1.ROS入门笔记（七）：详解ROS文件系统
2.rosbag相关源码解析
3.ROS2测试源码编译安装cartographer
4.ROS中MPC局部路径规划器使用方法及源码流程解读
5.Cartographer源码详解|（2）Cartographer_ros

ROS入门笔记（七）：详解ROS文件系统

       本章节详述ROS的码分工程结构，特别是码分其文件系统组织。理解并熟悉ROS工程的码分构建方式是编程和开发的基础。

       首先，码分我们深入理解catkin编译系统，码分它是码分asp上传头像源码ROS工程的核心工具。早期的码分Makefile编译方式效率不高，CMake作为高级编译工具引入，码分而ROS的码分Catkin系统在此基础上做了扩展。Catkin在groovy版本后替代了rosbuild，码分提供更简洁、码分高效和可移植的码分编译体验，适用于大型项目，码分如ROS。码分

       学习Catkin，码分首先了解其特点：基于CMake，每个软件包包含CMakeLists.txt和package.xml两个关键文件。编译流程由catkin_make命令控制，它封装了cmake和make，便于大型项目的构建。编译前务必在工作空间目录下操作，完成后需刷新环境以加载新生成的免费扫码入库源码可执行文件。

       接着，我们探索catkin工作空间，类比为一个项目仓库，包含src、build和devel三个主要路径，src存放源代码，build进行编译，devel则用于设置环境。通过catkin_create_pkg创建和管理软件包，rospack、roscd和rosls等工具则方便包的查找和内容浏览。

       在CMakeLists.txt中，我们定义包的依赖、目标构建规则，这是构建流程的核心。package.xml则是包的元数据，记录了包的名称、版本、依赖等信息。ROS中的Metapackage则是功能模块的集合，通过CMakeLists.txt和package.xml定义。stc定高飞控源码

       最后，介绍了其他常见的文件类型，如launch文件用于程序启动配置，msg/srv/action定义自定义数据结构，urdf/xacro描述机器人模型，yaml文件存储参数，dae/stl文件是3D模型，rviz文件配置可视化工具。这些文件共同构建了完整的ROS开发环境。

       深入理解这些细节，将有助于你更高效地在ROS环境中开发和管理项目。

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。挺进股道圣经指标源码

       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。

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，2022漫画分销源码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。

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》。

Cartographer源码详解|（2）Cartographer_ros

       上一篇文章深入分析了传感器数据的流向，接下来让我们继续探讨传感器格式的转换与类型变换。这部分内容在sensor_bridge.cc文件中。在处理传感器的坐标变换时，我们需要运用三维空间刚体运动的知识，先进行简要回顾，以助于理解代码。

       三维空间刚体运动涉及向量内积与外积。向量内积的计算公式如下，表示两个向量的点乘。向量外积则是一个向量，其方向垂直于两个向量，大小为两向量张成四边形的有向面积，计算公式如下。

       旋转和平移是欧氏变换的两个关键部分。旋转涉及单位正交基的变换，形成旋转矩阵（Rotation matrix），该矩阵的各分量由两组基之间的内积组成，反映了旋转前后同一向量坐标的变化关系。平移则通过向旋转后的坐标中加入平移向量t实现。通过旋转矩阵R和平移向量t，我们可以完整描述欧氏空间中的坐标变换关系。

       为了简化变换过程，引入齐次坐标和变换矩阵。在三维向量末尾添加1形成四维向量，进行线性变换。变换矩阵T能够将两次变换叠加简化为一个操作，便于后续计算。

       Cartographer的坐标转换程序位于transform文件夹下的rigid_transform中，用于求解变换矩阵的逆。

       在sensor_bridge类中，构造函数将传入配置参数，对里程计数据进行处理。首先将ros时间转换为ICU时间，然后利用tf_bridge_.LookupToTracking函数找到tracking坐标系与里程计child_frame_id之间的坐标变换。在ToOdometryData函数中，将里程计的footprint的pose转换为tracking_frame的pose，并最终将结果转换为carto::sensor::OdometryData的数据类型。

       HandleOdometryMessage函数将传感器数据类型与坐标系转换完成后，调用trajectory_builder_->AddSensorData进行数据处理。对于雷达数据，首先转换为点云格式，然后对点云进行坐标变换，并调用trajectory_builder_->AddSensorData进行数据处理。

       IMU数据处理中，要求平移分量小于1e-5，然后调用trajectory_builder_->AddSensorData对数据进行处理。

       在雷达数据处理部分，首先将点云数据分段，然后传给HandleRangefinder处理，将点云坐标变换到tracking_frame坐标系下，调用trajectory_builder_->AddSensorData函数进行数据处理。

       总结本章内容，我们详细解析了SensorBridge类，对传感器数据进行了转换和传输。通过Node类、MapBuilderBridge类和SensorBridge类，我们对Cartographer_ros部分的代码有了基本了解。接下来，我们将深入学习cartographer。