{
 "byKey": {
  "cover": [
   { "say": "大家好,歡迎回到從無到有打造 A I 機器人。這一章我們要讓機器人自己建立地圖,也就是 SLAM。我們會看原理、用 slam toolbox 實際建圖,最後學怎麼把地圖存成檔案。", "item": 0 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#1": [
   { "say": "先用一個生活的例子,在黑暗的房間摸牆畫地圖。", "item": 0 },
   { "say": "想像你在沒有光的房間,用手摸牆,一邊走一邊在紙上畫平面圖。你憑走了幾步、轉了多少,估計自己的位置,這像里程計,但走久了會迷糊。", "item": 1 },
   { "say": "當你摸到一個熟悉的轉角,才發現我回到了剛才的地方,於是修正整張圖。這就是 SLAM 的核心:用感測器修正自己的位置,同時累積地圖。", "item": 1 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#2": [
   { "say": "先看第一個關鍵,掃描匹配,也就是把兩次觀察對齊。", "item": 0 },
   { "say": "機器人移動後,雷達看到的牆面和上一次相比,有一個位移和旋轉。掃描匹配要找出 x、y 的位移,和角度的變化,讓新掃描的點盡量落在舊掃描,或地圖的牆面上,也就是讓點到牆的距離平方和最小。", "item": 1 },
   { "say": "常見的做法叫 I C P,迭代最近點:重複為每個點找最近的牆點,求最佳的剛體變換,套用,直到收斂。里程計提供一個初始猜測,掃描匹配再修正它;初始猜測越好,越不容易收斂到錯誤的解。", "item": 1 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#3": [
   { "say": "我們看掃描匹配示意圖。", "item": 0 },
   { "say": "左邊,新的掃描和舊的牆面是錯開的,誤差很大。右邊,經過旋轉與平移對齊之後,兩者重疊,誤差最小。掃描匹配做的,就是從左邊變成右邊。", "item": 1 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#4": [
   { "say": "第二個關鍵,位姿圖與迴圈閉合。", "item": 0 },
   { "say": "每隔一小段距離,SLAM 就把當時機器人的位姿,存成圖的節點,相鄰節點之間用邊,記錄掃描匹配得到的相對運動。", "item": 1 },
   { "say": "誤差會沿著鏈條累積。例如里程計與匹配合計有百分之二的長度誤差,走四十公尺一圈,回到起點時就可能偏了約零點八公尺。", "item": 1 },
   { "say": "迴圈閉合,是指辨認出現在看到的地方,和很久以前的某個節點很像,於是加一條邊,把起點與終點連起來。然後對整張圖做最佳化,調整所有節點位姿,讓所有邊的誤差總和最小,誤差就被攤平到整個迴圈,地圖就閉合了。", "item": 1 },
   { "say": "這就是為什麼建圖時要走出迴圈,而不是來回走直線。", "item": 2 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#5": [
   { "say": "這是迴圈閉合的示意圖。", "item": 0 },
   { "say": "左邊,機器人繞一圈回到起點,但終點和起點對不上。右邊,偵測到迴圈之後,做全域最佳化,軌跡就閉合了。", "item": 1 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#6": [
   { "say": "再看佔據格地圖,機率是怎麼更新的?", "item": 0 },
   { "say": "地圖每一格存的是被佔據的機率。常用對數勝算來更新,因為相加比連乘方便。假設一次擊中的觀測相當於機率零點七,就增加約零點八四七。", "item": 1 },
   { "say": "某一格一開始機率是零點五,被擊中兩次,機率約零點八四五;擊中三次,機率約零點九二七。被光束穿過的格子,則是減少。這樣單次的雜訊不會讓格子立刻變黑,多次一致才會。", "item": 1 }
  ],
  "原理:掃描匹配、位姿圖與迴圈閉合#7": [
   { "say": "最後整理幾個迷思與限制。", "item": 0 },
   { "say": "第一,SLAM 會自動修好所有誤差。不會,沒有迴圈與特徵時無法修正,長走廊會被拉長。", "item": 1 },
   { "say": "第二,走越快越快建完。其實掃描匹配跟不上,地圖會歪。", "item": 2 },
   { "say": "第三,地圖一次建好永遠有效。家具移動後,地圖就過期了。", "item": 3 },
   { "say": "限制方面,二維雷達只看一個高度,動態物體,像人,會留下殘影,玻璃與鏡面會造成錯誤量測。", "item": 4 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#1": [
   { "say": "好,進入 SLAM 概念。先有雞還是先有蛋?", "item": 0 },
   { "say": "機器人要導航,需要知道地圖,也要知道自己在地圖的哪裡。但在陌生環境裡,你沒有地圖,也不知道自己在哪;要知道位置需要地圖,要畫地圖又需要位置。", "item": 1 },
   { "say": "SLAM,同步定位與建圖,就是同時解決這兩件事:機器人一邊移動,一邊用感測器,最常用的是二維雷達,觀察環境,逐步估計自己的位姿,並把觀察結果累積成地圖。", "item": 1 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#2": [
   { "say": "SLAM 的基本流程有五步。", "item": 0 },
   { "say": "第一,取得里程計給的運動估計,它不準但連續。第二,取得新的雷達掃描。第三,掃描比對,把新掃描與先前的地圖或掃描對齊,修正位姿。第四,把掃描加入地圖。第五,迴環偵測,走回到來過的地方時辨認出來,一次修正累積誤差,讓地圖閉合。", "item": 0 },
   { "say": "沒有迴環偵測,走一大圈回來時,牆壁會出現兩條錯開的線。", "item": 1 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#3": [
   { "say": "把前四步分開再看一次。", "item": 0 },
   { "say": "第一步,取得輪子編碼器給的運動估計,它不準,但是連續的。", "item": 1 },
   { "say": "第二步,取得新的雷達掃描。", "item": 2 },
   { "say": "第三步,掃描比對,把新掃描與先前地圖或掃描對齊。", "item": 3 },
   { "say": "第四步,把掃描加入地圖,更新佔據格或位姿圖。", "item": 4 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#4": [
   { "say": "還有最後一步。", "item": 0 },
   { "say": "第五步是迴環偵測。走回以前來過的地方時,辨認出來,把累積的誤差一次性修正。", "item": 1 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#5": [
   { "say": "這張是 slam toolbox 的資料流程圖。", "item": 0 },
   { "say": "輸入是 scan,還有里程計的 T F;輸出是 map,以及 map 到 odom 的 T F。建好之後,再用 map saver cli 存成檔案,給 Nav 二使用。", "item": 1 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#6": [
   { "say": "SLAM 和 T F 的關係。", "item": 0 },
   { "say": "slam toolbox 訂閱 scan,使用 odom 到 base footprint 的 T F 當作運動估計,輸出 map,型別是 OccupancyGrid,並發布 map 到 odom 的 T F,來修正里程計的漂移。", "item": 1 },
   { "say": "前提是 T F 完整、時間一致。你在第四、五章學的 T F 和 use sim time,在這裡全部派上用場。", "item": 1 }
  ],
  "SLAM 概念:一邊定位、一邊建圖#7": [
   { "say": "最後看常見的 SLAM 方法。", "item": 0 },
   { "say": "一類是基於濾波,像 Gmapping 的粒子濾波,比較老,資源需求低。", "item": 1 },
   { "say": "另一類是基於圖優化,像 slam toolbox 和 Cartographer,把位姿當節點、約束當邊,做全域優化,支援迴環。", "item": 2 },
   { "say": "在 R O S 二上,slam toolbox 是常見,而且被 Nav 二文件採用的選擇;TurtleBot 三的文件另外提供 Cartographer。哪一個套件在你的發行版可用、怎麼安裝,依版本而異。", "item": 2 }
  ],
  "slam_toolbox:啟動、參數與操作#1": [
   { "say": "接下來實際操作 slam toolbox。先看安裝與啟動。", "item": 0 },
   { "say": "slam toolbox 是獨立的 R O S 二套件,用 apt 安裝。Humble 的套件名稱是 ros humble slam toolbox,其他發行版把 humble 換成對應名稱。", "item": 0 },
   { "say": "啟動時,用 launch 啟動線上非同步建圖,這是最常用的。模擬時 use sim time 設成 true,真機改成 false。", "item": 0 },
   { "say": "如果要用自己的參數檔,可以另外指定。", "item": 0 },
   { "say": "它有幾種模式。online async 是即時建圖,處理不過來時,會丟掉部分掃描以保持即時,最常用。", "item": 1 },
   { "say": "online sync 每個掃描都處理,比較吃資源,可能累積延遲。", "item": 2 },
   { "say": "offline 是離線處理錄好的資料。", "item": 3 },
   { "say": "localization 是載入已有的地圖,只做定位,是進階用法,依版本而異。", "item": 4 }
  ],
  "slam_toolbox:啟動、參數與操作#2": [
   { "say": "指令的部分,先看前兩行。", "item": 0 },
   { "say": "第一行用 apt 安裝 slam toolbox。", "item": 1 },
   { "say": "第二行用 launch 啟動線上非同步建圖,並把 use sim time 設成 true。", "item": 2 }
  ],
  "slam_toolbox:啟動、參數與操作#3": [
   { "say": "如果要使用自己的參數檔,指令是這樣。", "item": 0 },
   { "say": "同樣用 launch 啟動線上非同步建圖,但加上 slam params file 參數,指定你的設定檔絕對路徑,真機的話 use sim time 設成 false。", "item": 1 }
  ],
  "slam_toolbox:啟動、參數與操作#4": [
   { "say": "接下來看重要的參數,寫在 YAML 的 ros parameters 底下。", "item": 0 },
   { "say": "這些名稱在 slam toolbox 的設定檔中都存在,預設值依版本而異,請以你安裝版本的範例設定檔為準。", "item": 0 },
   { "say": "最重要的是,frame 與 topic 的名稱,必須和你的系統一致,錯一個就沒有地圖,這是最常見的錯誤。", "item": 1 },
   { "say": "resolution 是解析度,越小地圖越細,但記憶體與計算量越大。", "item": 2 },
   { "say": "max laser range 是最大雷達量程,超出可靠量程的點會讓地圖有雜訊,要依雷達規格設定,不要超過它的實際量程。", "item": 3 },
   { "say": "minimum travel 開頭的參數,是走多遠、轉多少才處理新的掃描。太小會讓計算量暴增,太大會讓地圖更新遲鈍。", "item": 4 }
  ],
  "slam_toolbox:啟動、參數與操作#5": [
   { "say": "畫面上是參數檔的開頭。", "item": 0 },
   { "say": "最上層是 slam toolbox,底下接 ros parameters,所有參數都寫在這裡。", "item": 1 },
   { "say": "內容有里程計框架 odom、地圖框架 map、機器人本體框架,TurtleBot 三常用 base footprint,還有 scan 的 topic、模式、解析度,以及是否做迴圈閉合等。", "item": 1 }
  ],
  "slam_toolbox:啟動、參數與操作#6": [
   { "say": "建圖時,用 R viz 二來看。", "item": 0 },
   { "say": "打開 rviz2,Fixed Frame 設 map,加入 Map,記得把 Durability 設成 Transient Local,再加入雷達、T F 和機器人模型。遙控機器人移動時,地圖會一塊一塊長出來。", "item": 1 },
   { "say": "slam toolbox 也有 R viz 二的外掛面板,可以儲存與序列化地圖,是否可用依安裝版本而異。", "item": 1 }
  ],
  "slam_toolbox:啟動、參數與操作#7": [
   { "say": "還有一個實用的技巧,錄製建圖資料。", "item": 0 },
   { "say": "建圖失敗很難重現時,把輸入錄下來,事後用 offline 模式或重播重新建圖。", "item": 1 },
   { "say": "這樣可以換參數反覆實驗,而不必再讓機器人走一遍。", "item": 2 },
   { "say": "錄的指令是 bag record,錄 scan、odom、T F 和 T F static。重播時要加 clock,並把 use sim time 設成 true。", "item": 3 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#1": [
   { "say": "最後一個單元,佔據格地圖與存圖。先看地圖長什麼樣子。", "item": 0 },
   { "say": "SLAM 輸出的地圖是佔據格:把空間切成方格,每格記錄有障礙的機率。在 R O S 的 OccupancyGrid 裡,格子值零表示空閒,一百表示被佔據,負一表示未知,也就是沒被掃到,中間值表示機率。", "item": 1 },
   { "say": "雷射光束從機器人射出,經過的格子是空閒,光束打到物體的那一格是佔據,光束沒到的區域是未知。所以地圖外圈,或沒走過的角落是灰色,是正常的。", "item": 2 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#2": [
   { "say": "這是佔據格地圖示意圖。", "item": 0 },
   { "say": "白色是空閒,黑色是佔據,灰色是未知。光線穿過空閒的格子,停在佔據的格子,圖上也標出解析度與地圖檔的欄位。", "item": 1 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#3": [
   { "say": "來建立一點數字感。解析度就是每格的邊長,常見是零點零五公尺,也就是五公分。", "item": 0 },
   { "say": "二十公尺乘十公尺的場地,解析度零點零五,橫向四百格、縱向兩百格,共八萬格。", "item": 1 },
   { "say": "改成零點一公尺,變成兩百乘一百,兩萬格,格數降為四分之一。", "item": 2 },
   { "say": "解析度越細,細節越多,但計算量變大;也不要細於感測器的量測誤差。雷達誤差如果是一到三公分的量級,把格子切到一公分沒有意義,規格請查資料表。", "item": 2 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#4": [
   { "say": "建好之後,要存圖,用 map saver cli。", "item": 0 },
   { "say": "Nav 二的地圖伺服器套件提供存圖工具,需要已安裝 Nav 二。先建一個放地圖的資料夾,再執行 map saver cli,用 減 f 指定檔名。存圖前要確認 map 確實有資料,而且存圖時 slam toolbox 仍在執行。如果遇到 QoS 相關警告,依第二章診斷。", "item": 0 },
   { "say": "這會產生兩個檔案。classroom 點 pgm,是灰階影像,白色是空閒,黑色是佔據,灰色是未知。", "item": 1 },
   { "say": "classroom 點 yaml,是描述檔,內容如下一頁。欄位細節依版本而異,以實際產生的檔案為準。", "item": 2 },
   { "say": "另外,slam toolbox 本身有序列化位姿圖的服務,可以存下完整的圖結構,日後繼續建圖或做定位,服務名稱與使用方式依版本而異。", "item": 2 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#5": [
   { "say": "先看存圖的指令。", "item": 0 },
   { "say": "第一行,建立 maps 資料夾。", "item": 1 },
   { "say": "第二行,執行 map saver cli,把地圖存成 classroom。", "item": 2 },
   { "say": "接著是 yaml 描述檔的前兩行。第一行 image,指向 classroom 點 pgm 這個影像檔。", "item": 3 },
   { "say": "第二行 mode 是 trinary,表示三值地圖,空閒、佔據、未知。", "item": 4 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#6": [
   { "say": "描述檔的其餘欄位。", "item": 0 },
   { "say": "resolution 是零點零五,每格五公分。", "item": 1 },
   { "say": "origin 是影像左下角像素,在 map 框架中的 x、y 和 yaw 位置。", "item": 2 },
   { "say": "negate 是零,表示不反轉黑白。", "item": 3 },
   { "say": "occupied thresh 是零點六五,機率高於它才算佔據。", "item": 4 },
   { "say": "free thresh 是零點二五,機率低於它算空閒。", "item": 5 }
  ],
  "佔據格地圖與存圖:map.pgm 與 map.yaml#7": [
   { "say": "最後一點,地圖可以手動修整。", "item": 0 },
   { "say": "pgm 就是普通的影像,可以用影像編輯軟體,塗黑虛擬牆,也就是不想讓機器人去的地方,或是塗掉雜訊。修整時,保持灰階三值,黑、白、灰,不要改尺寸,也不要改 yaml 的 resolution 和 origin。", "item": 1 },
   { "say": "這是限制機器人活動範圍的簡單安全手段。", "item": 1 }
  ],
  "closing": [
   { "say": "好,這一章我們學了 SLAM 的原理,包含掃描匹配與迴圈閉合,用 slam toolbox 建圖,也學了佔據格地圖與怎麼存圖。", "item": 0 },
   { "say": "請接著完成本章的實作,並做章末小測驗。下一章,我們用這張地圖來做導航。", "item": 1, "pause": 1 }
  ]
 }
}
