1.Turtlebot3 入门教程-PC软件设置
2.ROS博客基于ROS的源码自动驾驶数据集可视化项目(附源代码)
3.cartographer_ros定位功能位姿获取与重定位设置
4.ROS 2中发布和可视化传感器数据实战系列之四：kitti公开数据集IMU数据的发布及在RViz2中的显示
5.ROS学习笔记@ROS安装
6.双足机器人mc_rtc框架学习分享（1）BaselineWalkingController复现

Turtlebot3 入门教程-PC软件设置

       本文提供Turtlebot3入门教程，重点讲解PC软件设置。解读

       首先，源码安装Ubuntu系统并执行脚本安装ROS-kinetic，解读如安装过程中遇到问题，源码可选择源码安装。解读人肉搜索 源码

       源码安装步骤包括：安装源、源码增加key、解读更新、源码Desktop-Full安装推荐包，解读包括ROS、源码rqt、解读rviz、源码robot-generic库等，解读并解决依赖问题。源码

       在安装过程中，可能需要解决国外服务器下载问题，可借助科学上网方法解决。

       环境设置后，进行rosinstall工具的安装，方便下载ROS软件包。接着开始安装TurtleBot3及依赖包。

       进行网络配置，首先通过`ifconfig`命令获取主机ip地址，如：..1.，并在终端中编辑`.bashrc`文件，添加ROS_MASTER_URI参数，记得包含接口：“：”，然后刷新环境变量。

       小车连接显示器，打开树莓派Ubuntu系统，获取从机ip地址，并确保小车系统连接同一WiFi，与主机IP前三部分一致。

       在小车系统中，同样在`.bashrc`文件中进行相关参数的添加和修改，并刷新环境变量，确保配置完整无误。

       进行主从机测试配置，首先在主机启动roscore服务，接着在从机执行`rostopic list`命令，查看节点名称返回数据是否与预期相同，若相同则配置成功。房中介源码

       如果配置过程中遇到无法连接主从机的问题，需检查虚拟机网络配置或网络连接是否正确。

       本文还提供如何在主机上仅进行网络配置的简化步骤，通过使用ssh命令连接从机，便于操作和管理。

       完成上述步骤后，即可成功设置Turtlebot3的PC软件环境，为后续的使用与开发打下坚实基础。

ROS博客基于ROS的自动驾驶数据集可视化项目(附源代码)

       项目简介

       基于加州大学伯克利分校 MSC Lab的自动驾驶数据集，本项目旨在进行数据集的可视化。项目源代码已上传至 GitHub，英文版文章与演示视频也已准备就绪。

       数据集展示

       左侧展示了GPS信号的可视化，通过 Mapviz 工具，将行驶过程中走过的路径显示出来，左上角则呈现了车前摄像头的视角。右侧是自定义的可视化，利用绿色代表 y 轴正方向，蓝色表示 x 轴正方向。紫色圆点表示汽车行驶过程中各个方向的加速度信息，天蓝色箭头指示汽车前进方向，绿色则代表不同强度的加速度。

       问题与解决方案

       在使用 Mapviz 可视化 GPS 信号时，遇到了数据格式不匹配的问题。通过在自定义的 package 中编写 `trans_GPS.cpp` 文件，成功实现了数据格式转换，解决了数据可视化的问题。同时，还撰写了关于 Mapviz 的基础使用教程。

       加速度信息的可视化涉及确定坐标轴方向、避免信息跳动以及直观显示加速度大小。通过在 RVIZ 中绘制 x 和 y 轴，并使用平滑器处理频繁读取的 IMU 数据，成功解决了这些问题。极坐标系的引入使得加速度大小的显示更为直观。

       汽车前进方向的可视化涉及到姿态信息的获取与 RVIZ 显示角度的调整。通过分析 IMU 的 orientation 数据，并设置 marker 的 orientation 值，实现了方向的正确显示。

       相机信息的可视化面临格式转换问题。通过使用 `image_transport` 包装解决了传感器数据格式不兼容的问题。

       总结

       在本项目中，传奇指标源码通过学习与实践 ROS 相关知识，成功实现了自动驾驶数据集的可视化。接下来，将集中精力深入学习 OSM 的使用，并着手进行 GPS 定位与搜索的小项目开发。

cartographer_ros定位功能位姿获取与重定位设置

       小白在机器人定位项目中使用cartographer进行定位，面临位姿获取频率低的问题，测试显示激光频率~hz时，获取位姿频率仅为5hz。为解决此问题，尝试了以下方法：

       首先，对cartographer进行源码安装。

       接着，运行cartographer_rosd的demo，参考.launch运行文件和.lua配置文件，并开启pure localization功能。

       尝试通过tf变换获取位姿坐标，但发现频率受限于5hz左右。为解决此问题，建立tf变换节点，发布2D位姿topic，实现高频率的位姿获取。

       深入源码修改，添加::ros::Publisher _pose_pub，对 node.cc进行调整，从而获取高频率的位姿topic。

       在rviz中，利用“2D Pose Estimate”功能，发布/initialpose话题，并根据机器人当前位置进行重定位设置。通过点击地图位置，发布包括x,y和theta的topic进行重定位。

       总结流程，通过源码修改和rviz重定位设置，实现了高频率的位姿获取及重定位功能。若有疑问，欢迎交流，共同学习。

ROS 2中发布和可视化传感器数据实战系列之四：kitti公开数据集IMU数据的发布及在RViz2中的显示

       在ROS 2中发布和可视化传感器数据实战系列之四：kitti公开数据集IMU数据的发布及在RViz2中的显示

       本文将指导您如何在ROS 2中发布kitti公开数据集的IMU数据，并在RViz2中进行可视化显示。在ROS 2中，RViz2默认不支持IMU数据的larveral项目源码可视化。因此，我们将通过添加Github网站上的imu_tools开源存储库中的rviz_imu_plugin插件软件包，将IMU数据中的线性加速度、角速度、方位等数据在RViz2中进行可视化显示。以下是详细步骤：

       1. **发布IMU数据**：使用Python编写一个ROS 2发布者节点，读取kitti数据集中oxts/data子目录中的.txt文件，从中提取方位、角速度和线性加速度数据，转换为sensor_msgs/Imu消息类型进行发布。确保在发布消息时仅包含方位、角速度和线性加速度数据及其协方差矩阵。

       2. **安装rviz_imu_plugin插件**：从imu_tools存储库中获取rviz_imu_plugin插件，按照自述文档中的指示进行二进制包安装或源代码编译安装，并设置环境变量。

       3. **在RViz2中显示IMU数据**：在RViz2中添加(rviz_imu_plugin)插件后，可以将发布到话题上的IMU消息数据进行可视化显示。

       注意，RViz2在ROS 2中对于IMU消息的直接支持不足，因此需要通过上述步骤进行自定义配置。通过这些步骤，您可以有效地在RViz2中展示kitti数据集中的IMU数据。

       **IMU简介**：

       - IMU（Inertial Measurement Unit）是测量物体三轴角速度和加速度的设备，内部包含三轴陀螺仪和三轴加速度计。

       - IMU数据包含线性加速度、角速度、方位等信息，可用于自动驾驶、机器人和工业自动化等领域。

       - IMU传感器在定位领域的地位不容忽视，尤其与全球导航卫星系统（GNSS）结合使用时，能提供高度准确的定位信息。

       **IMU在ROS 2中的应用**：

       - ROS 2中发布IMU数据并利用rviz_imu_plugin插件进行可视化显示，是实现自动驾驶、机器人应用中定位与姿态控制的关键步骤。

       - 本文通过具体示例和代码指导，帮助开发者在ROS 2环境中实现IMU数据的发布与可视化，为相关应用提供技术支持。

       **总结**：

       - 通过本实战系列之四，您将掌握如何在ROS 2中发布kitti公开数据集的IMU数据，并在RViz2中进行可视化显示。

       - 了解IMU及其在ROS 2中的unity源码论坛应用，对于自动驾驶、机器人和工业自动化领域的开发人员而言，是一次宝贵的学习经验。

ROS学习笔记@ROS安装

       安装ROS的步骤如下：

       首先，检查CMake版本是否已安装，若有新版本的Cmake，可稍后再安装。若未安装，则在安装ROS后安装所需版本的Cmake。

       接着，确认Ubuntu安装的ROS版本。对于Ubuntu .，对应的是RS Melodic版本，需避免误安装其他版本。参考ROS官网查看其他对应版本。

       安装步骤如下：

       在安装前，确保Ubuntu软件和更新源已检查并更新。推荐更换为国内源以提高速度，例如阿里云、清华或中科大。

       添加ROS软件源，使用终端输入相应命令。

       设置ROS安装密钥，使用apt-key命令，同时检查软件包密钥。

       更新Ubuntu软件源，使用终端输入命令。

       安装ROS桌面完整版，输入终端命令，安装包括ROS、rqt、rviz和机器人通用库在内的内容。选择桌面安装或ROS-Base安装。

       为安装特定ROS软件包，替换下划线为软件包名称的破折号，并使用命令查找可用包。

       设置ROS环境变量，使用终端命令。若要自动添加到当前bash会话，可输入相应命令。对于zsh用户，需运行不同命令。

       安装ROS工具，使用命令执行。

       在使用ROS工具前，初始化rosdep，使用终端命令。若遇到从国外网站raw.githubusercontent.com拉取信息导致错误，可修改/etc/hosts和/etc/resolv.conf文件。

       更新rosdep，使用终端命令。遇到更新超时错误时，可尝试多次执行或本地更新以解决。

       运行小海龟和rviz检查安装情况，使用roscore启动ROS核心，然后运行turtlesim_node和turtle_teleop_key控制小海龟，最后启动rviz检查高级功能。

       至此，Ubuntu .的ROS安装过程结束。源码安装内容将在后续研究。

双足机器人mc_rtc框架学习分享（1）BaselineWalkingController复现

       双足机器人mc_rtc框架学习分享（1）：BaselineWalkingController复现详解

       mc_rtc是连接仿真软件与双足机器人操作系统的桥梁，通过MCGlobalController类实现数据交互，控制器需基于MCController基类进行定制。本文将带你逐步复现AIST实验室的BaselineWalkingController控制器。

       首先，通过官网或docker进行安装，curl或源码安装均有介绍，注意根据ROS版本调整。遇到编译问题时，如cmake共享模块导入失败或fastcdr库缺失，都有详细解决办法。

       接着，从GitHub下载BaselineWalkingController源码，并确保cmake共享模块成功导入。控制器的依赖项，如osqp和osqp-eigen，需要分别安装。编译过程中可能耗时，耐心等待即可。

       控制器配置文件需要复制到mc_rtc扫描路径，同时，可选择安装Choreonoid仿真软件进行操作。有两种使用方法：Choreonoid配合rviz，或仅使用rviz进行控制。

       关于控制器的使用，只需在mc_rtc面板中选择BWC，启动后可通过GuiWalk面板进行步行操作。若遇到错误，如firstOrderImpedance重复加载，需更新控制器或mc_rtc库。

       此外，choreonoid启动时的错误通常与mc_rtc库版本不匹配有关，更新库并检查所有依赖即可。自定义Attitude观察器的安装问题也给出了解决方法。

       源码安装时，如SpaceVecAlg安装失败，检查网络或按照提示操作。添加mc_rtc源时的网络问题，也给出了相应的解决策略。

cruise-automation Webviz 简介

       cruise-automation项目旨在开发一系列与现有开源工具如rviz、rqt console、rqt_runtime_monitor、rostopic echo和rqt_plot相呼应的可视化面板。通过进一步的开发，添加了针对Cruise特定需求的自定义面板，远离传统工具，以更精细地满足工程师解决问题的需要，并保持对开放源代码机器人社区的实用性。随着定制化和对过时工具逐渐迁移，这些面板功能日益精进。

       项目目标是替代ROS中的可视化工具，如rviz、rqt等。Webviz实现这一目标，提供直观且功能丰富的界面。在试用过程中，发现其稳定性高、加载速度快、使用便捷。以下是Webviz的安装和运行步骤，假设操作系统为Ubuntu .。

       Webviz与ROS数据传递通过rosbridge_suite进行。对于实时显示数据（而非使用bag文件），需要安装rosbridge_suite。

       Webviz启动默认使用websocket端口，无需调整，连接时会自动使用该端口。

       安装nodejs时，遵循github.com/nodesource/d...指南，选择较旧版本（如v.x，避免新版本编译问题）。

       接下是Webviz编译过程：

       下载代码。

       执行编译命令，确保根目录下安装了所有依赖。

       再次执行编译。

       运行编译好的程序，浏览器将直接打开预览界面（推荐使用Chrome浏览器）。

       测试Webviz效果时，可使用两个示例topic：速腾的lidar数据和gnss定位信息（默认时间坐标，也可切换为xy坐标形式）。实测效果如图所示，展示了Webviz在可视化数据方面的强大能力。

Autoware.universe 源码解读（一）

       在Autoware的自动驾驶仿真软件中，launch文件起着至关重要的作用。autoware.launch.xml是其中一个基础的launch文件，它使用XML语言编写，以定义启动ROS节点、参数和设置默认值。这个文件的核心结构包括version="1.0"（XML 1.0版本）和encoding="UTF-8"（UTF-8编码）。

       文件的前半部分侧重于参数定义和设置，包括地图路径、车辆模型、传感器模型和点云容器，这些都可以通过传递参数进行灵活调整。例如，vehicle_id和launch_vehicle_interface是两个全局参数，vehicle_id默认值为环境变量VEHICLE_ID的值，而launch_vehicle_interface默认为true，表示是否启动车辆接口。

       参数check_external_emergency_heartbeat控制外部紧急停车功能，当不需要时需将其设为false。system_run_mode和launch_system_monitor等参数分别定义了系统的运行模式和是否启动系统监视器。此外，rviz可视化工具的启用、rviz配置文件路径，以及感知模式的选择等也被详细定义。

       launch文件中还包括一个include标签，引入了global_params.launch.py，该文件通过arg标签传递参数，以进行更精细的配置。例如，如果launch_vehicle设置为true，它将启动vehicle.launch.xml，并传递参数。

       总的来说，autoware.launch.xml通过巧妙地定义和传递参数，灵活地控制和配置Autoware的各个子系统，以实现自动驾驶的模拟和测试。

学习笔记ROS2纯小白 - MoveIt!（humble）安装、初识与C++实现运动规划

       文章内容

       前言

       在本系列第四篇学习笔记中，我们重点介绍如何安装MoveIt、如何在RViz中使用MoveIt，以及如何通过C++程序加入障碍物并进行运动规划。经过一番波折，终于开始与机器人相关任务，尤其是RViz的可视化功能，让这一过程变得更为直观。在尝试配置环境时，由于系统误操作导致Ubuntu无法正常开机，最终花费半天时间重装系统，尽管过程坎坷，但这一经历让我们的技术积累更加坚实。

       前作后续

       在安装ROS 2和Colcon后，确保系统为最新版本并安装mixin Colcon和vsctool。接下来，创建一个Colcon工作空间并下载教程和剩余MoveIt源代码。由于网络环境因素，这一过程可能较为不稳定，需要反复尝试和优化配置。完成依赖项的控制后，使用Concol工作空间并进行相应的build和setup操作。将默认ROS 2中间件（RMW）更改为Cyclone DDS，以确保环境的兼容性。

       使用Docker容器快速建立MoveIt环境，为后续机器人开发提供方便。

       在RViz中使用MoveIt插件进行运动规划，通过交互设置机器人状态，测试规划器并进行可视化输出。在RViz中引入机器人模型，配置固定坐标系，进行机器人插件的详细配置。

       在模拟环境中，与可视化机器人交互，调整姿态和运动轨迹。演示如何通过规划实现机器人从起始到目标位姿的运动，同时利用RViz工具可视化路径和操作流程。

       通过C++程序实现MoveIt的运动规划功能，首先创建一个ROS节点和执行器，实现机器人运动控制。插入代码段，完成规划与执行，并在RViz中实时反馈。

       进一步，实现视觉化功能，通过moveit_visual_tools插件增强机器人开发的可视化体验。在程序中添加依赖项，构建并初始化MoveItVisualTools，实现与RViz的交互。

       在RViz中实现路径的可视化，通过封装函数处理视觉化信息，确保代码的简洁和高效。最后，通过配置和运行程序，观察RViz中的实时反馈，完成整个工作流程。

       总结

       通过本系列的学习笔记，我们系统地掌握了ROS 2环境的搭建、MoveIt的安装与使用、C++实现运动规划以及RViz的可视化技巧。尽管过程中遇到了挑战，如系统配置问题和网络环境的不稳定，但通过坚持不懈的努力，成功实现了从理论到实践的转变。这不仅加深了对机器人开发技术的理解，也锻炼了问题解决和调试能力。未来，我们将在实践中继续深化对这些技术的理解，为更复杂的机器人应用奠定坚实的基础。