移动机器人局部规划基线(MRPB)

移动机器人局部规划基线(Mobile Robot Local Planning Benchmark, MRPB)的开发旨在以统一和综合的方式评估移动机器人的本地规划方法。它包含一组精心设计的仿真环境，例如，复杂的迷宫环境、部分未知的类似于办公室的环境、动态的行人等等。 未来会加入更多功能和更有挑战性的场景。

本开源项目采用Actor Collisions Plugin作为动态行人碰撞检测属性，采用Pioneer-3dx Simulator在Gazebo中对移动机器人进行仿真。开源代码链接：MRPB GitHub仓库

快速上手

该项目是在ROS Kinetic的Ubuntu 16.04中开发和测试的。运行以下命令进行设置：

$ sudo apt-get install ros-kinetic-navigation ros-kinetic-teb-local-planner
$ cd ~/catkin_ws/src
$ git clone https://github.com/NKU-MobFly-Robotics/local-planning-benchmark.git
$ cd ../
$ catkin_make

开始模拟（在新的终端中运行）：

$ source ~/catkin_ws/devel/setup.bash
$ roslaunch move_base_benchmark move_base_benchmark.launch

您可以在Rviz中找到costmap和Pioneer 3-DX移动机器人。您可以使用2D Nav Goal工具选择机器人要达到的目标。

设置

本项目采用Actor Collisions Plugin提供动态行人碰撞属性，因而可以被激光扫到。在actor_collision目录下：

$ mkdir build
$ cd build
$ cmake ../
$ make

上述代码运行后，build文件夹中生成了名为libActorCollisionsPlugin.so的链接库。需要注意的是，在使用动态world模型前，你需要更新这个.so文件的相对路径。例如，打开office02_dynamic.world然后按“Ctrl+F”查找libActorCollisionsPlugin.so文件。然后将文件名替换为该文件在actor_collisions的build目录下的绝对路径。动态world模型中所有引用该插件的路径都需要检查一遍，以免遗漏。

此外，我们还测试了该插件对Gazebo版本的兼容性，只有在Gazebo9及以上的版本中动态行人才可以被激光扫到。因此，如果你的环境是ROS Kinetic，需要卸载Gazebo7，安装Gazebo9。

1. Uninstall Gazebo7
  $ sudo apt-get remove --purge ros-kinetic-gazebo* 
  $ sudo apt-get remove --purge libgazebo* 
  $ sudo apt-get remove --purge gazebo* 
  $ sudo apt-get remove --purge gazebo-*

2. Add the source and keys 
  $ sudo sh -c 'echo "deb http://packages.osrfoundation.org/gazebo/ubuntu-stable `lsb_release -cs` main" > /etc/apt/sources.list.d/gazebo-stable.list'
  $ wget http://packages.osrfoundation.org/gazebo.key -O - | sudo apt-key add -

3. Install Gazebo9
  $ sudo apt-get update
  $ sudo apt-get install gazebo9
  $ sudo apt-get install libgazebo9-dev
  $ sudo apt-get install ros-kinetic-gazebo9-*

4. Check the version of Gazebo
  $ gazebo -v

如果喜欢本项目，就为它点个 ⭐吧

再附上演示视频链接：MRPB视频（po油管上，太高大上了）

论文链接： MRPB 1.0: A Unified Benchmark for the Evaluation of Mobile Robot Local Planning Approaches, Jian Wen, Xuebo Zhang, Qingchen Bi, Zhangchao Pan, Yanghe Feng, Jing Yuan, and Yongchun Fang, 2020, arXiv:2011.00491.