linorobot/linorobot2

해결하는 문제

linorobot2는 하드웨어에서부터 완전한 자율 주행까지 로봇을 이끄는 완전한 기반을 제공합니다. Nav2, SLAM Toolbox, robot_localization과 같은 복잡한 ROS2 컴포넌트를 수동으로 연결할 필요 없이, 물리적 하드웨어와 Gazebo 시뮬레이션 양쪽 모두에서 작동하는 사전 통합된 스택을 제공합니다.

작동 방식

이 프로젝트는 자율 주행의 다양한 측면을 처리하기 위해 여러 핵심 ROS2 패키지를 통합합니다.

• 내비게이션 및 맵핑: 자율 주행에는 Nav2를, 맵핑에는 SLAM Toolbox를 사용합니다.

• 로컬라이제이션: 정밀한 위치 결정을 위해 robot_localization의 EKF(확장 칼만 필터)를 사용합니다.

• 하드웨어 통합: 2WD, 4WD, 메카넘 드라이브 구성 지원. Teensy와 같은 마이크로컨트롤러용 micro-ROS 펌웨어를 사용하여 오도메트리 및 IMU 데이터를 ROS2 노드로 게시합니다.

• 시뮬레이션: 라이다 및 깊이 카메라를 장착한 로봇을 위한 템플릿 URDF를 제공하여, 하드웨어에 배포하기 전에 구성 사항을 Gazebo에서 테스트할 수 있습니다. 또한 실내 평면도 이미지나 SLAM 맵을 3D Gazebo 월드로 변환하는 도구도 포함되어 있습니다.

대상 사용자

• 오프더쉘프 부품으로 물리적 로봇을 조립하고 빠르게 자율 주행을 달성하고자 하는 로봇 제작자.
• 새로운 하드웨어 설계를 프로토타이핑하거나, 경로 계획기 및 인식 파이프라인과 같은 자율 주행 코드를 재현 가능한 시뮬레이션 환경에서 테스트하고자 하는 개발자.
• Nav2 스택을 단계별로 배우는 가이드로 이 프로젝트를 활용하는 학생 및 학습자.

주요 특징

• 통합 설정: 시뮬레이션과 물리적 하드웨어 모두에서 동일한 YAML 설정 파일을 사용하여 튜닝이 직접 이전됩니다.
• 현장 기반 시뮬레이션: image_to_gazebo 및 create_worlds_from_maps 도구를 포함하여 실제 실내 평면도나 SLAM 맵을 정확한 3D 시뮬레이션 환경으로 변환할 수 있습니다.
• 광범위한 센서 지원: RPLIDAR, LD06 등 다양한 2D 라이다와 Intel RealSense, ZED, OAK-D 등 RGBD 깊이 카메라를 기본 지원합니다.
• 하드웨어-시뮬레이션 동기화: 마이크로컨트롤러 수준의 데이터 게시를 위해 micro-ROS와 원활하게 통합됩니다.