沈阳航空航天大学TUP战队2023年哨兵框架
本套框架是沈阳航空航天大学TUP战队2023赛季哨兵程序框架。本框架基于ROS2 Galactic开发,包含感知，决策，导航，自瞄模块，各模块间高度解耦，方便开发维护。
该分支为LIO分支，使用Mid360激光雷达进行车辆导航。 限于开发人力不足，本程序仍旧存在诸多不足之处，您可以通过在本仓库下提出issue贡献或直接联系我们贡献您的宝贵意见，帮助我们完善本项目。
| 软件 | 安装方式 | 版本 |
|---|---|---|
| Ubuntu | 启动盘安装 | 20.04 LTS |
| CMake | 编译安装 | 3.22 |
| OpenVINO™ toolkit | 编译安装 | 2022.3 LTS |
| ROS2 | apt安装 | Galactic |
| OpenCV | 编译安装 | apt安装 |
| Ceres | 编译安装 | 2.1.0 |
| Eigen | 编译安装 | 3.4.0 |
| matplotlib-cpp | 编译安装 | N/A |
| 设备 | 类型 | 数量 | 作用 |
|---|---|---|---|
| MID360 | 激光雷达 | 1 | 导航 |
| 大恒MER-139 | 工业相机 | 1 | 自瞄 |
| KS2A543 | USB摄像头 | 4 | 全向感知 |
| Intel NUC11猎豹峡谷(With RTX2060) | 运算平台 | 1 | 运行程序 |
NUC和Mid360之间经交换机连接，方便接入上位机组网调试
哨兵程序基于ROS2 Galactic进行开发.
参考RMOSS的设计模式，我们将系统分为以下三层:Task Layer, Interface Layer, Hardware Layer.
- Task Layer:该层主要分为四个模块:
Autoaim为自瞄模块，负责探测敌人并进行击打。Decision为决策模块，负责综合目前可以获得到的各种信息，决定下一个所需前往下一个路径点，下一个击打模板与车辆的模式。Navigation为导航模块，负责进行SLAM和路径规划，将车辆送到下一个路径点，并运行VIOPerception为感知模块，负责使用CNN探测周围敌方车辆，补足自瞄盲区，进行360度全向感知。 这4个节点分开运行在两台NUC上，相互间通过网线进行通讯 - Interface Layer:改层主要为各种设备的ROS驱动，负责将图像等信息发布为Topic,或从Topic中获取message并将其按通讯协议发送给下位机。
- Hardware Layer:该层主要为各种硬件设备与传感器，负责感知外部信息和动作的具体执行。
通过这种设计模式，我们可以实现硬件与应用层的解耦，方便进行程序的快速移植。针对各个模块的详细介绍可以进入对应仓库内的README查看.
哨兵与下位机通讯采用USB-CDC模拟串口.哨兵作为全自动兵种，所需要获取的信息相较步兵、英雄等其他兵种更多.为了更加合理且充分的运用这些信息，我们采取了分包发送的形式，便于灵活的控制各信息的发送频率.
| Byte | Data |
|---|---|
| 0 | 0xA5 |
| 1 | mode |
| 2 | CRC8 |
| 3-6 | Pitch |
| 7-10 | Yaw |
| 11-14 | Distance |
| 15 | isSwitched |
| 16 | isFindTarget |
| 17 | isSpinning |
| 18 | isMiddle |
| 19-61 | Empty |
| 62-63 | CRC16 |
| Byte | Data |
|---|---|
| 0 | 0xB5 |
| 1 | mode |
| 2 | CRC8 |
| 3-14 | Linear Twist(XYZ) |
| 15-26 | Angular Twist(XYZ) |
| 27-61 | Empty |
| 62-63 | CRC16 |
| Byte | Data |
|---|---|
| 0 | 0xC5 |
| 1 | mode |
| 2 | CRC8 |
| 3-6 | Theta Gimbal |
| 7-61 | Empty |
| 62-63 | CRC16 |
要使用导航模块，你需要首先建立场地的地图，以下是几个你需要了解的地图概念
- 八叉树地图 - 用于重定位
- 点云地图 - 用于后续生成2.5D高程地图
- 2.5D高程地图 - 用于生成栅格地图
- 栅格地图 - 用于作为导航的全局地图
cd scripts
#FAST-LIO
bash octo_mapping_fastlio.sh
#如果你想尝试LIO-SAM可以使用下面这一条命令
#bash octo_mapping_liosam.sh使用该命令以启动建图，可以打开rviz2观看建图效果
当完成建图后，在工作空间下打开新终端使用以下命令保存八叉树地图
source install/setup.bash
ros2 launch octomap_server octomap_saver.launch.xml可使用octovis查看八叉树地图
该步骤与八叉树建图同时进行 在工作空间下打开新终端使用以下命令保存地图
source install/setup.bash
#LIO-SAM保存用
ros2 service call /lio_sam/save_map lio_sam/srv/SaveMap
#FAST-LIO保存用
ros2 service call /map_save std_srvs/srv/Trigger
该步骤应在上面两步完成后进行，生成的地图将用于机器人导航
修改TUP2023-Sentry-Nav/grid_map/grid_map_demos/config/pcd_to_gridmap_demo.yaml中参数以符合你的需求
pcd_to_gridmap:
ros__parameters:
#PCD地图路径
pcd_file_path: "/home/tup/Downloads/LOAM/GlobalMap.pcd"
#建图frame_id
map_frame_id: "map"
#滤波相关参数
filters:
...如果你需要pcd点云如翻转，平移，滤波之类的预处理，你可以修改TUP2023-Sentry-Nav/grid_map/grid_map_demos/config/pcl_grid_config.yaml中的配置以满足你的需求。
完成配置后启动程序
source install/setup.bash
ros2 launch grid_map_demos pcd_to_gridmap_demo_launch以下为height_layer为elevation，color_layer为slope_grid生成的2.5D高程地图
在该配置下，可自打开rviz，你可以看到/elevation_grid, slope_grid
Topic下的栅格地图.
使用类似以下命令的以保存地图.
ros2 run nav2_map_server map_saver_cli -f your_map_name -t /your_map_topic_name以下为使用slope_grid生成的2d栅格地图，可使用GIMP稍加修改离群像素，之后便可直接用于nav2导航.
- 优化点云-2.5D地图转换过程，减少算力占用
- 优化重定位，减少重定位资源消耗，优化异常处理逻辑
- 增加bringup，存放URDF并改用launch启动
- 完善FAST-LIO支持
- 完善教程
- 增加LIO-SAM与FAST-LIO性能对比
