簡介
本文是AMR ROS2光達搬運機器人系統設定的第三篇文章，文章內容會大略講解導航系統中的架構與設置。如果還沒有閱讀過之前我們部落格AMR ROS2搬運機器人文章的讀者，建議先往回閱讀之前的文章，會更容易了解文章中的內容。
一、AMR ROS2光達搬運機器人-規劃貨品搬運路線 -使用NVIDIA Orin Nano-功能介紹篇-連結點這裡
二、AMR ROS2光達搬運機器人-入門操作篇 -使用NVIDIA Orin Nano-連結點這裡
三、AMR ROS2光達搬運機器人-進階應用篇 -使用NVIDIA Orin Nano-連結點這裡
四、AMR ROS2光達搬運機器人-掛載映象檔與資料分發服務設定 -使用NVIDIA Orin Nano-連結點這裡
五、AMR ROS2光達搬運機器人-光達地圖繪製與定位(SLAM)系統設定 -使用NVIDIA Orin Nano-連結點這裡
| 攝影/撰寫 | 楊子賢 | 材料表 | RK-AMR ROS2 光達搬運機器人
場地圍牆 筆電電腦 (連入 ROS2 搬運機器人 編寫程式)
|
| 時間 | 1小時 | ||
| 難度 | 3（滿分5） |
軟硬體背景
NVIDIA Jetson Orin Nano
Jetpack 5.1.1
L4T 35.3.1
Ubuntu 20.04 LTS
導航系統 – Navigation2
Navigation2是ROS2中最主要在使用的導航系統，它可以應用在各式各樣的機器人上，提供感測、規劃、控制、定位、圖形化等功能，也能根據使用需求，以新增插件或是修改行為樹的方式進行功能客製化，實現使用者對於機器人自動化的要求。
導航架構
在Navigation2上，主要可以分為行為樹(Behavior Tree, BT)、規劃器(Planner)、控制器(Controller)。
行為樹
行為樹負責主導導航的流程，它會根據設定判斷當前的狀態，並執行對應的功能部件，例如接收到目標時交由規劃器給出大略的路徑，之後交給控制器操控機器人沿著路徑移動。在系統中預設的行為樹已經相當完善，這邊僅需要調整座標轉換的設定即可。
- “use_sim_time”：是否使用虛擬時間，在模擬環境時使用
- “global_frame”：設定作為基底的座標轉換，通常是map
- “robot_frame”：設定機器人的座標轉換，通常是base_footprint或是base_link
- “odom_topic”：設定里程計的訊息來源名稱
導航規劃器-規劃導航時的路徑
當使用者或其他系統給予導航系統一個目標時，規劃器會參考光達及地圖資料，根據選擇的演算法建立一條繞過障礙物，前往目的地的最短或是最佳路徑，這條路徑會作為之後控制的參考。當使用有動態避障功能的控制器時，遇到突然出現在路徑上的障礙物，規劃器會立刻規劃另一條路徑，避開新加入的障礙物。
Navfn規劃器
Navfn(Navigation Function)使用Dijkstra或A*演算法，假設機器人外型是圓形，並在加權過後的代價地圖上計算路徑。Navfn從ROS1的套件沿用而來，穩定性經過時間驗證，且設定簡單。
- “tolerance”：影響機器人對於目標距離的可接受誤差容忍值，如果無法到達目標，但距離少於這個數值就會停止，以公尺(m)為單位
- “use_astar”：是否使用A*演算法，如果沒有設定或是關閉就會使用Dijkstra演算法
- “allow_unknown”：是否允許規劃路徑到地圖上未知的位置
- “use_final_approach_orientation”：是否以路徑最後的方向作為停止點，而非依照目標的方向停止
Smac2D規劃器
Smac2D使用A*演算法在2D網格中的相鄰節點進行路徑搜尋，規劃出最佳路徑。
- “tolerance”：影響機器人對於目標距離的可接受誤差容忍值，如果無法到達目標，但距離少於這個數值就會停止，以公尺(m)為單位
- “downsample_costmap”：是否對代價地圖降採樣，壓縮代價地圖的內容
- “downsampling_factor”：降採樣的倍率
- “allow_unknown”：是否允許規劃路徑到地圖上未知的位置
- “max_iterations”：搜尋路徑的最大次數，超過後會被視為無法到達
- “max_on_approach_iterations”：在與目標距離小於可接受誤差容忍值時，搜尋路徑的最大次數
- “max_planning_time”：規畫路徑的最大時間，以秒(s)為單位
- “cost_travel_multiplier”：路徑移動的權重，數值愈大路徑會越偏向道路中央，以遠離障礙物
- “use_final_approach_orientation”：是否以路徑最後的方向作為停止點，而非依照目標的方向停止
- “smoother.max_iterations”：進行路徑平滑的最大次數
- “smoother.w_smooth”：路徑平滑的權重
- “smoother.w_data”：保留原始資料的權重
- “smoother.tolerance”：結束路徑平滑的條件
ThetaStar規劃器
ThetaStar使用Theta*演算法，利用代價地圖計算網格節點與障礙物距離，用以規劃路徑。
- “how_many_corners”：使用周圍八個方向或是四個方向規畫路徑，輸入值只能是4或8
- “w_euc_cost”：路徑長度的權重，數值愈大路線會越簡潔(直線)
- “w_traversal_cost”：移動路徑的權重，數值愈大路線會越複雜(曲線)
- “use_final_approach_orientation”：是否以路徑最後的方向作為停止點，而非依照目標的方向停止
- “allow_unknown”：是否允許規劃路徑到地圖上未知的位置
- “terminal_check_interval”：在執行多少次後系統會認為導航被取消或超時
導航控制器-控制導航時的方向
在導航系統中，控制器會接收規劃好的路徑，按照設定好的演算法，讓機器人移動到目的地，根據控制器內演算法的不同，在行走時也會有不一樣的表現，套件中有預設三個控制器可供選擇，分別是：RPP、DWB、MPPI。
RPP控制器-單純跟隨路徑
RPP(Regulated Pure Pursuit)是三個控制器中最簡單的，它就只會跟著接收到的路徑移動，並在接近障礙物時減速，這個控制器就足以應付大多數環境單純，不會有動態障礙物的場景。
- “desired_linear_vel”：可以改變機器人的直線(線性)速度
- “rotate_to_heading_angular_vel”：可以改變機器人的旋轉(角)速度
- “lookahead_dist”、“min_lookahead_dist”、“max_lookahead_dist”、“lookahead_time”：機器人考量的路線距離，會影響跟隨路徑的穩定性，越遠越不穩定
DWB控制器-動態窗口法
DWB(Dynamic Window approach B)是導航系統中預設的控制器，它會根據設定中機器人的移動參數，在機器人可能的移動範圍內考慮行走路線，並用障礙物以及與路徑的距離與方向等數值評估最佳路線，另外還有了動態障礙物躲避的能力。
- “min_vel_x”、“max_vel_x”：可以改變機器人的直線(線性)速度範圍
- “min_vel_theta”、“max_vel_theta”：可以改變機器人的旋轉(角)速度範圍
- “min_speed_xy”、“max_speed_xy”：代表機器人最大移動速度
- “critics”：用來評估路線的項目，下方的scale參數是各個項目的倍率
MPPI控制器-模型預測路徑積分
MPPI(Model Predictive Path Integral)是三個控制器中運算需求最高的，它會根據機器人的當前狀態還有之前的控制指令，加入隨機雜訊後模擬行走路線，並用障礙物距離以及與路徑的距離與方向等數值評估最佳路線，同樣也有動態障礙物躲避的能力。
- “vx_max”、“vx_min”可以改變機器人的直線(線性)速度範圍
- “vz_max”可以改變機器人的旋轉(角)速度上限
- “critics”是用來評估路線的項目，每個項目都有獨立的設定
- 各個評估項目critic裡的通用細部設定：
- “enabled”：是否開啟
- “cost_power”：評估時的順序
- “cost_weight”：評估時的倍率
- “threshold_to_consider”：距離目標多遠開始評估
代價地圖
代價地圖可以分為全域與區域的代價地圖，全域代價地圖用來給規劃器規劃路徑，區域代價地圖則是供給控制器操控機器人。兩者可以分開設定，它們有著相同的設定項目，因此這邊以全域代價地圖的設定為例。
- “update_frequency”：代價地圖的更新頻率
- “publish_frequency”：代價地圖的發布頻率
- “global_frame”：代價地圖的座標轉換對象，通常是map
- “robot_base_frame”：機器人的座標轉換，通常是base_footprint或base_link
- “use_sim_time”：是否使用虛擬時間，在模擬環境時使用
- “robot_radius”：機器人的半徑，單位是公尺(m)
- “resolution”：代價地圖的解析度，單位是公尺(m)
- “track_unknown_space”：是否將地圖中未確定的區域視為可行走區域
- “transform_tolerance”：座標轉換的誤差容忍值
- “plugins”：代價地圖的插件
- “obstacle_layer.enabled”：是否使用障礙層
- “obstacle_layer.scan.topic”：障礙層的資料來源名稱
- “obstacle_layer.scan.obstacle_max_range”：障礙物偵測的最大距離
- “obstacle_layer.scan.obstacle_min_range”：障礙物偵測的最小距離
- “inflation_layer.cost_scaling_factor”：膨脹層的成本倍率，數值越高成本會衰減越快
- “inflation_layer.inflation_radius”：膨脹層的範圍，單位是公尺(m)
- “always_send_full_costmap”：每次更新代價地圖時傳送整份地圖，而不是只發送更改的部分
導航點跟隨-在導航點等待
先前使用過的導航點跟隨，移動到導航點後會等待一定時間後再繼續移動。
- “use_sim_time”：是否使用虛擬時間，在模擬環境時使用
- “loop_rate”：導航點跟隨系統的執行速率
- “stop_on_failure”：當無法移動到下一個導航點時，是否取消後續的導航點
- “waypoint_task_executor_plugin”：導航點跟隨的功能，這邊選用“wait_at_waypoint”
- “wait_at_waypoint.plugin”：根據上方設定的導航點跟隨功能，選擇對應的插件
- “wait_at_waypoint.enabled”：是否啟用插件
- “wait_at_waypoint.waypoint_pause_duration”：抵達導航點後等待的時間
導航點跟隨-在導航點接收訊息
與先前使用過的導航點跟隨相比，一樣會移動到導航點，但接收到訊息後馬上開始移動，可以額外在機器人上設置一個按鈕，讓使用者可以按下按鈕發送訊息。
- “waypoint_task_executor_plugin”：導航點跟隨的功能，這邊選用“input_at_waypoint”
- “input_at_waypoint.plugin”：根據上方設定的導航點跟隨功能，選擇對應的插件
- “input_at_waypoint.enabled”：是否啟用插件
- “input_at_waypoint.timeout”：在抵達導航點後，超過這個時間沒有進行輸入，就會前往下一個導航點
- “input_at_waypoint.input_topic”：輸入訊息來源的名稱
導航點跟隨-在導航點拍照
與上面的功能有些不同，在移動到導航點後，機器人會從設定好的影像訊息儲存一張圖片，可以事先設定好攝影機，再使用usb_cam發送影像訊息。
- “waypoint_task_executor_plugin”：導航點跟隨的功能，這邊選用“photo_at_waypoint”
- “photo_at_waypoint.plugin”：根據上方設定的導航點跟隨功能，選擇對應的插件
- “photo_at_waypoint.enabled”：是否啟用插件
- “photo_at_waypoint.camera_image_topic_name”：影像訊息來源的名稱
- “photo_at_waypoint.save_images_dir”：圖片的儲存位置
- “photo_at_waypoint.image_format”：圖片的儲存格式
ROS2搬運機器人的導航設定到此告一段落，未來還會有更多與ROS2相關的內容，敬請期待。
