授課老師：連國云項目16：智能機器人自建地圖《智能機器人技術(shù)》課程任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價智能機器人在一個真實的室內(nèi)環(huán)境中，基于ROS系統(tǒng)，智能機器人使用Gmapping算法，對真實的室內(nèi)環(huán)境進行SLAM建圖。任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM技術(shù)定位與建圖是機器人實現(xiàn)自主導(dǎo)航的必要條件。機器人的定位與建圖是兩個單獨的問題，直到HughDurrant-Whyte和JohnJ.Leonard等學(xué)者提出了SLAM(SimultaneousLocalizationandMapping)，即時定位與建圖這一概念，從此，機器人的定位與建圖共同稱為SLAM問題，它被用來解決機器人的同步定位與地圖構(gòu)建任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM技術(shù)經(jīng)過多年的發(fā)展，SLAM技術(shù)發(fā)展出了許多類型的方案，即可以使用濾波的方法，也有很多基于圖優(yōu)化的方法。根據(jù)環(huán)境和要求的不同，可以選用不同的傳感器組合，但目前用的較多的傳感器是激光雷達，因為它的精度較高，數(shù)據(jù)量比視覺傳感器少，容易實現(xiàn)實時SLAM任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM技術(shù)機器人在陌生環(huán)境下，既要創(chuàng)建周圍環(huán)境的地圖，還要進行自定位，這兩個任務(wù)處于互相依賴、相輔相成的狀態(tài)，必須同步進行求解。SLAM問題是指：機器人在未知環(huán)境中估計位姿并構(gòu)建地圖的過程。機器人要想完成定位，需要知道所處環(huán)境的特征信息；機器人要想完成建圖，需要知道它自身在所處在的位置任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM技術(shù)SLAM的工作過程可以包括以下幾個部分：(1)進行相關(guān)初始化工作，先對機器人系統(tǒng)模型與觀測模型初始化，并將初始位置的子地圖初始化為全局地圖(2)控制移動機器人運動到新位置，并掃描周圍的環(huán)境信息，對數(shù)據(jù)進行預(yù)處理，并制作出當(dāng)前位置下的環(huán)境子圖任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM技術(shù)(3)將從傳感器數(shù)據(jù)中獲得的特征信息和全局特征信息進行匹配，通過位姿求解算法求解出機器人的位姿估計；(4)根據(jù)解算所得位姿，將新探測到的子圖更新到全局地圖中(5)通過機器人的移動，不斷獲取新的掃描數(shù)據(jù)，并回到第(2)步，進入下一輪的定位與制圖任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM的地圖地圖是用來表示環(huán)境的主要方式。目前針對機器人自主繪制地圖主要包括柵格地圖、幾何特征地圖和拓撲地圖。在智能機器人的開發(fā)中通常是根據(jù)機器人所處環(huán)境的實際情況、同時定位與建圖(SLAM)算法的適用條件以及機器人的需求來選擇地圖的表示方式。選擇合適的地圖表示方式不僅可以滿足建圖的需求，同時更加有利于在地圖的基礎(chǔ)上開展其他工作任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價柵格地圖柵格地圖是最基礎(chǔ)的地圖表示方式，其主要思想是：將環(huán)境分為若干個相同大小的格網(wǎng)，對于二維柵格地圖，每個格網(wǎng)都有兩種狀態(tài)：被障礙物占用和未被障礙物占用任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價幾何特征地圖幾何特征地圖是指提取幾何特征并使用全局坐標(biāo)來描述環(huán)境，表示方法簡潔，適用于結(jié)構(gòu)化的環(huán)境信息描述幾何特征的優(yōu)點是數(shù)據(jù)存儲計算量相對較小，不足之處是地圖創(chuàng)建維護相對困難任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價幾何特征地圖任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價幾何特征地圖幾何特征地圖的優(yōu)點在于易于識別，同時對于內(nèi)存的占用也不是很大。但是這種表示方法存在一個很大的問題：數(shù)據(jù)關(guān)聯(lián)問題，在進行地圖創(chuàng)建時，需要將局部地圖與全局地圖相對應(yīng)的環(huán)境特征進行關(guān)聯(lián)匹配，它要求所提取的環(huán)境特征要具備一定的精準(zhǔn)度，這樣才可以保證地圖的一致性任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價幾何特征地圖另外數(shù)據(jù)關(guān)聯(lián)問題也會影響環(huán)境特征和全局地圖的匹配，從而對機器人位姿估計造成影響同時物體特征的提取是另一個難點，對于室內(nèi)結(jié)構(gòu)化的環(huán)境來說，物體特征較簡單，大多是點、線等，較易于提取，但是對于室外非結(jié)構(gòu)化的環(huán)境，就很難用簡單特征去描述，因此幾何特征地圖更適合室內(nèi)環(huán)境任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價拓撲地圖拓撲地圖是通過把環(huán)境中某些空間抽象為一些節(jié)點，空間之間的通道抽象為邊來表示環(huán)境。這種地圖最適合路徑規(guī)劃，特征清晰、結(jié)構(gòu)明確，路徑規(guī)劃的魯棒性非常好，而且也不占用計算機資源正因為這種地圖信息量少，遇到可運動環(huán)境比較小的情況，還需要別的算法提供足夠的環(huán)境信息用于導(dǎo)航任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價拓撲地圖任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法智能機器人自定位與環(huán)境建模密不可分，在未知環(huán)境中，智能機器人依靠構(gòu)建的環(huán)境地圖進行自定位，環(huán)境地圖的準(zhǔn)確性又依賴于定位精度在SLAM算法中，比較常見的算法有基于卡爾曼濾波(Kalmanfiltering,KF)的SLAM算法、基于粒子濾波(particlefilter,PF)的SLAM算法，以及基于圖優(yōu)化的SLAM算法任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法卡爾曼濾波

(KalmanFilter,KF)算法可分為預(yù)測與更新2個過程，該算法的核心思想是遞歸求解經(jīng)典的卡爾曼濾波適用于線性系統(tǒng)，對于非線性系統(tǒng)，衍生出了EKF(ExtendedKalmanFilter)。采用EKF實現(xiàn)SLAM的算法就叫做EKF-SLAM任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法粒子濾波是用大量隨機樣本來估計系統(tǒng)狀態(tài)變量的，隨著這些粒子逐漸逼近準(zhǔn)確的狀態(tài)值，可以統(tǒng)計這些粒子所代表的狀態(tài)，形成系統(tǒng)概率密度函數(shù)粒子濾波相比于卡爾曼濾波，它的優(yōu)越性在于它可以用在任何形式的狀態(tài)空間模型上，其局限性比卡爾曼濾波要小的多任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法基于圖優(yōu)化的SLAM算法將機器人的位姿及其觀測數(shù)據(jù)表示成圖結(jié)構(gòu)的形式，然后不斷去優(yōu)化圖的配置，最終的圖配置即作為SLAM問題的解一般的圖優(yōu)化框架分為前端和后端。前端負責(zé)構(gòu)建圖結(jié)構(gòu)，后端負責(zé)優(yōu)化圖配置任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法在EKF-SLAM算法和PF-SLAM算法的基礎(chǔ)上，產(chǎn)生了實際應(yīng)用中得到廣泛認可的FastSLAM算法，該算法采用EKF算法遞歸估計移動機器人的位姿，得到相應(yīng)的估計均值和方差，利用估計的均值和方差構(gòu)建一個高斯分布函數(shù)，作為粒子的重要性函數(shù)。這個重要性函數(shù)加入了機器人位姿的歷史信息，并按照重要性對粒子進行重采樣，這很好的解決了粒子退化問題，提高了算法的精度任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價SLAM算法Gmapping算法是基于柵格地圖的FastSLAM算法的具體實現(xiàn)，該算法通過加入最新的傳感器觀測信息，來計算高精度的提議分布，根據(jù)有效樣本大小進行自適應(yīng)重采樣，減少粒子濾波重采樣的次數(shù)，降低了粒子退化的風(fēng)險這不僅提高了建圖的精確度，而且還減小了估計的誤差任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包gmapping功能包在ROS系統(tǒng)中實現(xiàn)了Gmapping算法，它為開發(fā)者隱去了復(fù)雜的內(nèi)部實現(xiàn)，開發(fā)者只需要通過使用該功能包就可以實現(xiàn)Gmapping算法，這大大降低了智能機器人的開發(fā)難度，也使開發(fā)者不需要自己實現(xiàn)SLAM算法gmapping功能包訂閱機器人的深度信息、IMU信息和里程計信息，同時完成一些必要參數(shù)的配置，即可創(chuàng)建并輸出基于概率的二維柵格地圖任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包在ROS的軟件源中已經(jīng)集成了gmapping相關(guān)功能包的二進制安裝文件，可以使用如下命令進行安裝：$sudoapt-getinstallros-melodic-gmapping任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中發(fā)布/訂閱的話題和提供的服務(wù)topic(service)名稱msgs(srv)類型功能topic訂閱tftf/tfMessage用于激光雷達坐標(biāo)系、基于坐標(biāo)系、里程計坐標(biāo)系之間的變換scansensor_msgs/LaserScan激光雷達掃描數(shù)據(jù)topic發(fā)布map_metadatanav_msgs/MapMetaData發(fā)布地圖Meta數(shù)據(jù)mapnav_msgs/OccupancyGrid發(fā)布地圖柵格數(shù)據(jù)~entropystd_msgs/Float64發(fā)布機器人姿態(tài)分布熵的估計servicedynamic_mapnav_msgs/GetMap獲取地圖數(shù)據(jù)任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~throttle_scansint1每接收到該數(shù)量幀的激光數(shù)據(jù)后只處理其中的一幀數(shù)據(jù)，默認每接收到一幀數(shù)據(jù)就處理一次~base_framestring“base_link”機器人基坐標(biāo)系~map_framestring“map”地圖坐標(biāo)系~odom_framestring“odom”里程計坐標(biāo)系~map_update_intervalfloat5.0地圖更新頻率，該值越低，計算負載越大~maxUrangefloat80.0激光可探測的最大范圍~sigmafloat0.05端點匹配的標(biāo)準(zhǔn)差任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~kernelSizeint1在對應(yīng)的內(nèi)核中進行查找~lstepfloat0.05平移過程中的優(yōu)化步長~astepfloat0.05旋轉(zhuǎn)過程中的優(yōu)化步長~iterationsint5掃描匹配的迭代次數(shù)~lsigmafloat0.075似然計算的激光標(biāo)準(zhǔn)差~ogainfloat3.0似然計算時同于平滑重采樣效果~lskipint0每次掃描跳過的光束數(shù)任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~minimumScorefloat0.0掃描匹配結(jié)果的最低值。當(dāng)使用有限范圍(例如5m)的激光掃描儀時，可以避免在大開放空間中跳躍姿勢估計~srrfloat0.1平移函數(shù)(rho/rho)，平移時的里程誤差~srtfloat0.2旋轉(zhuǎn)函數(shù)(rho/theta)，平移時的里程誤差~strfloat0.1平移函數(shù)(theta/rho)，旋轉(zhuǎn)時的里程誤差~sttfloat0.2旋轉(zhuǎn)函數(shù)(theta/theta)，旋轉(zhuǎn)時的里程誤差~linearUpdatefloat1.0似然計算時同于平滑重采樣效果任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~angularUpdatefloat0.5機器人每旋轉(zhuǎn)該弧度后處理一次激光掃描數(shù)據(jù)~temporalUpdatefloat-1.0如果最新掃描處理的速度比更新的速度慢，則處理一次掃描。該值為負數(shù)時關(guān)閉基于時間的更新~resampleThresholdfloat0.5基于Neff的重采樣閾值~particlesint30濾波器中的粒子數(shù)目~xminfloat-100.0地圖x向初始最小尺寸~yminfloat-100.0地圖y向初始最小尺寸任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~xmaxfloat100.0地圖x向初始最大尺寸~ymaxfloat100.0地圖y向初始最大尺寸~deltafloat0.05地圖分辨率~llsamplerangefloat0.01似然計算的平移采樣距離~llsamplestepfloat0.01似然計算的平移采樣步長~lasamplerangefloat0.005似然計算的角度采樣距離~lasamplestepfloat0.005似然計算的角度采樣步長任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中可供配置的參數(shù)parameter名數(shù)據(jù)類型默認值功能描述~transform_publish_periodfloat0.05TF變換發(fā)布的時間間隔~occ_threshfloat0.25柵格地圖占用率的閾值~maxRange(float)float-傳感器的最大范圍任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價gmapping功能包中的TF變換TF變換描述必需的TF變換<scanframe>→base_link激光雷達坐標(biāo)系與基坐標(biāo)系之間的變換，一般由robot_state_publisher或者static_transform_publisher發(fā)布base_link→odom基坐標(biāo)系與里程計坐標(biāo)系之間的變換，一般由里程計節(jié)點發(fā)布發(fā)布的TF變換map→odom地圖坐標(biāo)系與機器人里程計坐標(biāo)系之間的變換，估計機器人在地圖中的位姿任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步智能機器人的控制實現(xiàn)方式主要有兩種，一種是單獨選用嵌入式系統(tǒng)的本地控制方式，另一種是“主控制器+PC“的分布式控制方式，如果采用本地控制方式，在SLAM實現(xiàn)中，則可以直接運行SLAM相關(guān)節(jié)點和命令，如果采用分布式控制方式，則需要首先進行PC端和智能機器人主控制器之間的時間同步設(shè)置任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步在進行導(dǎo)航操作之前，必須要保證智能機器人的機載控制器的時間跟遠程PC的時間是同步的，否則會出現(xiàn)數(shù)據(jù)錯誤，在ROS系統(tǒng)中進行時間同步設(shè)置的具體方法有兩個：一種是通過配置文件實現(xiàn)，另一種是通過網(wǎng)絡(luò)配置界面實現(xiàn)任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(1)通過配置文件實現(xiàn)時間同步設(shè)置通過配置文件實現(xiàn)時間同步設(shè)置的具體操作包括以下幾個步驟：(a)在PC端打開ntp配置文件$sudovim/etc/ntp.conf任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步在文件的末尾增加下面幾句，其中IP地址是指智能機器人機載控制器的IP地址，默認為192.168.1.100，增加這幾句的目的是為了能讓位于同一個局域網(wǎng)的其他設(shè)備能跟遠程電腦進行時間同步restrict192.168.1.100mask255.255.255.0nomodifynotrapserver127.127.1.0#localclockfudge127.127.1.0stratum10任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(b)在PC端創(chuàng)建時間同步設(shè)置腳本文件(sh文件)用戶可以自由命名該腳本文件，在這里命名為sync_time_with_ip.sh(b.1)創(chuàng)建時間同步設(shè)置腳本文件，輸入以下命令：$touchsync_time_with_ip.sh(b.2)編輯該腳本文件，輸入以下命令：$visync_time_with_ip.sh任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步并在該腳本文件中輸入以下內(nèi)容：#!/bin/bashsudo/etc/init.d/ntpstopsudo/usr/sbin/ntpdate192.168.1.101(b.3)保存該腳本文件：按下“ESC”鍵，鍵入:wq保存退出，將該文件拷貝到智能機器人主控制器的指定文件中任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(b.4)在智能機器人端給該腳本文件賦予可執(zhí)行權(quán)限在智能機器人主控制器相應(yīng)的文件夾下，輸入以下命令：$chmod+xtest.sh任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(c)在智能機器人端打開該腳本文件所在的目錄，運行該腳本文件，輸入以下命令：$./sync_time_with_ip.sh注意：如果執(zhí)行同步時間的時候出現(xiàn)“noserversuitableforsynchronizationfound”的報錯信息，這個時候可以嘗試同時重啟遠程電腦和Transbot機器人，然后重復(fù)上面同步時間的步驟再操作一次任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(d)在PC端和智能機器人端分別確認時間是否完成同步在PC端和智能機器人端分別運行以下命令：$date對比打印出來的時間，確認時間是否已經(jīng)完成同步任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價時間同步(2)通過網(wǎng)絡(luò)配置界面實現(xiàn)時間同步設(shè)置PC端和智能機器人端主控制器使用WIFI或者有線連接到外部網(wǎng)絡(luò)，同時操作系統(tǒng)設(shè)置中的時間設(shè)置界面，使能同步網(wǎng)絡(luò)時間任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價節(jié)點的配置與運行對于智能機器人的開發(fā)者來說，只需要合理的使用gmapping功能包的相關(guān)node、topic、parameter等軟件接口，掌握如何借助其提供的接口實現(xiàn)相應(yīng)的功能任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價<launch>

<!--Arguments-->

<argname="model"

default="$(env

TRANSBOT_MODEL)"doc="model

type[normal,mecanum,omni,helm]"/>

<argname="configuration_basename"default="transbot_lds_2d.lua"/>

<argname="set_base_frame"default="base_footprint"

/>

<argname="set_odom_frame"default="odom"

/>

<argname="set_map_frame"default="map"

/>任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價

<!--Gmapping-->

<nodepkg="gmapping"

type="slam_gmapping"

name="transbot_slam_gmapping"

output="screen"

>

<paramname="base_frame"value="$(arg

set_base_frame)"/>

<paramname="odom_frame"value="$(argset_odom_frame)"/>

<paramname="map_frame"value="$(argset_map_frame)"/>

<paramname="map_update_interval"value="2.0"

/>

<paramname="maxUrange"

value="3.0"

/>

<paramname="sigma"

value="0.05"

/>任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價<paramname="kernelSize"

value="1"

/>

<paramname="lstep"

value="0.05"

/>

<paramname="astep"

value="0.05"

/>

<paramname="iterations"

value="5"/>

<paramname="lsigma"

value="0.075"

/>

<paramname="ogain"

value="3.0"

/>

<paramname="lskip"

value="0"

/>

<paramname="minimumScore"

value="50"

/>

<paramname="srr"

value="0.1"

/>

<paramname="srt"

value="0.2"

/>任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價

<paramname="str"

value="0.1"

/>

<param

name="stt"

value="0.2"

/>

<paramname="linearUpdate"

value="1.0"

/>

<paramname="angularUpdate"

value="0.2"

/>

<paramname="temporalUpdate"

value="0.5"

/>

<paramname="resampleThreshold"

value="0.5"

/>

<paramname="particles"

value="100"

/>

<paramname="xmin"

value="-10.0"

/>

<paramname="ymin"

value="-10.0"

/>

<paramname="xmax"

value="10.0"

/>任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價<paramname="ymax"

value="10.0"

/>

<paramname="delta"

value="0.05"

/>

<paramname="llsamplerange"

value="0.01"

/>

<paramname="llsamplestep"

value="0.01"

/>

<paramname="lasamplerange"

value="0.005"

/>

<paramname="lasamplestep"

value="0.005"

/>

</node></launch>任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價節(jié)點的配置與運行在啟動slam_gmapping功能包的同時，需要配置較多gmapping節(jié)點的參數(shù)。這些參數(shù)都有默認值，大部分時候使用默認值或使用ROS中相似機器人的配置即可這些參數(shù)都跟SLAM算法有著緊密的聯(lián)系，要熟練使用這些參數(shù)需要掌握SLAM算法的原理，在智能機器人開發(fā)過程中，可以首先采用這些參數(shù)的默認值，在SLAM功能實現(xiàn)之后再進行參數(shù)優(yōu)化任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價節(jié)點的配置與運行在這些參數(shù)中需要重點檢查兩個參數(shù)的輸入設(shè)配置(1)里程計坐標(biāo)系的設(shè)置，odom_frame參數(shù)需要和機器人本身的里程計坐標(biāo)系一致(2)激光雷達的話題名，gmapping節(jié)點訂閱的激光雷達話題名是“/scan“，如果與機器人發(fā)布的激光雷達話題名不一致，需要使用<remap>進行重映射任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價(1)在PC端啟動master節(jié)點在PC端輸入以下命令，啟動ROS系統(tǒng)的master節(jié)點$roscore(2)在PC端登錄到智能機器人主控制器通過SSH遠程登錄到智能機器人主控制器，當(dāng)成功登錄到主控制器時，命令窗口輸入欄的抬頭會標(biāo)稱transbot在PC端輸入的命令：$sshtransbot@192.168.1.100任務(wù)要求知識導(dǎo)入任務(wù)實施任務(wù)評價(3)運行智能機器人的啟動節(jié)點在智能機器人端輸入的命令：$roslaunchtransbot_bringuptransbot_robot.launch(4)在PC端啟動gmapping功能包在PC端打開一個新終端，并在該終端中輸入以下命令：$exportTRANSBOT_MODEL=normal$roslaunchtransbot_slamtransbot_gmapping.launch任務(wù)要求知