技术分享 | 惊了！学完了自动驾驶的道路识别，我忽然明白了...

Posted 2021-09-10 阿木实验室

turtlebot简介

相信很多接触过ROS的人，对turtlebot这个机器人都不陌生。它是一款低成本、开源的个人机器人套件，有着ROS的官方支持，是ROS的标准平台。turtlebot系列的设计有着易于购买、搭建和组装，并且可以从ROS wiki下载官方的SDK进行二次开发的特点，是作为入门级不可或缺的机器人移动平台。

turtlebot至今已经发布了三代，今天将会介绍如何以turtlebot3为载体，在gazebo中实现自动驾驶中寻路（lane detection）功能。

前期准备

工欲善其事必先利其器，要想通过turtlebot3实现自动驾驶功能，首先需要安装一些环境。本次测试是基于 ubuntu 20.04的ROS Noetic版本。

1. 安装turtlebot3环境

打开终端，输入

cd ~/catkin_ws/src/git clone https://github.com/ROBOTIS-GIT/turtlebot3.gitcd turtlebot3git clone https://github.com/ROBOTIS-GIT/turtlebot3_msgs.gitgit clone -b noetic-devel https://github.com/ROBOTIS-GIT/turtlebot3_autorace_2020.gitgit clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations.gitsudo apt install ros-noetic-image-transport ros-noetic-cv-bridge ros-noetic-vision-opencv python3-opencv libopencv-dev ros-noetic-image-proc

当我们完成以上环境安装以后，编译即可

cd ~/catkin_wscatkin_make

当我们编译完成以后，可以尝试启动仿真环境。

打开终端，输入命令

roslaunch turtlebot3_gazebo turtlebot3_autorace_2020.launch

当出现以下图片，表示仿真环境成功安装

2. 相机校准

自动驾驶在很大程度上依赖于视觉处理，因此相机校准对于成功完成任务起着重要作用。在gazebo仿真环境中不需要校准相机的内参，但需要校准相机外参。注意：在实际使用中需要按照一定的步骤详细校准相机的内外参数。

首先我们启动仿真环境

roslaunch turtlebot3_gazebo turtlebot3_autorace_2020.launch

新开一个终端（这里推荐使用 terminator，非常好用的一款终端，可以分屏）

roslaunch turtlebot3_autorace_camera intrinsic_camera_calibration.launch

新开一个终端，输入

roslaunch turtlebot3_autorace_camera extrinsic_camera_calibration.launch mode:=calibration

新开一个终端，输入

rqt

然后在rqt的界面，选择

plugins > visualization > Image view。

创建两个窗口（重复操作两次）​​​​​​​

在左边的窗口选择/camera/image_extrinsic_calib/compressed话题，在右边的窗口选择 /camera/image_projected_compensated话题。

如下图所示。

然后再次打开一个终端，输入

rosrun rqt_reconfigure rqt_reconfigure

在窗口的左边选择 /camera/image_projection 和 /camera/image_compensation_projection。

调整参数，然后观察rqt的两个窗口。直到左边窗口的红色线框在道路内，右边为道路的俯视图。如下图所示。

对应参数如图所示。

 当参数调好以后，不要点击保存。找到加载参数的源文件，手动修改。在本文中，两个参数的位置都在

~/catkin_ws/src/turtlebot3/turtlebot3_autorace_2020/turtlebot3_autorace_camera/calibration/extrinsic_calibration/目录下

在文件中找到上述文件，将对应的参数修改

compensation.yaml文件内容

projection.yaml文件内容

至此，在gazebo仿真环境中相机参数调节环节结束。

3. 道路检测

当我们完成相机校准以后，下一步就可以进行道路检测了。

注意：车道检测左侧为黄色，右侧为白色。确保黄色车道在机器人的左侧。

打开终端，输入

roslaunch turtlebot3_gazebo turtlebot3_autorace_2020.launch

新开终端，输入

roslaunch turtlebot3_autorace_camera intrinsic_camera_calibration.launch

新开终端，输入

roslaunch turtlebot3_autorace_camera extrinsic_camera_calibration.launch

 新开终端，输入

roslaunch turtlebot3_autorace_detect detect_lane.launch mode:=calibration

 新开终端，输入

rqt

在rqt的界面，选择 /detect/image_lane/compressed 话题，可以看到车道检测的结果。

如下图所示。

选择话题

/detect/image_yellow_lane_marker/compressed ，

可以看到左边黄色的线，如下图所示。

但这并不是我们想要的结果，我们仅仅需要左边的黄色的线，因此需要调节参数。

选择话题

 /detect/image_white_lane_marker/compressed

  可以看到右边白色的线，如下图所示。

这也不是我们想要的结果。需要调节参数。

新开终端，输入

rosrun rqt_reconfigure rqt_reconfigure

选择窗口左边的 detect_lane ，调节参数，让左边的黄色线只检测到黄色，右边的白色线变得更加饱满。调节最终结果如下图所示

调节的参数如下图

同上面的操作一样，打开源文件路径，对应参数列表修改参数。在本文中，参数文件位于

~/catkin_ws/src/turtlebot3/turtlebot3_autorace_2020/turtlebot3_autorace_detect/param/lane/

lane.yaml文件内容

Tips：

线的滤色校准在实际中会因为物理环境而变得困难，例如房间内的光线亮度等。

首先校准hue值，从低到高。

然后校准 saturation 值，从低到高

最后校准 lightness 值，从低到高。但是在源代码中有自动调节，所以校准亮度值没有意义。只需将其设置为255即可。

上述所提参数校准，参考的是HSV色彩模型。

至此，道路检测校准完成。

4. 仿真

首先关闭所有的终端，然后开始测试。

roslaunch turtlebot3_gazebo turtlebot3_autorace_2020.launch

roslaunch turtlebot3_autorace_camera intrinsic_camera_calibration.launch

roslaunch turtlebot3_autorace_camera extrinsic_camera_calibration.launch

roslaunch turtlebot3_autorace_detect detect_lane.launch

roslaunch turtlebot3_autorace_driving turtlebot3_autorace_control_lane.launch

视频教程：

5.结束语

自动驾驶是未来的一个趋势，也是当前前沿热门技术。Turtlebot3的自动驾驶提供了用于科研与教学的低成本，小型低速自动驾驶的一个平台和方法，让我们可以对自动驾驶有一个基础的认知。

阿木实验室致力于前沿IT科技的教育和智能装备，让机器人研发更高效！

公众号：阿木实验室 ( 领取免费资料包）

官方淘宝店：阿木实验室（可购买硬件配件）

硬件咨询：yanyue199506（欢迎洽谈合作）

课程咨询：jiayue199506 （免费领取机器人工程师学习计划）

- End -

技术发展的日新月异，阿木实验室将紧跟技术的脚步，不断把机器人行业最新的技术和硬件推荐给大家。看到经过我们培训的学员在技术上突飞猛进，是我们培训最大的价值。如果你在机器人行业，就请关注我们的公众号，我们将持续发布机器人行业最有价值的信息和技术。

阿木实验室

官网:https://www.amovlab.com/