Ros2Go2Estimator 🦾

• 一种高精度里程计解决方案,
• 基于纯运动学的双足/四足机器人位置估计算法，目前仅使用IMU、足压力传感器、关节角度和角速度，不依赖相机或Lidar，但可将信号融合进去，进一步提高估计精度;
• 使用config.yaml进行话题名称设置.

📚 补充说明

• 切换两足、四足无需在估计器内做模式切换;
• 目前没有调整参数做补偿，工程使用时可进一步提升精度;
• dds_rostopic包将宇树dds提供的信息转换和发布为标准ros2话题;
• fusion_estimator包发布对应“base_link”的话题SMX/Odom和对应“base_link_2D”的话题SMX/Odom_2D;
• message_handle包完成SMX/Odom和SMX/Odom_2D的tf，此外，将frame“utlidar_lidar”的pointcloud2转换为“base_link_2D”话题SMX/Scan;
• sport_control包读取joystick输入和其他指令，使用unitree_sdk2提供的接口控制机器狗;
• 使用SLAM Toolbox建图时额外ros2 launch sport_control slam_launch.py;
• 使用Nav2导航时额外ros2 launch sport_control nav_launch.py;
• 使用Amov机架跟踪时额外ros2 launch sport_control g1_launch.py;
• SLAM Toolbox目前是纯里程计建图，请擅长SLAM的同志自行把地图匹配加进去;
• Nav2同样请自行调整，加载的地图记得改成自己的;
• 也适用于Ubuntu20.04 foxy系统，把apt install的软件改为-foxy-即可;

🎥 视频演示

最新进展(点击图片进入视频)

纯里程计站立/四足切换建图效果

实验记录

1. 站立行走误差1%，四足行走误差0.5%

2. 爬楼梯高度误差小于5cm

3. 长距离测试，受磁场变化影响，380米运动偏差3.3%

4. 语音控制机器狗，实现意图猜测和在预建地图导航。比如说“没有纸张了”，自动执行导航‘去仓库’
   • 额外安装https://github.com/ShineMinxing/Ros2Chat
5. 机器狗与吊舱的协同光点/人脸跟踪
   • 额外安装https://github.com/ShineMinxing/Ros2ImageProcess.git，https://github.com/ShineMinxing/Ros2AmovG1.git

⚙️ 安装指南

• Use Ubuntu 22.04, ROS2 Humble

sudo apt install ros-humble-joy ros-humble-nav2-msgs ros-humble-slam-toolbox ros-humble-nav2-bringup python3-pip libopencv-dev ros-humble-cv-bridge ros-humble-image-transport ros-humble-compressed-image-transport
mkdir -p ~/ros2_ws/LeggedRobot/src && cd ~/ros2_ws/LeggedRobot/src
git clone --recursive https://github.com/ShineMinxing/Ros2Go2Estimator.git
cd ..
# 1. 搜索工程中的所有 /home/unitree/ros2_ws/LeggedRobot，替换为您的路径
# 2. 把 src/Ros2Go2Estimator/config.yaml 中的所有 br0 替换为您的网卡名，如 enxf8e43b808e06
colcon build
ros2 launch sport_control go2_launch.py

• 同时按下手柄的LT、RT，解锁/锁定手柄；按住RT+左摇杆进行移动；按住RT+右摇杆进行旋转；更多操作请看sport_control_node.cpp。

📄 相关文档

• 核心算法原理: 技术文档
• 历史项目参考: Aliengo ROS1项目

📧 联系我们

博士团队: 401435318@qq.com  
研究所: 中国科学院光电技术研究所

📌 注意：当前为开发预览版，完整文档正在编写中 ``