├── ALL_SLAM.sh //一键自启动脚本
├── pointlio
│ └── src
│ ├── CMakeLists.txt
│ ├── livox_ros_driver //livox驱动
│ └── Point-LIO //pointlio建图算法
├── README.md
├── SLAM_2d //依托于ROS1的导航和通信worksapce
│ └── src
│ ├── auto_navigation //TEB导航包
│ ├── CMakeLists.txt
│ ├── gmcl
│ ├── laser_filters-noetic-devel //点云滤波包
│ ├── pointcloud_to_laserscan //3d点云映射包
│ ├── rm_bringup
│ ├── rm_usart //串口通信以及决策
│ └── rplidar_ros
└── SLAM_3d
├── DLO //DLO激光里程计
│ └── src
├── Livox-SDK2
│ ├── 3rdparty
│ ├── build
│ ├── CHANGELOG.md
│ ├── CMakeLists.txt
│ ├── include
│ ├── LICENSE.txt
│ ├── README.md
│ ├── samples
│ └── sdk_core
└── ws_livox
└── src
| ALL_SLAM | 自启动脚本 |
|---|---|
| pointlio | Point-Lio建图算法，获取pcd点云地图，pcd转map |
| SLAM_2d | 串口收发，点云转激光，激光过滤，move_base导航 |
| SLAM_3d | 雷达驱动，DLO定位算法 |
-
上位机硬件设备：
MID360激光雷达，intel 幻影峡谷（i7-1165G7) RTX2060
-
机器人底盘及云台：
本赛季我们实现了两种不同的机器人设计，分别是全向轮为底盘的双云台构型，以及麦克纳姆轮底盘的单云台设计。双云台设计保证了哨兵双枪管集火以及自瞄全向感知，而麦克纳姆轮单云台的设计有效减轻了车体重量，降低了车体重心，提高了哨兵的场上机动性。
-
上下位机通信：
采用两路串口通信，分别为自瞄和导航使用
【【RM】华科哨兵DLO定位+move_base导航测试上坡-哔哩哔哩】 https://b23.tv/Br8zgIc
硬件框图总览
软件框架
由于进度以及规划原因，本赛季哨兵导航大部分算法采用较为成熟的开源框架，定位框架依托于激光里程计，而路径规划和避障依托于ros1的navigation包
哨兵导航算法主要解决以下问题
-
如何有效利用裁判系统和云台手数据，实现机器人战略状态的转换
采用较为简单可靠的状态机模型，将场上行为划分为几个状态，预先设定不同状态所执行的战术，例如占领前哨战，自瞄巡航，回家保塔
-
如何实现场上的定位
定位方面依托于开源的DLO激光里程计算法，融合IMU数据，实现稳定的定位
-
如何实现对场地障碍物，敌方以及己方机器人的感知
点云滤波算法，滤除地面点云和机器人自身点云，并将Livox的3d点云映射到2d平面
-
如何融合先验数据以及感知结果，实现动态避障和路径规划，以及最终向机器人底盘发送速度指令
先验数据：Point-lio建图获取场地信息用于全局路径规划，划分可达区和不可达区
感知数据：Livox雷达感知到的实时障碍物
路径规划和运动规划：利用TEB开源算法，保证机器人的移动和避障能力
在Ubuntu20.04环境下，安装ros noetic 和必要依赖(eigen ...)
- 编译SLAM_2d
cd SLAM_2d
catkin_make
-
编译DLO和Livox_ros_driiver2
参考
一键自启动
见ALL_SLAM.sh，开机时自动启动DLO激光里程计，点云滤波和映射，move_base导航，串口通信等任务
建图：
使用Livox官方包开启3d激光雷达roslaunch livox_ros_driver2 MID360.launch发布/livox/lidar和/livox/imu话题，开启建图算法point_lio，输出pcd地图点云文件，用pcd_to_map功能包把pcd三维点云转成二维栅格地图。
启动定位算法：
开启DLO定位roslaunch direct_lidar_odometry dlo.launch,DLO定位对初始位置有要求，机器人需要处于巡逻区的初始位置。
3d激光点云映射和滤波：
开启pointcloud_to_laserscan功能包roslaunch pointcloud_to_laserscan point_to_scan.launch(即把3d激光雷达点云映射到2d平面)，开启laser_filtersroslaunch laser_filters angularBounds.launch把哨兵自身云台遮挡激光数据过滤
启动串口收发和TEB导航
启动串口通信roslaunch rm_uasrt robotStart.launch
启动TEB导航roslaunch auto_navigation move_base_Teb01.launch
-
决策部分使用简单的状态机模型，对复杂多变的场上环境缺乏适应性
-
采用开源激光里程计算法，由于时间有限尚未加入重定位方法，后期可以尝试通过多种方式实现重定位，包括与雷达站的协同
-
对障碍物的感知算法有待改进，目前的滤波会引入坡面的障碍物信息，下赛季可以采用多种方式融合的特征提取以及滤波算法，包括体素滤波，法向量的方法，以及对机器人障碍物点云进行聚类和预测避障
-
机器人运动控制没有考虑机器人底盘的响应，后期可以考虑自研基于LQR控制器或MPC的轨迹跟踪算法
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent