文章目录

一、总体功能设计
二、实验环境
三、演示
四、场景搭建、建图与导航模块
五、YOLO目标检测模块
- 5.1 YOLO介绍
- 5.2 本课设尝试使用过的YOLO模型
六、语音合成模块
七、小车摄像头与YOLO模块的通信
- 7.1 小车摄像头模块发布话题消息
- 7.2 YOLO模块模块订阅话题消息
八、YOLO模块与语音合成模块的通信
- 8.1 YOLO模块模块发布话题消息
- 8.2 语音合成模块订阅话题消息
九、演示时各模块的启动命令
十、全局概览
注意事项;
源码：

一、总体功能设计

完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。

（注：目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。）

二、实验环境

Windows10
VMware虚拟机 ubuntu18.04
Ros melodic

三、演示

演示地址：https://www.bilibili.com/video/BV1tB4y1Y7UH

四、场景搭建、建图与导航模块

4.1 场景搭建

gazebo Building Editor
场景概览

由于官方的模型库中没有我所使用的YOLO模型中能够检测到的特征鲜明的物体，如猫、狗、大象、马、苹果、香蕉等，所以部分物体（如图中的香蕉）放在相框中的图片中进行识别。
设置的小车主要识别的区域

4.2 小车模型

本次课设使用的是TurtleBot3中的Waffle小车，下图中的中间一个（含有雷达与摄像头）
请添加图片描述
小车模型在rviz中展示

4.3 导航模块

注：对应github文件中的test_ws工作空间

gmapping 通过粒子滤波将激光距离数据转化为珊格地图。
优点：在长廊及低特征场景中建图效果好；构建小场景地图所需的计算量较小且精度较高。缺点：依赖里程计，无法适用无人机及地面小车不平坦区域；无回环；大的场景，粒子较多的情况下，特别消耗资源。

主要参考：我在github上传的这个文件：导航模块参考.pdf

（1）安装依赖

sudo apt-get update  
sudo apt-get install ros-melodic-turtlebot3-*  
sudo apt-get install ros-melodic-navigation  
sudo apt-get install ros-melodic-slam-gmapping  
git clone https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git  
sudo apt-get install ros-melodic-dwa-local-planner

在使用仿真机器人之前先利用以下命令确定机器人类型，在 test_ws 目录下运行：

echo “export TURTLEBOT3_MODEL=waffle” >>~/.bashrc

（2）从github下载的文件中的test_ws目录下

先 catkin_make编译然后刷新工作空间，最后在运行 launch文件即可完成整体功能的启动，建图流程:
在test_ws目录下运行以下两条命令

roslaunch turtlebot3_gazebo turtlebot3_world.launch  
roslaunch my_navi build_map.launch

运行完上述前两条命令之后会出现一个仿真的场景，然后rviz中会显示当前建图结果，然后运行下面的命令会出现键盘控制界面，

rosrun turtlebot3_teleop turtlebot3_teleop_key

可以利用“w”，“a”,“s”，“d”来控制机器人移动，这四个按键分别控制向前移动、向左自旋、停止和向右自旋，合理的控制机器人移动来建立环境地图，结果如图3所示，最后利用下面的命令保存建图结果，

rosrun map_server map_saver -f map2

产生图片名为“map2.pgm”和名为“map2.yaml”的地图参数，相关建图结果如图所示

开始建图的时候
建图完成
控制小车建图的时候各个节点之间的通信情况

（3）运行导航功能

roslaunch turtlebot3_gazebo turtlebot3_world.launch  
roslaunch my_navi turtlebot_navigation.launch

五、YOLO目标检测模块

注：对应github文件中的yolo_ws工作空间
主要参考：小车yolo机械臂（一）ros下gazebo搭建小车（可键盘控制）安装摄像头仿真加载yolo检测识别标记物体

5.1 YOLO介绍

YOLO（You Only Look Once）是一种基于深度神经网络的对象识别和定位算法，其最大的特点是运行速度很快，可以用于实时系统。

5.2 本课设尝试使用过的YOLO模型

注：本课设使用的是yolov2_tiny.weights（能识别80种类别的物体）
请添加图片描述

注：YOLO_weights网盘下载链接：https://pan.baidu.com/s/1wQHcdP5kQWm8qL_qxqhPdw?pwd=o7fp
提取码：o7fp –来自百度网盘超级会员V2的分享

六、语音合成模块

注：对应github文件中的catkin_ws工作空间
主要参考：
- ROS实战( 三 )利用科大讯飞tts实现ROS下语音合成播报
- ROS实战（二）科大讯飞语音合成模块
  可直接用文章（三）；注意第二个参考中的以下两个需要执行一些下：

sudo apt-get install sox
为了不要每次运行都souce,把x64目录下的共享库文件拷贝到/usr/lib/下,先cd到voice/libs/x64目录下
cp libmsc.so /usr/lib/

七、小车摄像头与YOLO模块的通信

7.1 小车摄像头模块发布话题消息

找到导航模块中小车的摄像头对应的话题名称：
打开小车导航模块的时候在rviz中添加camera（可以用来查看小车摄像头的实时画面），然后选择话题名称：/camera/rgb/image_raw
（也可以在rqt_image_view中查看话题名称）

rviz中添加camera
选择topic
rqt_image_view中查看摄像头话题名称

7.2 YOLO模块模块订阅话题消息

在YOLO模块中订阅该话题：
请添加图片描述

通信过程

八、YOLO模块与语音合成模块的通信

8.1 YOLO模块模块发布话题消息

YOLO检测模块中的ros.yaml文件中，发布话题/darknet_ros/bounding_boxes
请添加图片描述
rostopic echo /darknet_ros/bounding boxes，展示发布到topic上的消息数据，Class是需要获取到的识别结果

8.2 语音合成模块订阅话题消息

语音合成模块节点
在回调函数中获取话题/darknet_ros/bounding boxes消息中的Class内容：
通信过程

九、演示时各模块的启动命令

（在test_ws路径下）启动gazebo：roslaunch my_navi xinyang.launch
（在test_ws路径下）启动导航模块：roslaunch my_navi turtlebot_navigation.launch
（在yolo_ws路径下）启动YOLO模块：roslaunch darknet_ros darknet_ros.launch
（在catkin_ws路径下）启动语音合成模块：rosrun voice_system xf_tts_node