主要程序设计：刘力铭、严一展、闵文彦；主要硬件设计：周明俊、余婉婷
本工程参加第十五届全国大学生智能汽车竞赛室外光电组，并获得全国总决赛一等奖(第三名)
本工程的'比赛程序'分支为参赛时的工程，'master'分支为删去无用文件、增加注释的学习工程
本工程能够使用Gazebo仿真软件或实体机器人完成定位、建图、导航功能。
同时，本工程具有仿真功能，因此本工程也非常适合用于Gazebo仿真、ROS导航的入门学习。
在学习ROS（并非本工程如此刁难）之前，您应该掌握以下技能：
-
熟练使用C++或者Python（推荐精通C++，能看懂Python）
-
CET六级以上英语阅读水平（或者使用Chrome浏览器内置的网页翻译功能，但机翻基本看不懂，如果您无法接受英文形式的资料，那么恕我直言，我认为您没有资格学好ROS）
-
帮助您登入外网的翻墙软件
-
如果想真正弄懂算法背后的原理，您还需要具备良好的数学基础，线性代数和概率论尤其重要。
ROS的基本教程（必看）：http://www.wmcollege.club/front/couinfo/197
ROS官网：http://wiki.ros.org/ 在官网页面的右上角，可以搜索ROS的相关问题以及ROS功能包（搜索需要翻墙）。
本工程使用的重要开源算法的官网：
-
RF2O算法，从激光雷达的数据中得到机器人的线速度、角速度数据：http://wiki.ros.org/rf2o_laser_odometry
-
扩展卡尔曼滤波算法：http://wiki.ros.org/robot_localization
-
Gmapping算法：http://wiki.ros.org/gmapping
-
自适应蒙特卡洛定位(AMCL)算法：http://wiki.ros.org/amcl
官网教程：http://gazebosim.org/tutorials （可以重点学习Get Started、Build a Robot、Model Editor、Build a World、Sensors、Connect to ROS章节）
先讲讲ROS的基本概念，我认为：ROS本身就是一个通讯机制，一个机器人系统上会运行多个Node，而Node则代表了实现某某算法的节点，ROS Master通过Topic和Service的机制帮助多个Node之间互相通讯，最终多个Nodes协作完成任务。 所以学习ROS的难点不在于ROS本身，而在于理解Node代表的算法等问题。 比如，对于ROS的导航项目，难点在于如何得到机器人的定位、如何规划导航路径、如何进行运动控制、如何将这些算法组合使用，而ROS本身并不难。
学习步骤：
- 学习Ubuntu、ROS的基本教程。
- 如果你之前没有接触过ROS的相关项目，那么建议你不要直接使用该项目作为入门项目（因为太复杂了），你可以去网上找一些带详细解释的仿真导航教程（我随便找了一个，https://blog.csdn.net/crp997576280/article/details/102983855 ），按照教程的步骤实现导航。
- 确认教程能够实现后，你会发现，教程使用了很多的
roslaunch指令来实现导航，该指令的意义是：根据某个.launch文件的设置，一次性做很多的事、打开很多的Node。那么，理解roslaunch指令做了的事也就学会了该项目。 - 学习roslaunch语法(http://wiki.ros.org/roslaunch/XML)。
- 再回到教程，重新依次执行教程中的指令，每执行一个roslaunch指令，就找到其对应的.launch文件，看懂这个文件，同时配合
rosnode info xxx和rostopic info xxx等ubuntu指令观察Node信息，问问自己以下问题：这个launch文件做了什么设置，打开了什么节点？该节点的作用是什么？（如果是开源算法，则去官网或者github查询；如果不开源，需要看算法源文件夹下的README文件或者直接看程序）该节点的输入数据从何而来，有什么意义？该节点的输出数据又有什么意义？最终这个.launch文件起到了什么效果？
一句话总结就是：当你能够彻底理解一个工程中所有的roslaunch命令，那么你就学会了这个项目。而ROS框架下的导航工程结构都是大同小异的，学会了一个就学会了全部。
同时，在doc文件夹中，也有做这个项目留下的毕业设计论文（基于多传感器融合的室内移动机器人定位系统.pdf），里面详细讲解了本工程中定位部分的原理，详细阅读可以增加对本工程的理解。
- doc：包括描述图片和用于参考的论文
- install：包括ROS功能包的安装指令文件
- src：包含所有的代码
- racecar_algorithm：主要包括机器人使用的算法
- data_recorder：用于记录数据的算法（调试使用）
- pure_mapping：不使用任何修正算法的建图算法（调试使用）
- racecar_control：核心算法，是这个比赛中需要自行编写的程序，包括多点导航算法和路径追踪算法。
- rf2o_laser_odometry：RF2O算法
- racecar_hardware：主要包括机器人使用的硬件驱动程序，详见https://github.com/ART-Robot-Release/racecar
- racecar_launch_realrobot：主要包括实体机器人启动有关的工程
- launch：启动.launch文件
- map：存放地图文件
- param：存放节点参数文件
- racecar_launch_simulator：主要包括仿真机器人启动有关的工程，结构与_realrobot相同。
- racecar_simulator：与Gazebo仿真有关的工程
- racecar_description：主要包括仿真机器人的模型文件和.urdf描述文件。
- racecar_gazebo：主要包括Gazebo的环境描述.world文件，Gazebo启动文件，仿真机器人的运动控制设置等等与Gazebo相关的文件。
- racecar_algorithm：主要包括机器人使用的算法
经测试：'ROS Kinect' 、 'ROS Melodic' 和 'ROS Noetic' 都可以运行本工程。（官方的RF2O算法存在移植上的问题且早已暂停更新，官方有两种版本：分别是 依赖mrpt1.5，无法移植到ros noetic的版本，同时该版本也是比赛使用版本 和 计算数据有BUG的版本。所以后来改用非官方版本。）
官方教程：http://www.wmcollege.club/front/couinfo/197
在您学会ubuntu和ROS的基本操作后，建议您安装双系统（即ubuntu和Windows共同存在您的电脑上），双系统安装教程：https://www.cnblogs.com/masbay/p/10745170.html
官方教程：http://wiki.ros.org/ROS/Installation
或者使用本工程提供的bash文件bash install_ros.bash（版本为kinetic，若需要安装其他版本，请直接将bash文件中的rosversion="kinetic"更改为其他版本），输入指令：
cd install
bash install_ros.sh
使用本工程提供的bash文件bash install_ros_pkg.bash（版本为kinetic，若需要安装其他版本，请直接将bash文件中的rosversion="kinetic"更改为其他版本），输入指令：
cd install
bash install_ros_pkg.sh
官方教程：http://gazebosim.org/tutorials?tut=install_ubuntu&cat=install
或使用本工程提供的bash文件，输入指令：
cd install
bash update_gazebo.sh
教程：https://blog.csdn.net/qq_40213457/article/details/81021562
或者自行从官方模型库下载模型文件，并将文件放到 '~/.gazebo/models/' 文件夹下
找到 src\racecar_launch_realrobot\map 和 src\racecar_launch_simulator\map 文件夹
打开全部 *.yaml 文件，找到第一行属性image，将该参数对应的文件地址修改成你电脑上对应的文件地址
前置:
- 如果使用VMware虚拟机运行Ubuntu，请找到“编辑虚拟机设置”->“显示器”中，取消“加速3D图像”的勾选，否则无法打开Gazebo。
- 在虚拟机上运行的Gazebo运算速度很慢，所以强烈推荐您安装双系统（见5.1节）。
- 请预先下载Gazebo通用模型文件（见5.5节），否则打开Gazebo后为黑屏。
- 如果有兴趣，可以自行搜索安装电脑适配的显卡驱动，可以很大程度地加速Gazebo运行。
使用catkin_make正确编译本工程，并 source devel/setup.sh
执行以下指令来打开Gazebo仿真环境，指令意思为:打开仿真功能，指定仿真世界为racetrack，指定机器人的起始x坐标为-0.5
(如果报错，找到src/racecar_launch_simulator/map/racetrack.yaml，修改该文件第一行image:的文件地址)
roslaunch racecar_launch_simulator run_all.launch simulator:=true world_name:=racetrack origin_x:=-0.5
指令执行完成后，若无错误，您将看到Gazebo软件被打开，Gazebo中有仿真的赛道，障碍物和机器人，还有一个叫做tk的窗口，选定该窗口并按下键盘的wasd按键可以控制机器人移动
gazebo软件显示如下图所示(可能视角有所不同):
执行以下指令打开Rviz软件并运行gmapping算法开始构建地图
roslaunch racecar_launch_simulator run_all.launch gmapping:=true rviz_full:=true
控制仿真机器人在地图中移动，直到Rviz中显示的地图完整，然后执行以下指令保存地图数据
roslaunch racecar_launch_simulator run_all.launch savemap:=true world_name:=your_map_name
(请先关闭所有roslaunch命令，重新打开仿真命令后再执行该命令)执行定位、导航功能包
roslaunch racecar_launch_simulator run_all.launch navigation:=true world_name:=racetrack rviz_full:=true
在Rviz的上方工具栏中找到"2D Nav Goal"，选择该工具，然后在Rviz的地图上指定导航终点，导航开始，Rviz软件显示如下图所示:
注意:导航能否完成与您的电脑配置有关，若无法完成导航任务，可以找到src\racecar_launch_simulator\param\racecar_control\pure_pursuit_params.yaml，适当降低Vcmd_max和Vcmd_min和其他参数的值。同时注意Gazebo软件左下角的"Real Time Factor"为0.5代表仿真是以0.5倍速度运行的
规则详见:第十五届全国大学生智能汽车竞赛室外光电组全国总决赛方案
(1) 打开仿真:
roslaunch racecar_launch_simulator run_all.launch simulator:=true world_name:=warehouse origin_x:=-7 origin_y:=4.25 origin_yaw:=0
(2) 打开导航算法:
roslaunch racecar_launch_simulator run_all.launch navigation:=true world_name:=warehouse rviz_full:=true
(3) 在Rviz软件的上方工具栏中找到"2D Pose Estimate"，选择该工具，然后在Rviz的地图上指定机器人大致的起始位置(与Gazebo中的机器人位置相同)，随后算法会自动修正
(4) 发布多点导航服务开始多点导航
rosservice call /multi_goals_navigation_node/start_navigation "{}"
注意:多点导航的参数在src\racecar_launch_simulator\param\racecar_control\multi_goals_navigation_params.yaml中可以找到.如果需要使用自己的地图或者调试参数，请先看懂multi_goals_navigation.cpp
实体机器人指令与仿真指令相似，程序上有很多重复
(1) 使用catkin_make正确编译本工程，并 source devel/setup.sh
(2) 打开传感器
roslaunch racecar_launch_realrobot run_all.launch realrobot:=true
(3) 执行定位、导航功能包
roslaunch racecar_launch_realrobot run_all.launch navigation:=true world_name:=warehouse rviz_full:=true
(4) 在Rviz软件的上方工具栏中找到"2D Pose Estimate"，选择该工具，然后在Rviz的地图上指定机器人大致的起始位置(与实际环境的机器人位置相同)，随后算法会自动修正
(5) 发布多点导航服务开始多点导航
rosservice call /multi_goals_navigation_node/start_navigation "{}"
轴距 33.5cm
轮距 28.5cm
imu (0，0，0) 单位cm
laser （-9，0，9) 单位cm
base_link （-18，0，-5) 单位cm
转向半径 左 90cm
转向半径 右 105cm
车footprint 40cm x 60cm
右最大打角 35度 0.6108652382
左最大打角 35度 0.6108652382
运行模式:直接正反转
拖刹力度:100%
电池低压保护阈值:3.0V/Cell
启动模式:4级
最大刹车力度:75%
最大倒车力度:100%
初始刹车力度:0%
油门中立点区域宽度:6%(窄)
进角:0.00度
尽管本工程在比赛上取得了很好的成绩，但是还是存在诸多问题，比如：在速度较快的时候（> 2m/s)，机器人定位会出现严重问题，进而影响导航算法的决策
因此，特新建一个项目 https://gitee.com/ZUSTSmartCar/Code_Pilotless_Driving_14_Plus ，在本项目的基础上，深入研究，改进算法