从玩具车到AGV：手把手教你用ARUCO二维码给ROS机器人做个简易‘路标’定位系统

从玩具车到AGV：手把手教你用ARUCO二维码给ROS机器人做个简易‘路标’定位系统

去年在指导大学生机器人竞赛时，有个队伍拿着他们的TurtleBot3问我："老师，我们预算有限，能不能不用激光雷达实现室内定位？"这个问题让我想起了十年前用反光板和二维码做AGV导航的工业案例。今天，我们就用这个思路，教大家用几分钱成本的ARUCO二维码，为ROS机器人搭建一套高性价比的"虚拟路标"系统。

1. 为什么选择ARUCO定位方案

在机器人定位领域，我们常面临这样的困境：激光SLAM精度高但设备昂贵（一套LIDAR动辄上万元），轮式编码器成本低却存在累积误差，视觉SLAM对算力要求较高。而ARUCO二维码定位就像是在环境中布置"数字路标"，每个标记都带有唯一ID和已知尺寸，机器人通过摄像头识别这些标记，就能快速确定自身方位。

这套方案有三大突出优势：

• 成本极低：普通USB摄像头（100-300元）+ 打印的二维码（几分钱/张）
• 部署灵活：标记可随意粘贴、移动，无需改造环境
• 教育价值：完整涵盖图像处理、坐标变换、位姿估计等机器人核心技术

提示：ARUCO是Augmented Reality University of Cordoba的缩写，这种二维码专为增强现实设计，比普通QR码具有更高的识别率和抗干扰能力。

2. 环境搭建与工具准备

2.1 硬件配置清单

2.2 软件环境安装

首先确保已安装ROS Noetic（Ubuntu 20.04）或ROS Melodic（Ubuntu 18.04），然后执行以下命令安装ARUCO相关功能包：

sudo apt-get install ros-$ROS_DISTRO-aruco ros-$ROS_DISTRO-aruco-msgs ros-$ROS_DISTRO-aruco-ros cd ~/catkin_ws/src git clone -b noetic-devel https://github.com/pal-robotics/aruco_ros catkin_make

遇到CV_FILLED报错时，编辑simple_double.cpp文件，将所有CV_FILLED替换为-1即可。这个参数表示绘制实心圆，新版本OpenCV中常量定义发生了变化。

3. 创建你的虚拟路标系统

3.1 生成ARUCO标记

使用在线生成器创建不同ID的标记（推荐尺寸10cm×10cm）：

import cv2 import numpy as np dictionary = cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_6X6_250) markerImage = np.zeros((700, 700), dtype=np.uint8) markerImage = cv2.aruco.generateImageMarker(dictionary, 42, 700, markerImage, 1) cv2.imwrite("marker42.png", markerImage)

关键参数说明：

• DICT_6X6_250：表示使用6×6比特的字典，包含250个不同标记
• 数字42：标记的唯一ID（0-249）
• 700：输出图像分辨率

3.2 摄像头标定实战

未标定的摄像头就像近视眼，看到的图像会有畸变。执行单目标定：

rosrun camera_calibration cameracalibrator.py \ --size 8x6 \ --square 0.024 \ image:=/usb_cam/image_raw \ camera:=/usb_cam

操作要点：

1. 使用棋盘格标定板（建议打印A4尺寸）
2. 在摄像头前移动标定板，覆盖整个视野
3. 当所有进度条变绿后点击"CALIBRATE"
4. 保存生成的ost.yaml文件到~/.ros/camera_info/

4. 实现机器人定位功能

4.1 启动识别节点

创建single.launch文件配置识别参数：

<launch> <arg name="markerId" default="42"/> <arg name="markerSize" default="0.1"/> <!-- 单位：米 --> <arg name="camera_frame" default="usb_cam"/> <arg name="marker_frame" default="aruco_marker"/> <node pkg="aruco_ros" type="single" name="aruco_single"> <remap from="/camera_info" to="/usb_cam/camera_info" /> <remap from="/image" to="/usb_cam/image_raw" /> <param name="image_is_rectified" value="True"/> <param name="marker_size" value="$(arg markerSize)"/> <param name="marker_id" value="$(arg markerId)"/> <param name="reference_frame" value="$(arg camera_frame)"/> <param name="camera_frame" value="$(arg camera_frame)"/> <param name="marker_frame" value="$(arg marker_frame)" /> </node> </launch>

启动顺序：

1. roslaunch usb_cam usb_cam.launch
2. roslaunch aruco_ros single.launch
3. rostopic echo /aruco_single/pose

4.2 坐标变换与定位

获取的位姿数据是相对于摄像头的，需要转换到机器人坐标系。创建TF广播节点：

#!/usr/bin/env python import rospy import tf from geometry_msgs.msg import PoseStamped def pose_callback(msg): br = tf.TransformBroadcaster() br.sendTransform((msg.pose.position.x, msg.pose.position.y, msg.pose.position.z), (msg.pose.orientation.x, msg.pose.orientation.y, msg.pose.orientation.z, msg.pose.orientation.w), rospy.Time.now(), "base_link", "camera_link") rospy.init_node('marker_tf_broadcaster') rospy.Subscriber('/aruco_single/pose', PoseStamped, pose_callback) rospy.spin()

5. 进阶应用与性能优化

5.1 多标记协同定位

当环境中布置多个标记时，可以显著提高定位可靠性。修改launch文件使用markers节点：

<node pkg="aruco_ros" type="markers" name="aruco_markers"> <remap from="/camera_info" to="/usb_cam/camera_info" /> <remap from="/image" to="/usb_cam/image_raw" /> <param name="marker_size" value="0.1"/> <param name="marker_id" value="50,51,52,53"/> <param name="reference_frame" value="map"/> </node>

5.2 常见问题排查指南

在实验室测试中，我们使用10cm×10cm的标记，在2米距离内能达到±1cm的定位精度。当标记倾斜角度小于45度时，识别成功率保持在95%以上。