week49 odometry

我们该如何获得里程计呢？
里程计包含2 个方面的信息：
1是位姿（位置和转角），即（x,y,θ）
2是速度（前进速度和转向速度）。

一、采用编码器电机来获取

二、采用ROS里的package : laser_scan_matcher

首先讲一下laser_scan_matcher 这个包，这个包能根据/scan 数据发布2D位姿的数据， 我们是否可以根据2D位姿数据来转换成表示位置的下x，y, z 以及表示姿态的四元数。理论上是可以的。

速度的获取：还是根据2D位姿和时间变量，来计算前进速度和转向速度。2D位姿数据包含：float64 x, float64 y, float64 theta，根据dt 时间里dx,dy，dtheta, 就可以算出前进速度，和转向速度。如果2D位姿数据足够精准，基本都用不上陀螺仪校准。

整个移动机器人的控制结构如下图所示，其中base_controller节点将订阅的cmd_vel信息通过串口或其它通信接口发送给下位机（嵌入式控制板）。下位机中根据机器人运动学公式进行解算，将机器人速度转换为每个轮子的速度，然后通过CAN总线（或其它总线接口）将每个轮子的转速发送给电机驱动板控制电机转动。电机驱动板对电机转速进行闭环控制（PID控制），并统计单位时间内接收到的编码器脉冲数，计算出轮子转速。

对于众多机器人应用来说，自定位以及基于航位推测(Dead-reckoning, DR)估计的里程计信息是非常重要的。一般来说，要设计一个有效的里程计系统是十分困难的。

一、惯性导航单元(Inertial Measurement Unit, IMU)

一般来说，IMU主要由加速度计和陀螺仪构成(有的时候还会加上磁力计)，可以相应获取加速度，角速度以及方位角等信息(事实上还可以通过积分获得位移信息，但是误差很大)。

IMU提供带有噪声和偏差的量测，利用上述信息，可以确定IMU的方位(orientation) 、位置(position)、以及速度(velocity)

二. (差分)轮式里程计

误差来源：

(1) 积分时有限的分辨率；

(2) 不同的车轮直径；

(3) 轮子接触点发生变化；

(4) 非均匀的地面接触以及不同位置变化的摩擦系数导致打滑；

关于错误的消除：

确定的误差可以通过合适的标定(calibration)消除；

非确定的误差需要通过误差模型进行描述，这将导致非确定的位置估计结果。

Gmapping本身依赖的是底盘运动模型解算出来的里程计信息，我们应该先弄清楚里程计需要提供的是什么数据，里程计无非是需要(x,y,θ) x,y可以根据运动模型解算得到，既然能解算得到x,y，那么θ也能通过运动模型得到，但是光靠运动模型解算出来的数据，现实机器人总会引入大量的噪声，如果对底盘解算的数据没有信心，可以将通过IMU得到的θ替换掉里程计的θ作为Gmapping的输入，以提供精确的姿态角，同理x,y也可以通过激光雷达解算得到，也可以将这数据作为里程计(x，y)的输入
但电机不行，编码器不行，轮子打滑，底盘不稳，程序解算写得不行，都有可能会影响到立里程计(x，y，θ)，结果就是建图不精准，可能出现地图重叠，建图时机器人位姿偏移等现象，我们需要想办法尽可能提供精确的里程计数据(x，y，θ)