{
 "byKey": {
  "cover": [
   { "say": "大家好,歡迎回到從無到有打造 A I 機器人。這一章要處理機器人的座標與身體:座標變換 T F 二、用 U R D F 描述機器人,還有雷達、I M U、影像這些感測器資料的格式。", "item": 0 }
  ],
  "原理:座標變換與 LiDAR 測距#1": [
   { "say": "先用問路的視角來想座標變換。", "item": 0 },
   { "say": "朋友問你,廁所在哪?你說在我左手邊,但他面對的方向和你不同,他必須把我的左邊,換算成他的方向。", "item": 1 },
   { "say": "座標變換做的就是這件事。同一個點,在不同觀察者的座標系裡有不同的數字,換算規則是先旋轉,再平移。", "item": 1 }
  ],
  "原理:座標變換與 LiDAR 測距#2": [
   { "say": "來看二維座標變換公式。", "item": 0 },
   { "say": "設機器人在世界座標的位置是 x、y,航向是 theta,逆時針為正。", "item": 1 },
   { "say": "做法是,旋轉矩陣乘上點,再加上機器人的位置。", "item": 2 },
   { "say": "世界座標的 x,等於機器人的 x,加上點的 xr 乘 cos theta,減去 yr 乘 sin theta。", "item": 3 },
   { "say": "世界座標的 y,等於機器人的 y,加上 xr 乘 sin theta,再加 yr 乘 cos theta。", "item": 4 }
  ],
  "原理:座標變換與 LiDAR 測距#3": [
   { "say": "這張圖是二維座標變換的例子。", "item": 0 },
   { "say": "機器人在世界座標的二、一這個位置,航向九十度。機器人座標裡有一個點,在一點一、零,換算到世界座標之後,得到二、二點一。", "item": 1 }
  ],
  "原理:座標變換與 LiDAR 測距#4": [
   { "say": "我們用數字走一遍。", "item": 0 },
   { "say": "機器人在世界座標的二、一,航向九十度,所以 cos 九十度是零,sin 九十度是一。雷達裝在機器人前方零點一公尺,量到正前方一公尺有障礙,所以障礙在機器人座標系裡是一點一、零。", "item": 1 },
   { "say": "代入公式,世界座標的 x 是二,y 是二點一。機器人朝正 y 方向看,障礙就在它正前方一點一公尺處,數字合理。", "item": 1 },
   { "say": "多個框架串連時,就是把各段變換依序相乘,T F 二會幫你做這件事。三維的時候,旋轉用四元數表示,避免歐拉角的問題。", "item": 1 }
  ],
  "原理:座標變換與 LiDAR 測距#5": [
   { "say": "接著看雷達怎麼測距。", "item": 0 },
   { "say": "常見原理之一是飛行時間。發射一道光脈衝,量測它打到物體再反射回來的時間,距離等於光速乘以時間再除以二,除以二是因為光走了來回。", "item": 1 },
   { "say": "旋轉式雷達一圈掃描,就是一連串角度加距離。第 i 筆的角度,等於起始角度加上 i 乘角度間隔。把每一筆距離與角度,轉成 r 乘 cos theta 和 r 乘 sin theta,就得到感測器座標系的點雲,再經過 T F 轉到 base link 或地圖。", "item": 2 },
   { "say": "另外,低價的旋轉式雷達有不少採用三角測距或相位法等不同原理,精度、量程與雜訊依型號而異,請以規格書為準。", "item": 2 }
  ],
  "原理:座標變換與 LiDAR 測距#6": [
   { "say": "這是飛行時間測距示意圖。", "item": 0 },
   { "say": "雷達發出脈衝,碰到牆反射回來,距離等於光速乘以往返時間,再除以二。舉例,物體在三公尺外,往返時間是二十奈秒;要分辨一公分的距離差,需要分辨約六十七皮秒的時間差,所以這類測距需要很精密的電子電路。下半段說明的是旋轉式雷達一圈掃描,如何把角度與距離轉成點。", "item": 1 }
  ],
  "原理:座標變換與 LiDAR 測距#7": [
   { "say": "最後整理常見的迷思與限制。", "item": 0 },
   { "say": "第一,雷達看到的就是真實距離。不一定,黑色吸光面、玻璃、鏡面、強光都會影響,沒有回波時,值可能是無限大。", "item": 1 },
   { "say": "第二,變換的順序可以隨便換。不行,旋轉與平移不可交換,順序錯了,結果就錯。", "item": 2 },
   { "say": "第三,航向用度數就好。R O S 一律用公尺與弧度,三角函數庫通常也要弧度。", "item": 3 },
   { "say": "另外兩個限制,二維雷達只量一個水平切面,而且 T F 樹中每個框架只能有一個父框架。", "item": 3 }
  ],
  "tf2:座標框架與座標變換#1": [
   { "say": "好,進入 T F 二。為什麼需要座標框架?", "item": 0 },
   { "say": "雷達裝在機器人前方十公分、高十八公分,它看到前方一公尺有牆,這個一公尺是從雷達量起的。但導航需要知道牆在地圖裡的哪裡。", "item": 1 },
   { "say": "從感測器的座標,換算到機器人,再換算到地圖,需要一連串座標變換。T F 二就是 R O S 二管理這些變換的函式庫。每個座標框架有名字,T F 二記錄框架 A 相對於框架 B 的位置與姿態,並隨時間更新。", "item": 1 }
  ],
  "tf2:座標框架與座標變換#2": [
   { "say": "R O S 有一套標準框架的慣例,叫 R E P 一零五。", "item": 0 },
   { "say": "map 是全域固定框架,不會跳動,但定位更新時,機器人在 map 裡的位置可能會跳一下。", "item": 1 },
   { "say": "odom 是里程計框架,連續、平滑,但會隨時間漂移。", "item": 2 },
   { "say": "base link 或 base footprint,是固定在機器人身上的框架。", "item": 3 },
   { "say": "base scan、imu link、camera link 等是感測器框架,相對於 base link 是固定的。", "item": 4 },
   { "say": "框架名稱依機器人而異,TurtleBot 三就有 base footprint、base link、base scan、imu link 等。請用 tf2 tools 的 view frames,和 T F static 這個 topic 來確認。", "item": 4 }
  ],
  "tf2:座標框架與座標變換#3": [
   { "say": "把框架的串連關係寫成一條鏈。", "item": 0 },
   { "say": "從 map 到 odom,再到 base footprint 或 base link,最後是感測器與輪子的框架。每一個框架只能有一個父框架,所以 T F 是一棵樹,不能有迴路。", "item": 1 }
  ],
  "tf2:座標框架與座標變換#4": [
   { "say": "這是 T F 樹示意圖。", "item": 0 },
   { "say": "從上往下是 map、odom、base footprint、base link,再分出雷達、I M U、相機,以及左右輪的框架。圖上還標示了每一段由誰發布。", "item": 1 },
   { "say": "map 到 odom,由定位的 AMCL 或 SLAM 發布。odom 到 base footprint,由底盤驅動的里程計發布。其餘固定的關係,由 robot state publisher 依 U R D F 發布。也就是說,不能有兩個 node 同時發布同一段變換。", "item": 1 }
  ],
  "tf2:座標框架與座標變換#5": [
   { "say": "這張是框架鏈相乘圖。", "item": 0 },
   { "say": "它畫的是從 laser 到 base link,再到 odom,最後到 map 的連乘關係,也列出了常見的錯誤,例如順序顛倒、缺了其中一段。串起來看,一個雷達點就能一路換算到地圖座標。", "item": 1 }
  ],
  "tf2:座標框架與座標變換#6": [
   { "say": "你可能會問,為什麼 odom 和 map 要分開?", "item": 0 },
   { "say": "因為里程計連續但會漂移,定位準確但可能突然修正。分成兩段之後,局部避障可以用平滑的 odom,全域導航用 map,而 map 到 odom 這一段,負責吸收漂移的修正。", "item": 1 }
  ],
  "tf2:座標框架與座標變換#7": [
   { "say": "來看常用的指令。", "item": 0 },
   { "say": "第一個是 tf2 tools 的 view frames,會在目前目錄產生 P D F,畫出整棵 T F 樹,檔名依版本而異。", "item": 2 },
   { "say": "第二個是 tf2 echo,指定兩個框架,持續顯示它們之間的轉換。輸出有位移,單位是公尺,還有旋轉,包含四元數和 R P Y。", "item": 3 },
   { "say": "第三個是看 T F static 這個 topic,顯示固定的靜態變換。", "item": 4 }
  ],
  "URDF:用檔案描述機器人身體#1": [
   { "say": "接下來是 U R D F,用檔案描述機器人的身體。", "item": 0 },
   { "say": "U R D F 是描述機器人結構的 X M L 檔。裡面寫有哪些連桿,用什麼關節連接,還有尺寸、位置、外觀、碰撞形狀與質量。", "item": 1 },
   { "say": "robot state publisher 讀取 U R D F,依關節狀態發布對應的 T F;R viz 二用它畫出機器人模型;Gazebo 用它產生模擬機器人。", "item": 1 }
  ],
  "URDF:用檔案描述機器人身體#2": [
   { "say": "我們來看一個最小的範例,兩輪小車。單位全部是公尺、公斤、弧度。", "item": 0 },
   { "say": "畫面上的數值只是示意,請換成你的機器人實測值。", "item": 1 },
   { "say": "第一個連桿是 base link,車身。外觀是一個零點二乘零點一五乘零點零五公尺的方塊,碰撞形狀也是同樣大小的方塊。", "item": 2 },
   { "say": "第二段是左輪。外觀是半徑零點零三三公尺、寬零點零二公尺的圓柱。左輪和車身之間用一個連續關節連接,可以無限旋轉,位置在車身左側零點零八公尺、往下零點零二公尺,轉軸是 y 軸。", "item": 3 },
   { "say": "第三段是雷達的框架 base scan,用一個固定關節接在車身上,位置在前方零點零五公尺、往上零點一公尺。", "item": 4 },
   { "say": "右輪同理,只是 y 設為負零點零八。關節類型有幾種:fixed 是固定,給感測器用;continuous 可無限旋轉,輪子用;revolute 有角度範圍;prismatic 是直線滑動。origin 的 xyz 是子連桿相對父連桿的位置,rpy 是以弧度表示的滾轉、俯仰、偏航。", "item": 5 }
  ],
  "URDF:用檔案描述機器人身體#3": [
   { "say": "這是檔案的外層結構。", "item": 0 },
   { "say": "第一行宣告這是 X M L 檔案。", "item": 1 },
   { "say": "接著是 robot 標籤,名字叫 my robot,所有連桿與關節都寫在裡面。", "item": 2 },
   { "say": "最後用 robot 的結束標籤收尾。", "item": 3 }
  ],
  "URDF:用檔案描述機器人身體#4": [
   { "say": "寫好之後,要驗證與檢視。", "item": 0 },
   { "say": "第二個指令需要安裝 urdf tutorial 套件,它會開 R viz 二和一個關節滑桿視窗,可以檢查模型尺寸與關節方向。", "item": 1 },
   { "say": "第一個指令是 check urdf,檢查檔案語法,需要安裝 urdf 相關的工具套件,套件名稱依版本而異。", "item": 2 },
   { "say": "第二個指令是用 launch 開啟 urdf tutorial 的 display,並指定你的 U R D F 檔案的絕對路徑。", "item": 3 }
  ],
  "URDF:用檔案描述機器人身體#5": [
   { "say": "也可以在 launch 檔中發布 U R D F。", "item": 0 },
   { "say": "launch 檔裡先把 U R D F 檔案讀成文字,然後啟動 robot state publisher,把這段文字當成 robot description 參數傳進去。", "item": 1 },
   { "say": "前面三行是匯入 launch 需要的類別。", "item": 3 },
   { "say": "核心是 generate launch description 這個函式。要注意,輪子是 continuous 關節,需要 joint states 才能算出輪子的 T F。真機由驅動發布;純檢視時,可以加 joint state publisher 或它的圖形版本 node。", "item": 4 }
  ],
  "URDF:用檔案描述機器人身體#6": [
   { "say": "再談 U R D F 和 Gazebo 的關係。", "item": 0 },
   { "say": "模擬需要完整的質量與慣性、碰撞形狀,還有外掛設定,比純顯示用的 U R D F 複雜得多。教育機器人套件,例如 TurtleBot 三,已經提供現成模型,你只需要知道,改感測器位置要同時改 U R D F,否則 T F 與實體對不上。", "item": 1 },
   { "say": "如果檔案很大,通常用 xacro 產生,它是巨集擴充的 U R D F,執行 xacro 會輸出 U R D F。", "item": 1 }
  ],
  "URDF:用檔案描述機器人身體#7": [
   { "say": "最後提醒,實測才是準的。", "item": 0 },
   { "say": "U R D F 的數值,像感測器位置、輪徑、軸距,直接影響建圖與導航的準確度。例如雷達位置差五公分還算小,但如果雷達裝反了,也就是偏航差一百八十度,地圖會完全顛倒。換新感測器或重新鎖固之後,要重新量測並更新。", "item": 1 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#1": [
   { "say": "最後一個單元,感測器資料的格式。", "item": 0 },
   { "say": "感測器訊息都在 sensor msgs 這個套件裡。常用的有 LaserScan,平面雷射;Imu,慣性;Image 和 CompressedImage,影像;CameraInfo,相機內參;PointCloud2,點雲;還有 BatteryState,電池。", "item": 1 },
   { "say": "每則訊息的 header 都有時間戳和 frame id,後者告訴你資料是從哪個座標框架量的。", "item": 1 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#2": [
   { "say": "先看 LaserScan 的欄位。", "item": 0 },
   { "say": "angle min 和 angle max 是掃描的起訖角度,單位弧度;angle increment 是相鄰兩筆的角度間隔。", "item": 1 },
   { "say": "range min 和 range max 是有效距離範圍,單位公尺,範圍外的值不可信。", "item": 2 },
   { "say": "ranges 是距離陣列。沒有回波時,通常是無限大,也可能是 NaN,依驅動而異。", "item": 3 },
   { "say": "第 i 筆的角度,等於 angle min 加 i 乘 angle increment。座標是 r 乘 cos theta 和 r 乘 sin theta,在雷達框架中,x 通常指向前方。", "item": 4 },
   { "say": "舉例,三百六十筆涵蓋一圈,角度間隔約零點零一七四五弧度,也就是一度。如果起始角度是負 pi,正前方就在第一百八十筆左右。很多教育用雷達的起始角度是零,涵蓋零到二 pi,這時正前方是第零筆,前方的扇形會跨越陣列的頭尾,取資料時要處理環繞。", "item": 4 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#3": [
   { "say": "這張是 LaserScan 的幾何示意。", "item": 0 },
   { "say": "雷達在圖的中心,每一條射線都有一個角度和一個距離。右側列出欄位和換算公式,你可以對照剛剛說的,從角度和距離算出座標。", "item": 1 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#4": [
   { "say": "我們來看一個範例,取前方正負十五度內的最近距離。", "item": 0 },
   { "say": "初始化時,訂閱 scan,使用的是感測器資料的 QoS,這是第二章學過的。", "item": 1 },
   { "say": "收到掃描資料的回呼裡,先把十五度換成弧度,再逐筆檢查距離。如果不是有限的數值,或超出有效範圍,就略過。接著算出這一筆的角度,並正規化到負 pi 到 pi,處理環繞。如果角度在正負十五度內,就更新最近距離。最後,如果最近距離小於零點三公尺,就印出警告,前方有障礙。", "item": 2 },
   { "say": "重點是,過濾無限大和 NaN 以及範圍外的值,角度要正規化,還要使用感測器資料的 QoS。另外,雷達在機器人上的位置與朝向,如果不是正前方,還要考慮 T F。", "item": 2 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#5": [
   { "say": "這是範例程式的開頭。", "item": 0 },
   { "say": "匯入 math 模組,做角度與數值判斷。", "item": 1 },
   { "say": "匯入 LaserScan 訊息型別。", "item": 2 },
   { "say": "匯入感測器資料的 QoS 設定。", "item": 3 },
   { "say": "最後定義 FrontMonitor 這個 node 類別。", "item": 4 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#6": [
   { "say": "再看 Imu 的欄位。", "item": 0 },
   { "say": "orientation 是四元數,表示姿態。許多低價的 I M U 不提供姿態,這時 orientation covariance 的第一個元素是減一,表示沒有這項資料。", "item": 1 },
   { "say": "angular velocity 是陀螺儀,單位是每秒弧度。", "item": 2 },
   { "say": "linear acceleration 是加速度計,單位是每秒平方公尺,靜止時 z 軸大約是九點八,那是重力。", "item": 3 },
   { "say": "四元數轉偏航角,有一條公式,用 w、x、y、z 四個分量算出來。舉例,四元數是零、零、零點七零七一、零點七零七一,算出來偏航角是九十度。", "item": 4 },
   { "say": "I M U 的陀螺儀積分會漂移,磁力計在室內容易受干擾,實務上常把里程計和 I M U 融合,例如用 robot localization 套件。", "item": 4 }
  ],
  "感測器資料格式:LaserScan、Imu、Image#7": [
   { "say": "最後是 Image 的欄位。", "item": 0 },
   { "say": "有高度、寬度,和編碼,像 rgb 八、bgr 八、mono 八,深度影像可能是十六位元或三十二位元浮點,單位依驅動而異。還有 step,是每列的位元組數,以及資料本身。", "item": 1 },
   { "say": "以六百四十乘四百八十、rgb 八為例,step 是六百四十乘三,等於一千九百二十,資料長度是九十二萬一千六百位元組。轉成 OpenCV 影像要用 cv bridge,第八章會教。同時注意,OpenCV 預設是 BGR,不是 RGB。", "item": 1 }
  ],
  "closing": [
   { "say": "好,這一章我們學了座標變換的算法、T F 樹裡各框架誰發布、U R D F 怎麼描述機器人,以及雷達、I M U、影像的資料格式。", "item": 0 },
   { "say": "請接著完成本章的實作,並做章末小測驗。下一章見。", "item": 1, "pause": 1 }
  ]
 }
}
