-COMPUTATION GRAPH .2

Posted 2023-03-08 zhangrelay

下图所示，机器人和障碍物直接距离：

可以看到如果是单线雷达，这种测距和传感器安装的位置密切相关。

chatgpt：
ROS2机器人的COMPUTATION GRAPH概念是指，通过构建一个图形结构，将机器人的计算任务分解成一系列的可执行步骤。其特点是具有易于理解、可扩展性强的特性，可以有效地提高机器人的计算性能。它的应用可以帮助机器人实现自主操作、自主导航等功能。
ROS2机器人激光测距系统的计算图是一种用于检测和定位物体的技术。它可以利用激光雷达发射的脉冲，经过反射后再次接收，从而测量物体到激光雷达的距离。它通常由一个传感器，一个处理器，一个控制器和一个软件组成，它们可以在ROS2机器人系统中实现自动控制和导航。

书中给出的图示：

使用rqt工具获取，与此一致：

测得距离等，成功会有一组数据显示。

例如，turtlebot

例如，tiago

检测障碍物：

加个箭头→标记：

绘制 "base_footprint", "detected_obstacle"：

// Copyright 2021 Intelligent Robotics Lab
//
// Licensed under the Apache License, Version 2.0 (the "License");
// you may not use this file except in compliance with the License.
// You may obtain a copy of the License at
//
//     http://www.apache.org/licenses/LICENSE-2.0
//
// Unless required by applicable law or agreed to in writing, software
// distributed under the License is distributed on an "AS IS" BASIS,
// WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
// See the License for the specific language governing permissions and
// limitations under the License.

#include <tf2/transform_datatypes.h>
#include <tf2/LinearMath/Quaternion.h>

#include <memory>

#include "br2_tf2_detector/ObstacleMonitorNode.hpp"

#include "geometry_msgs/msg/transform_stamped.hpp"

#include "tf2_geometry_msgs/tf2_geometry_msgs.hpp"

#include "rclcpp/rclcpp.hpp"

namespace br2_tf2_detector


using namespace std::chrono_literals;

ObstacleMonitorNode::ObstacleMonitorNode()
: Node("obstacle_monitor"),
  tf_buffer_(),
  tf_listener_(tf_buffer_)

  marker_pub_ = create_publisher<visualization_msgs::msg::Marker>("obstacle_marker", 1);

  timer_ = create_wall_timer(
    500ms, std::bind(&ObstacleMonitorNode::control_cycle, this));


void
ObstacleMonitorNode::control_cycle()

  geometry_msgs::msg::TransformStamped robot2obstacle;

  try 
    robot2obstacle = tf_buffer_.lookupTransform(
      "base_footprint", "detected_obstacle", tf2::TimePointZero);
   catch (tf2::TransformException & ex) 
    RCLCPP_WARN(get_logger(), "Obstacle transform not found: %s", ex.what());
    return;
  

  double x = robot2obstacle.transform.translation.x;
  double y = robot2obstacle.transform.translation.y;
  double z = robot2obstacle.transform.translation.z;
  double theta = atan2(y, x);

  RCLCPP_INFO(
    get_logger(), "Obstacle detected at (%lf m, %lf m, , %lf m) = %lf rads",
    x, y, z, theta);

  visualization_msgs::msg::Marker obstacle_arrow;
  obstacle_arrow.header.frame_id = "base_footprint";
  obstacle_arrow.header.stamp = now();
  obstacle_arrow.type = visualization_msgs::msg::Marker::ARROW;
  obstacle_arrow.action = visualization_msgs::msg::Marker::ADD;
  obstacle_arrow.lifetime = rclcpp::Duration(1s);

  geometry_msgs::msg::Point start;
  start.x = 0.0;
  start.y = 0.0;
  start.z = 0.0;
  geometry_msgs::msg::Point end;
  end.x = x;
  end.y = y;
  end.z = z;
  obstacle_arrow.points = start, end;

  obstacle_arrow.color.r = 1.0;
  obstacle_arrow.color.g = 0.0;
  obstacle_arrow.color.b = 0.0;
  obstacle_arrow.color.a = 1.0;

  obstacle_arrow.scale.x = 0.02;
  obstacle_arrow.scale.y = 0.1;
  obstacle_arrow.scale.z = 0.1;


  marker_pub_->publish(obstacle_arrow);


  // namespace br2_tf2_detector

生成tf-detected_obstacle：

// Copyright 2021 Intelligent Robotics Lab
//
// Licensed under the Apache License, Version 2.0 (the "License");
// you may not use this file except in compliance with the License.
// You may obtain a copy of the License at
//
//     http://www.apache.org/licenses/LICENSE-2.0
//
// Unless required by applicable law or agreed to in writing, software
// distributed under the License is distributed on an "AS IS" BASIS,
// WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
// See the License for the specific language governing permissions and
// limitations under the License.

#include <memory>

#include "br2_tf2_detector/ObstacleDetectorNode.hpp"

#include "sensor_msgs/msg/laser_scan.hpp"
#include "geometry_msgs/msg/transform_stamped.hpp"

#include "rclcpp/rclcpp.hpp"

namespace br2_tf2_detector


using std::placeholders::_1;

ObstacleDetectorNode::ObstacleDetectorNode()
: Node("obstacle_detector")

  scan_sub_ = create_subscription<sensor_msgs::msg::LaserScan>(
    "input_scan", rclcpp::SensorDataQoS(),
    std::bind(&ObstacleDetectorNode::scan_callback, this, _1));

  tf_broadcaster_ = std::make_shared<tf2_ros::StaticTransformBroadcaster>(*this);


void
ObstacleDetectorNode::scan_callback(sensor_msgs::msg::LaserScan::UniquePtr msg)

  double dist = msg->ranges[msg->ranges.size() / 2];

  if (!std::isinf(dist)) 
    geometry_msgs::msg::TransformStamped detection_tf;

    detection_tf.header = msg->header;
    detection_tf.child_frame_id = "detected_obstacle";
    detection_tf.transform.translation.x = msg->ranges[msg->ranges.size() / 2];

    tf_broadcaster_->sendTransform(detection_tf);
  


  // namespace br2_tf2_detector

scan重命名等：

# Copyright 2021 Intelligent Robotics Lab
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

from launch import LaunchDescription
from launch_ros.actions import Node


def generate_launch_description():
    detector_cmd = Node(package='br2_tf2_detector',
                        executable='detector',
                        output='screen',
                        parameters=[
                            'use_sim_time': True
                        ],
                        remappings=[
                            ('input_scan', '/scan_raw')
                        ])

    ld = LaunchDescription()
    ld.add_action(detector_cmd)

    return ld

remappings=[
('input_scan', '/scan_raw')
])

可以依据具体主题名称进行调整。

chatgpt：

要使用激光雷达数据，首先需要将激光雷达连接到你的机器人。然后，可以通过ROS2中的ROS2话题进行数据传输。激光雷达生成的数据通常是PointCloud2消息类型，该消息类型包含三维点的坐标信息。
接下来，可以通过创建一个ROS2节点来订阅并处理激光雷达生成的数据。您可以使用ROS2提供的函数，例如subscribe()和callback()，在该节点中实现这一点。回调函数可以访问接收到的数据，并对其进行处理。
最后，可以使用ROS2提供的函数，例如publish()，在该节点中发布处理后的数据，以便其他节点可以访问。
总而言之，使用ROS2中的激光雷达数据需要以下步骤：
连接激光雷达到机器人
通过ROS2话题传输数据
创建ROS2节点订阅和处理数据
在该节点中发布处理后的数据。

使用 ROS2 中的 tf2 库可以方便地处理坐标变换，包括平移和旋转。首先，需要安装 ROS2 中的 tf2 库，然后在代码中引入 tf2 的头文件。
接下来，需要创建一个 tf2 的 TransformBroadcaster 对象，它将负责广播坐标变换的数据。可以使用 TransformBroadcaster 对象的 sendTransform 函数来广播坐标变换的数据。
sendTransform 函数需要传入一些参数，例如：变换的时间戳、变换的原点坐标、变换的目标坐标、变换的平移量和旋转量。
最后，可以使用 tf2 的 TransformListener 对象来订阅坐标变换的数据。TransformListener 对象可以帮助计算从一个坐标系到另一个坐标系的变换。
以上是 ROS2 中使用 tf2 处理坐标数据的一般流程。详细的示例代码可以在 ROS2 官方文档中找到。