-
リモートPC（各自のPC）で実行
sudo -E apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --keyserver-option http-proxy=http://proxy.uec.ac.jp:8080 --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654 echo "export TURTLEBOT3_MODEL=burger" >> ~/.bashrc sudo apt-get install ros-noetic-turtlebot3-msgs sudo apt-get install ros-noetic-turtlebot3 sudo apt-get install ros-noetic-dwa-local-planner sudo apt-get install ros-noetic-gmapping ros-noetic-map-server ros-noetic-find-object-2d cd ~/catkin_ws/src git clone https://github.com/naka-lab/ros_navigation.git source ~/.bashrc -
ロボット内部PCのIPの確認（nano ~/catkin_ws/set_ip.sh）
export ROS_MASTER_URI=http://（リモートPCのIP）:11311 export ROS_HOSTNAME=（ロボット内部PCのIP）- ロボット内部PC（raspberry pi）のユーザ名はpi，パスワードはturtlebot
-
リモートPCのIPの確認（nano ~/catkin_ws/set_ip.sh）
export ROS_MASTER_URI=http://（リモートPCのIP）:11311 export ROS_HOSTNAME=（リモートPCのIP）
- リモートPCで
roscoreを実行
-
ロボット内部PC（内部PCのデフォルトのユーザー名はpi, パスワードはturtlebot）
roslaunch turtlebot3_bringup turtlebot3_robot.launch -
リモートPC
-
roslaunch turtlebot3_slam turtlebot3_slam.launch -
roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch：起動したらキーボードを動かして地図を作成 -
rosrun map_server map_saver -f ~/map：地図を保存
-
- 編集ソフトを起動
rosrun ros_navigation map_editor.py ~/map.yaml - 画像上をドラッグして線を書いて編集する
- 下側のスクロールバー：線の色（Color）と太さ（Size）の変更
i,j,k,mキー：地図のスクロールzキー：元に戻すsキー：保存qキー：終了
- 編集が完了したら
sキーを押すとファイル保存ダイアログが起動するのでファイル名を入力し保存
-
ロボット内部PC
roslaunch turtlebot3_bringup turtlebot3_robot.launch -
リモートPC：地図を指定して自己位置推定を実行
roslaunch turtlebot3_navigation turtlebot3_navigation.launch map_file:=$HOME/map.yaml -
rvizの「2D Pose Estimate」でロボットの現在位置を設定して，「2D Nav Goal」で移動先を指定する
-
プログラムで座標指定で移動させる方法
- サンプル参照
- マップ上の座標の確認
rosrun ros_navigation map_viewer.py ~/map.yaml
-
ロボット内部PC
roslaunch turtlebot3_bringup turtlebot3_rpicamera.launch roslaunch turtlebot3_bringup turtlebot3_robot.launch -
リモートPC
- 画像が圧縮されて来るので，それを復元してimage_rawという名前でpublishする
rosrun image_transport republish compressed in:=/raspicam_node/image raw out:=/image_raw - 物体認識ノード
rosrun find_object_2d find_object_2d image:=/image_raw Edit→Add object from scene...で認識したい物体を保存- サンプルを起動する
- 画像が圧縮されて来るので，それを復元してimage_rawという名前でpublishする