Repository Summary

Checkout URI https://github.com/gus484/ros.git
VCS Type git
VCS Version master
Last Updated 2015-10-13
Dev Status DEVELOPED
CI status No Continuous Integration
Released UNRELEASED
Tags No category tags.
Contributing Help Wanted (0)
Good First Issues (0)
Pull Requests to Review (0)

Packages

README

Table of Contents generated with DocToc

Installation des ROS-Systems Version Indigo für Ubuntu 14.04 LTS

Anweisungen folgen und dabei die Variante Desktop-Full Install wählen

http://wiki.ros.org/jade/Installation/Ubuntu

Zusätzlich sind noch folgende ROS Packages notwendig:

sudo apt-get install ros-jade-geographic-msgs ros-jade-geodesy ros-jade-moveit-core ros-jade-robot-localization ros-jade-nmea-navsat-driver

Einrichten des Workspace

Anweisungen folgen und den Workspace einrichten

http://wiki.ros.org/catkin/Tutorials/create_a_workspace

Hinweis: Falls anaconda Python Distribution installiert ist, gibt es Konflikte mit dem catkin_pkg, was nicht gefunden wird. Einfachste Möglichkeit: In der ~/.bashrc einfach die Zeile export PATH="/home/pbalzer/anaconda/bin:$PATH" auskommentieren und Terminal neu starten. Dann wird das System Python genutzt und catkin_make funktioniert.

Die nun erstellte setup.bash in catkin_ws/devel/ sollte noch in die ~/.bashrc aufgenommen werden. source /home/pbalzer/catkin_ws/devel/setup.bash

Download und Installation des SICK LD-MRS Treibers

Anlegen eines Download-Verzeichnisses

mkdir sick

cd sick

Download des Projektes

(sudo apt-get install bzr)

bzr branch http://bazaar.launchpad.net/~csiro-asl/csiro-asl-ros-pkg/electric

Umbenennen und kopieren der Dateien in den Workspace

mv electric csiro-asl-ros-pkg

cp csiro-asl-ros-pkg -r ~/catkin_ws/src

Kompilieren des Programms im Workspace

catkin_make

Evtl. muss die Python-Node ausführbar gesetzt werden, damit ROS sie per rosrun findet

chmod +x ~/catkin_ws/src/csiro-asl-ros-pkg/sick_ldmrs/nodes/sickldmrs.py

Möchte man den Namen des Topics für die Pointcloud2 ändern, so kann dies in der Datei csiro-asl-ros-pkg/sick_ldmrs/nodes/sickldmrs.py erfolgen. Entweder passt man folgende Zeichenkette dauerhaft an:

topics['cloud'] = rospy.Publisher('/%s/cloud' % node_name, numpy_msg(PointCloud2),queue_size=1000)

oder man ändert nur den zweiten Teil des Topic-Namen „cloud“ in der Zeile:

topics = {}.fromkeys(( 'cloud', 'scan0', 'scan1', 'scan2', 'scan3'))

Im zweiten Fall lautet der Topic-Name dann „/sickldmrs/xxx“

Download und Installation des IMU Plugins für Rviz

git clone https://github.com/ccny-ros-pkg/imu_tools.git

Verschieben in den Workspace und kompilieren

cp imu_tools -r ~/catkin_ws/src

cd ~/catkin_ws

catkin_make

Download und Installation der Projekt-Pakete

Klonen des Git-Archives und verschieben der vier Pakete multicar_hydraulic, tinkerforge_laser_transform, tinycan und Multicar_moveit_config in den Workspace

git clone https://github.com/gus484/ros.git

cd ros

cp multicar_hydraulic tinkerforge_laser_transform tinycan Multicar_moveit_config ~/catkin_ws/src -R

Installation von Octomap Server

sudo apt-get install ros-jade-octomap-msgs ros-jade-octomap-ros

Für Jade ist Octomap Server noch nicht als Paket verfügbar. Da nehmen wir einfach das für Indigo von Github:

git clone https://github.com/OctoMap/octomap_mapping.git cp octomap_mapping/ -r ~/catkin_ws/src/

Workspace kompilieren

cd ~/catkin_ws

catkin_make

Hinweis: Wenn Fehler auftreten, einfach nochmal catkin_make ausführen. Durch die Parallelisierung kann es passieren, dass Dateien, die zum Kompilieren notwendig sind, vom anderen Core noch nicht berechnet wurden und dann stoppt es mit Fehler.

Multithreading Dogs

Pfade der Multicar Konfiguration anpassen

URDF-Datei und .dae-Datein aus Git Repository holen, Arbeitsordner anlegen und Dateien verschieben:

mkdir ~/ROS_MoveIt

cp ROS_MoveIt/*.dae ROS_MoveIt/multicar.urdf ~/ROS_MoveIt

Pfade in URDF-Datei anpassen

nano ~/ROS_MoveIt/multicar.urdf

URDF Pfad im MoveIt Paket in folgenden Dateien anpassen:

nano ~/catkin_ws/src/Multicar_moveit_config/.setup_assistant

nano ~/catkin_ws/src/Multicar_moveit_config/launch/planning_context.launch

Pfade in Launchfiles anpassen:

nano ~/catkin_ws/src/tinkerforge_laser_transform/launch

Messung starten

roscore starten

roscore

Je nach Anwendung entsprechendes launch file aus der tinkerforge_laser_transform Node im Verzeichnis launch starten. Beispiel:

cd ~/catkin_ws

roslaunch src/tinkerforge_laser_transform/launch/Messung.launch

Laserscanner verbinden

Der Sick Laserscanner (bzw. ibeo Lux) hat eine feste IP, mit der er kommunizieren will. Dazu ist das Notebook mit einem Netzwerk zu verbinden mit fester IP. Der Laserscanner hat

192.168.0.1, der Rechner sollte 192.168.0.55 oder sowas haben.

Tinkerforge Sensoren

Den Tinkerforge Brick Deamon auch installieren.

Anschauen was abgeht

rosrun rqt_topic rqt_topic kann man aktive Topics sehen rosrun rqt_graph rqt_graph kann man das visualisiert ansehen

Aufzeichnung und Wiedergabe von Messungen

Siehe Anleitung im Git-Repository:

https://github.com/gus484/ros/tree/master/recorded_maps

Hydraulik-Steuerung

Für die Hydraulik-Steuerung werden die Pakete multicar_hydraulic und tinycan benötigt, welche bereits im Schritt Download und Installation der Projekt-Pakete installiert wurden. In dem Verzeichnis launch der multicar_hydraulic gibt es eine Launch-Datei, welche die beiden Nodes startet.

roscore starten

roscore

cd ~/catkin_ws

roslaunch src/multicar_hydraulic/launch/Move.launch

MoveIt + Rviz starten (neues Terminal)

cd ~/catkin_ws

roslaunch src/Multicar_moveit_config/launch/demo.launch

Hinweis: Damit die Hydraulik angesteuert werden, muss in dem Paket Multicar_moveit_config in der Datei launch/demo.launch die automatische Generierung von fake joint states deaktiviert werden.

nano ~/catkin_ws/src/Multicar_moveit_config/launch/demo.launch

Auskommentieren mit <!-- -->:

<node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher">

<param name="/use_gui" value="false"/>

<rosparam param="/source_list">[/move_group/fake_controller_joint_states]</rosparam>

</node>

Nachdem Rviz gestartet ist, sollte sich der Ausleger entsprechend der Sensorwerte automatisch positionieren. Die Steuerung erfolg im Unterfenster Motion Planning im Reiter Planning.

Mittels Query --> Select Goal State und der Auswahl random valid kann ein gültiger Zustand des Auslegers generiert werden. Man kann so oft auf den Button Update klicken, bis eine passable Position gefunden wurde. Ein Klick auf den Button Plan berechnet die Bewegung zwischen aktueller und neuer Position. Der Button Execute führt die Bewegung dann aus indem er die Nachrichten an die multicat_hydraulic_node sendet. Der Button Plan and Execute vereint beide Schritte mit einem Klick.

Speichern und laden von Planungszuständen (Auslegerpositionen)

Es ist möglich im Rviz Zustände des Auslegers in einer DB zu speichern und diese wiederherzustellen. Beispielsweise kann eine Mähposition und eine Fahrposition hinterlegt werden. Dafür muss eine Warehouse DB erreichbar sein. Die Multicar_moveit_config Node bringt dafür alle benötigten Komponenten mit. Es muss lediglich ein Pfad zur Datenbank angegeben werden.

Launch-Datei zum Bearbeiten öffnen

nano /home/carpc/catkin_ws/src/Multicar_moveit_config/launch/warehouse.launch

Pfad anpassen (erste Zeile durch zweite ersetzen)

<arg name="moveit_warehouse_database_path" />

<arg name="moveit_warehouse_database_path" default="$(find Multicar_moveit_config)/" />

Starten des Datenbankservers

roslaunch Multicar_moveit_config warehouse.launch

Jetzt kann ganz normal die demo.launch der Multicar_moveit_config Node gestartet werden und im Reiter Context der Connect Button zum Verbindungsaufbau mit der DB gedrückt werden.

roslaunch Multicar_moveit_config demo.launch

Im Reiter Stored States können nun Zustände gespeichert (Save Goal) und Zustände geladen (Set as Goal) werden.

CONTRIBUTING

No CONTRIBUTING.md found.