机甲大师2023赛季南京航空航天大学 哨兵算法部分

软件架构

硬件架构

硬件介绍

硬件设备： MID360激光雷达，NUC12（i5-1240p)
裁判系统： C板转发裁判系统数据到USB-CDC，通过MicroUSB口与NUC的USB连接
上下位机： USB串口连接C板4pin串口

效果展示

高速导航

近战

开局反工程

原理介绍与理论分析

哨兵算法的设计思路为模拟一个操作手，像人类一样在场上操作机器人，用尽可能少的传感器，追求最高性能。
根据以上思路，操作手给机器人的信息包括移动控制，云台控制，小陀螺，自瞄模式几个信息，即我们的算法最终输出结果。
在移动方面，我们使用TEB算法，使导航更为“丝滑”，同时部分情况直接用决策节点控制底盘，执行特殊行为。
俯仰与云台运动方面，大部分情况下以扫描为主，但云台手可以指定一点后注视，也可以检测装甲板受击方向。
未来当全向感知、雷达辅助介入后，以上接口可以很快加入它们的数据。
基于激光点云分割系统，我们可以去除地面、坡面点云，将车和不可通过物体标记为障碍，达到上坡目的。
目前我们确保稳定的决策系统依然采用传统算法，做出战略、战术两层的决定，未来可以考虑从底层开始局部换回机器学习方法。

软件内容介绍

autosentry包含除了雷达驱动、LIO里程计、自瞄系统、上下位机通信包之外的哨兵算法

1. key_rc_test:调试时按键控制哨兵移动功能包
2. localize:定位功能包
   1. localize_startup：静态坐标系转换及启动调用
   2. slam/spectacularAI: 运行在OAK相机上的VIO功能包
3. logic_contrl: 逻辑控制节点，各类任务控制，决策类型选择
4. navigation: 导航部分
   1. depth2scan: 视觉深度图转2D激光雷达数据，项目开始时用于避障
   2. move_controller: TEB导航系统
   3. pcl2process: 用于避障的点云地面分割
   4. project2plane: 负责将EKF输出的3维位姿投影到2维上，同时将2D激光数据去除俯仰和横滚带来的偏差
5. oak/oak_imu:测试启用OAK而不用IMU的功能（为后续升级做准备）
6. robot/robot_model: urdf坐标
7. serial/referee: 裁判系统信号解析
8. startup: 程序启动
   robot_serial : 上下位机通信消息示例

部署

1. 若使用LIO,确认LIO已经可以正常运行（我们使用fastlio2/fastlio_sam， 初次运行可以根据报错微调坐标系名字，需要打开lio中将点云发布到世界系） 有条件可以调试ekf，参考http://docs.ros.org/en/noetic/api/robot_localization/html/index.html 也可以选择最信任的里程计输出发布到base_link坐标系，系统自动完成投影到平面
2. 安装下述依赖项（其实不用oak可以不装depthai等驱动，可以删除项目oak相关文件后再编译）
   迁出到new_sentry分支
3. 编辑localize/slam/spectacular_ai/main.launch
   该文件中目前只启用了一个vio模块，后续可以多模块同时启动
   1. 首先确保只启用了一个vio模块，其他模块需要注释，然后将参数mxId留空，只连接一个oak启动程序
   2. 启动后程序会输出当前oak的mxId，需要复制到对应的模块参数中
4. 根据自己车辆设置以下topic输入:（根据自己队伍的自瞄和上下位机通信修改）
   1. /robot/auto_aim : 自瞄topic （我们的自瞄输出包含俯仰、航向角度、角速度、目标编号、建议射频等数据）
   2. /robot/chassis_angle : 底盘yaw轴电机绝对位置编码器信号topic（用于装甲板受击感知）
5. 确保自己的车辆已经可以执行如下参数：
   1. /robot/logic_recommend_angle： 自瞄未瞄准时云台建议俯仰角
   2. /robot/spinning_speed： 小陀螺速度 （范围 0-32768，根据自己的车辆情况缩放执行）
   3. /cmd_cel: 模拟操作手的前后左右移动和航向转速（不考虑底盘与云台解耦，就当步兵用）（逻辑节点有时会直接控制运动，越过导航）
   4. /robot/armor_select： 装甲板白名单 0啥也不是， 1-5对应装甲板编号， 6前哨站、7哨兵、8基地，输出为0 不瞄准
   5. /cmd_force_scanning： 值为真时表示不用跟着导航走了，直接原地转圈点头就行了（防止小幅度乱窜）
6. 部署完成，通过startup/launch/start.launch启动程序

运行环境与编译：

我们的系统为ubuntu20.04 livox_ros_driver2、fastlio、auto_sentry分别在三个工作空间中，分别编译
auto_sentry使用catkin编译，方式为catkin_make

运行与测试：

策略选择：在logic_control的launch中选择启动哪个P_.py来选择策略，前几个用于联盟赛、后几个用于超级对抗赛
注释最详细的是F策略！ 红蓝方设置：在该logic中设置 self_color, 值必须为'blue'或'red'
在startup中取消logic_control节点的启动即可防止持续发布导航目标，可以用于TEB导航的调试
可以先rosrunkey_rc_control节点，用W、S、A、D、Q、E键标定平移、旋转速度，WSAD按一次为0.5米/秒
由于默认启动位置为启动区前缘，启动后会后退0.7米，注意人员远离！

云台手按键：

A:到点攻击机器人
B:到点攻击前哨站
C:到点攻击基地
D:一键到基地右侧高地
F:一键到基地左侧高地
......: 看wiki或代码吧......

依赖项

1. depthAI-core https://gitee.com/oakchina/depthai-core/releases/
2. depthAI-ros https://gitee.com/oakchina/depthai-ros
3. ros-<version>-serial
4. ros-<version>-robot-localization
5. ros-<version>-move-base
6. ros-<version>-map-server
7. ros-<version>-depthimage-to-laserscan
   cmake时会自动下载spectacularAI的依赖，如果下载过慢，可以手工下载下面的包，并放置于localize/slam/spectacular_ai/thirdparty下
   https://github.com/SpectacularAI/sdk/releases/download/v1.10.0/spectacularAI_depthaiPlugin_cpp_non-commercial_1.10.0.tar.gz
8. OpenCV
9. PCL

坐标系定义

使用标准ROS坐标系 https://www.ros.org/reps/rep-0103.html

未来方向

所有问题与未来计划均可在仓库issue中看到