robot-localization
robot_localization是一个ROS的包，基于卡尔曼滤波，对多种传感器进行数据融合，进而完成机器人的定位。近期确实遇到了需要实现更高精度定位的问题，在多方考虑下其中一部分优化方法就是引入了robot-localization库，这个库的引入还是比较简单的，但是实际上的操作方式还是和大家分享一下。

源仓库链接：cra-ros-pkg/robot_localization: robot_localization is a package of nonlinear state estimation nodes. The package was developed by Charles River Analytics, Inc. Please ask questions on answers.ros.org. (github.com)

硬件平台
此处硬件平台其实并不局限，这里以OriginBot为例好了

  • OriginBot（导航版）
  • Ubuntu 20.04

使用方式
安装robot-localization
基本有两种方式了。

  • 一种是使用二进制方式下载

sudo apt install ros-foxy-robot-localization

这种方式可以直接把包拿来使用，比较方便而且也是最快上手的方式了

  • 第二种是直接拉源码包出来用。

这里需要说明的是，类似这种官方源码包如果在不熟悉的情况下取改动的话出错的概率还是很大的，所以推荐第一种使用方式。

下载完成之后无论如何请执行养成良好的工程习惯

source /opt/ros/foxy/setup.bash
配置robot-localization
说起配置，其实是一件很简单的事情了。说回来robot-localization，本质上拿到的是两组数据，一组为odom（里程计数据）、一组为IMU（陀螺仪数据），然后将两组数据利用卡尔曼滤波的方式去预测当前真实的位置。

如何去配置呢？一般的工科做法当然是尽可能使用配置文件来做。所以就有了ekf.yaml文件，ekf翻译过来就是扩展卡尔曼滤波。【如果按照我的理解，扩展卡尔曼滤波相对于卡尔曼滤波的差别就是可以进一步处理非线性的数据】

ekf.yaml文件的内容如下：

点击ros2 robot-localization配置 - 古月居可查看全文

# 机器人
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

Understand Anything 多智能体知识图谱管线：从代码扫描到可交互 Dashboard 的实现解析

本文以 Understand Anything 的官方文档为主线，系统拆解它如何用一条「Tree-sitter 静态分析 + LLM 语义理解」的多智能体管线，把任意代码库 / 知识库 / 文档转换成可探索、可检索、可问答的知识图谱，并落到一个可交互的 Web Dashboard。读完你应能掌握：如何安装并在 Claude Code / Codex / Cursor / Copilot / Gem

avatar 天工造物局

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局