LZ知道最近写的博客有些杂,不是一步一步的按照官网的tutorial写下来的,可能是因为需求不同,所以LZ只学一些可能对项目有用的部分,学艺不精,多多包涵!
之前LZ已经使用过了kinect v1,这里在进一步了解ros的情况下,发现,ros可以直接利用kinect创建地图,并且可以仿激光数据,下面也就是单纯做个记录.
LZ的kinect 在架子上摇摇欲坠,要买个稳定的支架...
1.进入ros工作空间下载测试源码:
https://github.com/ros-perception/pointcloud_to_laserscan,有个问题要注意一下,LZ的是indigo版本的ros,下载的时候注意一下branch.使用kinect深度相机将点云数据转换为激光数据
2.编译配置
//编译功能包并添加路径
catkin_make
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/felaim/catkin_ws/src/pointcloud_to_laserscan-indigo-devel
3.修改launch文件
<?xml version="1.0"?>
<launch>
<arg name="camera" default="camera" />
<!-- start sensor-->
<include file="$(find openni_launch)/launch/openni.launch"> #由于我们使用的kinect,openni2已近不支持了。所以用openni
<arg name="camera" default="$(arg camera)"/>
</include>
<!-- run pointcloud_to_laserscan node -->
<node pkg="pointcloud_to_laserscan" type="pointcloud_to_laserscan_node" name="pointcloud_to_laserscan"> #节点名称可以更改为自己想要的
<remap from="cloud_in" to="$(arg camera)/depth_registered/points_processed"/> #话题名称也可以更改,不过在rviz中要明白该订阅那个话题
<remap from="scan" to="$(arg camera)/scan"/>
<rosparam>
target_frame: camera_link
transform_tolerance: 0.01
min_height: 0.0
max_height: 1.0
angle_min: -1.5708 # -M_PI/2
angle_max: 1.5708 # M_PI/2
angle_increment: 0.087 # M_PI/360.0
scan_time: 0.3333
range_min: 0.45
range_max: 4.0
use_inf: true
# Concurrency level, affects number of pointclouds queued for processing and number of threads used
# 0 : Detect number of cores
# 1 : Single threaded
# 2->inf : Parallelism level
concurrency_level: 1
</rosparam>
</node>
</launch>
4.运行启动
roslaunch pointcloud_to_laserscan sample_node.launch
可以看到kinect已经链接成功了,LZ还没有标定...
通过rviz可以看到
好像看不出来这是啥?
扫描二维码关注公众号,回复:
1047476 查看本文章
![](/qrcode.jpg)
彩色图像?如上图所示.
节点的连接图如上.
5.利用深度相机仿激光数据创建地图
开始建图~\(≧▽≦)/~啦啦啦
在工作空间中下载源码;https://github.com/chenxingzhe/hector_slam_example并用catkin_make进行编译,要注意
source devel/setup.bash
安装依赖项:
rosdep install hector_slam_example
按照3中所示,修改launch文件
运行:
roslaunch hector_slam_example hector_openni.launch
OK!具体后面怎么弄,还是有些懵...