%20(2).svg)
项目简介
本项目是基于ROS（Robot Operating System）的轮式步行者路径规划系统，其核心功能是助力轮式步行者在复杂环境里，找到从起始状态到目标状态的最优路径。项目借助SMPL库来实现机器人的感知与规划，并且结合多启发式搜索策略，达成高效的路径搜索。同时具备可视化功能，方便用户理解与调试。
项目的主要特性和功能
- 多启发式搜索策略：结合BFS、基于距离和旋转角度的启发式等多种启发式搜索算法，加速搜索进程。
- 路径规划：依据机器人模型描述、环境地图和碰撞检测信息，执行路径规划，返回最优路径。
- 可视化功能：利用ROS可视化工具，将规划路径进行可视化展示，方便理解和调试。
- 路径保存和记录：可将规划路径保存至文件，便于后续分析与比较。
- 支持多种操作模式：能生成地图、起始/目标对，支持使用Python脚本生成轨迹，还可创建数据集、训练和测试CVAE模型，支持全流程测试。
安装使用步骤
安装
- 复制仓库：在
catkin_ws/src中复制本项目的unified_planner分支，同时复制以下仓库： - 单独复制并编译
sbpl：mkdir build mkdir install cd build cmake -DCMAKE_INSTALL_PREFIX=../install .. make install - 修改配置文件：将
smpl/smpl/CmakeLists.txt和smpl/smpl/smpl-config.cmake.in中的~/lolocal改为上述sbpl文件夹的安装路径。 - 安装依赖：
sudo apt-get install ros-kinetic-trac-ik sudo apt-get install libompl-dev sudo apt-get install libgsl-dev - 编译项目：
catkin build walker_planner
使用
可视化（Rviz）
- 启动RVIZ。
- 打开仓库中的
proj.rviz配置文件。 - 打开后，可可视化地图、生成目标时的目标状态以及生成的规划路径。
生成轨迹（Generating Traj）
- 生成地图并复制到指定目录：
roslaunch walker_planner generate_map.launch cp ~/.ros/-multi_room_map.env env/proj_env.env - 生成起始/目标对并复制到指定目录：
roslaunch walker_planner generate_start_goals.launch cp ~/.ros/goal_* experiments cp ~/.ros/start_states.txt experiments/ - 修改
config/walker_right_arm.yaml中end_planning_episode变量，设置要生成规划路径的起始/目标对数量。 - 确保
ROS_HOME变量指向~/.ros，在~/.ros中创建paths目录。 - 运行规划器并在RVIZ中验证：
roslaunch walker_planner mrmhaplanner.launch
生成轨迹（Python）
- 在单独的终端中启动URDF包并保持运行：
roslaunch walker_planner planning_context_walker.launch - 进入
cvae文件夹。 - 运行Python脚本：
python generate_map_paths.py --env_path_root $PWD/../env --output_path $PWD/test_data --env_list 2 3 4 5 6 7 8 --max_paths 2000
创建数据集
- 进入
cvae文件夹。 - 为指定环境生成干净的训练数据集：
source activate.sh python create_data.py --env 1 --env_path_root ../env - 为所有环境生成干净的训练数据集：
source activate.sh python create_data.py --env_path_root ../env - 为所有环境生成干净的测试数据集：
source activate.sh python create_data.py --test --env_path_root ../env
训练CVAE
进入cvae文件夹，运行以下命令训练基础CVAE：
python run.py --train_dataset_root ../data/train_clean --test_dataset_root ../data/test_clean --num_epochs 250 --dataset_type arm --run_id arm_cvae
测试CVAE
进入cvae文件夹，运行以下命令加载保存的解码器模型并测试：
- 手臂模型：
python run.py --dataset_type arm --test_only --dataset_root ../data/test_clean --decoder_path experiments/cvae/arm_walls_new_test_more_data/decoder-final.pkl --run_id test_arm --output_path arm_output --env_path_root ../env
- 基础模型：
python run.py --dataset_type base --test_only --dataset_root ../data/test_clean --decoder_path experiments/cvae/base_walls_new_test_more_data/decoder-final.pkl --run_id test_base --output_path base_output
测试全流程
- 单集测试：
python generate_map_paths.py --env_path_root $PWD/../env --env_list 34 --test_only --input_path $PWD/../data/test/ --arm_decoder_path experiments/cvae/arm_multi_env_tables/decoder-final.pkl --base_decoder_path experiments/cvae/base_multi_env_tables/decoder-final.pkl --episode_id 5 - 批量测试（使用CVAE）：
python generate_map_paths.py --env_path_root $PWD/../env --env_list 1 --test_only --input_path $PWD/../data/test --arm_decoder_path experiments/cvae/multi_env_tables/arm_multi_env_tables/decoder-final.pkl --base_decoder_path experiments/cvae/multi_env_tables/base_multi_env_tables/decoder-final.pkl --episode_id all --output_path env_1/test/cvae --cvae_planner - 批量测试（不使用CVAE）：
python generate_map_paths.py --env_path_root $PWD/../env --env_list 1 --test_only --input_path $PWD/../data/test --arm_decoder_path experiments/cvae/multi_env_tables/arm_multi_env_tables/decoder-final.pkl --base_decoder_path experiments/cvae/multi_env_tables/base_multi_env_tables/decoder-final.pkl --episode_id all --output_path env_1/test/cvae - 演示：
python generate_map_paths.py --env_path_root $PWD/../env --env_list 34 --test_only --input_path $PWD/../data/test --arm_decoder_path experiments/cvae/arm_less_start_points/decoder-final.pkl --base_decoder_path experiments/cvae/multi_env_tables/base_multi_env_tables/decoder-final.pkl --episode_id 79 --cvae_planner
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】