ROS TF坐标变换基本概念及使用案例

前言

TF(TransForm)，就是坐标转换，包括了位置和姿态两个方面的变换，坐标变换是机器人学中的概念。

在机器人学中，无论一个机器人多么复杂，我们都可以将它的组成抽象成两部分-连杆和关节，最典型的机器人是串联型机械臂，它的每条臂就是一个比较规整的关节，中间连接的电机就是它的关节，关节分为转动关节和移动关节，比如下图中比较经典的PUMA机械臂，可以抽象成很规整的连杆和关节的组成。

在将机器人抽象成关节之后，我们就可以使用DH法或改进DH法，为各个关节和连杆建立坐标系，而坐标变换就是用来描述我们建立的各个坐标系之间的关系，以方便人们表达机器人各个关节之间的位置关系。

一、ROS中的TF

虽然我们可以将机器人进行抽象和简化，抛去它所有复杂的结构，将它抽象成一个个的坐标系，但是一个机器人可能有几十上百个关节，如下图所示，如果我们要自己去计算任意两个坐标系之间的变换关系，也是非常非常繁杂的。

于是ROS为我们提供了一个用来方便TF计算的工具-TF树，TF树用来维护ROS系统中的机器人以及周围环境的所有TF变换关系，只要你的TF树是连通的，你就可以提取任意两个坐标系之间的坐标变换关系，掌控任何坐标系的位置，ROS中的TF树考虑到存储容量问题，只维护最近5秒的TF变换数据。

1.监听TF变换

监听TF变换就是获取TF树中的坐标变换关系，这是通过TF类中的TransformListener类实现的，下面以古月居的代码为例进行说明。

通过这一顿操作，就可以将两只海龟的坐标变换读取出来，存到我们创建的transform类中，方便我们进行其他操作。

2.广播TF变换

广播TF变换是用来更新TF树的，有时我们控制了机器人进行了位置移动，那么ROS怎么知道它新的位置呢？这就需要通过TF广播器，将最新的机器人位置发布到TF树中，仍然以古月居的代码进行说明。

我们传入一个参数（乌龟节点名字），就可以发布这只乌龟相对于世界的坐标变换，当我们知道了两只乌龟相对于世界的坐标变换，那么也可以根据公式推出他们之间的坐标变换，因为它们是连通的，两只乌龟之间的坐标变换，只要乌龟1左乘乌龟2相对于世界变换矩阵的逆即可。

launch文件的编写

然后就可以运行launch文件，查看效果

roslaunch turtle_tf turtle_tf_demo.launch

二、TF常用组件

无论是使用乌龟，还是我们在仿真环境中创建了一个自己的机器人，ROS为我们提供了各种各样的工具方便我们查看其中的TF变换，而不需要我们像上面的例子一样，自己去编写TF坐标变换的监听和广播器，下面我以mbot小车为例，展现一下较为复杂的TF坐标变换关系和常用工具使用。

先打开一个gazebo仿真环境

1.tf_monitor

作用：将当前的坐标系转换关系打印到终端控制台

rosrun tf tf_monitor

这样就可以在终端输出任意两个坐标系之间的坐标变换，当然也可以查看特定两个坐标系之间的坐标变换，只需要给它传入参数

rosrun tf tf_monitor base_link odom

2.tf_echo <source_frame> <target_frame>

作用：把特定的坐标系之间的平移旋转关系，打印到终端控制台

rosrun tf tf_echo base_link odom

3.view_frames

作用：输出当前的tf关系以pdf的形式输出到当前目录下

rosrun tf view_frames

这个工具是非常方便且常用的

4.roswtf

作用：帮助你找到tf中的错误

roswtf

5.Rviz

当然你也可以通过最牛逼的可视化工具Rviz显示所有的TF坐标变换，打开一个Rviz，选择TF即可

6.robot_state_publisher

robot_state_publisher是机器人的状态发布器，使用参数 robots_description 指定的URDF和来自主题关节状态的关节位置来计算机器人的正向运动学并通过tf发布结果。

它订阅关节状态发布器（joint_state_publisher）节点发布的关节状态主题（sensor_msgs/JointState）将机器人各个关节的tf变换发布到tf树上，这就不需要我们自己去编写关节状态更新的节点，而只需要在launch文件中，一并启动这个ROS为我们提供的节点即可。

<!– 运行robot_state_publisher节点，发布tf –>
<node name=\”robot_state_publisher\” pkg=\”robot_state_publisher\” type=\”robot_state_publisher\” output=\”screen\” >
<param name=\”publish_frequency\” type=\”double\” value=\”50.0\” />
</node>

它的参数如下：

参数意义robot_descriptionurdf 机器人描述tf_prefix为命名空间感知的转换发布设置tf前缀publish_frequency状态发布器的发布频率（默认：50）ignore_timestamp如果为真，则忽略 publish_frequency 和joint_states 的时间戳，并为每个接收到的joint_states 发布一个tf（默认：false）use_tf_static设置是否使用 /tf_static 锁存的静态变换广播器（默认：true）

三、SLAM中的TF

SLAM中的TF最重要的有两部分：（1）机器人底盘坐标系（base_frame）与里程计坐标系（odom_frame）之间的变换关系和（2）里程计坐标系（odom_frame）与地图坐标系（map_frame）之间的变换关系

（1）的变换关系主要是由机器人自带的里程计（如：编码器、IMU、laser）提供，采用的方法叫里程计位姿估计（Odometry），这一部分的主要作用是让我们知道了机器人从初始位置（odom_frame）到现在位置（base_frame）的关系，但是这一部分是相对的，我们不知道环境信息时，没法绝对的确定机器人位置，而且单纯的使用里程计定位，会产生累计漂移误差，这就需要使用某些方法确定机器人和环境之间的位置关系。

机器人和环境之间的坐标变换关系可以由很多方式给出，比如AMCL（自适应蒙特卡洛定位）专门用来机器人定位的算法、或者SLAM的方法（如激光雷达的算法gmapping），但是TF数的结构决定了一个坐标系只能有一个父坐标系（一个人只能认一个爹），base到odom的坐标变换中，base已经当做父坐标系了，因此这些定位方法往往给出里程计坐标系（odom_frame）与地图坐标系（map_frame）之间的变换关系，即（2），这样相当于间接给出了base与map之间的关系，也可以确定机器人的位置，如下图所示