ROS探索總結(jié)（四十四）~（五十四）（轉(zhuǎn)）

jisuancosimo 2018-08-30

展開全文

近幾年，機器人和人工智能繁榮發(fā)展，曾經(jīng)運行在實驗室的機器人已經(jīng)逐漸走入千家萬戶的生活。作為機器人開發(fā)利器的ROS也得到了非常廣泛的應用，成為機器人領域的普遍標準。

ROS原本針對科研領域的PR2機器人開發(fā)，這種大繁榮的景象遠遠超過ROS的最初目標，也使得ROS的缺陷在廣泛應用的同時暴露無遺：

1. 缺乏構(gòu)建多機器人系統(tǒng)的標準方法；
2. 在Windows、MacOS、RTOS等系統(tǒng)上無法應用或者功能有限；
3. 缺少實時性方面的設計；
4. 需要良好的網(wǎng)絡環(huán)境保證數(shù)據(jù)的完整性，而且網(wǎng)絡沒有數(shù)據(jù)加密、安全防護等功能；
5. ROS 1的穩(wěn)定性欠佳，研究開發(fā)與上市產(chǎn)品之間的過渡艱難；

正是由于ROS1存在種種問題，才促使ROS2.0的出現(xiàn)。ROS2.0雖然從根本上解決了ROS1.0的許多問題，但是卻無法短時間替代ROS1.0在龐大生態(tài)系統(tǒng)中的關鍵位置，只能借助越來越多的關鍵開發(fā)者逐漸推進。所以從目前ROS2.0的情況來看，近幾年ROS1.0的應用還會是主流。

ROS1.0能否產(chǎn)品化？

那么目前的ROS1.0到底能不能在機器人的產(chǎn)品化過程中應用？如果可以，又該如何應用于機器人產(chǎn)品的開發(fā)？

筆者不才，使用ROS進行了兩年的機器人產(chǎn)品開發(fā)，過程當中也總結(jié)了一些經(jīng)驗，就簡單談一談對于這個問題的看法。

在談ROS的產(chǎn)品化前，我們需要明確一個問題，ROS到底是什么，可以參考我之前的文章：

"Powering the world’s robots" 的ROS是什么？?

ROS的核心雖然是通信機制，但是如今的ROS已經(jīng)遠遠超過通信機制的范疇?？傮w來講，ROS包含四個部分：通信機制、開發(fā)工具、應用功能、生態(tài)系統(tǒng)。

所以在說ROS產(chǎn)品化的時候，我們需要針對這四個方面進行討論。由于內(nèi)容較多，這個主題會分為幾篇文章分別討論。

首先來看第一個部分：

通信機制

點對點的分布式通信機制是ROS的核心，使用了基于TCP/IP的通信方式，實現(xiàn)模塊間點對點的松耦合連接，可以執(zhí)行若干種類型的通信，包括基于話題（Topic）的異步數(shù)據(jù)流通信，基于服務（Service）的同步數(shù)據(jù)流通信，還有參數(shù)服務器上的數(shù)據(jù)存儲等。

但是這種通信機制的實時性和穩(wěn)定性不好，而且強依賴于中心節(jié)點ROS Master。比如我們在機器人產(chǎn)品開發(fā)的過程中，就遇到無數(shù)類似下邊的問題：

1. 在進行壓力測試時，系統(tǒng)連續(xù)運行一周時間，運行到第四天時（時間不確定），ROS Master莫名宕機，整個系統(tǒng)不再受控，某個節(jié)點突然失效也是時有發(fā)生的。。。
2. 系統(tǒng)存在大量話題和數(shù)據(jù)時，本地傳輸?shù)臄?shù)據(jù)延時大而不確定，遠程傳輸?shù)臄?shù)據(jù)更是經(jīng)常受到帶寬和處理性能的影響。。。
3. 在系統(tǒng)中頻繁創(chuàng)建話題時（比如連續(xù)創(chuàng)建幾百個話題），某些話題的數(shù)據(jù)莫名就消失了。。。
4. 通信的實時性較差，沒辦法實現(xiàn)毫秒級的機器人控制。。。
5. 通信數(shù)據(jù)是開放式的，沒有加密，只要在網(wǎng)絡中的節(jié)點都可以輕松獲取。。。
6. 核心機制的性能沒有優(yōu)化，運行在配置較低的ARM上會占用過多資源。。。

這樣看來，好像ROS的核心部分在機器人產(chǎn)品中完全沒有可用性呀！如何去突破這個瓶頸呢？先來看看部分開發(fā)者的改良方法。

▼

首先聊聊百度。

自從百度All in人工智能之后，無人駕駛汽車平臺Apollo就被推上了風口浪尖，甚至還登上了2018春晚的舞臺。在這個吸睛無數(shù)的Apollo平臺背后，就隱藏著ROS的身影。

Apollo平臺基于ROS開發(fā)，但是對通信機制部分進行了眾多改變，有興趣的小伙伴可以看Apollo改良之后的ROS：

https://github.com/ApolloAuto/apollo-platform

或者參考這篇解讀：

干貨曝光（二）｜資深架構(gòu)師首次解密Apollo ROS有何不同！?

總結(jié)而言，百度對ROS的優(yōu)化有以下三點：（咋看上去，這些優(yōu)化有點像ROS 2.0干的那些事兒）

1. 去中心話，也就是干掉ROS Master，這部分使用了DDS技術；

DDS雖然提供的也是發(fā)布/訂閱模型的通信機制，但商用版本可以達到軍工標準，國際上有幾家大公司也在推進DDS在ROS 2.0中的應用。

2. 使用共享內(nèi)存的方法，優(yōu)化大數(shù)據(jù)傳輸?shù)钠款i；

共享內(nèi)存也是ROS2.0中時間敏感型數(shù)據(jù)通信的方法，吞吐量和傳輸速度肯定可以得到很大程度的優(yōu)化，同時占用的CPU資源也比較少。

3. 使用Protobuf優(yōu)化數(shù)據(jù)格式的兼容性。

Protobuf是google開源的一種結(jié)構(gòu)化數(shù)據(jù)存儲格式，百度拿它取代了ROS中的Message，可以向后兼容數(shù)據(jù)協(xié)議的擴展。

無人駕駛汽車的穩(wěn)定性是一個性命攸關的問題，百度敢對ROS進行大刀闊斧的優(yōu)化，也正說明了ROS的行業(yè)認可度和強大生命力。

▼

再來聊聊研究者對ROS中Master宕機、安全性和實時性問題的解決方案。

在ROScon2017上，來自USA Northeastern University的研究者介紹了一個名為“DMCTP”的包，當ROS Master崩潰時，DMCTP會緩存所有狀態(tài)和數(shù)據(jù)，并且重啟Master完成系統(tǒng)恢復。

同在ROScon2017上，另一群研究者提出了“SROS”的概念，也就是為ROS附加一系列安全增強策略：安全傳輸層、訪問控制層、進程配置層等。

在ROScon2016上，針對實時性問題，還有研究者為ROS增加了實時性擴展，稱為——RTROS。

對這幾個研究感興趣的小伙伴可以直接看ROScon歷屆的分享視頻和ppt資料：

https://roscon./

▼

基于ROS的機器人產(chǎn)品有不少已經(jīng)投入使用，除上邊提到的百度無人駕駛汽車，還有另外一個開源無人駕駛汽車平臺Autoware、NASA部署在國際空間站的Robonaut 2機器人等，目前很多大公司的開源部門也在推進ROS的產(chǎn)品化應用。

綜觀這些機器人產(chǎn)品和平臺，都可以說是基于ROS開發(fā)的，但是在ROS通信機制部分，也都進行大量的優(yōu)化和改良。

這種做法對于創(chuàng)業(yè)型的公司來講，如果不是以ROS的改良作為產(chǎn)品的話，往往都不愿意去干這件事情，費時費力。那么對于小公司來講，如果不想去動ROS的核心通信部分，應該怎么做呢？

▼

這就要說回筆者在創(chuàng)業(yè)過程中的實踐了。大概有兩種方法：

第一種：自己不愿意做，就用別人做好的唄；

ROS是一個龐大的開源社區(qū)，上邊提到的那些ROS優(yōu)化，基本上都可以在社區(qū)中找到開源實現(xiàn)，或是找其他公司做好的成熟產(chǎn)品，站在別人的肩膀上繼續(xù)前進。

但是這樣也有問題，一方面，別人實現(xiàn)的功能不一定完全符合自己的需求，另外一方面，這些實現(xiàn)的相關文檔不多，有問題還得從源碼上解決。

那就請使用第二種方法!

第二種：自己不愿意做，也不想基于其他平臺做，那就別強求了。

這就是筆者創(chuàng)業(yè)公司采用的策略——放棄ROS的核心通信機制部分。這句話說來容易，做起來難！畢竟機器人系統(tǒng)還是需要通信功能的，于是我們重新設計了一個。。。

（四十五）—— ROS產(chǎn)品化探索之開發(fā)工具篇

上篇講到，在通信機制部分，我們完全舍棄了ROS基于話題和服務的通信機制，自己又實現(xiàn)了一套通信系統(tǒng)，具體的實現(xiàn)主要基于Linux系統(tǒng)的各種通信方式，此處暫且不表，這篇我們來看下ROS另外一個重要部分——開發(fā)工具，如何在機器人產(chǎn)品化過程中應用。

ROS相關的開發(fā)工具有很多，大致可以分為以下幾種類型：

1.ROS原生工具，比如rviz、qt工具箱、命令行工具等；

2.編譯和測試工具，基于已有工具進一步的包裝；

3.第三方工具，基于成熟工具，使用一些插件或接口和ROS系統(tǒng)兼容。

就這三種類型的工具，我們來具體分析。

一、ROS原生工具

ROS的原生工具非常豐富，可以參考wiki上的說明：

http://wiki./Tools

無論是可視化的qt工具還是命令行工具，都頻繁用于ROS開發(fā)，這些工具和ROS系統(tǒng)的依賴性最強，想要實現(xiàn)產(chǎn)品化并不容易。

▼ rviz

首先來看最重要的一個工具——rviz。

rviz是ROS中的一個三維可視化平臺。為什么說它是ROS最重要的一個工具呢？因為rviz可以把不直觀的數(shù)據(jù)統(tǒng)統(tǒng)可視化地顯示出來，比如圖像、地圖、模型、路徑等等，這些還只是rviz官方提供的顯示插件。

rviz最厲害的地方是它的擴展性，可以通過插件的形式無限擴展，打造自己的人機交互界面。比如上圖是ROScon2017開場演講的Autoware項目，他們將rviz用于無人駕駛汽車的上位機平臺。

上圖是我們自己項目開發(fā)中設計的rviz插件，作為機器人控制的上位機。

rviz原生的顯示組件配合定制化開發(fā)的插件，功能強大，開發(fā)迅速，簡直不能再好用了！

OK！吹了半天rviz的強大，也得說說它的問題！

rviz最大的問題就是對ROS核心通信機制的強依賴，系統(tǒng)中必須要運行ROS Master，顯示的數(shù)據(jù)需要通過話題發(fā)布，運行不穩(wěn)定等等。。。很多時候在啟動rviz的過程中，總是伴隨著警告和錯誤，一次啟動失敗就再來一次，最多三四次還是可以啟動成功的。。。

基于上邊這些問題，rviz基本不可能直接拿來產(chǎn)品化，作為開發(fā)過程中的工具還是非常棒的。不過，rviz的架構(gòu)設計還值得參考，我曾“企圖”利用rviz的源碼重新開發(fā)一個類似的界面工具，擺脫對ROS的依賴，不過最終還是因為沒有時間而放棄了，有興趣的小伙伴可以試一下，記得告訴我結(jié)果哦！

▼ 命令行工具和rqt工具

ROS提供的命令行工具非常豐富，比如rostopic、rosservice、rosnode、rosparam等等。雖然沒有圖形化工具那么直觀，但是很多時候更加簡潔明快。

ROS還提供了一系列輕量化的可視化工具，比如：

顯示計算圖的rqt_graph

顯示數(shù)據(jù)包的rqt_bag

繪制數(shù)據(jù)曲線的rqt_plot

這些工具的問題和rviz類似，或者說ROS的原生工具都有這樣的問題，畢竟是“直系血親”，和ROS核心部分緊密相連，同樣繼承了ROS通信機制部分的問題。

所以，如果想在機器人產(chǎn)品中為用戶提供相關的工具，需要慎重考慮一下面向的對象，和對穩(wěn)定性的需求。

二、編譯和測試工具

第二個部分是ROS提供的編譯和測試工具。

▼ 編譯系統(tǒng)——catkin

ROS的編譯系統(tǒng)基于CMake，針對ROS本身的特點進行了包裝，可以比較方便的管理包之間的依賴關系，而且ROS功能包可以實現(xiàn)系統(tǒng)模塊化、松耦合的管理機制，編譯開發(fā)版和發(fā)布版都沒有問題。

功能包或編譯系統(tǒng)和ROS的核心通信機制沒有直接關系，所以代碼里邊沒有任何ROS相關的代碼，一樣可以使用。在機器人開發(fā)過程中，我們項目中的所有代碼都使用ROS包管理、catkin編譯。

這種方案還有一個很大的好處，就是很容易在CMakeLists中鏈接ROS的庫，比如tf庫。tf庫是坐標變換的數(shù)學處理庫，而我們常用的tf功能包是在tf庫的基礎上加入了ROS封裝，所以兩者是有區(qū)別的。借助tf庫可以幫助我們實現(xiàn)坐標變換，不需要再重復造這個輪子。

▼ 單元測試——gtest

ROS的單元測試系統(tǒng)基于谷歌的gtest，結(jié)合catkin編譯系統(tǒng)，非常好用。我們項目所有的單元測試，都是通過這種方式完成，相關的語法和gtest一樣，可以參考：

http://wiki./gtest

可以說，ROS的編譯和測試工具在產(chǎn)品化開發(fā)過程中可以直接使用，而且包管理機制、單元測試方法讓整個軟件系統(tǒng)的框架清晰明了、分工明確。

三、第三方工具

ROS的迅速崛起，也不斷吸收更多第三方工具的加入，比如Gazebo、Matlab、Qt Creator、SolidWorks等。

▼

機器人仿真是機器人開發(fā)過程中非常重要的一個環(huán)節(jié)，可以針對機器人模型、應用功能、算法處理、環(huán)境狀態(tài)等方面做仿真。Gazebo是ROS中主要的仿真工具，現(xiàn)在已經(jīng)獨立維護，可以通過ROS接口接入ROS環(huán)境，所以無論我們是否使用ROS，都可以使用Gazebo，從開發(fā)到產(chǎn)品的過渡相對平滑。

▼

Matlab是數(shù)據(jù)處理方面的強大工具，2013之后的機器人工具箱也提供了對ROS的支持，實現(xiàn)了ROS核心通信的大部分功能，可以運行ROS Master和節(jié)點，并且發(fā)布話題消息。這為ROS開發(fā)提供了一個強大的數(shù)據(jù)演算后臺，也可以利用matlab的可視化編程功能，實現(xiàn)人機界面的開發(fā)。

▼

Qt Creator、SolidWorks等工具，都是以插件的形式提供對ROS的支持，從而實現(xiàn)與ROS相關的功能。

隨著ROS的發(fā)展，會有越來越多的第三方工具加入ROS的生態(tài)環(huán)境，這些“兵器”也必定會直接帶來生產(chǎn)效率的提高，促進機器人產(chǎn)品化的進程！

本篇針對ROS相關的部分工具進行了分析，當然還有很多工具沒有涵蓋進來。工具的根本目的是提高我們的開發(fā)效率，每一種工具都有其擅長之地，也有其不足之處，所以在我們設計、開發(fā)機器人產(chǎn)品的過程中，可以綜合考慮，發(fā)揮每一個開發(fā)工具的優(yōu)勢。

（四十六）—— ROS產(chǎn)品化探索之應用功能篇

上篇我們講到ROS中的開發(fā)工具，可以提高我們的開發(fā)效率，每一種工具都有其擅長之地，也有其不足之處，所以在設計、開發(fā)機器人產(chǎn)品的過程中，可以綜合考慮，發(fā)揮每一個開發(fā)工具的優(yōu)勢。本篇我們來分析一下ROS中豐富的應用功能。

說起ROS中的應用功能，可就非常龐雜了，涵蓋各種各樣的功能包，簡單做一個如下的分類：

1. 底層驅(qū)動

2. 上層功能

3. 控制模塊

4. 常用組件

就這幾種應用功能，我們來具體分析一下：

一、底層驅(qū)動

機器人開發(fā)是一個軟硬件結(jié)合的領域，常常需要涉及很多傳感器、執(zhí)行器的驅(qū)動。常用的硬件一般都可以在ROS中找到匹配的驅(qū)動功能包，例如傳感器可以參考wiki上的這個列表：

http://wiki./Sensors

針對常用的USB攝像頭，ROS中有usb_cam、uvc_camera等功能類似的驅(qū)動包，運行還算比較穩(wěn)定。我們用usb_cam驅(qū)動1080P的攝像頭做識別，有的時候連續(xù)運行好幾天都不會出問題，不過偶爾也會莫名其妙的掛掉。

一些伺服的驅(qū)動在ROS當中也可以找到，比如dynamixel的伺服，Kungfu Arm前端的靈巧手使用的就是dynamixel，相關的功能包是dynamixel_motor。用ROS驅(qū)動起來確實簡單易用，但是運行時間長了，還是會有問題。有一次給Kungfu Arm錄像，手就有點緊張了，手指不聽使喚，把開水灑了一桌子，驅(qū)動也沒有任何報錯信息，重啟之后再也沒有重現(xiàn)類似的現(xiàn)象。

ROS支持的很多機器人（PR2、KUKA、shadow hand等）都使用到了一種實時工業(yè)以太網(wǎng)總線——EtherCAT。EtherCAT本身就有開源的協(xié)議實現(xiàn)方式，ROS將開源庫集成為功能包——ethercat_soem，可以在很多機器人的軟件源中看到。我們在項目的初期也使用過這種方式，驅(qū)動是沒有問題，但是穩(wěn)定性、實時性、功能方面，都還存在一些問題。

就個人感受而言，ROS中底層驅(qū)動相關的功能包，大部分都是對已有開源驅(qū)動的集成封裝，添加統(tǒng)一的ROS接口，所以穩(wěn)定性主要和原本的驅(qū)動相關，同時還要考慮ROS通信機制的影響。

二、上層功能

上層功能是ROS最為擅長的一個領域，可以提供眾多機器人的應用功能：SLAM、導航、定位、圖像處理、機械臂控制等等，這個部分詳細展開夠說三天三夜了。我就針對兩個部分談一下自己的看法。

1. 機器人導航

現(xiàn)在很多學?；蛘吖咀鰴C器人導航的時候，都會基于ROS開發(fā)。

ROS的這套導航框架確實好用，很快就可以在機器人上把功能跑起來，而且基本不會涉及太多編碼，但是還沒來得及高興，問題就出現(xiàn)了：現(xiàn)實和理想還是有很大差距的，功能實現(xiàn)的效果可能遠遠達不到我們的需求，更別提產(chǎn)品化應用了。

然后就是調(diào)整功能節(jié)點的各種參數(shù)，雖然可以有所改善，但是跟最終的應用還是會有很大差距。使用ROS快速開發(fā)后的興奮，在這個時候就被潑了一盆涼水。

ROS中的功能包一般都是一些通用的功能，不太可能完全適配我們自己的機器人，所以產(chǎn)生各種問題也是情理之中。解決的辦法就是：我們不能太依賴ROS中的資源，核心問題還是需要自己解決，或者針對自己的機器人開發(fā)相關的功能，或者優(yōu)化已有的ROS資源。

在Kungfu Arm的開發(fā)過程中，我們只用了半年時間就利用ROS把機器人功能原型搭建起來了，但是問題多多，接下來的優(yōu)化開發(fā)用了一年多的時間，現(xiàn)在還在持續(xù)的迭代。

2. MoveIt機械臂控制

MoveIt是ROS當中針對機械臂控制的運動規(guī)劃平臺，集成了機械臂運動規(guī)劃、避障規(guī)劃、運動學計算等功能模塊。和ROS中的導航功能差不多，用moveit搭建一個簡單的機械臂控制系統(tǒng)不難，真的要去實現(xiàn)一個產(chǎn)品化的控制系統(tǒng)就復雜了。

這是我們基于ROS開發(fā)的工業(yè)機器人控制系統(tǒng)，不僅把ROS核心通信機制拋離了，而且還針對moveit、ompl、fastik等功能包進行了代碼級的優(yōu)化和修改，大家可以參考專門介紹這款機器人的文章：

功夫手：一款基于ROS的工業(yè)機器人。

總而言之，ROS中豐富的上層應用資源，對機器人產(chǎn)品化的實現(xiàn)還是有很大幫助的，一方面可以利用這些功能包快速完成原型開發(fā)，另一方面也可以從這些源碼資源中獲得靈感。

三、控制模塊

豐富的上層資源最終還是要落實到機器人上，在機器人控制部分，ROS提供了一個控制框架——ros_control，同時還有很多常用的控制器——ros_controllers。

ros_control是ROS為開發(fā)者提供的機器人控制中間件，包含一系列控制器接口、傳動裝置接口、硬件接口、控制器工具箱等等，可以幫助機器人應用功能包快速落地，提高開發(fā)效率。

針對不同類型的機器人（移動機器人、機械臂等），ros_control可以提供多種類型的控制器（controller），但是這些控制器的接口各不相同。

為了提高代碼的復用率，ros_control還提供一個硬件抽象層，負責機器人硬件資源的管理，而controller從抽象層請求資源即可，并不直接接觸硬件。

1. 控制器管理器（Controller Manager）

每個機器人可能有多個控制器（controller），所以這里有一個控制器管理器的概念，提供一種通用的接口來管理不同的控制器。控制器管理器的輸入就是ROS上層應用功能包的輸出。

2. 控制器（Controller）

控制器可以完成每個joint的控制，讀取硬件資源接口中的狀態(tài)，再發(fā)布控制命令，并且提供PID控制器。

3. 硬件資源（Hardware Rescource）

為上下兩層提供硬件資源的接口。

4. 機器人硬件抽象（RobotHW）

機器人硬件抽象和硬件資源直接打交道，通過write和read方法完成硬件操作，這一層也包含關節(jié)約束、力矩轉(zhuǎn)換、狀態(tài)轉(zhuǎn)換等功能。

5. 真實機器人（Real Robot）

真實機器人上也需要有自己的嵌入式控制器，將接收到命令反映到執(zhí)行器上，比如接收到旋轉(zhuǎn)90度的命令后，就需要讓執(zhí)行器快速、穩(wěn)定的旋轉(zhuǎn)90度。

關于如何使用ros_control控制一款實體機器人，大家可以參考hans-robot發(fā)布的一款cute_robot：

https://github.com/hans-robot/cute_robot

應用功能中的控制模塊提供了不少控制器：位置控制器、軌跡控制器、力控制器、速度控制器等等，這些控制器的框架設計和代碼實現(xiàn)，都可以用于自己的機器人開發(fā)中。

四、常用組件

應用功能中還有一些常用模塊，這里我把他們統(tǒng)稱為常用組件，比如TF、URDF、Message等。

TF是ROS中非常重要的一個部分，可以根據(jù)機器人系統(tǒng)中的坐標系創(chuàng)建一棵TF樹，然后幫助開發(fā)者完成坐標系之間的變換。在ROS系統(tǒng)中，TF是通過廣播和監(jiān)聽的方式操作的，這種方法在復雜機器人系統(tǒng)中會產(chǎn)生很多冗余信息，效率不高。

刨除上層的廣播和監(jiān)聽封裝，TF的內(nèi)核其實與ROS并沒有關系，而是一個完成坐標運算的數(shù)學庫。在我們的項目開發(fā)中，可以直接鏈接TF的底層數(shù)學庫，幫助完成需要的坐標變換，Kungfu Arm的正向運動學就使用到了TF數(shù)學庫。

URDF是ROS中實現(xiàn)機器人建模的重要工具，很多上層功能的算法實現(xiàn)，都依賴于機器人的URDF模型，所以如果直接移植ROS中的功能包源碼，URDF模型部分還是需要維護的。

ROS為機器人提供了一個統(tǒng)一的平臺，很重要的一個部分就是定義了一系列標準的接口，這些接口的定義與ROS系統(tǒng)的通信機制沒有關系，完全可以在程序中調(diào)用，這樣不僅免去了重復定義的問題，還可以保持和ROS統(tǒng)一的接口。

本篇淺談了ROS應用功能在機器人產(chǎn)品化開發(fā)當中的應用，這是ROS中資源最為豐富的一個部分，不僅可以幫助我們快速搭建功能原型，驗證設計上的問題，同時還可以借助開源代碼，助力后續(xù)的功能開發(fā)，絕對是機器人開發(fā)的優(yōu)質(zhì)資源。

（四十七）—— ROS產(chǎn)品化探索之生態(tài)系統(tǒng)篇

誕生于2007年的ROS，發(fā)展速度之迅猛超出了所有人的預料，已經(jīng)成為一個機器人領域的生態(tài)系統(tǒng)，可以提供機器人相關的全方位技術，從硬件到軟件，從框架到功能，從驅(qū)動到應用。。。

前邊三篇已經(jīng)分別從通信機制、開發(fā)工具、應用功能這三個方面淺談了筆者對ROS產(chǎn)品化探索的一點總結(jié)，本篇就來聊聊最后一個部分——從生態(tài)系統(tǒng)的角度來看，ROS可以為機器人產(chǎn)品化提供哪些思路。

什么是生態(tài)系統(tǒng)？

維基百科的解釋是：生態(tài)系統(tǒng)(Ecosystem)是指在一個特定環(huán)境內(nèi)，相互作用的所有生物和此環(huán)境的統(tǒng)稱。

ROS提供了一個龐大的開源社區(qū)，為ROS生態(tài)系統(tǒng)提供了基礎環(huán)境，眾多機器人的基礎工具和應用功能不斷融入這個系統(tǒng)，并且不斷吸收第三方開源軟件的精華，同時得到全球范圍內(nèi)眾多開發(fā)者的支持，系統(tǒng)中的各部分協(xié)調(diào)統(tǒng)一、相互促進、共同成長，成為一個整體。

這個ROS生態(tài)系統(tǒng)應該是目前最大的機器人知識庫了，在機器人產(chǎn)品化開發(fā)中，也必將成為一個重要的資源池。

一、機器人資源

目前國內(nèi)外常用的機器人平臺大部分都已經(jīng)支持ROS系統(tǒng)，可以在wiki上查找：

http://robots./

就算wiki上找不到的，基本也可以在github上找到其他開發(fā)者的分享。如果加上愛好者自己設計、實現(xiàn)的機器人，那就更加數(shù)不勝數(shù)了。

這些機器人資源對我們有什么用呢？

1. 機器人硬件設計參考

ROS中的機器人資源都是開源的，包括機器人的模型文件。如果我們需要做機器人設計，完全可以參考這些開源的機器人模型，畢竟包含了不少知名的機器人平臺。

2. 輔助機器人原型搭建

使用ROS中已有的功能包，我們可以在自己的機器人上快速搭建功能原型，驗證機器人設計中的問題。

3. 基于應用功能包的二次開發(fā)

ROS中的功能包非常豐富，一定可以找到與我們研究方向相關的應用功能，雖然不太可能直接應用在產(chǎn)品開發(fā)中，但還是可以減少類似重復造輪子的工作。

4. 算法驗證

如果我們是算法工程師，手上又沒有現(xiàn)成的機器人平臺，那么使用ROS中的機器人可以隨便挑隨便選，放在物理仿真環(huán)境中，想怎么用怎么用，還分文不要。

5. 學習機器人系統(tǒng)

無論我們是機器人方向剛?cè)腴T的初學者，還是資深工程師，都不可能掌握機器人方方面面的知識，那么借助ROS學習更多機器人相關的技能，一定可以事半功倍。

二、功能框架

設計一個完善的機器人系統(tǒng)并不是一件簡單的事情，借用Python的一句名言：人生苦短，我用ROS。ROS中豐富的機器人框架，一定可以給你一些設計、實現(xiàn)上的靈感：

1. 機器人通信框架

ROS1的通信機制部分在機器人產(chǎn)品化中存在很多問題，但并不代表這種通信框架是不可用的，如果我們設計類似的通信功能，一樣可以參考這個模型。

如果你不喜歡這種“中央集權(quán)”的通信模型，也可以看一下ROS2的通信模型。

這些通信模型的底層實現(xiàn)是開源透明的，真要拿來二次開發(fā)實現(xiàn)商業(yè)化，也不是沒有可能。

2. 機器人導航框架

這個框架我們在上一篇已經(jīng)說過，這里就不多說了，誰用誰知道。

3. ROS-I框架

工業(yè)機器人是機器人中非常重要的一個部分，在工業(yè)領域應用廣泛而且成熟。ROS迅猛發(fā)展的過程中，也不斷滲入到工業(yè)領域，從而產(chǎn)生了一個新的分支——ROS-Industrial（ROS -I）。

工業(yè)機器人的品牌眾多，接口也各不統(tǒng)一，ROS-I框架為這些機器人提供了一個統(tǒng)一的控制平臺，可以將ROS社區(qū)中的眾多資源應用到生產(chǎn)環(huán)境中，或許會成為ROS最快落地的一個領域。

4. ros_control框架

硬件平臺千差萬別，如何將上層應用快速適配到不同的機器人硬件平臺上，也是軟件開發(fā)工程師頭疼的一個問題，那就參考一下ros_control框架吧，仿真控制與實物控制輕松切換，類似于linux系統(tǒng)底層write、read機制一般的統(tǒng)一接口，可以幫助我們解決不少麻煩。

ROS中還有很多功能框架，都是全球范圍內(nèi)頂尖開發(fā)者的知識結(jié)晶，媽媽再也不用擔心我不會機器人設計了。

三、機器人前沿科技

機器人絕對是走在當今科技最前沿的一個領域，更新?lián)Q代也異常迅速，所以我們不僅要掌握機器人基礎理論和技術，還要時刻關心前沿動態(tài)。ROS在機器人領域的地位越來越高，也是我們窺看前沿科技的一個窗口。

1. 機器人前沿

比如這款“百萬級”的仿生手。

比如這款“不會傷人”的KUKA LWR iiwa。

再比如這款“機器僧人”Pepper。

2. 學術前沿

每年機器人頂級期刊和會議上的論文，很多都是基于ROS實現(xiàn)的，部分論文還會把成果和源碼在ROS社區(qū)中分享。很多大公司或大牛也經(jīng)常會把一些機器人算法在ROS社區(qū)分享。這就為我們接觸學術前沿提供了機會，也可以從中汲取不少新的靈感和知識。

比如2016年Google在ROS社區(qū)中開源了一種SLAM實現(xiàn)算法——cartographer，同時也分享了ICRA會議上的相關論文：

https://research.google.com/pubs/pub45466.html

再比如基于ROS實現(xiàn)的無人駕駛平臺：

http://www./news/2017/06/simulated-car-demo.html

當然，也少不了當今熱門的人工智能與ROS的結(jié)合：

http://www./machine-learning-openai-gym-ros-development-studio-2/

此外，很多基于ROS實現(xiàn)的論文都可以在這里找到：

http://wiki./Papers

ROS的生態(tài)系統(tǒng)在機器人領域保羅萬象，還有更多資源可以讓我們隨意使用，無論是提高個人技能，還是進行商業(yè)開發(fā)，都可以讓我們站在巨人的肩膀上看得更遠。這也是ROS最初的設計目標：提高機器人領域的代碼復用率，促進不同組織之間各施所長、合作共贏。

至此，《淺談ROS的產(chǎn)品化探索》系列文章也就告一段落了，筆者使用四篇文章淺談了個人在ROS學習、應用、產(chǎn)品化開發(fā)過程中的一些感悟和總結(jié)，歡迎各位批評指正。

總而言之，ROS能不能產(chǎn)品化應用，不能用一個“能”或者“不能”簡而概之，而是需要剖析開來具體分析，在應用中取其精華去其糟粕。

祝各位有一段美妙的ROS機器人開發(fā)之旅！

（四十八）——ROS機器人實例（PR2）

PR2（Personal Robot 2，個人機器人2代）是Willow Garage公司設計的機器人平臺，其中數(shù)字2代表第二代機器人。

PR2有兩條手臂，每條手臂七個關節(jié)，手臂末端是一個可以張合的夾爪；PR2依靠底部的四個輪子移動，在頭部、胸部、肘部、夾爪上分別安裝有高分辨率攝像頭、激光測距儀、慣性測量單元、觸覺傳感器等豐富的傳感設備。在PR2的底部有兩臺八核電腦作為機器人各硬件的控制和通信中樞，并且都安裝了Ubuntu和ROS系統(tǒng)。

PR2和ROS有千絲萬縷的關系，可以說ROS產(chǎn)生于PR2，也促成了PR2。ROS原本是Willow Garage為復雜的PR2機器人平臺設計的軟件框架，依靠強大的ROS，PR2可以獨立完成多種復雜的任務，例如PR2可以自己開門、找到插頭給自己充電、打開冰箱取出啤酒、打簡單的臺球等等。只不過PR2價格高昂，而且能力還達不到商業(yè)應用的要求，如今主要用于學術研究。

可見，PR2是ROS中元老級的機器人平臺，所有軟件代碼依托于ROS，并且全部在ROS社區(qū)中開放源代碼，為我們學習、應用ROS提供了豐富的資源。

一、 PR2功能包安裝

在ROS Kinetic中，大部分PR2功能包還無法支持，官方推薦使用ROS Indigo運行PR2。

首先使用如下命令安裝PR2機器人的相關功能包：

```
$ sudo apt-get install ros-indigo-pr2-*
```

以上命令主要安裝了下表中PR2機器人相關的ROS功能包。

PR2機器人售價昂貴，大多數(shù)人都無法接觸到，所以這里我們使用仿真器運行PR2的相關功能。

二、 Gazebo中的PR2

使用如下命令啟動gazebo仿真環(huán)境，并使用pr2.launch將機器人加載到gazebo中：

$ roslaunch gazebo_ros empty_world.launch

```
$ roslaunchpr2_gazebo pr2.launch
```

也可以使用pr2_gazebo功能包中的pr2_empty_world.launch一次性啟動gazebo并加載機器人模型：

$ roslaunch pr2_gazebo pr2_empty_world.launch

啟動成功后，就可以在一個空曠的gazebo仿真環(huán)境中看到PR2機器人了。

查看當前系統(tǒng)中的話題列表，會看到眾多話題已經(jīng)發(fā)布或者等待訂閱，這就是PR2機器人仿真器提供給用戶的接口，我們可以基于這些接口實現(xiàn)很多功能。

為了測試PR2的傳感器是否啟動成功，可以在仿真環(huán)境中隨機添加一些外部物體。

然后打開rviz，添加點云、激光、攝像頭等插件，實現(xiàn)傳感器數(shù)據(jù)的可視化顯示。

目前PR2機器人還處于靜止狀態(tài)，可以運行鍵盤控制節(jié)點，控制PR2運動：

$ roslaunch pr2_teleop teleop_keyboard.launch

啟動后根據(jù)終端中的提示，使用鍵盤控制PR2機器人在gazebo中移動，同時rviz中的PR2模型也會同步更新。

在控制PR2移動時，rviz中的Fixed Frame需要修改為odom_combined

三、使用PR2實現(xiàn)SLAM

在PR2仿真環(huán)境中，我們已經(jīng)獲取到所有傳感器的數(shù)據(jù)，并且可以控制PR2移動，接下來嘗試使用PR2實現(xiàn)SLAM。

第一步還是啟動PR2的gazebo仿真環(huán)境：

$ roslaunchpr2_gazebo pr2_empty_world.launch

然后在空曠的gazebo仿真環(huán)境中添加一些障礙物體。

這里以gmapping為例，創(chuàng)建一個啟動gmapping節(jié)點的啟動文件pr2_build_map.launch：

```
<launch>
```

   <node name="gmapping_node"pkg="gmapping"type="slam_gmapping" respawn="false" >

       <remap to="base_scan" from="scan"/>

       <paramname="odom_frame" value="odom_combined" />

```
   </node>
```
```
</launch>
```

然后在該文件所在的路徑下直接運行以下命令：

```
$ roslaunch pr2_build_map.launch
```

如果launch文件、節(jié)點、可執(zhí)行文件等在終端的當前路徑下，運行命令時可以不加功能包名。

啟動成功后，gmapping節(jié)點就開始SLAM建圖了。啟動rviz并添加顯示插件后，可以看到如圖所示的SLAM效果。

啟動鍵盤控制節(jié)點，控制PR2機器人在仿真環(huán)境中圍繞障礙物體移動，就可以實現(xiàn)SLAM了。

$ roslaunch pr2_teleop teleop_keyboard.launch

四、 PR2機械臂的使用

PR2不僅是一個移動機器人平臺，它還裝配了兩個機械手，可以實現(xiàn)很多復雜的機械臂操作。類似于鍵盤發(fā)布速度控制指令，我們也可以在終端中使用如下命令控制PR2的兩個機械臂：

$ roslaunch pr2_gazebo pr2_empty_world.launch

$ roslaunch pr2_teleop_general pr2_teleop_general_keyboard.launch

啟動成功后，可以在終端中看到提示信息，分別控制PR2的頭部、身體、機械臂等多個可運動部位。

此處選擇控制機械臂，然后會看到一系列控制命令。

按照命令提示點擊鍵盤按鍵，就可以控制PR2機器人的兩個手臂運動了。

說到機械臂運動，就不得不提到MoveIt!，PR2機器人的機械臂也可以通過MoveIt!控制。在安裝完成的PR2功能包中，已經(jīng)包含了PR2手臂的MoveIt!配置功能包，可以直接啟動demo示例：

$ roslaunch pr2_moveit_config demo.launch

在啟動的rviz中會看moveit的界面，可以通過MoveIt!插件或代碼控制機械手臂運動。

除此之外，我們也可以使用如下命令，通過MoveIt!控制gazebo仿真器中的PR2：

$ roslaunch pr2_gazebopr2_empty_world.launch

$ roslaunch pr2_moveit_config move_group.launch

$ roslaunch pr2_moveit_config moveit_rviz.launch

各種控制器插件在這里都已經(jīng)配置完成，有興趣的讀者可以詳細學習PR2功能包中的源碼，這些都是我們實踐過程中重要的參考資料。

再次在rviz中控制PR2的機械手臂運動，gazebo中PR2的手臂將根據(jù)規(guī)劃的軌跡完成運動。

（四十九）——ROS機器人實例（TurtleBot）

上一篇介紹了ROS中的元老機器人——PR2，雖然功能強大，但價格昂貴，無法推廣。所以Willow Garage又開發(fā)了一款低成本的機器人平臺——TurtleBot。

TurtleBot的目的是給入門級的機器人愛好者或從事移動機器人編程開發(fā)者提供一個基礎平臺，讓他們直接使用TurtleBot自帶的軟硬件，專注于應用程序的開發(fā)，避免了設計草圖、購買、加工材料、設計電路、編寫驅(qū)動、組裝等一系列工作。借助該機器人平臺，可以省掉很多前期工作，只要根據(jù)平臺的軟硬件接口，就能開發(fā)出所需的功能。

TurtleBot可以說是ROS中最為重要的機器人之一，它伴隨ROS一同成長，一直都作為ROS開發(fā)前沿的機器人，幾乎每個版本的ROS測試都會以TurtleBot為主，包括ROS2也率先在TurtleBot上進行了大量測試。

所以TurtleBot也是ROS支持度最好的機器人之一，可以在ROS社區(qū)中獲得大量關于TurtleBot的相關資源，很多功能包都能直接復用到我們自己的移動機器人平臺上，絕對是使用ROS開發(fā)移動機器人的重要資源。

▼

TurtleBot第一代發(fā)布于2010年，兩年后發(fā)布了第二代產(chǎn)品。前兩代TurtleBot都使用iRobot的機器人作為底盤，在底盤上可以裝載激光雷達、Kinect等傳感器，使用PC搭載基于ROS的控制系統(tǒng)。

在2016年的ROSCon上，韓國機器人公司Robotis和開源機器人基金會（OSRF）發(fā)布了TurtleBot 3，徹底顛覆了原有TurtleBot的外形設計，成本進一步降低，而且模塊化更強，可以根據(jù)開發(fā)者的需求自由改裝。TurtleBot 3并不是為取代TurtleBot 2而生，而是提出了一種更加靈活的移動機器人平臺。

那么如何在ROS中使用Turtlebot呢？

▼

首先需要安裝Turtlebot相關的所有功能包，使用如下命令安裝：

$ sudo apt-get install ros-kinetic-turtlebot-*

安裝完成后的功能包中包含了所有Turtlebot真機與仿真的功能，這里還是以gazebo仿真為主進行實踐。

gazebo中的TurtleBot

第一步依然是啟動gazebo仿真環(huán)境，并且加載Turtlebot機器人：

$ export TURTLEBOT_GAZEBO_WORLD_FILE="/opt/ros/kinetic/share/turtlebot_gazebo/worlds/playground.world"

$ roslaunch turtlebot_gazebo turtlebot_world.launch

這里需要使用環(huán)境變量TURTLEBOT_GAZEBO_WORLD_FILE為仿真環(huán)境指定地圖，否則會顯示找不到地圖的錯誤。

啟動成功后可以看到gazebo界面，TurtleBot 2已經(jīng)成功加載到仿真環(huán)境當中。

查看當前系統(tǒng)中的話題列表，可以看到很多已經(jīng)發(fā)布和等待訂閱的話題。

打開rviz，可視化顯示需要的傳感器數(shù)據(jù)，可以看到機器人攝像頭、激光雷達、點云等信息。

然后使用如下命令啟動鍵盤控制節(jié)點：

$ roslaunch turtlebot_teleopkeyboard_teleop.launch

根據(jù)終端中的命令提示，控制TurtleBot在仿真器中移動，rviz中的機器人以及傳感器信息會同步更新。

TurtleBot導航仿真

接下來在仿真環(huán)境中使用TurtleBot實現(xiàn)導航功能。

第一步是SLAM建圖。turtlebot_gazebo功能包中已經(jīng)提供了使用gmapping實現(xiàn)SLAM建圖的啟動文件，但是文件內(nèi)部的包含路徑有一點問題，直接運行會提示錯誤。

使用如下命令打開gmapping_demo.launch文件，進行一點修改：

```
$ roscd turtlebot_gazebo/launch/
```
```
$ sudo gedit gmapping_demo.launch
```

在gmapping.launch.xml文件的路徑前加入gmapping文件夾，修改后的gmapping_demo.launch文件內(nèi)容如下：

```
<launch>
```

    <include file="$(find turtlebot_navigation)/launch/includes/gmapping/gmapping.launch.xml"/>

```
</launch>
```

然后使用如下命令啟動仿真環(huán)境和gmapping節(jié)點：

$ export TURTLEBOT_GAZEBO_WORLD_FILE="/opt/ros/kinetic/share/turtlebot_gazebo/worlds/playground.world"

$ roslaunch turtlebot_gazebo turtlebot_world.launch

$ roslaunch turtlebot_gazebo gmapping_demo.launch

$ roslaunch turtlebot_rviz_launchers view_navigation.launch

$ roslaunch turtlebot_teleop keyboard_teleop.launch

通過鍵盤控制TurtleBot在仿真環(huán)境中移動，在打開的rviz中可以看到SLAM過程。

SLAM結(jié)束后使用如下命令保存地圖，命名為turtlebot_test_map：

$ rosrun map_servermap_saver -f turtlebot_test_map

接下來我們在建立完成的地圖上實現(xiàn)TurtleBot自主導航功能。turtlebot_gazebo功能包中同樣提供了實現(xiàn)導航功能的launch啟動文件，但是文件內(nèi)部的包含路徑也有問題，直接運行會提示錯誤。

使用如下命令打開amcl_demo.launch文件，進行一點修改：

```
$ roscd turtlebot_gazebo/launch/
```
```
$ sudo gedit amcl_demo.launch
```

在amcl.launch.xml文件的路徑前加入amcl文件夾，修改后的amcl_demo.launch文件內(nèi)容如下：

```
<launch>
```
```
   
```

   <arg name="map_file"default="$(envTURTLEBOT_GAZEBO_MAP_FILE)"/>

   <node name="map_server" pkg="map_server"type="map_server" args="$(arg map_file)" />

```
 
```
```
   
```

   <arg name="initial_pose_x"default="0.0"/>

   <arg name="initial_pose_y"default="0.0"/>

   <arg name="initial_pose_a"default="0.0"/>

   <include file="$(find turtlebot_navigation)/launch/includes/amcl/amcl.launch.xml">

       <arg name="initial_pose_x"value="$(arg initial_pose_x)"/>

       <arg name="initial_pose_y"value="$(arg initial_pose_y)"/>

       <argname="initial_pose_a" value="$(arg initial_pose_a)"/>

```
   </include>
```
```
 
```
```
   
```

   <include file="$(find turtlebot_navigation)/launch/includes/move_base.launch.xml"/>

```
</launch>
```

現(xiàn)在關閉除仿真環(huán)境以外的其他節(jié)點和rviz，運行如下命令就可以開始導航了。

$ roslaunch turtlebot_gazebo amcl_demo.launch map_file:=/home/hcx/turtlebot_test_map.yaml

$ roslaunch turtlebot_rviz_launchers view_navigation.launch

在rviz中選擇導航的目標點后，gazebo中的TurtleBot開始向目標移動，rviz中可以看到傳感器信息和機器人狀態(tài)顯示。

TurtleBot 3

ROS Kinetic中也集成了TurtleBot 3相關功能包的二進制安裝文件，我們也來嘗嘗鮮。

使用如下命令安裝TurtleBot 3的所有相關功能包：

$ sudo apt-get install ros-kinetic-turtlebot3-*

安裝完成后，使用如下命令啟動TurtleBot 3的仿真環(huán)境：

```
$ export TURTLEBOT3_MODEL=burger
```

$ roslaunch turtlebot3_gazebo turtlebot3_world.launch

TurtleBot 3目前有兩種模型：burger和Waffle，啟動之前必須通過環(huán)境變量的方式設置所需要的模型，這里選擇burger。

啟動成功后，可以看到gazebo仿真環(huán)境和TurtleBot 3機器人。

查看當前系統(tǒng)中的話題列表，因為TurtleBot 3 burger模型較為簡單，搭載的傳感器也并不多，所以這里發(fā)布和訂閱的話題也比較少。

基于這個仿真環(huán)境和現(xiàn)有的傳感器數(shù)據(jù)，可以使用如下命令實現(xiàn)TurtleBot 3的SLAM功能：

$ roslaunch turtlebot3_slam turtlebot3_slam.launch

$ rosrun turtlebot3_teleop turtlebot3_teleop_key

打開rviz，并且訂閱傳感器和地圖數(shù)據(jù)，通過鍵盤控制TurtleBot 3運動，就可以看到SLAM效果了。

類似于TurtleBot 2，我們也可以在建立的地圖上實現(xiàn)導航功能，此處不再贅述。

（五十）——ROS機器人實例（Universal Robots）

Universal Robots（優(yōu)傲機器人）公司是一家引領協(xié)作機器人全新細分市場的先驅(qū)企業(yè)，該公司成立于2005年，關注機器人的用戶可操作性和靈活度，總部位于丹麥的歐登塞市，主要的機器人產(chǎn)品有：UR3、UR5和UR10，分別針對不同的負載級別。

Universal Robots早在2009年便推出了第一款協(xié)作機器人——UR5，自重18公斤，負載高達5公斤，工作半徑85cm，不僅顛覆了人們對于傳統(tǒng)工業(yè)機器人的認識，還自此定義了“協(xié)作機器人”的真正意義。除了安全度高、無需安全圍欄等特點外，協(xié)作機器人還應該具備編程簡單和靈活度高等特點，才能實現(xiàn)真正的人機和諧共事。

2015年3月推出的UR3是現(xiàn)今市場上最靈活輕便、并且可與工人一起肩并肩工作的臺式機器人。它自重僅為11公斤，但是有效負載卻高達3公斤，所有腕關節(jié)均可360度旋轉(zhuǎn)，而末端關節(jié)可作無限旋轉(zhuǎn)。UR 10的有效負載為10公斤，工作半徑130cm。三款機器人均以編程的簡易性、高度靈活性以及與人一起工作的安全可靠性而享譽業(yè)內(nèi)。

▼

ROS中同樣集成了Universal Robots機器人的功能包，使用如下命令即可安裝，其中包含UR3、UR5、UR10三款機器人的相關功能：

$ sudo apt-get install ros-kinetic-universal-robot

▼

在使用之前，先來了解一下Universal Robots的相關功能包。

接下來我們以UR5為例，學習Universal Robots功能包的使用方法。

gazebo中的UR機器人

使用以下命令啟動UR5機器人的gazebo仿真環(huán)境：

```
$ roslaunch ur_gazebo ur5.launch
```

啟動成功后可以看到仿真環(huán)境中的UR5。

查看當前系統(tǒng)中的話題列表。

follow_joint_trajectory是MoveIt!最終規(guī)劃發(fā)布的action消息，由機器人控制器端接收該消息后控制機器人完成運動。從上邊的話題列表中，可以找到follow_joint_trajectory，由仿真機器人的控制器插件訂閱。

打開啟動的ur5.launch文件，可以看到以下代碼段：

   <rosparam file="$(find ur_gazebo)/controller/arm_controller_ur5.yaml" command="load"/>

   <node name="arm_controller_spawner" pkg="controller_manager" type="controller_manager" args="spawn arm_controller" respawn="false" output="screen"/>

控制器管理節(jié)點controller_manager啟動了一個arm_controller插件，該插件的配置可以查看arm_controller_ur5.yaml文件：

```
arm_controller:
```

 type:position_controllers/JointTrajectoryController

```
 joints:
```
```
    -shoulder_pan_joint
```
```
    -shoulder_lift_joint
```
```
    -elbow_joint
```
```
    -wrist_1_joint
```
```
    -wrist_2_joint
```
```
    - wrist_3_joint
```
```
constraints:
```
```
    goal_time: 0.6
```
```
    stopped_velocity_tolerance: 0.05
```

    shoulder_pan_joint: {trajectory: 0.1, goal: 0.1}

    shoulder_lift_joint: {trajectory: 0.1, goal: 0.1}

    elbow_joint: {trajectory: 0.1, goal: 0.1}

    wrist_1_joint: {trajectory: 0.1, goal: 0.1}

    wrist_2_joint: {trajectory: 0.1, goal: 0.1}

    wrist_3_joint: {trajectory: 0.1, goal: 0.1}

```
stop_trajectory_duration: 0.5
```
```
state_publish_rate:  25
```
```
action_monitor_rate: 10
```

從上邊的配置信息中可以看到，arm_controller是一個JointTrajectory類型的控制器，接收follow_joint_trajectory中的軌跡信息后，完成機器人的運動控制。

使用MoveIt!控制UR機器人

ROS中類似于UR5這樣的機械臂控制當然離不開MoveIt!，接下來我們就使用MoveIt!實現(xiàn)對gazebo中UR5的控制。

UR5的控制需要通過follow_joint_trajectory這個action接口實現(xiàn)，這就需要在MoveIt!端配置一個控制器插件，實現(xiàn)該接口的功能。該插件的配置在ur5_moveit_config中已經(jīng)實現(xiàn)，可以查看ur5_moveit_config功能包中的controllers.yaml文件：

```
controller_list:
```
```
 - name:""
```
```
  action_ns: follow_joint_trajectory
```
```
   type:FollowJointTrajectory
```
```
   joints:
```
```
     -shoulder_pan_joint
```
```
     -shoulder_lift_joint
```
```
     -elbow_joint
```
```
     -wrist_1_joint
```
```
     -wrist_2_joint
```
```
     -wrist_3_joint
```

所以我們并不需要進行任何修改，使用如下命令啟動MoveIt!和rviz，啟動過程會包含所需要的控制器插件：

$ roslaunch ur5_moveit_config ur5_moveit_planning_execution.launchsim:=true

$ roslaunch ur5_moveit_config moveit_rviz.launch config:=true

啟動成功后可以看到如下界面。

目前，rviz和gazebo中的UR5應該保持同樣的姿態(tài)。在rviz中使用MoveIt!插件選擇一個運動目標姿態(tài)，然后點擊“Plan”。如果可以實現(xiàn)運動規(guī)劃，就會看到如下規(guī)劃軌跡。

再點擊“Execute”按鈕，gazebo中的UR5會按照規(guī)劃的軌跡開始運動，rviz中的UR5模型保持同樣的運動姿態(tài)，如下圖所示。

（五十一）——ROS機器人實例（HRMRP）

HRMRP(Hybrid Real-time Mobile Robot Platform，混合實時移動機器人平臺)是筆者在2012年和實驗室的小伙伴們一起從零開始設計、開發(fā)的一款機器人平臺，其中大部分擴展電路、驅(qū)動和ROS相關的底層功能都是我們自己開發(fā)。該機器人平臺具有軟硬件可編程、靈活性強、模塊化、易擴展、實時性強等特點，機器人的整體結(jié)構(gòu)如下圖所示。

HRMRP具備豐富的傳感器和執(zhí)行器，在該平臺的基礎上，可以現(xiàn)了機器人SLAM、自主導航、人臉識別、機械臂控制等功能。

總體架構(gòu)設計

HRMRP的總體架構(gòu)如下圖所示。

1. 硬件層

（1）機械平臺

HRMRP主體結(jié)構(gòu)為鋁合金材質(zhì)，尺寸為316mm ×313mm ×342mm（高×寬×長），裝配兩個驅(qū)動輪與一個萬向輪。驅(qū)動輪由兩個30W的直流電機帶動，轉(zhuǎn)速可達83轉(zhuǎn)/分鐘，機器人最快速度1.5m/s。HRMRP還裝有一個六自由度機械臂，可以完成三維空間內(nèi)的夾取操作。

（2）控制平臺

嵌入式系統(tǒng)具備小型化、低功耗、低成本、高靈活性等顯著的特點，電子技術的發(fā)展也促使可編程門陣列FPGA在嵌入式系統(tǒng)中得到了越來越廣泛的應用，很大程度上改善了嵌入式系統(tǒng)硬件的靈活度與繁瑣計算的實時化。

HRMRP的控制平臺即基于Xilinx最新一代集成FPGA與ARM的SoC——Zynq。

Zynq由處理系統(tǒng)（Processor System，PS）與可編程邏輯（Programmable Logic，PL）兩部分組成。其中PS基于ARM Cortex-A9雙核處理器構(gòu)建，包含常用的外設接口，例如網(wǎng)絡、USB、內(nèi)存控制器等。而PL由Xilinx的7系列FPGA構(gòu)成，支持動態(tài)重配置，可以使用Verilog語言編程。

在HRMRP中，PS通過操作系統(tǒng)控制所有功能正常有序的實現(xiàn)，而PL作為協(xié)處理器，一方面可以對復雜運算做并行加速處理，另一方面可以進行I/O接口擴展，為多傳感器和執(zhí)行器設計統(tǒng)一的接口，提高系統(tǒng)硬件配置的靈活性。

（3）傳感器系統(tǒng)

在機器人核心傳感器的選擇上，HRMRP使用了高性價比、高集成度的微軟Kinect 傳感器。除此還裝配有超聲波、加速度、里程計、陀螺儀等多種傳感器，確保機器人平臺可以采集到豐富的傳感信息。

2. 驅(qū)動層

驅(qū)動層的主要工作是采集或預處理硬件層的數(shù)據(jù)，下發(fā)操作系統(tǒng)層的指令，為底層硬件與上層功能模塊提供相應的數(shù)據(jù)傳輸通道。由于我們采用“ARM+FPGA”異構(gòu)控制平臺，為配合硬件層功能，驅(qū)動層也分為兩部分，分別放置于硬件的PS端和PL端。

PS端主要驅(qū)動連接到ARM處理器的外設，例如通過PS中的OpenNI驅(qū)動Kinect，并且提供PL端到PS端的接口。而在PL端中，利用可編程硬件的靈活性和并行處理能力，進行I/O擴展與算法的硬件加速，如下圖所示。

在I/O擴展方面，傳統(tǒng)的設計實現(xiàn)中，種類繁多的傳感器、執(zhí)行器對接口的要求各不相同，會占用大量I/O資源，增加處理器的負擔。而在HRMRP的ARM+FPGA系統(tǒng)當中，通過定義一組標準的硬件接口，連接傳感器和電機等外設，可使用編程邏輯取代繁雜的電路連接工作，滿足各種不同需求的硬件外設。

在硬件加速方面，一般來說PS端適合常用接口的驅(qū)動、網(wǎng)絡數(shù)據(jù)的處理等功能，而PL端適合于規(guī)律性的算法處理，在HRMRP中主要負責Kinect的數(shù)據(jù)預處理工作（這里我們將OpenNI中的部分代碼放入FPGA中進行加速）。PS與PL相互配合，提高了系統(tǒng)數(shù)據(jù)處理的實時性。

3. 操作系統(tǒng)層

操作系統(tǒng)層是機器人平臺的控制核心，集成了機器人的功能模塊，負責行為控制、數(shù)據(jù)上傳、指令解析、人機交互等功能。為與ROS通信接口保持一致，使用Ubuntu作為操作系統(tǒng)，運行于Zynq的PS端ARM處理器之中。

ROS為用戶的不同需求提供了大小和功能不同的多種安裝包，為了減少ARM端的執(zhí)行壓力，HRMRP編譯移植了僅包括ROS基本通信機制的核心庫。繼承了ROS的優(yōu)勢，機器人平臺具備ROS通信以及功能包運行的能力，與上層網(wǎng)絡指令無縫連接，結(jié)合開源軟件庫，極大地豐富了機器人的功能模塊與應用范圍。

HRMRP是一種較為典型的高性能、低成本機器人平臺。與現(xiàn)在研究和應用中使用較為廣泛的TurtleBot、Pioneer等機器人相比，HRMRP具有相似的結(jié)構(gòu)與尺寸，同樣可以完成多種多樣的機器人應用；但是在接口的可擴展性、傳感器的豐富度以及成本控制等方面，具備更好的綜合性能。

SLAM與導航

在以上架構(gòu)的基礎上實現(xiàn)每個模塊的具體功能，系統(tǒng)運行狀態(tài)下的數(shù)據(jù)流圖如下圖所示。

HRMRP在室內(nèi)環(huán)境下的SLAM建圖效果如下圖所示。

基于SLAM建立的地圖完成導航的效果如下圖所示。

多機器人擴展

ROS作為一個分布式框架，從微觀的角度講，分布式體現(xiàn)在節(jié)點的布局和配置上，而從宏觀的角度講，這種分布式可以體現(xiàn)在多機器人、多主機集成的系統(tǒng)當中。在HRMRP機器人的基礎上，我們試圖提出一種多機器人實現(xiàn)的框架，如下圖所示。

由于機器人架構(gòu)多種多樣，處理應用的能力也各不相同，在不同場合下的需求也有差異，我們設計了服務器層來提高機器人應用的計算能力，負責調(diào)度、分配多機器人應用中的任務，同時為用戶提供友好、易用的人機交互界面。

分布的機器人節(jié)點與服務器都采用ROS框架設計，使用無線網(wǎng)絡通信，可以快速集成ROS社區(qū)中豐富的應用功能。在多機器人系統(tǒng)當中，通過機器人之間的信息共享和與任務協(xié)作，可以讓每個機器人在充分發(fā)揮自己能力的同時，獲得更多額外的應用潛力。

機器人節(jié)點是應用的執(zhí)行者與信息的采集者。在該系統(tǒng)中可以集成多種采用ROS框架的機器人，這里以HRMRP機器人平臺為例，針對多機器人的框架也進行了測試，除HRMRP機器人之外，還使用樹莓派制作了一個簡單的小型機器人。

在實驗中，HRMRP機器人在地圖上自主導航前進，服務器負責應用的處理與顯示，同時將HRMRP的位置信息轉(zhuǎn)發(fā)給樹莓派機器人；樹莓派機器人收到信息后，緊跟HRMRP，效果如下圖所示。

（五十二）—— MoveIt!中的運動學插件

MoveIt!是ROS中一個重要的集成化開發(fā)平臺，由一系列移動操作的功能包組成，提供運動規(guī)劃、操作控制、3D感知、運動學等功能模塊，是ROS社區(qū)中使用度排名前三的功能包，目前已經(jīng)支持眾多機器人硬件平臺。

MoveIt!中的眾多功能都使用插件機制集成，其中有一個重要的功能模塊——運動學插件。

今天我們就來聊下MoveIt!中的運動學求解器。

一、KDL

Kinematics and Dynamics Library (KDL)是MoveIt!中的默認運動學插件，在使用MoveIt! Setup Assistant進行模型配置時，可以進行配置。

配置完成后，就可以運行demo.launch控制虛擬機械臂進行運動規(guī)劃了。但是KDL有自己的優(yōu)缺點：

比如一次逆解的求解時間：0.062192秒。。。

很多時候我們在做運動規(guī)劃的時候，MoveIt!經(jīng)常會提示規(guī)劃失敗、求解失敗等錯誤，很多都是因為KDL這款運動學插件導致的，那么問題就來了——能不能更換一個運動學插件？

當然可以，以下介紹兩個用的最多的運動學插件：TRAC-IK和IKFAST。

二、TRAC-IK

TRAC-IK和KDL類似，也是一種基于數(shù)值解的運動學插件，但是在算法層面上進行了很多改進，求解效率高了很多。比如在下邊這張圖中，左側(cè)的紅點是KDL無法求解的姿態(tài)點，但是在右側(cè)使用TRAC-IK是可以求解的。

那么如何將KDL更換成TRAC-IK呢，方法很簡單，ROS的軟件源中已經(jīng)集成了TRAC-IK的安裝包，可以直接使用以下命令安裝：

sudo apt-get install ros-kinetic-trac-ik-kinematics-plugin

然后修改機械臂MoveIt!配置功能包下的kinematics.yaml文件就可以使用啦：

```
arm:
```

  kinematics_solver: trac_ik_kinematics_plugin/TRAC_IKKinematicsPlugin

```
  kinematics_solver_attempts: 3
```

  kinematics_solver_search_resolution: 0.005

```
  kinematics_solver_timeout: 0.05
```

接下來再次運行demo.launch，默認加載的就是TRAC-IK運動學插件了，試試規(guī)劃求解的效率是不是高了很多！

但是TRAC-IK也有問題，它是一種數(shù)值算法，每次求解得到的關節(jié)位置不一定相同。

三、IKFAST

IKFAST是一種基于解析算法的運動學插件，可以保證每次求解的一致性。

相比KDL和TRAC-IK，IKFAST的安裝過程就比較復雜了，不過就筆者的使用經(jīng)驗來講，IKFAST的效果還是很推薦的，所以不妨一試，以下就是IKFAST的安裝配置過程。

安裝程序：

sudo apt-get install cmake g++ git ipython minizip python-dev python-h5py python-numpy python-scipy qt4-dev-tools

安裝依賴庫：

sudo apt-get install libassimp-dev libavcodec-dev libavformat-dev libavformat-dev libboost-all-dev libboost-date-time-dev libbullet-dev libfaac-dev libglew-dev libgsm1-dev liblapack-dev liblog4cxx-dev libmpfr-dev libode-dev libogg-dev libpcrecpp0v5 libpcre3-dev libqhull-dev libqt4-dev libsoqt-dev-common libsoqt4-dev libswscale-dev libswscale-dev libvorbis-dev libx264-dev libxml2-dev libxvidcore-dev

安裝OpenSceneGraph-3.4：

sudo apt-get install libcairo2-dev libjasper-dev libpoppler-glib-dev libsdl2-dev libtiff5-dev libxrandr-dev

git clone https://github.com/openscenegraph/OpenSceneGraph.git --branch OpenSceneGraph-3.4

```
cd OpenSceneGraph
```
```
mkdir build; cd build
```
```
cmake .. -DDESIRED_QT_VERSION=4
```
```
make -j$(nproc)
```
```
sudo make install
```

安裝sympy

pip install --upgrade --user sympy==0.7.1

刪除mpmath

```
sudo apt remove python-mpmath
```

安裝IKFast功能包

sudo apt-get install ros-kinetic-moveit-kinematics

安裝OpenRave

sudo apt-get install ros-kinetic-openrave

創(chuàng)建collada文件




export MYROBOT_NAME="marm"
rosrun xacro xacro --inorder -o "$MYROBOT_NAME".urdf "$MYROBOT_NAME".xacro    
rosrun collada_urdf urdf_to_collada "$MYROBOT_NAME".urdf "$MYROBOT_NAME".dae<br></font>

創(chuàng)建dae文件

```
export IKFAST_PRECISION="5"
```

cp "$MYROBOT_NAME".dae "$MYROBOT_NAME".backup.dae # create a backup of your full precision dae.

rosrun moveit_kinematics round_collada_numbers.py "$MYROBOT_NAME".dae "$MYROBOT_NAME".dae "$IKFAST_PRECISION"

查看生成的模型

openrave-robot.py "$MYROBOT_NAME".dae --info links

```
openrave "$MYROBOT_NAME".dae
```

生成六軸機器人配置

```
export PLANNING_GROUP="arm"
```
```
export BASE_LINK="1"
```
```
export EEF_LINK="11"
```
```
 
```

export IKFAST_OUTPUT_PATH=`pwd`/ikfast61_"$PLANNING_GROUP".cpp

```
 
```

python `openrave-config --python-dir`/openravepy/_openravepy_/ikfast.py --robot="$MYROBOT_NAME".dae --iktype=transform6d --baselink="$BASE_LINK" --eelink="$EEF_LINK" --savefile="$IKFAST_OUTPUT_PATH"

創(chuàng)建插件

export MOVEIT_IK_PLUGIN_PKG="$MYROBOT_NAME"_ikfast_"$PLANNING_GROUP"_plugin

```
cd ~/catkin_ws/src
```

catkin_create_pkg "$MOVEIT_IK_PLUGIN_PKG"

rosrun moveit_kinematics create_ikfast_moveit_plugin.py "$MYROBOT_NAME" "$PLANNING_GROUP" "$MOVEIT_IK_PLUGIN_PKG" "$IKFAST_OUTPUT_PATH"

重新編譯工作空間

```
catkin_make
```

修改使用的插件

rosed "$MYROBOT_NAME"_moveit_config/config/kinematics.yaml

```
 
```
```
<planning_group>:
```

kinematics_solver: <myrobot_name>_<planning_group>_kinematics/IKFastKinematicsPlugin

```
-INSTEAD OF-
```

kinematics_solver: kdl_kinematics_plugin/KDLKinematicsPlugin

注意以上步驟中的機器人名稱、運動規(guī)劃組名稱、坐標系序號等需要和自己所使用的機器人匹配，也可以參考官方教程配置：

http://docs./kinetic/api/moveit_tutorials/html/doc/ikfast/ikfast_tutorial.html

現(xiàn)在運行demo.launch文件時，使用的運動學插件就是IKFAST了，快試一試效果是不是還不錯！

（五十三）—— ROS與VREP的集成

VREP( Virtual Robot Experimentation Platform)是一款瑞士軍刀級的機器人仿真軟件，包含的功能眾多，而且使用方便，在各種系統(tǒng)下都有相應的安裝文件。

今天我們就來看看如何將ROS和vrep集成，把兩個強大的平臺結(jié)合到一起。

版本設定：Ubuntu16.04 + ROS Kinetic + vrep3.4

一、下載vrep

第一步當然是下載vrep軟件啦！

登錄vrep官網(wǎng)：http://www./downloads.html

找到相應版本的下載地址，然后選擇Linux版本即可下載。這里選擇的是3.4版本。

下載完成后的vrep是一個壓縮文件，解壓該文件后，放置到home路徑下(可自定義)，重命名為vrep。

ubuntu下的vrep不需要特意安裝，直接在終端下運行如下命令即可啟動：

```
$ cd vrep
```
```
$ ./vrep.sh
```

啟動成功的界面如下圖所示：

二、配置ROS接口

vrep提供了一個ROS接口——RosInterface，使用ROS插件搭建了一座vrep和ROS之間的橋梁，其原理如下：

不過該插件需要通過編譯四個功能包來生成。

創(chuàng)建一個單獨的工作空間，將 vrep/programming/ros_packages路徑下的四個功能包拷貝到工作空間下，或者使用如下命令下載這四個功能包：

$ git clone https://github.com/CoppeliaRobotics/ros_bubble_rob2

$ git clone https://github.com/CoppeliaRobotics/vrep_skeleton_msg_and_srv.git

$ git clone https://github.com/CoppeliaRobotics/vrep_plugin_skeleton.git

$ git clone --recursive https://github.com/CoppeliaRobotics/v_repExtRosInterface.git

然后在終端設置vrep的路徑，并且編譯工作空間

$ export VREP_ROOT=~/path/to/v_rep/folder

```
$ catkin build
```

編譯成功后，在/deve/lib/下找到以下兩個庫，拷貝到vrep根路徑下即可。

三、啟動vrep

ROS與vrep集成的配置工作已經(jīng)完成，接下來就可以啟動系統(tǒng)啦。

使用如下命令啟動ros master和vrep：

```
$ roscore
```
```
$ ./vrep.sh
```

在啟動vrep的終端中應該可以看到如下RosInterface加載的日志提示：

這個時候vrep和ROS已經(jīng)連接成功，不信可以打印當前系統(tǒng)的話題看看：

vrep接口相關的話題赫然在目。

四、集成測試

最后就進入到激動人心的測試環(huán)節(jié)了。vrep中已經(jīng)自帶了幾個測試例程。

先來加載第一個仿真場景：

然后在顯示區(qū)會出現(xiàn)很多五顏六色的模型，點擊工具欄中的開始按鍵，啟動仿真。vrep場景中的會仿真一個攝像頭，并且發(fā)布圖像話題，在ROS中打開rqt_image_view，訂閱圖像話題，看看是不是已經(jīng)有圖像出現(xiàn)啦！

這里存在一個數(shù)據(jù)流的問題，導致vrep和ROS中的圖像是相反的，可以在vrep端發(fā)布數(shù)據(jù)或者ROS端訂閱數(shù)據(jù)時，對圖像數(shù)據(jù)做一個倒置處理，即可解決問題。

從這個例程中，我們可以看到vrep中的數(shù)據(jù)可以順利通過RosInterface發(fā)送到ROS端。

接下來將ROS端的數(shù)據(jù)發(fā)送到vrep，一樣需要加載仿真場景：

場景中有幾個可愛的小機器人，每個機器人對應于一個數(shù)據(jù)來源。開始仿真后，其他幾個機器人就開始活躍起來，唯獨下圖中的紅色機器人紋絲不動。

從機器人旁邊的提示可以看到，“小紅”需要通過ROS節(jié)點來控制。這讓我們想起了ROS中的小海龜。

查看當前ROS系統(tǒng)的話題列表：

和小海龜訂閱的Twist消息不同，“小紅”訂閱了兩個話題，分別對應于兩個驅(qū)動電機的速度，在終端中發(fā)布如下命令，即可控制“小紅”移動，差速就要自己來控制啦。

$ rostopic pub /leftMotorSpeed2084567 std_msgs/Float32 "data: 1.0"

$ rostopic pub /rightMotorSpeed2084567 std_msgs/Float32 "data: 0.5"

OK！今天就測試到這里，后續(xù)我們再進一步通過ROS控制vrep中的機器人實現(xiàn)仿真。

注：以上內(nèi)容，也可以查看vrep自帶的幫助文檔：/vrep/helpFiles/en/rosTutorial.htm

（五十四）—— ROS機器人開發(fā)案例（附ppt）

8月1日晚，古月君在深藍學院的的公開課平臺，和大家一起聊了下ROS機器人開發(fā)的相關案例，主要結(jié)合自身機器人開發(fā)經(jīng)驗，從機器人系統(tǒng)組成、移動機器人開發(fā)案例和機械臂開發(fā)案例等三個方面，介紹了古月君是如何將ROS應用于機器人項目開發(fā)的。

公開課的全部內(nèi)容可以免費回看，有興趣的小伙伴可以訪問課程網(wǎng)站：

http://www./open/course/13

另外古月君主講的《機器人操作系統(tǒng)ROS理論與實踐》第二期課程也在火熱進行中，同樣可以在深藍學院的機器人課程中找到：

http://www./course/92

以下是8月1日晚公開課的ppt內(nèi)容，供各位參考。