ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用

文章目錄

1 機器人必備條件
- 1.1 硬體要求
- 1.2 深度資訊
- - 1.2.1 雷射雷達
  - 1.2.2 kinect
- 1.3 裡程計資訊
- 1.4 仿真環境
2 SLAM功能包的使用方法
- 2.1 gmapping
- - 2.1.1 gmapping 功能包
  - 2.1.2 栅格地圖取值原理
  - 2.1.3 gmapping安裝
  - 2.1.4 配置gmapping節點
  - 2.1.5 啟動gmapping示範(雷射雷達)
  - 2.1.6 啟動gmapping(kinect)
- 2.2 hector_slam
- - 2.2.1 hector_slam功能包
  - 2.2.2 安裝hector_slam
  - 2.2.3 配置hector_mapping節點
  - 2.2.4 啟動hector_slam示範
- 2.3 cartographer
- - 2.3.1 cartographer功能包
  - 2.3.2 cartographer安裝
  - 2.3.3 啟動2D、3D 示範
  - 2.3.4 把cartographer功能包運作到自己的機器人上
  - 2.3.5 啟動cartographer仿真
- 2.4 ORB_SLAM
- - 2.4.1 ORB_SLAM功能包
  - 2.4.2 ORB_SLAM2安裝
  - 2.4.3 啟動單目SLAM示例（基于資料包）
  - 2.4.4 啟動AR示例（基于資料包）
  - 2.4.5 啟動ORB_SLAM示例（真實攝像頭）
  - 2.4.6 啟動AR示例（真實攝像頭）
3 參考資料

1 機器人必備條件

1.1 硬體要求

（1）差分輪式機器人，可使用twist速度指令控制

$ rosmsg show geometry_msgs/Twist

geometry_msgs/Vector3 linear   # linear：xyz方向上的線速度，機關是m/s;
  float64 x
  float64 y
  float64 z
geometry_msgs/Vector3 angular  # angular:xyz方向上的角速度，機關是rad/s。
  float64 x
  float64 y
  float64 z

（2）機器人必須安裝雷射雷達等測距裝置，可以擷取環境深度資訊。

（3）最好使用正方形和圓形的機器人，其他外形的機器人雖然可以使用但是效果可能不佳。

1.2 深度資訊

1.2.1 雷射雷達

$ rosmsg show sensor_msgs/LaserScan           # 檢視雷射雷達消息結構

std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
float32 angle_min 
float32 angle_max    
float32 angle_increment  
float32 time_increment 
float32 scan_time  
float32 range_min
float32 range_max
float32[] ranges
float32[] intensities

angle_min：可檢測範圍的起始角度； （—180——180度 ）
angle_max：可檢測範圍的終止角度，與angle_min組成雷射雷達的可檢測範圍；
angle_increment：相鄰資料幀之間的角度步長；
time_incremen：采集到相鄰資料幀之間的時間步長，當傳感器處于相對運動狀态時進行補償使用。
scan_time：采集一幀資料所需要的視覺；
rang_min：最近可檢測深度的門檻值；
rang_max：最遠可檢測深度的門檻值；
ranges：一幀深度資料的存儲數組。
intensities：每個雷射點的強度

1.2.2 kinect

Kinect等GRB-D攝像頭，也可以通過紅外攝像頭擷取周圍環境的深度資訊。

depthimage_to_laserscan功能包：将三維點雲資料轉換為二維雷射雷達資料；

<!--depthimage_to_laserscan節點，将點雲深度資料轉換成雷射資料-->
<node pkg="depthimage_to_laserscan" type="depthimage_to_laserscan" name="depthimage_to_laserscan" output="screen">
    <remap from="image" to="/kinect/depth/image_raw"/>
    <remap from="camera_info" to=/kinect/depth/camera_info"/>
    <remap froam="scan" to="/scan"/>
    <param name="output_frame_id" value="/camera_link"/>
</node>

1.3 裡程計資訊

$ rosmsg show nav_msgs/odometry

pose：機器人目前位置坐标，包括機器人的XYZ三軸位置與方向參數，以及用于校正誤差的方差矩陣
twist：機器人目前的運動狀态，包括XYZ三軸的線速度與角速度，以及用于校正誤差的方差矩陣。
注意：ROS中所有的坐标系都是右手坐标系。

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

1.4 仿真環境

在視訊中給出了一個仿真環境：

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch     # 啟動仿真環境

# 使用Building Editor建立仿真環境cloister.world

2 SLAM功能包的使用方法

論文參考：https://openslam-org.github.io/gmapping.html

2.1 gmapping

2.1.1 gmapping 功能包

基于雷射雷達

Rao-Blackwellized 粒子濾波算法

二維栅格地圖

需要機器人提供裡程計資訊

OpenSlam開源算法

輸出地圖話題：nav_msgs/OccupancyGrid

$ rosmsg show nav_msgs/OccupancyGrid

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.1.2 栅格地圖取值原理

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.1.3 gmapping安裝

$ sudo apt-get install ros-kinetic-gmapping

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.1.4 配置gmapping節點

參考： http://wiki.ros.org/gmapping

catkin_ws/src/mbot_navigation/launch/gmapping.launch

<launch>
    <arg name="scan_topic" default="scan" />

    <node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen" clear_params="true">
        <param name="odom_frame" value="odom"/>
        <param name="map_update_interval" value="5.0"/>
        <!-- Set maxUrange < actual maximum range of the Laser -->
        <param name="maxRange" value="5.0"/>
        <param name="maxUrange" value="4.5"/>
        <param name="sigma" value="0.05"/>
        <param name="kernelSize" value="1"/>
        <param name="lstep" value="0.05"/>
        <param name="astep" value="0.05"/>
        <param name="iterations" value="5"/>
        <param name="lsigma" value="0.075"/>
        <param name="ogain" value="3.0"/>
        <param name="lskip" value="0"/>
        <param name="srr" value="0.01"/>
        <param name="srt" value="0.02"/>
        <param name="str" value="0.01"/>
        <param name="stt" value="0.02"/>
        <param name="linearUpdate" value="0.5"/>
        <param name="angularUpdate" value="0.436"/>
        <param name="temporalUpdate" value="-1.0"/>
        <param name="resampleThreshold" value="0.5"/>
        <param name="particles" value="80"/>
        <param name="xmin" value="-1.0"/>
        <param name="ymin" value="-1.0"/>
        <param name="xmax" value="1.0"/>
        <param name="ymax" value="1.0"/>
        <param name="delta" value="0.05"/>
        <param name="llsamplerange" value="0.01"/>
        <param name="llsamplestep" value="0.01"/>
        <param name="lasamplerange" value="0.005"/>
        <param name="lasamplestep" value="0.005"/>
        <remap from="scan" to="$(arg scan_topic)"/>
    </node>
</launch>

2.1.5 啟動gmapping示範(雷射雷達)

分别開啟三個終端運作以下指令：

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch    # 啟動仿真環境
$ roslaunch mbot_navigation gmapping_demo.launch  # 啟動建圖節點，灰色地圖建成，黑色障礙物
$ roslaunch mbot_teleop mbot_teleop.launch        #啟動鍵盤控制節點

建圖完畢，儲存地圖

$ rosrun map_server map_saver -f cloister_gmapping  

# cloister_gmapping是檔案名的意思，是自己儲存檔案名的意思
# 儲存的路徑在目前/home檔案夾下,有兩個檔案.pgm和.yaml

2.1.6 啟動gmapping(kinect)

建圖效果不佳（不推薦）

$ roslaunch mbot_gazebo mbot_kinect_nav_gazebo.launch
$ roslaunch mbot_navigation gmapping_demo.launch
$ roslaunch mbot_teleop mbot_teleop.launch

2.2 hector_slam

2.2.1 hector_slam功能包

基于雷射雷達

高斯牛頓方法

二維栅格地圖

不需要裡程計資料

輸出地圖話題：

nav_msgs/OccupancyGrid

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.2.2 安裝hector_slam

$ sudo apt-get install ros-kinetic-hector-slam

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.2.3 配置hector_mapping節點

參數說明可參考：http://wiki.ros.org/hector_slam

catkin_ws/src/mbot_navigation/launch/hector.launch

<launch>

    <node pkg = "hector_mapping" type="hector_mapping" name="hector_mapping" output="screen">
        <!-- Frame names -->
        <param name="pub_map_odom_transform" value="true"/>
        <param name="map_frame" value="map" />
        <param name="base_frame" value="base_footprint" />
        <param name="odom_frame" value="odom" />

        <!-- Tf use -->
        <param name="use_tf_scan_transformation" value="true"/>
        <param name="use_tf_pose_start_estimate" value="false"/>

        <!-- Map size / start point -->
        <param name="map_resolution" value="0.05"/>
        <param name="map_size" value="2048"/>
        <param name="map_start_x" value="0.5"/>
        <param name="map_start_y" value="0.5" />
        <param name="laser_z_min_value" value = "-1.0" />
        <param name="laser_z_max_value" value = "1.0" />
        <param name="map_multi_res_levels" value="2" />

        <param name="map_pub_period" value="2" />
        <param name="laser_min_dist" value="0.4" />
        <param name="laser_max_dist" value="5.5" />
        <param name="output_timing" value="false" />
        <param name="pub_map_scanmatch_transform" value="true" />

        <!-- Map update parameters -->
        <param name="update_factor_free" value="0.4"/>
        <param name="update_factor_occupied" value="0.7" />    
        <param name="map_update_distance_thresh" value="0.2"/>
        <param name="map_update_angle_thresh" value="0.06" />

        <!-- Advertising config --> 
        <param name="advertise_map_service" value="true"/>
        <param name="scan_subscriber_queue_size" value="5"/>
        <param name="scan_topic" value="scan"/>
    </node>

</launch>

2.2.4 啟動hector_slam示範

分别開啟三個終端運作以下指令：

$ roslaunch mbot_gazebo mbot_laser_nav_gazebo.launch     # 動一個gazebo仿真節點
$ roslaunch mbot_navigation hector_demo.launch     # hector建圖節點
$ roslaunch mbot_teleop mbot_teleop.launch          # 啟動一個鍵盤控制節點

第一個節點啟動了gazebo仿真，它使用仿真的雷達給出了一個scan掃描資料；而後下面的節點訂閱了這個資料并進行處理，最後得到一個二維栅格地圖。

hector這個算法有一個很大的問題，就是在于它的自定位，它利用自身的雷射雷達資料進行定位，如果上一次的掃描資料與下一次的掃描資料基本一緻的話，它就很難确定自己是否在運動，例如當我給一個足夠大的空間，這裡有一條沒有任何特征點的長廊，長度遠遠超過雷射掃描的最大距離時，hector基本就失去了建圖的能力。

2.3 cartographer

2.3.1 cartographer功能包

2016年10月5日，谷歌開源

基于圖網絡的優化方法

二維或三維條件下的定位及建圖功能

設計目的是在計算資源有限的情況下，實時擷取相對較高精度的2D地圖

主要基于雷射雷達

後續會支援更多傳感器和機器人平台，同時不斷增加新的功能。

2.3.2 cartographer安裝

方法一：（新方法）

sudo apt-get update
 
sudo apt-get install ros-<your ros version>-cartographer*  # 安裝全部關于cartographer的包

方法二：原來的方法（有好處）

cartographer功能功能包沒有內建到ROS的軟體源裡面，是以需要采用源碼編譯方式進行安裝。為了不與其他安裝包沖突，最好為cartographer專門建立一個工作空間，這裡我們建立了一個工作空間catkin_google_ws：

1、安裝工具：

$ sudo apt-get update
$ sudo apt-get install -y python-wstool python-rosdep ninja-build

2、初始化工作空間：

$ mkdir google_ws            # 建立工作空間，名稱為google_ws
$ cd google_ws
$ wstool init src

3、設定下載下傳位址（挂VPN最好）

在建立的工作空間下輸入下邊指令：

# 如果這一步錯誤，見下面方法一、方法二
$ wstool merge -t src https://raw.githubusercontent.com/googlecartographer/cartographer_ros/master/cartographer_ros.rosinstall                 

$ wstool update -t src

說明：配置Cartographer需要三個包，分别是：Cartographer、Cartographer_ros 和ceres-solver。

方法一：

# 如果無法從google取出代碼可以從github提取code：
# 在~/google_ws/src下目錄下面ctrl+h打開隐藏檔案夾，修改裡面第三個包的下載下傳位址： 

https://github.com/ceres-solver/ceres-solver.git

方法二：

# 輸入完第一個指令後需要改檔案的下載下傳位址，另起終端輸入：

$ gedit google_ws/src/.rosinstall

# 将最後一個git來源網址由https://ceres-solver.googlesource.com/ceres-solver.git改為https://github.com/ceres-solver/ceres-solver.git       如該果可以挂VPN可以不改。

4、安裝功能包依賴

# 安裝  proto3.sh
進入protobuf的release版本下載下傳頁，link：https://github.com/protocolbuffers/protobuf/releases
# 在google_ws目錄下
# protobuf的下載下傳太慢，可以在官網手動下載下傳好，放到cartographer目錄下(和src同級，具體操作如下)

$ src/cartographer/scripts/install_proto3.sh

# 安裝 deb 依賴，出現錯誤可以忽略 
$ sudo rosdep init

$ rosdep update
$ rosdep install --from-paths src --ignore-src --rosdistro=${kinetic} -y

5、編譯功能包

6、在目前終端，設定環境變量

建議把該句source指令直接寫入系統的bashrc環境裡

$ vim ./bashrc 
source install_isolated/setup.bash           # 然後把該句source指令添加到最後一行即可

2.3.3 啟動2D、3D 示範

# Download the 2D backpack example bag.
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_2d/cartographer_paper_deutsches_museum.bag
 
# Launch the 2D backpack demo.
roslaunch cartographer_ros demo_backpack_2d.launch bag_filename:=${HOME}/Downloads/cartographer_paper_deutsches_museum.bag
 
# Download the 3D backpack example bag.
wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/backpack_3d/with_intensities/b3-2016-04-05-14-14-00.bag
 
# Launch the 3D backpack demo.
roslaunch cartographer_ros demo_backpack_3d.launch bag_filename:=${HOME}/Downloads/b3-2016-04-05-14-14-00.bag

啟動Revo LDS demo示範

啟動PR2 demo填示

wget -P ~/Downloads https://storage.googleapis.com/cartographer-public-data/bags/pr2/2011-09-15-08-32-46.bag

roslaunch cartographer_ros demo_pr2.launch bag_filename:=~/Downloads/2011-09-15-08-32-46.bag

2.3.4 把cartographer功能包運作到自己的機器人上

由于傳感器的rostopic不同，我們需要對cartographer訂閱的名稱進行修改，需要在launch檔案中進行修改，但是修改後發現沒有任何作用，這是因為修改後需要重新按照上面的流程進行編譯安裝，這個可能是因為在安裝的時候其實已經把launch檔案安裝到系統中了，是以我們調用的時候還是調用系統中的launch檔案

1、配置cartographer節點

mbot_navigation/launch/cartographer_demo_rplidar.launch

2、參數配置

mbot_navigation/config/rplidar.lua

2.3.5 啟動cartographer仿真

catkin_make_isolated --install--use-ninja 
roslaunch mbot_ gazebo mbot_laser_nav_gazebo.launch 
roslaunch cartographer_ros cartographer_demo_rplidar.launch 
roslaunch mbot_teleop mbot_teleop.launch

2.4 ORB_SLAM

2.4.1 ORB_SLAM功能包

基于特征點的實時單目SLAM系統

實時解算錄影機的移動軌迹

建構三維點雲地圖

不僅适用于手持裝置擷取的一組連續圖像，也可以應用于汽車行駛過程中擷取的連續圖像

Raul Mur-Artal，J.M.M.Montiel和Juan D.Tardos于2015年發表在IEEE Transactions on Robotics上

2.4.2 ORB_SLAM2安裝

1、安裝工具&下載下傳源碼：

sudo apt-get install libboost-all-dev libblas-dev liblapack-dev
git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2       # 克隆到home下

2、安裝eigen3.2.10

去官網下載下傳：http://eigen.tuxfamily.org/index.php?title=Main_Page

解壓源碼包，并進入目錄：

mkdir build

cd build

cmake ..

make

sudo make install

3、編譯g2o

cd ~/ORB_SLAM2/Thirdparty/g2o/

mkdir build

cd build

cmake .. -DCMAKE_BUILD_TYPE=Release

make

4、編譯DBoW2

cd ~/ORB_SLAM2/Thirdparty/DBoW2/

mkdir build && cd build 

cmake .. -DCMAKE_BUILD_TYPE=Release

make

5、編譯Pangolin

sudo apt-get install libglew-dev 

git clone https://github.com/stevenlovegrove/Pangolin.git

cd Pangolin

mkdir build && cd build 

cmake ..

cmake --build .

6、編譯ORM_SLAM

cd ~/ORB_SLAM2

mkdir build && cd build 

cmake .. -DCMAKE_BUILD_TYPE=Release

make

7、編譯功能包（配置ROS環境）

# 首先修改.bashrc檔案
$ cd ~
$ gedit .bashrc

# 打開.bashrc檔案在最後一行加入
source ~/ORB_SLAM2/Examples/ROS/ORB_SLAM2/build/devel/setup.bash

$ source ~/.bashrc

$ export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/ggk/ORB_SLAM2/Examples/ROS
$ cd ~/ORB_SLAM2

$ chmod +x build_ros.sh
$ ./build_ros.sh

第7步，編譯功能包出現的問題：

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

解決方法：

修改 ~/ORB_SLAM2/Examples/ROS/ORB_SLAM2/CMakeLists.txt,添加 -lboost_system

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

2.4.3 啟動單目SLAM示例（基于資料包）

KITTI：http://www.cvlibs.net/datasets/kitti/eval_odometry.php，是室外，雙目

1、首先下載下傳資料包TUM：這個主要是室内，單目和RGB-D

https://vision.in.tum.de/data/datasets/rgbd-dataset/download#freiburg1_desk

在ORB-SLAM2下建立檔案夾Data，把測試的資料解壓在這裡。

TUM資料集分為相機fr1，fr2，fr3，對應TUM1-3.yaml；

一般第一次測試用fr1/xyz這個資料集，這個就是x，y，z方向來回動，用來檢測一下系統出沒出什麼問題。

其他的資料看名字就知道，比如desk就是在桌子附近來回轉，room就是在房間裡面掃來掃去。

值得注意的是，運作其他資料集的時候，單目不一定能追蹤成功，在桌上型電腦上能成功的在虛拟機上也不一定能成功，這就需要我們進行一些調整，比如調整初始化需求數量等，這個關系到對SLAM系統的了解。

2、分别打開三個終端運作下面的三個指令：

$ roscore

# 進入ORB_SLAM2目錄下啟動Mono功能節點。
# 看到開啟的等待資料的可視化建圖界面
$ rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml

# 進入資料包所在目錄下，運作指令
# /camera/image_raw表示播放的資料要釋出的話題名稱，此時可以在界面中看到建圖的效果
$ rosbag play rgbd_dataset_freiburg1_desk.bag /camera/rgb/image_color:=/camera/image_raw

PATH_TO_VOCABULARY：算法參數檔案，在ORB_SLAM2/Vocabulary中，将其中的壓縮包解壓即可；

PATH_TO_SETTINGS_FILE：相機參數設定檔案，需要對camera進行标定産生，也可以使用ORB_SLAM2/Examples/ROS/ORB_SLAM2中已有的設定檔案Asus.yaml。

2.4.4 啟動AR示例（基于資料包）

$ roscore

# 進入ORB_SLAM2目錄下啟動Mono功能節點。
# 看到開啟的等待資料的可視化建圖界面
$ rosrun ORB_SLAM2 MonoAR Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml

# 進入資料包所在目錄下，運作指令
# /camera/image_raw表示播放的資料要釋出的話題名稱，此時可以在界面中看到建圖的效果
$ rosbag play rgbd_dataset_freiburg1_desk.bag /camera/rgb/image_color:=/camera/image_raw

點選界面Insert Cube，看到正方形插入進來，展示AR效果

2.4.5 啟動ORB_SLAM示例（真實攝像頭）

$ roslaunch mbot_navigation usb_cam_remap.launch

# 進入ORB_SLAM2目錄下啟動Mono功能節點。
# 看到開啟的等待資料的可視化建圖界面
$ rosrun ORB_SLAM2 Mono Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml

2.4.6 啟動AR示例（真實攝像頭）

攝像頭要運動起來，來完成地圖建構

$ roslaunch mbot_vision usb_cam_remap.launch

# 進入ORB_SLAM2目錄下啟動Mono功能節點。
# 看到開啟的等待資料的可視化建圖界面
$ rosrun ORB_SLAM2 MonoAR Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml

3 參考資料

2.3 參考資料

Compiling Cartographer ROS

https://google-cartographer-ros.readthedocs.io/en/latest/compilation.html#building-installation

ROS slam-google cartographer編譯和demo運作

https://blog.csdn.net/x_r_su/article/details/52927564

Google Cartographer安裝教程

https://blog.csdn.net/xmy306538517/article/details/81455625

ubuntu18.04配置cartographer

https://blog.csdn.net/SimileciWH/article/details/82939752

ROS中階筆記（七）：機器人SLAM與自主導航—SLAM功能包的使用1 機器人必備條件2 SLAM功能包的使用方法3 參考資料

文章目錄

1 機器人必備條件

1.1 硬體要求

1.2 深度資訊

1.2.1 雷射雷達

1.2.2 kinect

1.3 裡程計資訊

1.4 仿真環境

2 SLAM功能包的使用方法

2.1 gmapping

2.1.1 gmapping 功能包

2.1.2 栅格地圖取值原理

2.1.3 gmapping安裝

2.1.4 配置gmapping節點

2.1.5 啟動gmapping示範(雷射雷達)

2.1.6 啟動gmapping(kinect)

2.2 hector_slam

2.2.1 hector_slam功能包

2.2.2 安裝hector_slam

2.2.3 配置hector_mapping節點

2.2.4 啟動hector_slam示範

2.3 cartographer

2.3.1 cartographer功能包

2.3.2 cartographer安裝

2.3.3 啟動2D、3D 示範

2.3.4 把cartographer功能包運作到自己的機器人上

2.3.5 啟動cartographer仿真

2.4 ORB_SLAM

2.4.1 ORB_SLAM功能包

2.4.2 ORB_SLAM2安裝

2.4.3 啟動單目SLAM示例（基于資料包）

2.4.4 啟動AR示例（基于資料包）

2.4.5 啟動ORB_SLAM示例（真實攝像頭）

2.4.6 啟動AR示例（真實攝像頭）

3 參考資料

繼續閱讀