应用实例

## 4.1 SLAM
### 4.1.1 功能介绍
SLAM指即时定位与地图构建（Simultaneous Localization and Mapping，简称SLAM）。 本章节使用ROS2的Gmapping和Cartographer作为建图算法，键盘控制小车行驶建立地图，并通过Rviz2观察建图效果。 其中SLAM算法运行在超脑板上，Rviz2运行在与超脑板同一网段的PC上。

### 4.1.2 准备工作
#### 超脑板

1. 已烧录好提供的Ubuntu 20.04镜像。
2. 已成功安装ROS2机器人操作系统。
3. ROS2安装好后，安装Gmaping和Cartographer源码
4.确保有IMU和odom数据以及完整的TF树。
cd slam_ws/src
git clone https://gitee.com/iflytek-aibot/gmapping_ros2.git
git clone https://gitee.com/iflytek-aibot/cartographer_ros2.git
colcon build

#### PC端
1.已经安装好ROS2机器人操作系统以及Rviz2软件。
2.和超脑板在同一网段下并且ROS_DOMAIN_ID与超脑板一致。
echo "export ROS_DOMAIN_ID=33" >> ~/.bashrc

### 4.1.3 使用介绍
本小节介绍如何使用讯飞超脑板运行SLAM算法，并使用PC观察建图效果。

#### Gmapping
超脑板端启动底盘以及SLAM算法
启动命令ros2 launch turn_on_wheeltec_robot base_serial.launch.py 
另起终端
启动 ros2 launch robot_slam slam_gmapping.launch.py
PC端打开Rviz2
rviz2
打开Rviz2后，需要添加“map”可视化选项，用于展示建立的地图，步骤如下所示，并且后续添加scan、tf数据：

![](/media/202306/2023-06-21_140137_8516570.6501288472649432.png)

PC端开启另外一个控制台，PC端启动控制工具，通过键盘控制小车运动：
ros2 run teleop_twist_keyboard teleop_twist_keyboard
控制小车探索周围环境，SLAM算法建立起环境地图，可以在Rviz2上观察到建图效果。

#### Cartographer
超脑板端启动底盘以及SLAM算法
启动ros2 launch turn_on_wheeltec_robot base_serial.launch.py 
另起终端
ros2 launch robot_slam cartographer.launch.py

### 4.1.4 运行结果
（差一张建好的地图截图）

## 4.2 Nav2
### 4.2.1 功能介绍
Nav2（Navigation2）是ROS2中自带的导航框架，旨在寻找一种安全的方式让移动机器人从A点移动到B点。Nav2也可以应用于其他机器人导航应用，例如动态点跟踪，在这个过程中需要完成动态路径规划、计算电机速度、避免障碍等。
3.1节介绍了如何运行SLAM算法进行建图，本章节介绍如何基于建立的地图使用Nav2进行导航。使用Rviz2设置导航目的地，超脑板运行Nav2程序导航。

### 4.2.2 准备工作
1. 已烧录好提供的Ubuntu 20.04镜像。
2. 已成功安装ROS2机器人操作系统。
3. ROS2安装好后，安装Nav2源码。
4. 已经通过SLAM建好地图，并且保存到`ros2_ws/src/robot_slam/map`中
cd nav2_ws/src
git clone https://gitee.com/iflytek-aibot/nav2_ros.git
colcon build

### 4.2.3 使用介绍
本章节介绍如何进行导航目的地设置，并查看导航效果。

1.超脑端启动nav2。
启动 ros2 launch turn_on_wheeltec_robot base_serial.launch.py 
另起终端
ros2 launch robot_navigation2 navigation2.launch.py 
2.PC端启动Rviz2工具，效果如下图
ros2 launch nav2_bringup rviz_launch.py

![](/media/202306/2023-06-21_140313_0327790.3431293887525463.png)

3.Rviz2上设置机器人起始位置和方向

Rviz2启动后，机器人最初不知道它在哪里。默认情况下，Nav2会等待用户给机器人一个大致的起始位置。查看机器人实际在地图中的位置，通过点击Rviz2中的”2D Pose Estimate” 按钮，然后通过在地图上机器人预估的位置处点击来设置机器人初始位置 。可以通过向前拖动刚才单击的位置来设置机器人起始的移动方向。如下图所示：

![](/media/202306/2023-06-21_140333_5489280.6797493319535288.png)

设置好了机器人的初始位置，就会完成坐标变换树，同时Nav2将会完全激活并准备就绪。

![](/media/202306/2023-06-21_140347_4029400.2541535400481616.png)

4.Rviz2上设置机器人目的地

点击 “Navigaton2 Goal” 按钮并选择一个目的地。

![](/media/202306/2023-06-21_140359_2727080.09418330461086566.png)

### 4.2.4 运行结果
（添加动图或者视频）

## 4.3 目标检测
### 4.3.1 功能介绍

通过订阅摄像头信息，通过目标检测算法，检测出特定物体，后期用户可以自行训练数据集进行特定的物体目标检测。
### 4.3.2 准备工作
1. 已烧录好提供的Ubuntu 20.04镜像。
2. 已经安装USB摄像头。
3. HDMI连接超脑板

### 4.3.3 使用介绍
目标检测通过订阅摄像头数据，通过将yolov5s训练好的数据模型转换成rknn格式，进行推理，显示摄像头实时数据和对应的算法目标检测结果。
1) 进入虚拟环境
首先超脑板已经部署了虚拟python环境，如下所示，进入虚拟环境
终端启动 source DependentLibrary/venv3.9/bin/activate
(venv3.9) iflytek@superbrain:~$

2) 开启NPU加速
sudo modprobe rknpu
3) 进行目标检测推理
进入推理脚本所在文件夹
cd ros2_ws/src/rknn-toolkit2/rknn_toolkit_lite2/examples/inference_with_lite/
python启动推理脚本
python3 detect.py

### 4.3.4 运行结果
输出log显示，订阅到了摄像头数据，并发布了目标检测结果。

![](/media/202306/2023-06-21_140521_4194540.9376334166775702.png)