Ekumen-OS/beluga

Beluga – C++17 Monte Carlo Localization 库

什么是 Beluga – Beluga 是一个**&extensible C++17 library&，实现了 Monte Carlo Localization (MCL) 系列的粒子滤波算法。它的设计是&ROS-agnostic&**，提供可选的 ROS 绑定，并针对需要可靠位姿估计的机器人（例如 TurtleBot 2, Andino）进行开发。代码库经过严格测试，并包含基准测试工具。

关键组件

Package	Role
beluga	核心，与 ROS 无关的库 – 提供通用的粒子滤波框架与工具。
beluga_ros	薄层 ROS 封装 – 让 ROS 节点可以使用核心库（消息转换、参数处理）。
beluga_amcl	即插即用的 ROS 节点/组件，其接口与流行的 nav2_amcl/amcl 包进行镜像，使得迁移非常容易。
beluga_example	展示如何在机器人上启动基于 Beluga 的 AMCL 节点的示例启动文件。
beluga_benchmark	用于性能分析和将 Beluga 与其他 MCL 实现进行比较的脚本。
beluga_system_tests	在模拟或真实硬件上运行的集成测试。
beluga_vdb	可选的扩展，将 OpenVDB 接入库中，实现 3D 体素化定位。

为什么重要

• 模组化设计 – 算法是由正交组件（运动模型、传感器模型、重采样等）构建的，因此你可以更换组件而不必重写整个滤波器。
• 测试驱动开发 – CI 流水线（Colcon, Bazel）和代码覆盖率徽章显示了对回归安全性的高度关注。
• 开箱即用的基准测试 – beluga_benchmark 包让开发者可以量化不同配置下的延迟、内存使用和精度。
• ROS 兼容性 – 虽然核心是独立于 ROS 的，但 beluga_ros 和 beluga_amcl 包提供了现有 ROS 导航堆栈的直接替换方案。
• 通过 OpenVDB 支持 3D – beluga_vdb 扩展使得在体积图中运行粒子滤波变得可行，这对于无人机或足式机器人非常有用。

典型工作流程

1. 将库添加到 你的 CMake 工作空间（支持 both Colcon 和 Bazel 构建）。
2. 配置粒子滤波器，通过从核心包中选择运动和传感器模型。
3. 使用 beluga_ros 进行 ROS 封装，如果你需要 topic/service，或者在自定义 C++ 程序中运行独立滤波器。
4. 启动 beluga_amcl 节点（或你自己的节点）并使用与 nav2_amcl 参数格式一致的 YAML 文件。
5. 验证 使用提供的系统测试或基准测试套件。

入门指南 – README 指向了在线文档网站 (https://ekumen-os.github.io/beluga) 以获取详细的构建说明、API 参考和示例启动文件。欢迎通过 CONTRIBUTING.md 指南进行贡献。

---

Beluga 是一个专注于 Monte Carlo Localization 的真实、生产级机器人库，而不是通用的 AI/LLM 项目。",