ROS 机器人系统课程设计（自主导航+YOLO目标检测+语音播报）

• 注：YOLO_weights网盘下载链接：https://pan.baidu.com/s/1wQHcdP5kQWm8qL_qxqhPdw?pwd=o7fp 提取码：o7fp --来自百度网盘超级会员V2的分享

• 对应的CSDN博客地址：https://wuzilong.blog.csdn.net/article/details/125803475

实验的过程中遇到了许多的bug和问题，例如：

• YOLO模块检测物体的时候检测框的左上角不出现文字（后来发现是缺少labels文件）；
• gazebo打开的时候可能会崩溃（后来发现是虚拟机的问题，需要关闭vmware的3D图形加速选项）；
• 关闭gazebo的时候尽量使用ctrl+C去关闭，直接关闭窗口可能不能完全关闭gazebo的全部进程（此时需要重启）；
• 使用语音模块去订阅YOLO模块发送的消息的时候要处理好/darknet_ros/bounding boxes话题信息，在回调函数中提取其中的识别结果。
• 安装ros可参考: Ubuntu18.04上安装ROS的详细教程 Ubuntu18.04安装Ros(最新最详细亲测)
• 本文末尾有源码 和 虚拟机环境（可复制克隆）

完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。

（注：目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。）

Windows10 VMware虚拟机 ubuntu18.04 Ros melodic

演示地址：https://www.bilibili.com/video/BV1tB4y1Y7UH

其他演示视频：链接：https://pan.baidu.com/s/1nbP4XJRjF-rSvISvY1fkFA?pwd=nyrf 提取码：nyrf 视频内容基本相似，多了一点可以参考的视角

• gazebo Building Editor

• 场景概览 由于官方的模型库中没有我所使用的YOLO模型中能够检测到的特征鲜明的物体，如猫、狗、大象、马、苹果、香蕉等，所以部分物体（如图中的香蕉）放在相框中的图片中进行识别。

• 设置的小车主要识别的区域

本次课设使用的是TurtleBot3中的Waffle小车，下图中的中间一个（含有雷达与摄像头）

小车模型在rviz中展示

• 注：对应github文件中的test_ws工作空间

gmapping 通过粒子滤波将激光距离数据转化为珊格地图。

• 优点：在长廊及低特征场景中建图效果好；构建小场景地图所需的计算量较小且精度较高。缺点：依赖里程计，无法适用无人机及地面小车不平坦区域；无回环；大的场景，粒子较多的情况下，特别消耗资源。

主要参考：我在github上传的这个文件：导航模块参考.pdf

在开始该部分设计之前，我们先安装相关支持的功能包，包括建图、导航以及机器人仿真的功能包（克隆下载后仅保留turtlebot3_gazebo文件夹），相关命令如下:

sudo apt-get update  
sudo apt-get install ros-melodic-turtlebot3-*  
sudo apt-get install ros-melodic-navigation  
sudo apt-get install ros-melodic-slam-gmapping  
git clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git  
sudo apt-get install ros-melodic-dwa-local-planner  

• 在使用仿真机器人之前先利用以下命令确定机器人类型，在 test_ws 目录下运行：

echo “export TURTLEBOT3_MODEL=waffle” >>~/.bashrc

先 catkin_make编译然后刷新工作空间，最后在运行 launch文件即可完成整体功能的启动，建图流程: 在test_ws目录下运行以下两条命令

roslaunch turtlebot3_gazebo turtlebot3_world.launch  
roslaunch my_navi build_map.launch  

运行完上述前两条命令之后会出现一个仿真的场景，然后rviz中会显示当前建图结果，然后运行下面的命令会出现键盘控制界面，

rosrun turtlebot3_teleop turtlebot3_teleop_key  

可以利用“w”，“a”,“s”，“d”来控制机器人移动，这四个按键分别控制向前移动、向左自旋、停止和向右自旋，合理的控制机器人移动来建立环境地图，结果如图3所示，最后利用下面的命令保存建图结果，

rosrun map_server map_saver -f map2  

产生图片名为“map2.pgm”和名为“map2.yaml”的地图参数，相关建图结果如图所示

• 开始建图的时候
• 建图完成
• 控制小车建图的时候各个节点之间的通信情况

导航相关命令如下，在 test_ws 目录下执行命令之后会出现仿真场景和 rviz，点击 rviz 导 航栏的“2D Nav Goal”，然后点击地图上的任意空白地点之后机器人会自动导航至目标点， 并且 rviz 和仿真地图中机器人的动作在没有系统延时的时候会保持一致。

roslaunch turtlebot3_gazebo turtlebot3_world.launch  
roslaunch my_navi turtlebot_navigation.launch  

注：对应github文件中的yolo_ws工作空间 主要参考：小车yolo机械臂（一）ros下gazebo搭建小车（可键盘控制）安装摄像头仿真 加载yolo检测识别标记物体

YOLO（You Only Look Once） 是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。

注：本课设使用的是yolov2_tiny.weights（能识别80种类别的物体）

注：YOLO_weights网盘下载链接：https://pan.baidu.com/s/1wQHcdP5kQWm8qL_qxqhPdw?pwd=o7fp 提取码：o7fp --来自百度网盘超级会员V2的分享

• 注：对应github文件中的catkin_ws工作空间
• 主要参考：
  • ROS实战( 三 )利用科大讯飞tts实现ROS下语音合成播报
  • ROS实战（二） 科大讯飞语音合成模块 可直接用文章（三）；注意第二个参考中的以下两个需要执行一些下：

sudo apt-get install sox
为了不要每次运行都souce,把x64目录下的共享库文件拷贝到/usr/lib/下,先cd到voice/libs/x64目录下
cp libmsc.so /usr/lib/

找到导航模块中小车的摄像头对应的话题名称： 打开小车导航模块的时候在rviz中添加camera（可以用来查看小车摄像头的实时画面），然后选择话题名称：/camera/rgb/image_raw （也可以在rqt_image_view中查看话题名称）

• rviz中添加camera
• 选择topic
• rqt_image_view中查看摄像头话题名称

在YOLO模块中订阅该话题：

• 通信过程

YOLO检测模块中的ros.yaml文件中，发布话题/darknet_ros/bounding_boxes rostopic echo /darknet_ros/bounding boxes，展示发布到topic上的消息数据，Class是需要获取到的识别结果

• 语音合成模块节点
• 在回调函数中获取话题/darknet_ros/bounding boxes消息中的Class内容：
• 通信过程

（在test_ws路径下）启动gazebo：roslaunch my_navi xinyang.launch
（在test_ws路径下）启动导航模块：roslaunch my_navi turtlebot_navigation.launch
（在yolo_ws路径下）启动YOLO模块：roslaunch darknet_ros darknet_ros.launch
（在catkin_ws路径下）启动语音合成模块：rosrun voice_system xf_tts_node

• 全局：各节点之间的通信情况

github源码地址：https://github.com/xinyangwy/ROS_DesignCode

• 遇到bug的朋友看这里：虚拟机环境，想要复制的可以直接复制到自己的电脑上运行。网盘里面有OVF文件　和　整个的虚拟机环境【开机密码是123】 链接：https://pan.baidu.com/s/15CAt5WjC3VvyTBE5eK2Dpw?pwd=wzla 提取码：wzla