ros2_office_vlm/README.md at 2f9bcbb8adce492189dffee26d147840d4b48ab8

3.7 KiB

Raw Blame History

语义推理与导航

智能语义推理框架包含两个核心模块：
语义目标标注：利用 VLM识别物体
语义导航：机器人借助已保存的物体记忆，通过语义路标完成导航。

语义标注模块将 Faster R-CNN 与 CLIP 结合，实现零样本目标检测。

给定一个物体列表（例如：["Refrigerator", "water dispenser", "sofa", "white toilet", "office chair with wheels"]），由 Faster R-CNN 从 RGB 图像帧中生成候选区域。

随后，使用 CLIP 将每个候选区域进行特征编码，并与文本标签做余弦相似度对比，为区域分配最可能的类别标签。

点击 RViz2 中Nav2 Goal，在地图上选择目标位置，调整箭头设置机器人到达后的朝向，确认后机器人将自主导航，在探索过程中，系统会结合 RGB-D 数据记录物体的中心坐标，并将置信度分数与位置信息存入 JSON 文件。只有当检测到更高置信度的结果时，才会更新原有记录。

1. 环境要求

Ubuntu 22.04
ROS2 Humble
Gazebo Sim Harmonic

编译

# pip install -r requirements.txt
cd /workspace
colcon build --symlink-install

注意事项

之后每打开一个新终端，都建议先执行：

source /opt/ros/humble/setup.bash
source /workspace/install/setup.bash
export NAV2_MAP_PATH=/workspace/src/turtlebot3_simulations/turtlebot3_gazebo/map/office_map.yaml

2. 启动仿真(后面每一个步骤都在新终端执行)

./gzsim_run.sh

3. 启动 AMCL节点（负责 “map_server + amcl”）

ros2 launch nav2_rrtstar_planner bringup_localization_with_initial_pose.launch.py \
    use_sim_time:=true \
    map:=$NAV2_MAP_PATH \
    params_file:=/workspace/src/TurtleBot-RRT-Star/nav2_params.yaml

4. 启动 Nav2导航栈（负责 “RRT* 规划器 + controller + bt_navigator）

ros2 launch nav2_bringup navigation_launch.py \
    use_sim_time:=True \
    params_file:=/workspace/src/TurtleBot-RRT-Star/nav2_params.yaml

5. 打开rviz

export __NV_PRIME_RENDER_OFFLOAD=1
export __GLX_VENDOR_LIBRARY_NAME=nvidia
ros2 run rviz2 rviz2 -d /opt/ros/humble/share/nav2_bringup/rviz/nav2_default_view.rviz --ros-args -p use_sim_time:=true

新开终端，执行环境生效后启动vlm_perception_pkg的语义检测节点，开始目标语义标注并构建语义记忆库，在机器人导航过程中，节点实时检测环境中的目标并生成语义标注结果，保存JSON 格式的语义记忆库到指定路径。

6. 启动目标检测节点

ros2 run vlm_perception_pkg vlm_detection --ros-args -p use_sim_time:=true
# 默认：启动时加载历史 JSON（同一个语义记忆库文件）可选：启动时重置语义记忆库，避免历史最高分长期不更新
# ros2 run vlm_perception_pkg vlm_detection --ros-args -p use_sim_time:=true -p reset_records_on_startup:=true

检测完成后可查看目标标注结果（in /workspace/src/vlm_nav_pkg/config，带时间戳），加载生成的语义记忆库文件，通过 CLIP 将语义标签编码为shared embedding space，当用户输入自然语言查询时，系统匹配最接近的已知目标，提取其坐标并发送至 Nav2，实现基于自然语言的语义导航。以下是验证步骤：

7. 启动目标检测节点

# 关闭检测节点后
pip3 install "numpy<2"
ros2 run vlm_nav_pkg semantic_nav

节点启动后，在终端输入自然语言语义目标（如 “water dispenser”“sofa”），系统将自动完成：语义查询与shared embedding space匹配，提取目标对应的地图坐标并向 Nav2 发送导航目标位姿，然后机器人自主规划路径并导航至语义目标位置，RViz2 中实时可视化规划路径与导航过程

3.7 KiB Raw Blame History Unescape Escape