Added new launch file for gps
authorErik Andresen <erik@vontaene.de>
Sun, 16 Jul 2017 09:20:44 +0000 (11:20 +0200)
committerErik Andresen <erik@vontaene.de>
Sun, 16 Jul 2017 09:20:44 +0000 (11:20 +0200)
launch/gps.launch [new file with mode: 0644]
launch/robot_localization.launch [deleted file]

diff --git a/launch/gps.launch b/launch/gps.launch
new file mode 100644 (file)
index 0000000..bcce41d
--- /dev/null
@@ -0,0 +1,130 @@
+<?xml version="1.0"?>
+<launch>
+       <node pkg="gpsd_client" type="gpsd_client"  name="gpsd_client" output="screen">
+               <param name="use_gps_time" value="false"/>
+       </node>
+
+       <node pkg="robot_localization" type="navsat_transform_node" name="navsat_transform_node" output="screen">
+               <param name="magnetic_declination_radians" value="0.047"/>
+               <param name="yaw_offset" value="1.5708"/>
+               <param name="zero_altitude" value="true"/>
+               <param name="broadcast_utm_transform" value="true"/>
+
+               <remap from="/imu/data" to="imu"/>
+               <remap from="/gps/fix" to="fix" />
+               <remap from="/odometry/filtered" to="odom_combined"/>
+               <remap from="/odometry/gps" to="gps"/>
+       </node>
+
+       <node pkg="robot_localization" type="ekf_localization_node" name="ekf_localization_gps" clear_params="true" output="screen">
+               <!-- The frequency, in Hz, at which the filter will output a position estimate. Note that
+               the filter will not begin computation until it receives at least one message from
+               one of the inputs. It will then run continuously at the frequency specified here,
+               regardless of whether it receives more measurements. Defaults to 30 if unspecified. -->
+               <param name="frequency" value="20"/>
+
+               <!-- The period, in seconds, after which we consider a sensor to have timed out. In this event, we
+                  carry out a predict cycle on the EKF without correcting it. This parameter can be thought of
+                  as the minimum frequency with which the filter will generate new output. Defaults to 1 / frequency
+                  if not specified. -->
+               <param name="sensor_timeout" value="0.1"/>
+
+               <!-- If this is set to true, no 3D information will be used in your state estimate. Use this if you
+                  are operating in a planar environment and want to ignore the effect of small variations in the
+                  ground plane that might otherwise be detected by, for example, an IMU. Defaults to false if
+                  unspecified. -->
+               <param name="two_d_mode" value="true"/>
+
+               <!-- REP-105 (http://www.ros.org/reps/rep-0105.html) specifies three principal coordinate frames: map,
+                  odom, and base_link. base_link is the coordinate frame that is affixed to the robot. The robot's
+                  position in the odom frame will drift over time, but is accurate in the short term and should be
+                  continuous. The odom frame is therefore the best frame for executing local motion plans. The map
+                  frame, like the odom frame, is a world-fixed coordinate frame, and while it contains the most
+                  globally accurate position estimate for your robot, it is subject to discrete jumps, e.g., due to
+                  the fusion of GPS data. Here is how to use the following settings:
+                    1. Set the map_frame, odom_frame, and base_link frames to the appropriate frame names for your system.
+                         * If your system does not have a map_frame, just remove it, and make sure "world_frame" is set
+                           to the value of odom_frame.
+                    2. If you are fusing continuous position data such as wheel encoder odometry, visual odometry, or IMU data,
+                       set "world_frame" to your odom_frame value. This is the default behavior for robot_localization's state
+                       estimation nodes.
+                    3. If you are fusing global absolute position data that is subject to discrete jumps (e.g., GPS or position
+                       updates from landmark observations) then:
+                         3a. Set your "world_frame" to your map_frame value
+                         3b. MAKE SURE something else is generating the odom->base_link transform. Note that this can even be
+                             another instance of robot_localization! However, that instance should *not* fuse the global data. -->
+               <!-- Defaults to "map" if unspecified -->
+               <param name="map_frame" value="gps"/>
+               <!-- Defaults to "odom" if unspecified -->
+               <param name="odom_frame" value="odom"/>
+               <!-- Defaults to "base_link" if unspecified -->
+               <param name="base_link_frame" value="base_footprint"/>
+               <!-- Defaults to the value of "odom_frame" if unspecified -->
+               <param name="world_frame" value="gps"/>
+
+               <!-- Use this parameter to provide an offset to the transform generated by ekf_localization_node. This
+                  can be used for future dating the transform, which is required for interaction with some other
+                  packages. Defaults to 0.0 if unspecified. -->
+               <!-- <param name="transform_time_offset" value="0.0"/> -->
+
+               <!-- The filter accepts an arbitrary number of inputs from each input message type (Odometry, PoseStamped,
+                  TwistStamped, Imu). To add a new one, simply append the next number in the sequence to its base name,
+                  e.g., odom0, odom1, twist0, twist1, imu0, imu1, imu2, etc. The value should be the topic name. These
+                  parameters obviously have no default values, and must be specified. -->
+               <param name="odom0" value="odom"/>
+               <param name="odom1" value="gps"/>
+               <param name="imu0" value="imu"/>
+               <rosparam param="imu0_queue_size">10</rosparam>
+
+               <!-- Each sensor reading updates some or all of the filter's state. These options give you greater control over
+                  which values from each measurement are fed to the filter. For example, if you have an odometry message as input,
+                  but only want to use its Z position value, then set the entire vector to false, except for the third entry.
+                  The order of the values is x, y, z, roll, pitch, yaw, vx, vy, vz, vroll, vpitch, vyaw, ax, ay, az. Note that not some
+                  message types lack certain variables. For example, a TwistWithCovarianceStamped message has no pose information, so
+                  the first six values would be meaningless in that case. Each vector defaults to all false if unspecified, effectively
+                  making this parameter required for each sensor. -->
+               <!-- x/y not included because of redundancy with velocities -->
+               <!-- vyaw not included in odom because too inaccurate -->
+               <rosparam param="odom0_config">[false,  false,  false, false, false, false, true, true, false, false, false, true, false, false, false]</rosparam>
+               <rosparam param="odom1_config">[true,  true,  false, false, false, false, false, false, false, false, false, false, false, false, false]</rosparam>
+               <rosparam param="imu0_config">[false, false, false, false, false, true, false, false, false, false, false, false, false, false, false]</rosparam>
+
+               <!-- The best practice for including new sensors in robot_localization's state estimation nodes is to pass in velocity
+                  measurements and let the nodes integrate them. However, this isn't always feasible, and so the state estimation
+                  nodes support fusion of absolute measurements. If you have more than one sensor providing absolute measurements,
+                  however, you may run into problems if your covariances are not large enough, as the sensors will inevitably
+                  diverge from one another, causing the filter to jump back and forth rapidly. To combat this situation, you can
+                  either increase the covariances for the variables in question, or you can simply set the sensor's differential
+                  parameter to true. When differential mode is enabled, all absolute pose data is converted to velocity data by
+                  differentiating the absolute pose measurements. These velocities are then integrated as usual. NOTE: this only
+                  applies to sensors that provide absolute measurements, so setting differential to true for twit measurements has
+                  no effect.
+
+                  Users should take care when setting this to true for orientation variables: if you have only one source of
+                  absolute orientation data, you should not set the differential parameter to true. This is due to the fact that
+                  integration of velocities leads to slowly increasing error in the absolute (pose) variable. For position variables,
+                  this is acceptable. For orientation variables, it can lead to trouble. Users should make sure that all orientation
+                  variables have at least one source of absolute measurement. -->
+               <param name="odom0_differential" value="false"/>
+               <param name="odom1_differential" value="false"/>
+               <param name="imu0_differential" value="false"/>
+
+               <!-- When the node starts, if this parameter is true, then the first measurement is treated as a "zero point" for all
+                  future measurements. While you can achieve the same effect with the differential paremeter, the key difference is
+                  that the relative parameter doesn't cause the measurement to be converted to a velocity before integrating it. If
+                  you simply want your measurements to start at 0 for a given sensor, set this to true. -->
+               <param name="odom0_relative" value="false"/>
+               <param name="odom1_relative" value="false"/>
+               <param name="imu0_relative" value="false"/>
+
+               <!-- If we're including accelerations in our state estimate, then we'll probably want to remove any acceleration that
+                  is due to gravity for each IMU. If you don't want to, then set this to false. Defaults to false if unspecified. -->
+               <param name="imu0_remove_gravitational_acceleration" value="true"/>
+
+               <!-- If you're having trouble, try setting this to true, and then echo the /diagnostics_agg topic to see
+                  if the node is unhappy with any settings or data. -->
+               <param name="print_diagnostics" value="true"/>
+
+               <remap from="odometry/filtered" to="gps_combined"/>
+       </node>
+</launch>
diff --git a/launch/robot_localization.launch b/launch/robot_localization.launch
deleted file mode 100644 (file)
index 0a7aa6d..0000000
+++ /dev/null
@@ -1,124 +0,0 @@
-<?xml version="1.0"?>
-
-<!-- Launch file for ekf_localization_node -->
-<launch>
-
-       <!-- This node will take in measurements from odometry, IMU, stamped pose, and stamped twist messages. It tracks
-        the state of the robot, with the state vector being defined as X position, Y position, Z position,
-        roll, pitch, yaw, their respective velocites, and linear acceleration. Units for all measurements are assumed
-        to conform to the SI standard as specified in REP-103. -->
-       <node pkg="robot_localization" type="ekf_localization_node" name="ekf_localization" clear_params="true" output="screen">
-
-               <!-- ======== STANDARD PARAMETERS ======== -->
-
-               <!-- The frequency, in Hz, at which the filter will output a position estimate. Note that
-               the filter will not begin computation until it receives at least one message from
-               one of the inputs. It will then run continuously at the frequency specified here,
-               regardless of whether it receives more measurements. Defaults to 30 if unspecified. -->
-               <param name="frequency" value="20"/>
-
-               <!-- The period, in seconds, after which we consider a sensor to have timed out. In this event, we
-                  carry out a predict cycle on the EKF without correcting it. This parameter can be thought of
-                  as the minimum frequency with which the filter will generate new output. Defaults to 1 / frequency
-                  if not specified. -->
-               <!-- <param name="sensor_timeout" value="2.0"/> -->
-
-               <!-- If this is set to true, no 3D information will be used in your state estimate. Use this if you
-                  are operating in a planar environment and want to ignore the effect of small variations in the
-                  ground plane that might otherwise be detected by, for example, an IMU. Defaults to false if
-                  unspecified. -->
-               <param name="two_d_mode" value="true"/>
-
-               <!-- REP-105 (http://www.ros.org/reps/rep-0105.html) specifies three principal coordinate frames: map,
-                  odom, and base_link. base_link is the coordinate frame that is affixed to the robot. The robot's
-                  position in the odom frame will drift over time, but is accurate in the short term and should be
-                  continuous. The odom frame is therefore the best frame for executing local motion plans. The map
-                  frame, like the odom frame, is a world-fixed coordinate frame, and while it contains the most
-                  globally accurate position estimate for your robot, it is subject to discrete jumps, e.g., due to
-                  the fusion of GPS data. Here is how to use the following settings:
-                    1. Set the map_frame, odom_frame, and base_link frames to the appropriate frame names for your system.
-                         * If your system does not have a map_frame, just remove it, and make sure "world_frame" is set
-                           to the value of odom_frame.
-                    2. If you are fusing continuous position data such as wheel encoder odometry, visual odometry, or IMU data,
-                       set "world_frame" to your odom_frame value. This is the default behavior for robot_localization's state
-                       estimation nodes.
-                    3. If you are fusing global absolute position data that is subject to discrete jumps (e.g., GPS or position
-                       updates from landmark observations) then:
-                         3a. Set your "world_frame" to your map_frame value
-                         3b. MAKE SURE something else is generating the odom->base_link transform. Note that this can even be
-                             another instance of robot_localization! However, that instance should *not* fuse the global data. -->
-               <!-- Defaults to "map" if unspecified -->
-               <param name="map_frame" value="map"/>
-               <!-- Defaults to "odom" if unspecified -->
-               <param name="odom_frame" value="odom"/>
-               <!-- Defaults to "base_link" if unspecified -->
-               <param name="base_link_frame" value="base_footprint"/>
-               <!-- Defaults to the value of "odom_frame" if unspecified -->
-               <param name="world_frame" value="odom"/>
-
-               <!-- Use this parameter to provide an offset to the transform generated by ekf_localization_node. This
-                  can be used for future dating the transform, which is required for interaction with some other
-                  packages. Defaults to 0.0 if unspecified. -->
-               <!-- <param name="transform_time_offset" value="0.0"/> -->
-
-               <!-- The filter accepts an arbitrary number of inputs from each input message type (Odometry, PoseStamped,
-                  TwistStamped, Imu). To add a new one, simply append the next number in the sequence to its base name,
-                  e.g., odom0, odom1, twist0, twist1, imu0, imu1, imu2, etc. The value should be the topic name. These
-                  parameters obviously have no default values, and must be specified. -->
-               <param name="odom0" value="odom"/>
-               <param name="imu0" value="imu"/>
-               <rosparam param="imu0_queue_size">10</rosparam>
-
-               <!-- Each sensor reading updates some or all of the filter's state. These options give you greater control over
-                  which values from each measurement are fed to the filter. For example, if you have an odometry message as input,
-                  but only want to use its Z position value, then set the entire vector to false, except for the third entry.
-                  The order of the values is x, y, z, roll, pitch, yaw, vx, vy, vz, vroll, vpitch, vyaw, ax, ay, az. Note that not some
-                  message types lack certain variables. For example, a TwistWithCovarianceStamped message has no pose information, so
-                  the first six values would be meaningless in that case. Each vector defaults to all false if unspecified, effectively
-                  making this parameter required for each sensor. -->
-               <!-- x/y not included because of redundancy with velocities -->
-               <!-- vyaw not included in odom because too inaccurate -->
-               <rosparam param="odom0_config">[false, false, false, false, false, false, true, true, true, false, false, true, false, false, false]</rosparam>
-               <rosparam param="imu0_config">[false, false, false, true, true, true, false, false, false, false, false, false, false, false, false]</rosparam>
-
-               <!-- The best practice for including new sensors in robot_localization's state estimation nodes is to pass in velocity
-                  measurements and let the nodes integrate them. However, this isn't always feasible, and so the state estimation
-                  nodes support fusion of absolute measurements. If you have more than one sensor providing absolute measurements,
-                  however, you may run into problems if your covariances are not large enough, as the sensors will inevitably
-                  diverge from one another, causing the filter to jump back and forth rapidly. To combat this situation, you can
-                  either increase the covariances for the variables in question, or you can simply set the sensor's differential
-                  parameter to true. When differential mode is enabled, all absolute pose data is converted to velocity data by
-                  differentiating the absolute pose measurements. These velocities are then integrated as usual. NOTE: this only
-                  applies to sensors that provide absolute measurements, so setting differential to true for twit measurements has
-                  no effect.
-
-                  Users should take care when setting this to true for orientation variables: if you have only one source of
-                  absolute orientation data, you should not set the differential parameter to true. This is due to the fact that
-                  integration of velocities leads to slowly increasing error in the absolute (pose) variable. For position variables,
-                  this is acceptable. For orientation variables, it can lead to trouble. Users should make sure that all orientation
-                  variables have at least one source of absolute measurement. -->
-               <param name="odom0_differential" value="false"/>
-               <param name="imu0_differential" value="false"/>
-
-               <!-- When the node starts, if this parameter is true, then the first measurement is treated as a "zero point" for all
-                  future measurements. While you can achieve the same effect with the differential paremeter, the key difference is
-                  that the relative parameter doesn't cause the measurement to be converted to a velocity before integrating it. If
-                  you simply want your measurements to start at 0 for a given sensor, set this to true. -->
-               <param name="odom0_relative" value="false"/>
-               <param name="imu0_relative" value="false"/>
-
-               <!-- If we're including accelerations in our state estimate, then we'll probably want to remove any acceleration that
-                  is due to gravity for each IMU. If you don't want to, then set this to false. Defaults to false if unspecified. -->
-               <param name="imu0_remove_gravitational_acceleration" value="true"/>
-
-               <!-- If you're having trouble, try setting this to true, and then echo the /diagnostics_agg topic to see
-                  if the node is unhappy with any settings or data. -->
-               <param name="print_diagnostics" value="true"/>
-
-               <!-- If true, will dynamically scale the process_noise_covariance based on the robot?s velocity. This is useful, e.g., when you want your
-                    robot?s estimate error covariance to stop growing when the robot is stationary. Defaults to false. -->
-               <param name="dynamic_process_noise_covariance" value="true"/>
-
-               <remap from="odometry/filtered" to="odom_combined"/>
-       </node>
-</launch>