更新：ROS2支持

对于ROS2版本，请参考分支 ros2_version。

3分钟快速入门

在已安装ROS的Ubuntu 16.04、18.04和20.04上，编译测试均已通过。 您只需依次执行以下命令即可：

sudo apt-get install libarmadillo-dev
git clone https://github.com/ZJU-FAST-Lab/ego-planner-swarm.git
cd ego-planner-swarm
catkin_make -j1
source devel/setup.bash
roslaunch ego_planner simple_run.launch

<!如果您的GitHub访问速度较慢，建议尝试使用码云仓库 https://gitee.com/iszhouxin/ego-planner-swarm。该仓库会自动同步。/>

如果您觉得这项工作有用或有趣，请为我们点个赞 :star:，谢谢！:grinning:

致谢

• 本工作是在EGO-Planner的基础上扩展到群体导航的。

EGO-Swarm

EGO-Swarm：一种完全自主且去中心化的复杂环境四旋翼无人机集群系统

EGO-Swarm 是一种去中心化、异步的系统化解决方案，仅利用机载资源即可实现在未知障碍密集场景中的多机器人自主导航。

视频链接：YouTube，哔哩哔哩（适用于中国大陆）

1. 相关论文

EGO-Swarm：一种完全自主且去中心化的复杂环境四旋翼无人机集群系统，Xin Zhou、Jiangchao Zhu、Hongyu Zhou、Chao Xu 和 Fei Gao（发表于ICRA2021）。论文链接及Science报道。

2. 标准编译

要求：Ubuntu 16.04、18.04 或 20.04，且已安装ros-desktop-full。

步骤1。安装Armadillo，这是uav_simulator所必需的。

sudo apt-get install libarmadillo-dev

步骤2。从GitHub或码云克隆代码。这两个仓库会自动同步。

从GitHub，

git clone https://github.com/ZJU-FAST-Lab/ego-planner-swarm.git

步骤3。编译，

cd ego-planner
catkin_make -DCMAKE_BUILD_TYPE=Release -j1

步骤4。运行。

在_ego-planner-swarm/_文件夹下的一个终端中，打开rviz进行可视化和交互操作：

source devel/setup.bash
roslaunch ego_planner rviz.launch

在另一个位于_ego-planner-swarm/_的终端中，通过以下命令在仿真环境中运行规划器：

source devel/setup.bash
roslaunch ego_planner swarm.launch

然后您可以按照下面的动图来控制无人机。

3. 使用IDE

我们推荐使用VSCode。您已克隆的代码中包含了项目文件，即_.vscode_文件夹。该文件夹默认是隐藏的。 请按照以下步骤配置IDE以实现自动代码补全和跳转功能，整个过程大约需要3分钟。

步骤1。在VSCode中安装C++和CMake插件。

步骤2。使用以下命令重新编译代码：

catkin_make -DCMAKE_BUILD_TYPE=Release -DCMAKE_EXPORT_COMPILE_COMMANDS=Yes

这将导出一个编译命令文件，帮助VSCode理解代码架构。

步骤3。启动VSCode并选择打开_ego-planner_文件夹：

code ~/<......>/ego-planner-swarm/

在VSCode中按Ctrl+Shift+B来编译代码。此命令已在_.vscode/tasks.json_中定义。您可以在**"args"后添加自定义参数，默认为"-DCMAKE_BUILD_TYPE=Release"**。

步骤4。关闭并重新启动VSCode，您会发现它已经理解了代码架构，并能进行自动补全和跳转。

4. 是否使用GPU

本仓库中的local_sensing包提供了GPU和CPU两种版本。默认情况下，为了更好的兼容性，使用的是CPU版本。若要启用CUDA以生成类似真实深度相机的深度图像，只需将local_sensing包中的_CMakeList.txt_文件中的

set(ENABLE_CUDA false)

改为

set(ENABLE_CUDA true)

同时，请记得修改_CMakeList.txt_中

    set(CUDA_NVCC_FLAGS 
      -gencode arch=compute_61,code=sm_61;
    ) 

这一行的'arch'和'code'标志。如果您因使用的NVIDIA显卡不同而遇到编译错误，或无法看到预期的深度图像，可以通过链接1或链接2检查正确的设置。

别忘了重新编译代码！

local_sensing是模拟传感器模块。当ENABLE_CUDA为true时，它会模仿立体相机测量的深度，并通过GPU渲染深度图像；而当ENABLE_CUDA为false时，则会发布不带光线追踪的点云数据。我们的本地建图模块会自动选择以深度图像或点云作为输入。

关于CUDA的安装，请访问NVIDIA CUDA工具包。

5. 是否考虑动力学的无人机仿真

典型的仿真会使用动力学模型来计算无人机在给定指令下的运动轨迹。 然而，求解微分方程需要不断迭代，这会消耗大量计算资源。 在运行无人机集群时，这种计算负担可能导致明显的延迟。 在我使用的i7 9700KF CPU上，15架无人机已经是上限。 因此，出于兼容性和可扩展性的考虑，我默认使用“fake_drone”包，直接将指令转换为无人机的里程计信息。

如果您希望使用更真实的四旋翼模型，可以取消注释simulator.xml中的节点quadrotor_simulator_so3和so3_control/SO3ControlNodelet，以启用考虑动力学的四旋翼仿真。 请注意，在上述两个节点之后，务必注释掉poscmd_2_odom包。

6. 充分发挥CPU性能

我们的规划器计算时间过短，操作系统来不及提升CPU频率，这会导致计算时间变长且不稳定。

因此，我们建议您手动将CPU频率设置为最高。首先，通过以下命令安装工具：

sudo apt install cpufrequtils

然后，您可以使用以下命令将CPU频率设置为最大允许值：

sudo cpufreq-set -g performance

更多信息请参阅http://www.thinkwiki.org/wiki/How_to_use_cpufrequtils。

请注意，在高负载情况下，由于温度过高，CPU频率仍可能降低。

许可证

本项目源代码采用GPLv3许可证发布。

维护

我们仍在致力于扩展所提出的系统并提高代码的可靠性。

如遇任何技术问题，请联系Xin Zhou（iszhouxin@zju.edu.cn）或Fei GAO（fgaoaa@zju.edu.cn）。

如需商业合作，请联系Fei GAO（fgaoaa@zju.edu.cn）。

EGO-Swarm 快速上手指南

EGO-Swarm 是一个完全自主、去中心化的四旋翼无人机集群系统，专为在未知且障碍物密集的环境中进行多机器人自主导航而设计。本指南将帮助您在 3 分钟内完成编译并运行仿真演示。

1. 环境准备

系统要求：

• 操作系统：Ubuntu 16.04 / 18.04 / 20.04
• ROS 版本：需安装 ros-desktop-full (对应系统的 Kinetic/Melodic/Noetic)

前置依赖： 本项目依赖 Armadillo 线性代数库，请先执行以下命令安装：

sudo apt-get install libarmadillo-dev

2. 安装步骤

为保证国内下载速度，推荐使用 Gitee 镜像源（与 GitHub 仓库自动同步）。

第一步：克隆代码

git clone https://gitee.com/iszhouxin/ego-planner-swarm.git
# 若需使用 GitHub 源，请使用：git clone https://github.com/ZJU-FAST-Lab/ego-planner-swarm.git

第二步：编译项目 进入项目目录并使用单线程编译（推荐以避免内存溢出）：

cd ego-planner-swarm
catkin_make -DCMAKE_BUILD_TYPE=Release -j1

第三步：配置环境变量

source devel/setup.bash

3. 基本使用

以下命令将启动可视化界面 (RViz) 并运行集群仿真演示。请打开两个终端分别执行。

终端 1：启动可视化界面 用于观察无人机状态及进行交互：

source devel/setup.bash
roslaunch ego_planner rviz.launch

终端 2：启动集群仿真 在同一个项目目录下，运行规划器仿真节点：

source devel/setup.bash
roslaunch ego_planner swarm.launch

启动后，您将在 RViz 中看到无人机集群在障碍环境中自主飞行。您可以参考项目文档中的演示 GIF 了解如何通过鼠标交互控制无人机。

提示：若需获得最佳计算性能，建议将 CPU 频率设置为高性能模式：

sudo apt install cpufrequtils
sudo cpufreq-set -g performance