dfl-rlab/dddmr_navigation

何を解決するか

従来の2Dナビゲーションスタック（Nav2など）の制限を克服し、モバイルロボットが複雑な3D環境でマッピング、ローカライゼーション、自律ナビゲーションを可能にする。特に、複数階層の床マッピング、階段のナビゲーション、ステレオ構造や3Dポイントクラウドマップにおける障害物回避の課題を解決する。

仕組み

このプロジェクトは、複数の専門パッケージからなる包括的なナビゲーションスタックを提供する：

• マッピング： dddmr_lego_loam を使用して3Dマッピングと精緻化を行う。
• ローカライゼーション： 3Dにおけるモンテカルロローカライゼーション（MCL）に dddmr_mcl_3dl を採用する。
• センシング： dddmr_perception_3d を通じて3Dセンシングとセンサデータを処理する。
• 計画： グローバルプランナー（dddmr_global_planner）とローカルプランナー（dddmr_local_planner）を用いて、3D空間内の経路計算と障害物回避を行う。
• 移動： dddmr_p2p_move_base が移動を管理する。

さらに、LiDARの設定（角度、ピッチ、変換）を自動検証するCI/CDテストスイートを備えており、デプロイ前にポイントクラウドの正確性と地面投影を保証する。

対象ユーザー

コスト効率の高いハードウェア（16線LiDAR、Jetson Orin Nano、Intel NUCなど）上で3Dナビゲーション機能を必要とする、カスタムモバイルプラットフォーム（例：Unitree Go2のような四足ロボット）を開発するロボット開発者や初心者。

特徴

• 本格的な3Dナビゲーション： 2Dフレームワークでは失敗する複数階層マッピングと階段ナビゲーションをサポート。
• 自動検証： LiDARの取り付け幾何学と空間変換を検証するCI/CDスイート。
• ハードウェア非依存： 複数の深度カメラや異なるLiDARモデルなど、さまざまなセンサと連携可能。
• シミュレーション対応： Unitree-go2用のGazeboモデルを統合し、シミュレーション上で3Dナビゲーションをテスト可能。