Handsfree_ros_imu:ROS机器人IMU模块ARHS姿态传感器(A9)Liunx系统Ubuntu20.04学习启动和运行教程

这个是篇学习 Handsfree_ros_imu 传感器的博客记录

官方教程链接见:

https://docs.taobotics.com/docs/hfi-imu/

产品功能

IMU 内有 加速度计陀螺仪磁力计这些传感器,通过固定 imu 到物体上后,可以获取物体在运动过程中的一些信息,如物体的三轴加速度信息,三轴角速度信息,三轴角度信息,三轴磁场信息。通过这些信息,可以得知物体运动过程中的状态。

产品型号

  • A9:可获取三轴加速度信息,三轴角速度信息,三轴角度信息,三轴磁场信息

A9 型号

  • 9 轴 IMU。
  • 9 轴融合算法。
  • 自主研发滤波算法。
  • 自主研发抗磁干扰算法,有效防止磁场的干扰。上电初始化成功后生效。
  • 输出频率 150 HZ。
  • yaw 值为 0 时, x 轴会指向北方。
  • 上电后会有10 秒左右的时间进行初始化,期间会将周围的磁场数据初始化到模块内,所以不一定会指向正北方,跟模块所在环境的磁场有一定关系。
  • IMU 模块需要静置启动 ,否则模块会自动切换到动态启动,零飘会采用到 flash 中的存储值,一般会有产生较大的偏差。
  • 静态精度 0.1 动态精度 0.5

IMU 是惯性测量单元(英文:Inertial measurement unit)的简称,是测量物体三轴姿态角(或角速率)以及加速度的装置。

一般情况,一个 IMU 包含了三个单轴的加速度计和三个单轴的陀螺仪,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。

陀螺仪和加速度计是 IMU 的主要元件,其精度直接影响到惯性系统的精度。在实际工作中,由于不可避免的各种干扰因素,而导致陀螺仪及加速度计产生误差,从初始对准开始,其导航误差就随时间而增长,尤其是位置误差,这是惯导系统的主要缺点。

一般 xx 轴 IMU区别。

  1. 6 轴 imu:三个单轴的加速度计,三个单轴的陀螺仪
  2. 9 轴 imu:三个单轴的加速度计,三个单轴的陀螺仪,三个单轴磁力计
  3. 10 轴 imu:三个单轴的加速度计,三个单轴的陀螺仪,三个单轴磁力计,一个气压计

常见名称解析

三轴陀螺仪: 三轴陀螺仪是惯性导航系统的核心敏感器件,其最大的作用就是“测量角速度,以判别物体的运动状态,所以也称为运动传感器“

三轴加速度计: 是测量运载体线加速度的仪表

磁力计: 用于测试磁场强度和方向

气压计: 通过测量大气压强,来计算出高度

6 轴融合算法: 加速计对机体振动非常敏感,稍有扰动,加速度方向就会偏移(外力与重力的合力),但是长期运行时,经过平滑滤波算法之后的加速计数据就比较可信。相比而言,陀螺仪则对外部扰动不敏感,反而是长时间积分后会出现角度漂移。因此实际应用中,都是将二者采集的数据进行融合,相互取长补短。

9 轴融合算法: 由于机体水平时,加速度计无法测量绕 Z 轴的旋转量,即偏航角 yaw,并且磁力计也同样无法测得z轴的旋转量。所以使用加速度计和磁力计同时对陀螺仪进行校正。

全姿态角: 全姿态角(All attitude angle)用来描述对象在空间中的方位姿态,有飞机(导弹)姿态角和卫星姿态角之分。飞机姿态角是按欧拉概念定义的,故亦称欧拉角 。飞机姿态角是由机体坐标系与地理坐标系之间的关系确定的,用航向角俯仰角横滚角 三个欧拉角表示。不同的转动顺序会形成不同的坐标变换矩阵,通常按航向角、俯仰角和横滚角的顺序来表示机体坐标系相对地理坐标系的空间转动。

零飘: 一些因素导致电路输出端电压偏离原固定值而上下漂动的现象 它又被简称为:零漂。

ROS 坐标系: 请参考 ROS 坐标系 - CSDN

角度精度: 请参考倾角传感器中的精度是指什么 - CSDN

 

linux + ROS 下使用安装软件包(需要安装好 ROS)

我使用的是 ubuntu 20.04,ROS Noetic,python3 ,所以终端运行:

sudo apt-get install ros-noetic-imu-tools ros-noetic-rviz-imu-plugin

pip3 install pyserial

下面以官方安装为例,你也可以根据自身使用的情况来安装:

sudo apt-get install git -y
mkdir -p ~/handsfree/handsfree_ros_ws/src/
cd ~/handsfree/handsfree_ros_ws/src/
git clone -b new https://gitee.com/HANDS-FREE/handsfree_ros_imu.git
cd ~/handsfree/handsfree_ros_ws/
catkin_make
cd ~/handsfree/handsfree_ros_ws/src/handsfree_ros_imu/scripts/
sudo chmod 777 *.py
echo "source ~/handsfree/handsfree_ros_ws/devel/setup.sh" >> ~/.bashrc
source ~/.bashrc

Python 驱动测试

以 Ubuntu20.04,A9,python3 为例:

注意:先不要插 IMU 的 USB ,在终端输入 ls /dev/ttyUSB* 来检测一下,然后将 USB 插入电脑,再在终端输入 ls /dev/ttyUSB* 来检测一下,多出来的 ttyUSB 设备就是 IMU 的串口

 我检查出的USB端口为ttyUSB0,这个在后续修改文件时会用到。

进入脚本目录,修改对应的 python 脚本中 /dev/ttyUSB0(脚本默认用的 /dev/ttyUSB0) 为你电脑识别出来的数字:

 接着,可通过 cd 命令到脚本所在的目录,也可以在脚本所在的目录打开终端,然后通过 python 命令运行脚本,下面开始演示:

hfi_a9.py 驱动运行成功后的截图

在Linux的终端输入:

python3 hfi_a9.py

 

hfi_a9_ui.py 驱动运行成功后的截图

在Linux的终端输入:

python3 hfi_a9_ui.py

 

 

ROS 驱动和可视化

以 Ubuntu20.04,A9,python3 为例:

先不要插 IMU 的 USB ,在终端输入 ls /dev/ttyUSB* 来检测一下,然后在将 USB 插入电脑,再在终端输入 ls /dev/ttyUSB* 来检测一下,多出来的 ttyUSB 设备就是 IMU 的串口。

随后进入脚本目录,修改对应的 launch 文件中的 /dev/ttyUSB0(脚本默认用的 /dev/ttyUSB0)为你电脑识别出来的数字:

 打开终端,运行 imu 驱动:

roslaunch handsfree_ros_imu handsfree_imu.launch imu_type:=a9

imu 启动成功的截图如下:

 打开两个新终端输入分别输入下面两行命令:

rostopic echo /handsfree/imu

 rostopic echo /handsfree/mag

 同理,如需要运行其他 launch 文件,需要先确保 launch 文件中的 /dev/ttyUSB 设备修改对

  • 相关文件说明

    • display_and_imu.launch,打开打开 IMU 驱动节点和用 visual 编写的可视化模型。(仅支持 ubuntu 16.04)
    • handsfree_imu.launch,打开用 IMU 驱动节点。
    • rviz_and_imu.launch,打开 IMU 驱动节点和 Rviz 可视化。
    • view_display .launch,单独打开用 visual 编写的可视化模型。
    • view_rviz.launch,单独打开Rviz 可视化。

下面继续运行测试:

新开一个终端,运行 rviz_and_imu.launch:

roslaunch handsfree_ros_imu rviz_and_imu.launch imu_type:=a9

 

官方文档中的一个比较有趣的点是视觉SLAM 和 IMU 融合

        视觉 SLAM 容易受图像遮挡,光照变化,运动物体干扰弱纹理场景等影响,单目视觉无法测量尺度,深度信息往往无法直接获取,仅通过单张图像无法获得像素的深度信息,需要通过三角测量的方法来估计地图点的深度。此外单目纯旋转运动无法估计,快速运动时易丢失。

        视觉与 IMU 融合之后会弥补各自的劣势,可利用视觉定位信息来估计 IMU 的零偏,减少IMU由零偏导致的发散和累积误差。IMU 可以为视觉提供快速运动时的定位,IMU 可以提供尺度信息,避免单目无法测尺度。

         最后指出,IMU 设计的应用领域广泛,在军航空航天、航海、军事、医疗、娱乐、机器人、车辆等领域都有这重要的作用。

 

IMU的数据文本记录

        上述操作运行下来,IMU的数据已经可以实时的输出了,如果想要将这些数据保存一段下来,可以继续看下面的内容:

 打开终端,运行 imu 驱动:

roslaunch handsfree_ros_imu handsfree_imu.launch imu_type:=a9

接着新开一个终端,输入:

rostopic echo-b xxx.bag-p/handsfree/imu>data_record.txt

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/614426.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python OpenCv中调用cv2.selectROI( )函数提取图像中指定区域(高效抠图)

目录 一、cv2.selectROI()函数参数二、代码三、提取结果四、总结 一、cv2.selectROI()函数参数 下面是cv2.seletROI()函数中各个参数的解析: selectROI(windowName, img, showCrosshairNone, fromCenterNone):. 参数windowName:选择的区域被显示在的…

(Java企业 / 公司项目)配置Gateway + Nacos应用名路由转发?

首先看项目的gateway, 没有进行路由转发的时候的缺点 在gateway模块中的配置的路径都是写死的,到时候我们更改了IP地址又要改这个代码,会很麻烦所以我们应该怎么样做才能使得请求更加方便?这是子模块 在我们请求模块member中配置…

x-cmd pkg | llm - 用于与 OPENAI 交互的命令行工具

目录 简介首次用户功能特点进一步探索 简介 llm 是一个命令行工具和 Python 库,用于与大型语言模型(Large Language Models,简称 LLMs)交互,既可以通过远程 API 访问,也可以在本地机器上运行安装的模型。由…

蚁群算法解决旅行商问题的完整Python实现

蚁群算法(Ant Colony Optimization,简称ACO)是一种模拟蚂蚁觅食行为的启发式优化算法。它通过模拟蚂蚁在寻找食物时释放信息素的行为,来解决组合优化问题,特别是旅行商问题(TSP)。 蚁群算法的基…

C#.Net学习笔记——设计模式六大原则

***************基础介绍*************** 1、单一职责原则 2、里氏替换原则 3、依赖倒置原则 4、接口隔离原则 5、迪米特法原则 6、开闭原则 一、单一职责原则 举例:类T负责两个不同的职责:职责P1,职责P2。当由于职责P1需求发生改变而需要修…

综合智慧能源监测管理平台,实现能源管理“透明”化

能源问题是全球面临的最大问题,在提高经济增长的同时,也引发了能源供应危机及环境严重等问题,降低能源管理、低碳环保是我们未来发展的必经之路。 为了解决这一问题,智慧能源管理平台应运而生。平台采用微服务架构,整…

rime中州韵小狼毫 词组注释 滤镜

在rime中州韵小狼毫 联想词组 滤镜一文中,我们通过Filter滤镜功能配置了联想词组的功能,这使得我们在输入一些关键词汇时,可以联想补充一些附加的词组,例如我输入“手机”,就可以联想补充对应的手机号,如下…

【c++】list迭代器失效问题

目录 一、list iterator的使用 二、list的迭代器失效 一、list iterator的使用 对于list的迭代器的用法,可以将它看做一个指针(实际要更加复杂)来使用,该指针指向list中的一个节点。 【注意】 (1)begin和end为正向迭代器&#x…

从学习投研流程的角度学习Qlib

许多同学只是把Qlib当做一个简单的工具来学习。其实Qlib隐含了一套正规的投研流程,从投研流程的视角去学习Qlib,则不仅能加深对Qlib的理解,而且能够掌握正确的投研流程,哪怕以后不使用Qlib而是使用其他系统了,这套流程还是适用的。…

第十一章 Cookie

第十一章 Cookie 1.什么是Cookie2.Cookie的创建3.Cookie的获取4.Cookie值的修改5.谷歌浏览器和火狐浏览器如何查看Cookie6.Cookie的存活设置7.Cookie的path属性8.Cookie练习之免用户名登入 1.什么是Cookie 2.Cookie的创建 下面我看看如何创建Cookie,如何让客户端保…

即时战略游戏的AI策略思考

想起来第一次玩RTS游戏,就是框住一大群兵进攻,看他们把对面消灭干净……我接触的第一款游戏是《傲世三国》那会儿是小学,后来高中接触了魔兽地图编辑器,我发现自己喜欢直接看属性而省去争论和试验的步骤——我喜欢能一眼看透的感觉…

【LeetCode:49. 字母异位词分组 | 哈希表】

🚀 算法题 🚀 🌲 算法刷题专栏 | 面试必备算法 | 面试高频算法 🍀 🌲 越难的东西,越要努力坚持,因为它具有很高的价值,算法就是这样✨ 🌲 作者简介:硕风和炜,…

ARCGIS PRO SDK 设置UI控件状态:启用/禁用

举例&#xff1a; 第一步&#xff1a;添加两个 Button 分别命名为Connect、Disconnect 第二步&#xff1a;nfig.daml添加状态和条件&#xff1a;在 DAML 中定义条件。请记住&#xff0c;条件存在于模块标记<modules>之外&#xff0c;下代码定义&#xff1a;Disconnected_…

AIGC大模型必备知识——LLM ,你知道它是如何训练的吗?小白必读深度好文

Look&#xff01;&#x1f440;我们的大模型商业化落地产品&#x1f4d6;更多AI资讯请&#x1f449;&#x1f3fe;关注Free三天集训营助教在线为您火热答疑&#x1f469;&#x1f3fc;‍&#x1f3eb; 近年来&#xff0c;人工智能&#xff08;AI&#xff09;领域经历了令人瞩目…

Pyhton基础学习系列14——函数

文章目录 一、函数的定义二、函数的分类1.系统函数2.标准库函数和第三方库函数3.自定义函数 三、函数的使用1.基本语法2.函数使用案例和说明文档1.函数的说明文档2.输入两个正整数&#xff0c;计算它们的最大公约数和最小公倍数 3.from和import的区别4.return和print的使用 四、…

String有没有最大长度限制?

大家都用过String字符串&#xff0c;有的人可能还不知道它的长度在某些方面是有一些限制。 public String(byte bytes[], int offset, int length);这是java.lang.String中的一个构造函数&#xff0c;可以看到它的长度是int类型&#xff0c;int的最大取值是2^31-1.但是我们却不…

3. seaborn-可视化数据分布

在处理一组数据时&#xff0c;通常想做的第一件事就是了解变量的分布情况。这一章将简要介绍 seaborn 中用于检查单变量和双变量分布的一些工具。 import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from scipy import stats im…

【算法】七夕祭

题目 七夕节因牛郎织女的传说而被扣上了「情人节」的帽子。 于是 TYVJ 今年举办了一次线下七夕祭。 Vani 同学今年成功邀请到了 cl 同学陪他来共度七夕&#xff0c;于是他们决定去 TYVJ 七夕祭游玩。 TYVJ 七夕祭和 11 区的夏祭的形式很像。 矩形的祭典会场由 N 排 M 列共…

2024Flutter岗位面试题总结

StatelessWidget和StatefulWidget的区别是什么&#xff1f; StatelessWidget是一个不可变的类&#xff0c;充当UI布局中某些部分的蓝图&#xff0c;当某个组件在显示期间不需要改变&#xff0c;或者说没有状态&#xff08;State&#xff09;&#xff0c;你可以使用它。 Statef…

压缩编码之变换的选择之离散余弦变换(DCT)和离散傅立叶变换(DFT)——数字图像处理

原理 变换的选择是一个关键的考量因素&#xff0c;它决定了数据是如何被压缩的。选择变换时考虑以下几个重要原则&#xff1a; 数据去关联性&#xff1a;变换的目的之一是减少数据中的相关性。例如&#xff0c;在图像压缩中&#xff0c;像素间往往高度相关。通过适当的变换&a…