要知道我們相對於起點的位置，最簡單的方式就是時刻知道自己朝什麼方向前進了多少－－然後把這些數值加總起來。然而對人類來說，可以依靠羅盤等方式來累計，但對於機器人來說要怎麼做呢？

我們以最常見的雙輪驅動速差小車為例（包含許多常見平台以及我們的智慧機器人），一個比較簡單的方式是在馬達上加上編碼器，透過計算編碼器的數值來知道車子左右輪轉動的圈數，接著只需要知道輪幅就可以計算出移動的距離了。

計算看似美好，但存在一些缺點－－比方說，輪子在光滑平面上利用速差轉彎時，容易有滑動的狀況。在這種情況發生後，里程計的數值就不能直接代表移動距離。

這時候我們就會嘗試加入IMU（Inertial measurement unit，慣性測量單元）來輔助。IMU量測的是三軸（XYZ）上的重力加速度以及三軸的角速度－－很顯然的，加速度這種數值就是有變化的瞬間量測。因此IMU擅長的是短時間的變化，剛好可以跟前面的編碼器相輔相成，結合兩者的資料就可以得到相對準確的里程計。

而具體這些數值的計算是一個不短的數學過程，發送的ROS訊息格式要填的東西也很多。幸好，大部分的底盤供應商都會把這些東西打包完成，我們只需要使用廠商提供的package就可以了。

而里程計的訊息則會以nav_msgs/odometry的格式發送到odom這個頻道去。這個訊息的格式具體如下：

std_msgs/Header header
string child_frame_id
geometry_msgs/PoseWithCovariance pose
geometry_msgs/TwistWithCovariance twist

把底下兩個msg的格式再拆開：

std_msgs/Header header
string child_frame_id

#geometry_msgs/PoseWithCovariance pose
#Point position
float64 x
float64 y
float64 z

#Quaternion orientation
float64 x
float64 y
float64 z
float64 w

float64[36] covariance

###############################
#geometry_msgs/TwistWithCovariance twist

#Vector3  linear
float64 x
float64 y
float64 z

#Vector3  angular
float64 x
float64 y
float64 z

float64[36] covariance

......恩，幸好通常供應商會幫忙弄好。

但我們還是要學會看懂資料內容，其中比較沒看過的恐怕會是pose中的Quaternion這個資料了－－於是，下一篇我們就來科普一下Quaternion是什麼。