[ROS noetic] AMCL(Adaptive Monte Carlo localization) 알고리즘 설명

로봇이 움질일 때 경로만 가지고는 로봇이 제대로 움직일 수 없습니다.

로봇이 움직이면서 현재의 위치를 알면서 경로를 탐색해야 비로소 제대로된 길을 찾아갈 수 있습니다.

이를 위해서 AMCL 알고리즘을 통해 로봇이 지도상에서 현재 위치를 알아내는 방법을 간략하게 설명드리겠습니다.

---

AMCL(Adaptive Monte Carlo localization) 이란?

• paricle filter를 통해 위치를 파악하는 알고리즘
• 이동을 하면서 주변 환경을 라이다 센서, 초음파 센서 등 복합적인 센서를 통해 현재 위치를 파악함.

 

※ Particla filter 적용 방식

1. Re-sampling - 중요도 가중치를 통해 정의된 분포에 따라 무작위로 샘플 추출
2. Sampling
3. Importance Sampling

github 코드 분석 // https://github.com/ros-planning/navigation/tree/noetic-devel/amcl
- cfg: configure
- src=>amcl=>sensor (amcl_laser.cpp, amcl_odom.cpp, amcl_sensor.cpp) // pf: particle filter

 

amcl scan := base_scan

 

※ Topic, Service, TF 정리

 

1. Subscribed Topics
   • Scan (sensor_msgs / LaserScan)
   • tf (tf / Message)
   • initialpose (geometry_msgs / PoseWithCovarianceStamped)
   • map (nav_msgs / OccupancyGrid)
2. Published Topics 
   • amcl_pose (geometry_msgs / PoseWithCovarianceStamped)
   • pariclecloud (goemety_msgs / PoseArray)
   • tf (tf / Message)
3. Services
   • global_localization (std_srvs / Empty)
   • request_nomotion_update (std_srvs / Empty)
   • set_map (nav_msgs / SetMap)
4. TF