一、总体功能设计
完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。
（注：目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。）
二、实验环境
Windows10
VMware虚拟机 ubuntu18.04
Ros melodic
三、演示
演示地址：https://www.bilibili.com/video/BV1tB4y1Y7UH
四、场景搭建、建图与导航模块
4.1 场景搭建
- gazebo Building Editor
- gazebo Building Editor
由于官方的模型库中没有我所使用的YOLO模型中能够检测到的特征鲜明的物体，如猫、狗、大象、马、苹果、香蕉等，所以部分物体（如图中的香蕉）放在相框中的图片中进行识别。 - 设置的小车主要识别的区域
4.2 小车模型
本次课设使用的是TurtleBot3中的Waffle小车，下图中的中间一个（含有雷达与摄像头）
小车模型在rviz中展示
4.3 导航模块
- 注：对应github文件中的
test_ws工作空间
gmapping 通过粒子滤波将激光距离数据转化为珊格地图。
- 优点：在长廊及低特征场景中建图效果好；构建小场景地图所需的计算量较小且精度较高。缺点：依赖里程计，无法适用无人机及地面小车不平坦区域；无回环；大的场景，粒子较多的情况下，特别消耗资源。
主要参考：我在github上传的这个文件：导航模块参考.pdf
（1）安装依赖
在开始该部分设计之前，我们先安装相关支持的功能包，包括建图、导航以及机器人仿真的功能包（克隆下载后仅保留turtlebot3_gazebo文件夹），相关命令如下:
sudo apt-get update
sudo apt-get install ros-melodic-turtlebot3-*
sudo apt-get install ros-melodic-navigation
sudo apt-get install ros-melodic-slam-gmapping
git clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git
sudo apt-get install ros-melodic-dwa-local-planner
- 在使用仿真机器人之前先利用以下命令确定机器人类型，在 test_ws 目录下运行：
echo “export TURTLEBOT3_MODEL=waffle” >>~/.bashrc
（2）从github下载的文件中的test_ws目录下
先 catkin_make编译然后刷新工作空间，最后在运行 launch文件即可完成整体功能的启动，建图流程:
在test_ws目录下运行以下两条命令
roslaunch turtlebot3_gazebo turtlebot3_world.launch
roslaunch my_navi build_map.launch
运行完上述前两条命令之后会出现一个仿真的场景，然后rviz中会显示当前建图结果，然后运行下面的命令会出现键盘控制界面，
rosrun turtlebot3_teleop turtlebot3_teleop_key
可以利用“w”，“a”,“s”，“d”来控制机器人移动，这四个按键分别控制向前移动、向左自旋、停止和向右自旋，合理的控制机器人移动来建立环境地图，结果如图3所示，最后利用下面的命令保存建图结果，
rosrun map_server map_saver -f map2
产生图片名为“map2.pgm”和名为“map2.yaml”的地图参数，相关建图结果如图所示
- 开始建图的时候
- 建图完成
- 控制小车建图的时候各个节点之间的通信情况
（3）运行导航功能
导航相关命令如下，在 test_ws 目录下执行命令之后会出现仿真场景和 rviz，点击 rviz 导 航栏的“2D Nav Goal”，然后点击地图上的任意空白地点之后机器人会自动导航至目标点， 并且 rviz 和仿真地图中机器人的动作在没有系统延时的时候会保持一致。
roslaunch turtlebot3_gazebo turtlebot3_world.launch
roslaunch my_navi turtlebot_navigation.launch
五、YOLO目标检测模块
注：对应github文件中的yolo_ws工作空间
主要参考：小车yolo机械臂（一）ros下gazebo搭建小车（可键盘控制）安装摄像头仿真 加载yolo检测识别标记物体
5.1 YOLO介绍
YOLO（You Only Look Once） 是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。
5.2 本课设尝试使用过的YOLO模型
注：本课设使用的是yolov2_tiny.weights（能识别80种类别的物体）
六、语音合成模块
- 注：对应github文件中的
catkin_ws工作空间 - 主要参考：
- ROS实战( 三 )利用科大讯飞tts实现ROS下语音合成播报
- ROS实战（二） 科大讯飞语音合成模块
可直接用文章（三）；注意第二个参考中的以下两个需要执行一些下：
sudo apt-get install sox
为了不要每次运行都souce,把x64目录下的共享库文件拷贝到/usr/lib/下,先cd到voice/libs/x64目录下
cp libmsc.so /usr/lib/
七、小车摄像头与YOLO模块的通信
7.1 小车摄像头模块发布话题消息
找到导航模块中小车的摄像头对应的话题名称：
打开小车导航模块的时候在rviz中添加camera（可以用来查看小车摄像头的实时画面），然后选择话题名称：/camera/rgb/image_raw
（也可以在rqt_image_view中查看话题名称）
- rviz中添加camera
- 选择topic
- rqt_image_view中查看摄像头话题名称
7.2 YOLO模块模块订阅话题消息
在YOLO模块中订阅该话题：
- 通信过程
八、YOLO模块与语音合成模块的通信
8.1 YOLO模块模块发布话题消息
YOLO检测模块中的ros.yaml文件中，发布话题/darknet_ros/bounding_boxes
rostopic echo /darknet_ros/bounding boxes，展示发布到topic上的消息数据，Class是需要获取到的识别结果
8.2 语音合成模块订阅话题消息
- 语音合成模块节点
- 在回调函数中获取话题/darknet_ros/bounding boxes消息中的Class内容：
- 通信过程
九、演示时各模块的启动命令
（在test_ws路径下）启动gazebo：roslaunch my_navi xinyang.launch
（在test_ws路径下）启动导航模块：roslaunch my_navi turtlebot_navigation.launch
（在yolo_ws路径下）启动YOLO模块：roslaunch darknet_ros darknet_ros.launch
（在catkin_ws路径下）启动语音合成模块：rosrun voice_system xf_tts_node
- 全局：各节点会之间的通信情况
注意事项;
实验的过程中遇到了许多的bug和问题，例如：
- YOLO模块检测物体的时候检测框的左上角不出现文字（后来发现是缺少labels文件）；
- gazebo打开的时候可能会崩溃（后来发现是虚拟机的问题，需要关闭vmware的3D图形加速选项）；
- 关闭gazebo的时候尽量使用ctrl+C去关闭，直接关闭窗口可能不能完全关闭gazebo的全部进程（此时需要重启）；
- 使用语音模块去订阅YOLO模块发送的消息的时候要处理好/darknet_ros/bounding boxes话题信息，在回调函数中提取其中的识别结果。
源码：
github源码地址：https://github.com/xinyangwy/ROS_DesignCode
转载：https://blog.csdn.net/weixin_45912291/article/details/125803475