相同的命名空間（rtabmap），方便管理和數(shù)據(jù)處理。

RGB-D同步節(jié)點（rgbd_sync）：

● 啟動一個用于同步RGB圖像和深度圖像的節(jié)點，將攝像頭的原始圖像數(shù)據(jù)轉(zhuǎn)換成RTAB-Map可以處理的格式。

RTAB-Map SLAM節(jié)點：

● 啟動RTAB-Map SLAM算法，配置SLAM相關(guān)的參數(shù)，如訂閱的傳感器數(shù)據(jù)、隊列大小、以及優(yōu)化和ICP（迭代最近點算法）相關(guān)的參數(shù)。該節(jié)點負責(zé)實時處理傳感器數(shù)據(jù)，生成環(huán)境地圖并估計機器人的位姿。

RViz可視化：

● 啟動RViz，用于實時可視化RTAB-Map生成的地圖和機器人的位姿。

靜態(tài)變換發(fā)布（tf）：

● 定義并發(fā)布激光雷達和機器人體框架之間的固定坐標變換，確保SLAM算法能夠正確地將傳感器數(shù)據(jù)對齊到相同的坐標系中。

接下來看看效果如何。

效果也不是特別特別的流暢

問題
實現(xiàn)是實現(xiàn)了基本的建圖，但是從圖片中看，即使是Jetson Nano的主板，在性能上還是有所欠缺，在建圖的時候還是會有所卡頓。

所以有沒有辦法，來解決這個問題呢，能夠保證相對完整的建圖。

答案是當然有。

那就是ROS的多機通訊！

解決辦法
ROS多機通訊
ROS多機通信指的是在多個計算設(shè)備之間通過ROS網(wǎng)絡(luò)共享信息和任務(wù)的能力。這在處理復(fù)雜機器人應(yīng)用時特別有用，比如當單個設(shè)備（如Jetson Nano）無法處理所有計算任務(wù)時，可以通過網(wǎng)絡(luò)將部分任務(wù)分擔給其他設(shè)備（如一臺性能更強的PC）。

簡而言之就是，Jetson Nano主板負責(zé)處理slam的一些計算，用一臺性能強的PC來處理深度相機得到圖形處理。

1. 配置網(wǎng)絡(luò)

● 確保PC和Jetson Nano在同一個網(wǎng)絡(luò)下，并可以互相通信。

● 設(shè)置每臺設(shè)備的ROS環(huán)境變量，主要是ROS_MASTER_URI和ROS_IP或ROS_HOSTNAME。

PC:
export ROS_MASTER_URI=http://:11311
export ROS_IP=

Jetson
export ROS_MASTER_URI=http://:11311
export ROS_IP=

2. 啟動核心節(jié)點

在PC端上啟動核心節(jié)點，這樣Jetson Nano可以通過多機通信與PC的ROS核心進行通信

3. 節(jié)點分布

● PC端（SLAM建圖）：在PC上運行RTAB-Map節(jié)點，訂閱來自Jetson Nano的傳感器數(shù)據(jù)，并進行SLAM建圖。

● Jetson Nano端（圖形處理）：Jetson Nano運行傳感器驅(qū)動節(jié)點（如深度相機），并發(fā)布圖像和深度數(shù)據(jù)。

● 同時，可以運行圖形處理節(jié)點，處理訂閱的SLAM結(jié)果或地圖數(shù)據(jù)。

4. 數(shù)據(jù)傳輸

通過ROS topics在PC和Jetson Nano之間傳遞數(shù)據(jù)。例如，Jetson Nano可以將相機的RGB-D數(shù)據(jù)發(fā)布到/camera/color/image_raw和/camera/depth/image_raw等主題，PC端的RTAB-Map節(jié)點則訂閱這些主題。

來看建圖的效果，是不是比之前的流暢了許多。

總結(jié)
在本次技術(shù)案例中，我們成功地使用這款產(chǎn)品結(jié)合Jetson Nano主板和3D攝像頭，實現(xiàn)了RTAB-Map的三維建圖功能。

然而，在實施過程中，我們遇到了性能瓶頸的問題，特別是在Jetson Nano主板上運行復(fù)雜的SLAM算法時，計算負荷較重，導(dǎo)致實時性和穩(wěn)定性受到一定影響。為了解決這一問題，我們引入了多機通訊技術(shù)，將部分計算任務(wù)分配到另一臺計算機上進行處理，從而減輕了Jetson Nano的負擔。通過這一優(yōu)化方案，不僅提高了系統(tǒng)的整體性能，還確保了SLAM建圖過程的流暢和高效。

審核編輯 黃宇