使用 ROS 與 Gazebo 模擬一個自動避障機器人

前言

機器人要在環境中隨心所欲移動，需要的最基礎功能之一就是避障。要能夠避障的首要條件是要有感測器接收環境中的資訊，才能藉由這個資訊判斷障礙物是否存在。

常見的感測器包含紅外線感測器、超音波感測器、雷射測距儀、一般的相機、RGB-D 感測器等等，底層的感測器 driver 不在這篇文章的討論範圍裡，我們先單純看看怎麼使用收到的 laser data 來避障。

建立模擬環境

我們先用 Gazebo 建立一個簡單的環境，加上幾個障礙物，就可以把這個 world 存起來了 (這邊先叫做 simple_wall.world )。接下來我們要寫一個 launch 檔，在啟動 Gazebo 的時候就載入剛剛存的 world，加入一隻 Turtlebot，並讓這隻 Turtlebot 有一顆模擬的雷射測距儀。相關的檔案都可以在這邊找到。

而上面提到的這些東西都可以用一個 launch 檔搞定：

<launch>

  <param name="robot_description" command="$(find xacro)/xacro.py '$(find turtlebot_description)/robots/kobuki_hexagons_kinect.urdf.xacro'" />

  <arg name="world_file"  default="$(find assignment_3)/world/simple_wall.world"/>
  <arg name="base"      value="$(optenv TURTLEBOT_BASE kobuki)"/> <!-- create, roomba -->
  <arg name="battery"   value="$(optenv TURTLEBOT_BATTERY /proc/acpi/battery/BAT0)"/>  <!-- /proc/acpi/battery/BAT0 --> 
  <arg name="gui" default="true"/>
  <arg name="stacks"    value="$(optenv TURTLEBOT_STACKS hexagons)"/>  <!-- circles, hexagons --> 
  <arg name="3d_sensor" value="$(optenv TURTLEBOT_3D_SENSOR kinect)"/>  <!-- kinect, asus_xtion_pro --> 

  <include file="$(find gazebo_ros)/launch/empty_world.launch">
    <arg name="use_sim_time" value="true"/>
    <arg name="debug" value="false"/>
    <arg name="gui" value="$(arg gui)" />
    <arg name="world_name" value="$(arg world_file)"/>
  </include>

  <node name="spawn_turtlebot_model" pkg="gazebo_ros" type="spawn_model" args="$(optenv ROBOT_INITIAL_POSE) -unpause -urdf -param robot_description -model turtlebot" respawn="false" output="screen"/>
  
  <node pkg="robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher">
	  <param name="publish_frequency" type="double" value="30.0" />
  </node>
  
  <!-- Fake laser -->
  <node pkg="nodelet" type="nodelet" name="laserscan_nodelet_manager" args="manager"/>
  <node pkg="nodelet" type="nodelet" name="depthimage_to_laserscan"
        args="load depthimage_to_laserscan/DepthImageToLaserScanNodelet laserscan_nodelet_manager">
    <param name="scan_height" value="10"/>
    <param name="output_frame_id" value="/camera_depth_frame"/>
    <param name="range_min" value="0.45"/>
    <remap from="image" to="/camera/depth/image_raw"/>
    <remap from="scan" to="/scan"/>
  </node>

</launch>

啟動之後的模擬環境如下：

simple_wall

實作避障演算法

有了模擬環境跟機器人後，接下來就是要實作控制機器人行為的演算法啦。這邊用到的演算法很簡單，程式碼也就不長:

#!/usr/bin/env python
import rospy
from geometry_msgs.msg import Twist
from sensor_msgs.msg import LaserScan

ranges = []

def callback(data):
    global ranges
    ranges = data.ranges
    # (data.angle_max - data.angle_min)/data.angle_increment: 638.99
    # len(data.ranges):640

def random_walker():
    pub = rospy.Publisher('/mobile_base/commands/velocity', Twist, queue_size=10)
    sub = rospy.Subscriber('/scan', LaserScan, callback)
    rospy.init_node('turtlebot_random_exploration_node')
    rate = rospy.Rate(10)

    cmd = Twist()

    while not rospy.is_shutdown():
        #data.range_min == 0, can be ignored in this case
        global ranges
        distance_smaller_than_thres = [i for i in ranges if i <= 0.5]

        if( len(distance_smaller_than_thres) > 0):
            cmd.linear.x = 0
            cmd.angular.z = 0.5
            
            pub.publish(cmd)
            rate = rospy.Rate(1)
            rate.sleep()
        else:
            cmd.linear.x = 0.1
            cmd.angular.z = 0
            pub.publish(cmd)
            rate = rospy.Rate(10)
            rate.sleep()


if __name__ == '__main__':
    try:
        random_walker()
    except rospy.ROSInterruptException:
        pass

主要控制機器人移動的函式是 random_walker() ，一進入這個函式，就會先初始化送出移動命令的 publisher ，也會初始化接收 laser data 的 subscriber，只要一收到新的 laser data 就會呼叫 callback() 函式更新 range 這個全域變數，這邊就要稍微解釋一下 LaserScan 這個 msg 了。

基本上，因為 LaserScan 這種資料結構太常用，所以 ROS 官方提供的 sensor_msgs package 裡面就已經包含了 LaserScan.msg，它的定義在網路上很容易找到：

scan_msg

可以看到裡面包含了許多資訊，例如收到 data 的最小角度和最大角度、回傳得到的距離資訊等等，我們這邊只單純用到距離資訊，所以只用到 ranges 的資料就夠了。

所以在 random_walker() 的 while 迴圈裡面，就是不斷地去判斷 ranges 裡面的距離有沒有小於 0.5 公尺的，如果有，就讓機器人停下來原地旋轉；如果沒有，那就讓機器人繼續往前進。夠簡單了吧。

要執行的話，因為我剛好已經有一個現成的 repository 可以用，所以可以直接載來玩：

cd catkin_ws/src
git clone https://github.com/Po-Jen/sd-ros-class.git
cd .. & catkin_make
source devel/setup.bash
roslaunch assignment3 gazebo_random_walker_and_gmapping.launch

如果你成功跑起來，應該可以看到 Turtlebot 在 Gazebo 裡面緩慢地移動。我還順便加上了 gmapping 的 node，所以應該可以在 Rviz 看到建立出來的地圖。

rviz_map

總結

這周教大家寫一個簡單的避障機器人，可以根據 laser data 判斷機器人附近有沒有障礙物，只要障礙物太過靠近就停下來轉個方向，雖然概念很簡單，不過對於入門的讀者來說，要實作出來也是需要思考一下，希望這篇文章可以變成踏腳石，讓想玩移動機器人的讀者可以上手。

延伸閱讀

關於作者：
@pojenlai 演算法工程師，對機器人跟電腦視覺有少許研究，最近在鍛鍊自己的執行力

喜歡我們的文章嗎？歡迎分享按讚給予我們支持和鼓勵！

TechBridge 技術日報

TechBridge 技術共筆部落格

var topics = ['Web前後端', '行動網路', '機器人/物聯網', '數據分析', '產品設計', 'etc.']

使用 ROS 與 Gazebo 模擬一個自動避障機器人

前言

建立模擬環境

實作避障演算法

總結

延伸閱讀

訂閱 TechBridge Weekly 技術週刊，每週發送最精華的技術開發、產品設計的資訊給您

留言討論