1.【ROS博客】基于ROS的码包自动驾驶数据集可视化项目(附源代码)
2.Ubuntu22.04 安装 Ros1 Noetic
3.ROS开源项目：（一）中文语音交互系统ROSECHO （二）教学级别无人车Tianracer
4.rosbag相关源码解析
5.ROS入门笔记（七）：详解ROS文件系统
6.ROS中MPC局部路径规划器使用方法及源码流程解读

【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码包可视化。项目源代码已上传至 GitHub，码包英文版文章与演示视频也已准备就绪。码包

       数据集展示

       左侧展示了GPS信号的码包可视化，通过 Mapviz 工具，码包燕窝溯源码名称将行驶过程中走过的码包路径显示出来，左上角则呈现了车前摄像头的码包视角。右侧是码包自定义的可视化，利用绿色代表 y 轴正方向，码包蓝色表示 x 轴正方向。码包紫色圆点表示汽车行驶过程中各个方向的码包加速度信息，天蓝色箭头指示汽车前进方向，码包绿色则代表不同强度的码包加速度。

       问题与解决方案

       在使用 Mapviz 可视化 GPS 信号时，码包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，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。

Ubuntu. 安装 Ros1 Noetic

       在Ubuntu .系统上安装Ros1 Noetic并不直接支持apt安装，因为Ros官方已停止对Ros1的官方适配。不过，可以通过源码编译的方式在Ubuntu 上运行。以下是具体步骤：

       1. **添加Ros2源**：首先，你需要通过Ros2 Humble的官方指南添加Ros2的官方源，尽管这不是安装Ros1的直接步骤。

       2. **内核版本考虑**：Ubuntu 的内核版本5.已相对过时，可能不适用于年后的硬件，因此在安装时需要考虑升级或选择其他方式。

       3. **安装引导程序依赖**：安装rosdep和vcstools等源码安装工具，初始化rosdep时，可能需要手动解决hddtemp包的问题。

       4. **修改base.yaml和-default.list**：下载base.yaml并编辑，添加适用于Ubuntu 的内容。同时，更新-default.list以引用本地的base.yaml。

       5. **连接问题**：更新rosdep时可能遇到Github连接问题，用户预约源码可尝试修改hosts文件或其他连接方法。

       6. **catkin工作区与安装**：创建catkin工作区，使用vcstools下载Desktop版本的Ros包。推荐安装Desktop full版本以确保功能全面。

       7. **兼容性处理**：在构建Ros1 Noetic前，需要对src文件夹中的两个包进行手动修补以适应Ubuntu .。

       8. **源码安装依赖**：使用rosdep自动检测并安装缺失的依赖。

       9. **包文件生成和下载**：生成包文件并下载依赖，注意包的顺序和完整性，避免因依赖问题导致的编译失败。

       . **替换rosconsole和urdf**：新生成的包可能需要替换rosconsole和urdf，参照依赖问题部分进行操作。

       . **构建和安装Ros1 Noetic**：使用catkin_make_isolated构建并安装Ros1，将其源码安装到指定工作区的install_isolated文件夹，然后将source命令添加到bashrc中。

       . **额外安装**：Ros1 Desktop full版本可能不包含所有需要的包，如octomap和mavros，需要单独安装。

       总的来说，虽然在Ubuntu .上安装Ros1 Noetic的过程较为复杂，但通过源码编译并遵循上述步骤，可以实现系统的兼容和功能的正常使用。

ROS开源项目：（一）中文语音交互系统ROSECHO （二）教学级别无人车Tianracer

       开发之路永无止境，往往在最后期限的白板上写着的计划，往往只是一份空想。年初时，我定下了两个目标，计划在年末完成，然而时间在拖延中流逝，直到如今，我才发现，真正的开源精神并非一个人的单打独斗，而是众人协作的火焰。

       记得一年前，我四处奔波，从开源社区汲取养分，同时也渴望贡献出自己的力量。然而，回顾过去，我却发现并没有做出任何贡献。这次，我希望能够集结各路伙伴，如果有志于参与开源项目，我们能共同打造一个GitHub上的百星、千星项目。几位资深程序员已经搭建好了基础，硬件改进较多，但程序完善程度未达预期。我们期望有更多的年轻朋友加入我们，与我们一起学习软件的版本控制、代码规范和团队协作，共同完成复杂的机器人项目，实现成长与蜕变。

       （一）中文语音交互系统ROSECHO

       ROSECHO的GitHub源码库已准备好，欢迎先star再深入阅读。此代码遵循BSD开源协议。人员管理 源码

       详细中文介绍文档

       面对智能音箱市场，许多人或许会质疑我们的团队为何要涉足这个领域。然而，故事并非如此简单。在年，我们计划为一个大型展厅打造讲解机器人，采用流行于Android系统的接待引导机器人，其语音交互功能本无问题，但当时的挑战在于，尚未有集成cartographer在数千平米展厅中进行建图导航的方案。因此，我们决定打造一款完全基于ROS的讲解机器人。市场上虽然有众多智能音箱，但缺乏适用于ROS二次开发的产品。在科大讯飞一位大佬的介绍下，我们选择了AIUI方案，虽然开发难度大，但高度定制化，非常适合我们这样的开发团队。于是，我们主要任务转变为开发一款能够在ROS下驱动的智能音箱，ROSECHO便由此诞生。

       第一版智能音箱在年4月问世，包含W的大喇叭、6环麦克风，以及ROS主控制器，下方控制了一个云迹科技的水滴底盘。了解过ROS星火计划进阶课程的朋友大概知道，课程中的大作业之一是语音命令移动机器人端茶倒水，而我们的任务相当于完成了一个加强版的大作业。

       整个机器人在年7月完成，音箱分散到身体各个部分，环麦位于头顶，喇叭置于身体两侧。其他传感器、执行机构、决策、定位导航均基于ROS，定制了条特定问答，调试的机器人在场馆中行走上下坡不抖动，定位准确，7*小时工作稳定。音箱在大机器人上使用效果出色，主要得益于讯飞的降噪和回声消除技术，使得远场对话和全双工对话得以实现。社区中许多小伙伴也尝试了软核解决方案，但由于环境限制较大。于是，我们决定将音箱从大家伙改为普通智能音箱大小，通电即为智能音箱，USB接入ROS后，只需启动launch，即可接收语音识别结果，发送TTS语料，配置网络、接收唤醒角度等。kubeproxy 源码解析

       这次体验深刻地让我认识到，做大容易做小难。过完春节后，年8月ROS暑期夏令营期间，我们做了N款外壳，测试了M种喇叭，贴了P版外围电路，程序则改动不大。主要是由于时间有限，无法进行更多改进。样品均为手工制作，音质上，7w的喇叭配有一个无源辐射板，对于从森海HD入门的人来说，音质虽有瑕疵，但足以满足日常使用。

       之前在想法中发布了一个使用视频，大家可参考运行效果。

       ROSECHO基本情况介绍完毕，如何开始呢？

       从零开始：推荐给手中已有讯飞AIUI评估板的小伙伴，记住，评估板而非麦克风降噪板（外观相似，简单区分是评估板售价元，降噪板元）。手头的评估板可通过3.5mm接口连接普通电脑音箱，再准备一根USB转转换头连接评估板DB9接口。后面需要根据实际串口修改udev规则，理论上可配合ROSECHO软件使用。硬件工作量较大，还需包含移动机器人所需机械设计、电气改造等。好处是拥有AIUI后台，可以定制云端语料和技能，但这又是另一个领域的能力，也不是三下五除二能完成的。

       从ROSECHO开始：直接购买ROSECHO，首发的十台会附赠ROS2GO，只需连接自带电源并用USB线连接电脑，配置无线SSID和密码即可。连接方便，我们维护云端语料，人设为智能机器人管家，大家只需关注如何利用识别后的词句控制机器人和进行应答。云端问答AIUI处理，一些自定义问答可在本地程序中处理，务必联网，因为语音识别本身需要网络。具体软件启动和简单demo请查看GitHub软件库的说明。

       然后做什么：要实现智能语音交互功能的移动机器人，需要对ROS中的actionlib非常熟悉。我们提供了简单的demo，可以控制机器人在turtlebot stage仿真环境中根据语音指令在两点之间移动，也可以根据唤醒方位进行旋转。之后还需增加音箱的TF变换。

       大机器人中的状态机采用层次状态机（Hierarchical state machines），适用于移动机器人的趣味测试 源码编程，框架准备开源，方便大家开发自己的智能移动机器人策略。参考下面链接，希望深入了解也可以购买译本，肯定是比ROS By Example中的Smach状态机更适合商用级产品开发。

       还计划做一套简单的语音遥控指令集，机器人问答库，在iflyos中构建适合机器人的技能库。何时能完成尚不确定，大家一起加油！

       （二）教学级别无人车Tianracer

       GitHub源码库已准备就绪，欢迎先star再深入阅读。遵循Hypha Racecar的GPLv3协议。

       这是最近更新的详细使用手册。相比ROSECHO，Tianracer的基本功能均已完成，至少可以拿来学习建图导航，了解SLAM。

       Tianracer是一个经过长时间准备的开源项目，年从林浩鋕手中接过Hypha Racecar后，希望将项目发扬光大。这两年改进了软件框架、周边硬件、机械结构，并增加了新的建图算法，但仍有大量工作待完成。这两个月在知乎想法和微信朋友圈分享了项目的进展，经历了多次迭代，现在大致分为入门、标准、高配三个版本。三个版本的软件统一，可通过环境变量更改设置。

       最近整个项目从Tianbot Racecar更名为TianRacer，经过长时间探索，终于实现了合理的传感器与处理器配置。相比Hypha Racecar，处理器从Odroid XU4更改为NVIDIA在上半年推出的Jetson Nano，车前方增加了广角摄像头，利用Nano的深度学习加速，可以接近实时处理图像数据。相比之前的单线激光，广角摄像头大大扩展了后续可实现的功能。

       TianRacer基本使用Python编写，从底层驱动到遥控等，目的是方便大家学习和二次开发。同时集成了cartographer和vins-fusion启动文件，可以尝试新的激光与视觉SLAM，基于Nano的深度学习物体识别等也是可以直接运行的。但目前功能尚未有机整合。

       从零开始搭建：TianRacer搭建可能难度较大，不仅需要RC竞速车的老玩家进行机械电子改装，还需要对ROS熟悉并修改软件以进行适配，同时可能需要嵌入式程序员的帮助。对于主要关心搭建的朋友，可以参考小林的Hypha Racecar和JetRacer Tamiya版本的搭建指南。

       从TianRacer开始：这批开发版本的无人竞速车附赠搭好环境的ROS2GO，TianRacer本身有开机自启功能，利用ROS2GO加上USB线对车体进行网络配置，就可以远程编程和调试。仔细参考提供的TianRacer看云文档（文档积极更新），大部分车体自带的功能都可以实现，包括但不限于建图、定位、导航、识别等。

       然后做什么：利用TianRacer学习无人车的基础框架，还可以通过JupyterLab学习Jetson Nano的深度学习算法。未来计划将交通标识识别、行人和车辆检测、车道线检测等无人车基础功能融合，但不确定Jetson Nano的算力是否足够。目标是在校园内进行低成本的无人车竞速比赛，希望像CMU的Mobot室外巡线比赛一样持续发展，至今已举办届。

       这个视频是搬运自YouTube。大家可深入了解非结构环境下的导航。对于不清楚结构化环境与非结构化环境的朋友，CMU和恩智浦的比赛完美诠释了两者之间的区别。

       一起来玩耍吧！

       在开源社区协作方面，我们也是第一次尝试，对于松散的协同开发经验不足，希望参与或组织过大型开源项目的朋友们加入我们，一起努力。有兴趣的朋友可以留言或私信。

       前几日与朋友们闲聊时，想起几年前高翔博士赞助一锅粥（orb-ygz-slam）1万元时，我也只能提供支持。这次真心希望可以贡献出代码，实现实实在在的贡献。

       年年底发布了开发者申请价格，但数量有限，早已连送带卖售罄。年又有几十位爱好者填写了问卷，忘记查阅。每年的双十一双十二我们都会有优惠活动，感谢大家的关注。

rosbag相关源码解析

       rosbag核心功能解析

       rosbag主要由rosbag包和rosbag_storage包构成，其常用功能包括play、record和view。下面逐一探讨它们的实现流程。

       Record功能

       记录过程如下：

       指定要订阅的topic，通过subscribe函数进行订阅。

       subscribe函数关联doQueue回调，关键代码如下：

       ... (doQueue函数内容省略)

       执行doRecord函数保存数据，涉及doWrite函数，主要调用writeMessageDataRecord：

       ... (doWrite和writeMessageDataRecord函数内容省略)

       Play功能

       播放过程包括：

       通过Bag类打开并解析.bag文件。

       初始化view对象，用于有条件地显示数据。

       发布bag内消息并进行广告。

       消息的发布。

       Bag类与View类

       Bag类用于打开并解析.bag文件，解析工作主要在startReadingVersion函数内进行。而View类在Bag类的基础上，对解析结果进行筛选和展示，它负责迭代bag内消息数据，流程如下：

       构造View类时，通过updateQueries函数处理消息迭代器。

       初始化iters_，根据消息时间进行排序。

       每次输出时间最早的message_instance_并补充后续消息，保持时间顺序。

       对iters_内的实体持续更新并排序。

ROS入门笔记（七）：详解ROS文件系统

       ROS入门笔记（七）：详细解析ROS文件系统

       理解ROS工程的基础架构是关键。本章深入探讨了ROS的工程结构，特别是catkin编译系统、工作空间的创建与组织、package的构建以及常见文件的作用。这些内容有助于我们正确地建立和管理ROS项目。

       Catkin编译系统

       ROS项目采用Catkin编译系统，它是基于CMake的高效工具，用于大型项目的编译与管理。早期的rosbuild已不适用，Catkin在Groovy版本中引入，提供了简化编译、更好的可移植性和跨平台支持，如今大部分核心软件包已切换至Catkin。

       工作空间结构

       Catkin工作空间就像一个仓库，包含src、build和devel三个核心路径。src存放源代码，build用于编译，而devel则管理环境变量。创建和编译工作空间是ROS开发的基础步骤。

       Package的组织

       Package是工作空间的基本单元，包含CMakeLists.txt和package.xml等文件。CMakeLists.txt定义编译规则，而package.xml则是包的详细描述，如依赖和许可信息。

       其他常见文件

       launch文件：打包并启动程序，指定参数和控制指令。

       msg/srv/action文件：自定义数据结构，用于消息、服务和动作的交互。

       urdf/xacro：描述机器人模型的物理结构。

       yaml文件：存储参数配置。

       3D模型文件：dae/stl，用于3D模型展示。

       rviz文件：配置RViz视窗的显示设置。

       掌握这些基础文件和结构，是ROS开发和调试的基础。建议初学者从Catkin系统开始学习，逐步构建和管理项目。

ROS中MPC局部路径规划器使用方法及源码流程解读

       本文主要解析ROS Navigation框架中的MPC局部路径规划器mpc_local_planner的使用方法和源码流程。MPC模型预测控制算法是关键环节，它处理复杂环境，优化性能，但计算复杂度较高。以下是mpc_local_planner的详细步骤：

       1. 首先，将mpc_local_planner从GitHub或其他源代码库下载至ROS工作空间的src文件夹。

       2. 环境配置需安装依赖和环境，可通过rosdep或参考相关博客解决安装问题。链接：[ROS Noetic版本 rosdep找不到命令 不能使用的解决方法]。

       3. 通过catkin_make编译mpc_local_planner包，并通过其自带示例测试其功能，如阿克曼模型小车的动态演示。

       4. 在move_base的launch文件中，将局部路径规划器设置为mpc_local_planner/MpcLocalPlannerROS，并根据机器人特性调整clearing_rotation_allowed参数，如阿克曼车型机器人禁止原地旋转。

       5. 配置参数文件mpc_local_planner_params.yaml，确保路径符合机器人实际情况。

       6. 完成配置后，进行实际路径规划测试，并根据测试结果调整参数，以优化路径规划性能。

       以上步骤详尽介绍了在ROS中使用MPC局部路径规划器mpc_local_planner的步骤，通过这些操作，你将能更好地将其应用到你的机器人项目中。详情请参考《ROS中MPC局部路径规划器使用方法及源码流程解读》。

ROS2测试源码编译安装cartographer

       Cartographer是一个跨平台、传感器配置提供实时同步定位和绘图(SLAM)的系统，具有回环检测优势，资源占用适中。

       选择源码编译安装方式，以适应后期项目修改和移植需求。首先，使用Ubuntu虚拟机测试验证。

       若国内访问github受限，可选择Gitee上的备份仓库进行下载。尝试多个版本，确认在Ubuntu humble版本下能够成功下载和安装。

       在安装过程中，需要下载依赖项。在Ubuntu上，首先安装libabsl-dev、libceres-dev以及liblua5.3-dev等包。对于ceres-solver，需确保CUDA、显卡加速和TBB指令集优化选项已配置。

       在开发板上，通过源码编译安装三方依赖。确保所有依赖包均正确安装，包括protobuf版本为v3.4.1分支。

       完成所有依赖安装后，开始编译Cartographer源码。首先下载官方数据集，注意ROS2格式的rosbag转换，使用rosbags工具进行转换。

       介绍ROSbag格式，ROS1的.rosbag文件为二进制存储格式，而ROS2使用SQLite数据库格式，支持跨平台和扩展性。两种格式转换方法，推荐使用rosbags工具，无需依赖ROS环境。

       测试Cartographer时，使用ros2命令启动示例launch文件，输入特定的bag文件名以加载数据集。测试3D数据集时，使用相应的launch文件和bag文件名。

       资源占用情况分析将后续进行。

怎么在github上找到对应ros版本的Gmapping源代码？

       在 GitHub 上找到对应 ROS 版本的 Gmapping 源代码，可以按照以下步骤进行操作：

       打开 GitHub 网站，并在搜索栏中输入 "Gmapping"，按下回车键进行搜索。

       在搜索结果中，找到 Gmapping 的官方仓库，通常是 "ros-gmapping/gmapping"。

       打开 Gmapping 仓库页面后，找到 "Releases" 或者 "Tags" 选项，通常在仓库的右侧。

       在 "Releases" 或 "Tags" 页面中，可以看到 Gmapping 的版本列表。找到与你使用的 ROS 版本相对应的 Gmapping 版本。

       点击所需版本的标签或链接，进入该版本的源代码页面。

       在该页面中，你可以浏览 Gmapping 的源代码，包括 package.xml、CMakeLists.txt、src 目录等。

       如果你需要下载源代码，可以点击 "Clone or download" 按钮，并选择 "Download ZIP" 选项来下载整个仓库的源代码。

       请注意，不同版本的 ROS 可能对应不同的 Gmapping 版本。在查找 Gmapping 源代码时，请确保选择与你使用的 ROS 版本兼容的 Gmapping 版本。

ROS 2中级教程——8 使用colcon构建软件包

       本教程旨在向读者展示如何使用colcon工具来创建并构建ROS 2工作空间。尽管本教程是实践性的，并不替代核心文档，但建议在学习过程中参考相关文档以获取更全面的知识。

       首先，了解colcon工具，它代表了ROS构建工具catkin_make，catkin_make_isolated，catkin_tools和ament_tools的改进版本。更多关于colcon设计的信息可查阅指定文档。

       要开始使用colcon，请访问GitHub上的colcon组织，下载并安装源代码。具体而言，Linux用户可以通过命令行使用sudo apt install python3-colcon-common-extensions，macOS用户则使用python3 -m pip install colcon-common-extensions，而Windows用户应执行pip install -U colcon-common-extensions。

       在安装完colcon和ROS 2后，需要创建一个用于存放软件包的ROS工作空间。Linux和macOS用户可使用mkdir -p ~/ros2_example_ws/src cd ~/ros2_example_ws，而Windows用户则执行md \dev\ros2_example_ws\src cd \dev\ros2_example_ws命令。此时工作空间内仅包含一个名为src的空目录。

       接下来，将ROS 2示例源代码存储库克隆到src目录中，通过git clone github.com/ros2/example... src/examples操作完成。确保检出与已安装ROS版本兼容的分支。然后，在工作空间根目录中运行colcon build命令以构建软件包。在Windows操作系统上构建时，请参考“构建ROS 2代码”以获取详细信息。

       构建完成后，可以在install目录中找到已安装的软件包。为了使用这些安装好的可执行文件或库，需要将它们添加到路径和库路径中。colcon会在install目录中生成bash / bat文件，通过source这些文件即可完成环境设置。

       之后，可以通过ros2 run命令运行colcon构建的可执行文件。以ros2 run examples_rclcpp_minimal_subscriber subscriber_member_function为例，运行订阅者节点。同时，可以在另一个终端中运行发布者节点（别忘了source安装脚本），以确保消息正确传输。

       对于创建自己的软件包，colcon使用REP 中定义的package.xml规范（也支持format 2）。它支持多种构建类型，包括ament_cmake、ament_python和纯cmake软件包。ament_python构建中，setup.py文件作为构建的主要入口点。例如，demo_nodes_cpp软件包使用ament_cmake构建类型，并利用CMake作为构建工具。

       为了简化创建软件包的过程，ros2 pkg create工具可以用于基于模板创建新的软件包，这相当于catkin用户中的catkin_create_package。

       在使用colcon时，读者可以参考一些提示来提高工作效率。例如，如果不想构建特定的软件包，可以将其目录中放置一个名为COLCON_IGNORE的空文件。另外，若要避免在CMake软件包中配置和构建测试，可以传递参数--cmake-args -DBUILD_TESTING=0。此外，可以通过colcon test命令运行单个特定测试，只需指定软件包和测试名称即可。