文章目录

TurtleBot3 ROS2 避障仿真

安装

二进制安装

sudo apt-get install ros-humble-turtlebot3-gazebo ros-humble-turtlebot3-navigation2 ros-humble-turtlebot3-cartographer
export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/opt/ros/galactic/share/turtlebot3_gazebo/models
export TURTLEBOT3_MODEL=burger

源码安装

mkdir -p ~/turtlebot3_ws/src
cd ~/turtlebot3_ws/src/
# 如果没有`humble-devel`，则试试`humble` simulations humble 缺东西，用main
git clone -b humble-devel https://github.com/ROBOTIS-GIT/DynamixelSDK.git
git clone -b humble-devel https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git
git clone -b humble-devel https://github.com/ROBOTIS-GIT/turtlebot3.git

#git clone -b humble-devel https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git
git clone -b humble https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git
#编译
colcon build --symlink-install

建议~/.bashrc 添加:

_turtle3init() {
  source ~/workspace/simulation_ws/install/setup.bash
  export ROS_DOMAIN_ID=30 #TURTLEBOT3
  export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:~/workspace/simulation_ws/src/turtlebot3/src/turtlebot3_simulations/turtlebot3_gazebo/models
  export TURTLEBOT3_MODEL=burger
}
alias turtle3init='ros2init && _turtle3init && source ~/.bashrc'

而后，打开新终端时，通过执行turtle3init可进行turtlebot3相关包及ros2的环境初始化。

先建图后避障步骤

1 SLAM 建图 (Creating a Map using SLAM)

建图的目标是让机器人在未知环境中移动，同时利用其传感器（如激光雷达）数据构建一张环境地图。

  1. 启动 Gazebo 仿真环境：
    打开一个终端，设置机器人模型（例如 burger 或 waffle_pi）并启动 Gazebo 世界：

    ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py

    Gazebo 会启动并显示一个带有 TurtleBot3 和一些障碍物的世界。

    对应的tf-tree:ros2 run rqt_tf_graph rqt_tf_graph
    在这里插入图片描述
    如下报错：
    - PackageNotFoundError: "package 'ros_gz_sim' not
    - PackageNotFoundError: "package 'ros_gz_brdige' not
    安装对应sudo apt-get install ros-humble-ros-gz-bridge ros-humble-ros-gz-sim

  2. 启动 SLAM 节点：
    打开另一个终端，同样设置机器人模型，然后启动 SLAM 节点（例如使用 cartographer）：

    ros2 launch turtlebot3_cartographer cartographer.launch.py use_sim_time:=True

    use_sim_time:=True 参数告诉 ROS 2 使用 Gazebo 的仿真时间。同时，Rviz2 会打开以可视化正在创建的地图。

  3. 控制机器人移动以构建地图：
    再打开一个终端，启动键盘控制节点：

    ros2 run turtlebot3_teleop teleop_keyboard

    根据终端提示，使用键盘控制 TurtleBot3 在 Gazebo 环境中缓慢移动（移动太快可能导致建图效果不佳），尽可能探索整个环境，直到 Rviz2 中的地图绘制完整。

  4. 保存地图：
    当地图构建完成后，打开一个新的终端，使用 map_saver 保存地图：

    ros2 run nav2_map_server map_saver_cli -f ~/map  # -f 后接地图文件的保存路径和名称

    此命令会在指定目录（如用户主目录 ~）下生成两个文件：map.pgm（地图图像）和 map.yaml（地图配置文件）。请记下 map.yaml 文件的完整路径，导航时需要用到。

  5. 关闭所有节点：
    完成建图后，在之前启动 teleop_keyboard, cartographer, gazebo 的终端中分别按 Ctrl+C 退出所有节点。

2 导航与避障 (Navigation and Obstacle Avoidance)

导航阶段的目标是让机器人利用上一阶段创建的地图，进行自主定位并规划路径到指定目标点，同时能避开动态障碍物。

  1. 再次启动 Gazebo 仿真环境：
    （确保 TURTLEBOT3_MODEL 设置一致）在终端中运行：

    ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py

    在这里插入图片描述

  2. 启动 Nav2 导航系统：
    打开另一个终端，确保已指定机器人模型，并运行导航启动文件，注意提供正确的地图路径（即刚才保存的 map.yaml 文件的路径）：

    ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:=True map:=/home/xx/map.yaml #建议为为绝对路径

在这里插入图片描述

此命令会启动 Nav2 的所有相关节点，包括全局和局部规划器、行为服务器等，并在 RViz2 中打开可视化界面。

在启动 turtlebot3_navigation2 navigation2.launch.py 后，在RViz2中看到地图和机器人模型时，导航并没有真正开始。因为此时AMCL还不知道机器人在地图中的初始位置，因此无法发布正确的 map -> odom 变换。

  1. 设置初始位姿（初始化）：
    在 RViz2 中：
    • 点击工具栏中的 “2D Pose Estimate” 按钮。

需要通过RViz2中的 “2D Pose Estimate” 按钮来告诉AMCL机器人大概的初始位置和朝向：

  1. 点击RViz2工具栏中的 “2D Pose Estimate” 按钮。
  2. 在地图上点击机器人实际所在的大致位置，并拖动鼠标以指定机器人的朝向。
  3. 操作后，会看到一些分散的绿色小箭头（粒子），这表示AMCL正在尝试定位。随着机器人移动或传感器数据输入，这些粒子会逐渐收敛到机器人真实的位置上。
  • 在地图上点击并拖动，指出机器人当前大致的位置和朝向。通过此操作，为自适应蒙特卡罗定位 (AMCL) 算法提供了初始估计。
  1. 设置导航目标并观察避障行为：
    在 RViz2 中：
    • 点击工具栏中的 “2D Nav Goal” 按钮。
    • 在地图上点击希望机器人到达的目标位置，并拖动鼠标以指定机器人的最终朝向。
      之后，Nav2 便会开始工作。会在 RViz2 中看到：
    • 全局路径（通常显示为灰色或浅色线）
    • 局部代价地图（显示机器人周围的障碍物信息）
    • 局部规划路径（动态调整的路径，通常显示为绿色或其他醒目颜色的线）
    • 如果 Gazebo 世界中有动态障碍物（如移动的物体），可以观察到 TurtleBot3 如何通过局部规划实时避开它们。
      在这里插入图片描述

边建图后避障步骤

  1. 启动 Gazebo 仿真环境：
    打开一个终端，设置机器人模型（例如 burger 或 waffle_pi）并启动 Gazebo 世界： 
    ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
  2. 启动 SLAM 节点：
    打开另一个终端，同样设置机器人模型，然后启动 SLAM 节点（例如使用 cartographer）： 
    ros2 launch turtlebot3_cartographer cartographer.launch.py use_sim_time:=True
  3. 启动Nav2 节点：
    打开另一个终端，确保已指定机器人模型，并运行导航启动文件，注意提供正确的地图路径（即刚才保存的 map.yaml 文件的路径）： 
    ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:=True
    而后同样使用 RViz2 ，点击工具栏中的 “2D Nav Goal” 按钮。机器人开始边避障边建图。

Tips

遇到问题

查看详细日志: 启动导航launch文件时，添加--screen参数可以让所有节点的输出都显示在终端上，便于查看更详细的错误信息：
bash ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:=True map:=/path/to/your/map.yaml --screen

问题1：

ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
卡在Waiting for service /spawn_entity, timeout = 30

解决: 或者是慢，多等会

其他解决参考：
检查 /spawn_entity 服务是否可用：
ros2 service list | grep spawn_entity

Gazebo must be launched with the libgazebo_ros_factory.so plugin to enable the /spawn_entity service.
Solution: Launch Gazebo with the correct plugins:

gazebo -s libgazebo_ros_init.so -s libgazebo_ros_factory.so

问题2： 卡在：

ros2 run nav2_map_server map_server --ros-args --param yaml_filename:=/home/nin/maps/tb3map.yaml
[INFO] [1758447137.857729744] [map_server]:
map_server lifecycle node launched.
Waiting on external lifecycle transitions to activate
See https://design.ros2.org/articles/node_lifecycle.html for more information.
[INFO] [1758447137.857788968] [map_server]: Creating

解决： 手动触发生命周期转换（用于测试和调试）

在两个新的终端中，分别执行以下命令：

  1. 配置 (Configure) 节点，将其从未配置状态转换为非活动状态，进行必要的初始化：

    ros2 lifecycle set /map_server configure

    成功执行后，终端应显示 Transitioning successful。

  2. 激活 (Activate) 节点，将其从非活动状态转换为活动状态，开始发布地图数据：

    ros2 lifecycle set /map_server activate

    成功执行后，终端应显示 Transitioning successful，并且 map_server 应该会开始发布 /map 话题。

其他的各种问题： 世界中没有模型等通用尝试方法

  • 尝试清理Gazebo进程并重启
    有时可能是由于Gazebo进程没有完全退出导致的。

    killall gzserver
killall gzclient
# 然后再重新启动launch文件

  • 检查 GAZEBO_MODEL_PATH 和 GAZEBO_RESOURCE_PATH 环境变量是否包含正确路径：

    echo $GAZEBO_MODEL_PATH
echo $GAZEBO_RESOURCE_PATH

  • 查看详细日志
    为了获得更具体的错误信息，尝试以详细模式运行Gazebo，或者查看生成的日志文件。

    • 日志文件位置通常在 ~/.ros/log/ 目录下，根据错误信息中提到的路径查找对应的 .log 文件。
    • 可以尝试直接运行 gazebo --verbose 看Gazebo本身能否正常启动。

问题：LDS_MODEL没有指定时指的是雷达型号
export export LDS_MODEL=rplidars1=rplidars1 rplidars1是可选的，参考官网。

ROS 2 TurtleBot3常用节点

TurtleBot3 的自主导航和避障功能通常由 Nav2 (Navigation2) 系统实现。Nav2 采用分层规划策略：

  • 全局规划器 (Global Planner)：负责计算从起点到终点的全局路径，通常基于已知的静态地图（如 SLAM 得到的地图）。常用算法有 A*、Dijkstra 等。
  • 局部规划器 (Local Planner) / 控制器 (Controller)：负责执行全局路径，并实时避开未知或动态的障碍物。它接收来自激光雷达等传感器的实时感知数据，并输出速度控制指令 (/cmd_vel)。常用算法有 DWA (Dynamic Window Approach)、TEB 等。

全局+局部避障是指在全局路径规划的基础上，局部规划器根据实时传感器信息（如激光雷达）动态调整机器人的运动，以避开未在地图中标注的障碍物（如临时出现的人或物体）。

ROS 2 TurtleBot3常用的launch文件及其节点作用：

Launch 文件 (Package) 主要功能 关键节点/系统 主要作用描述 常用场景/备注
turtlebot3_gazebo/turtlebot3_world.launch.py 启动 Gazebo 仿真环境 gazebo 加载包含障碍物的世界模型和 TurtleBot3 机器人 SLAM、导航算法测试
turtlebot3_gazebo/turtlebot3_house.launch.py 启动房屋环境的 Gazebo 仿真 gazebo 加载一个房屋内部环境的模型和 TurtleBot3 机器人 在更复杂的环境中进行导航测试
turtlebot3_gazebo/turtlebot3_empty_world.launch.py 启动空世界的 Gazebo 仿真 gazebo 加载一个空的世界（仅地面和天空）和 TurtleBot3 机器人 基础功能测试
turtlebot3_cartographer/cartographer.launch.py 启动 Cartographer SLAM 建图 cartographer_node
rviz2		 处理激光雷达和里程计数据，实时构建地图
可视化建图过程和传感器数据		 需要在启动命令中设置 use_sim_time:=True
turtlebot3_navigation2/navigation2.launch.py 启动 Nav2 导航系统 controller_server
planner_server
behavior_server
bt_navigator
rviz2		 局部路径规划与跟踪（DWA 等算法）
全局路径规划（A* 等算法）
处理恢复行为等
执行导航任务的行为树
可视化导航、设置目标、初始化位姿		 依赖现有地图，需提供 map.yaml 路径
turtlebot3_teleop/teleop_keyboard.launch.py 启动键盘控制节点 teleop_keyboard 发布 /cmd_vel 话题控制机器人移动 手动控制机器人运动进行建图或测试
turtlebot3_fake_node/turtlebot3_fake_node.launch.py 启动假的 TurtleBot3 节点（无物理仿真） turtlebot3_fake_node
robot_state_publisher		 发布模拟的机器人关节状态和 TF 变换
发布机器人模型到 TF		 在没有 Gazebo 的情况下测试机器人模型或 TF 树
nav2_bringup/tb3_simulation_launch.py (Nav2 官方) Nav2 完整的仿真导航启动文件（包含 Gazebo 和 Nav2） gazebo
nav2_bringup 相关节点		 启动 Gazebo 仿真世界和 TurtleBot3
启动完整的 Nav2 导航节点栈		 一条命令启动完整仿真，无需分别启动 Gazebo 和 Nav2
在RViz2中单独加载地图

如果导航启动文件无法正确加载地图，手动在RViz2中添加并配置地图显示。以下是操作步骤：

  1. 启动RViz2:
    在一个新的终端中，直接启动RViz2：

    rviz2

  2. 添加Map显示组件:

    • 在RViz2左侧的Displays面板中，点击底部的 “Add” 按钮。
    • 在弹出的对话框中，选择 “Map” 并点击 “OK”。
    • Displays 面板下会列出新添加的"Map"选项。

  3. 配置Map显示组件:

    • 点击新添加的 “Map” 旁边的展开箭头。
    • 找到 “Topic” 设置项。将其修改为地图话题。导航栈通常默认使用 /map 话题，但有时也可能不同（例如 /global_costmap/costmap 或其他）。可以使用 ros2 topic list 或 ros2 topic echo /map 来检查地图话题是否有数据。
    • 确保 “Alpha”（透明度）和 “Color Scheme”（颜色方案）等参数符合需求。
    • 最重要的是，检查并设置RViz2的 “Fixed Frame”（位于Global Options下）。通常需要将其设置为 map。如果map坐标系不存在，RViz2可能会报错，并且地图无法显示。

  4. 检查坐标系（TF）:
    地图需要与一个坐标系（通常是map坐标系）关联。如果RViz2的固定帧（Fixed Frame）设置为map，但却提示[map]坐标系不存在或TF树有问题，地图也无法显示。此时，需要确保有节点（如map_server）正在发布地图数据，并且TF树是完整的（例如，存在map到odom的变换）。

  5. 从YAML文件加载地图（备用方法）:
    如果想直接从一个已保存的.yaml地图文件加载地图到RViz2中，可以手动运行map_server：

    ros2 run nav2_map_server map_server /path/to/your/map.yaml

    运行这个命令后，map_server节点会发布地图话题（默认是/map），然后就可以在RViz2中通过订阅这个话题来显示地图了。

RViz 2D Nav Goal 消息
信息组成部分 含义 数据类型/示例
Topic 名称 通信的通道 /goal_pose (默认)
消息类型 数据的结构 geometry_msgs/msg/PoseStamped
Header 元数据 -
header.stamp 消息发布时间 {sec: 1717…, nanosec: …}
header.frame_id 目标位姿的参考坐标系 “map”
Pose 具体的位姿 -
pose.position 目标点的 (x, y, z) 坐标 {x: 2.5, y: 1.8, z: 0.0}
pose.orientation 目标朝向（四元数表示） {x: 0.0, y: 0.0, z: 0.707, w: 0.707}

因此，“2D Nav Goal” 按钮发送的核心信息就是：一个基于特定坐标系（如 map）下的目标位置和朝向。 导航栈接收到这个信息后，便会开始规划路径并控制机器人向该目标移动。

Nav2 与避障调参

Nav2 的强大之处在于其高度可配置性。可以通过修改 nav2_params.yaml 等参数文件来精细调整全局和局部规划器的行为，例如：

  • 全局代价地图参数：inflation_radius（膨胀半径，控制与障碍物保持的距离）。
  • 局部规划器参数（以 DWA 为例）：max_vel_x（最大线速度）、max_rot_vel（最大旋转速度）、sim_time（模拟前瞻时间）等。
  • 目标容差：xy_goal_tolerance（位置容差）、yaw_goal_tolerance（朝向容差）。
坐标系 描述 发布者 (TurtleBot3典型情况) 父坐标系
map 全局固定坐标系，代表世界坐标系。 导航栈 (如 amcl) None (最顶层)
odom 里程计坐标系，随机器人移动而累积漂移。 Gazebo插件 (如 libgazebo_ros_diff_drive.so) map
base_footprint 机器人底座中心的当前瞬时位置，无漂移。 robot_state_publisher (根据URDF和/joint_states计算) odom
base_link 机器人底座的中心，是机器人模型的主要链接。 robot_state_publisher (根据URDF和/joint_states计算) base_footprint
  • odom (Gazebo)：提供短期、连续但可能有漂移的位姿信息，基于里程计。
  • map (Navigation2)：代表全局、准确但需要初始化的世界坐标系。
  • AMCL：作为“桥梁”，通过定位算法动态发布map到odom的变换，修正漂移，将两者连接起来。
  • 操作：通过RViz2的 “2D Pose Estimate” 给AMCL提供初始位置估计，启动整个定位和导航过程。
nav2_bringup

nav2_bringup 是Nav2功能包套件中的一个核心元包（metapackage），它的主要作用是提供标准的启动文件（Launch Files）和配置文件，让你能够快速启动一个具备基本导航功能的机器人系统。

其关键组成部分如下表所示：

组件 功能描述 在导航中的作用
生命周期管理器 (nav2_lifecycle_manager) 按正确顺序启动、激活和关闭Nav2中的各个节点。 系统的“指挥”，确保依赖关系正确的启动。
行为树导航器 (nav2_bt_navigator) 导航的“大脑”，通过行为树（Behavior Tree）编排全局规划、局部控制、恢复行为等流程。 决定在什么情况下执行什么任务。
全局/局部规划器 (nav2_planner, nav2_controller) 负责全局路径规划和局部实时避障。 导航的“双足”，一个看地图规划，一个看实时环境行走。
代价地图 (nav2_costmap_2d) 融合地图信息、传感器数据，生成包含障碍物信息的网格地图。 为规划器提供环境信息。
恢复行为 (nav2_behaviors) 当机器人被困住时，执行如旋转、后退、等待等预定义动作以摆脱困境。 导航的“自救措施”。

启动Nav2的一个典型命令如下，它会加载一个默认的配置文件：

ros2 launch nav2_bringup bringup_launch.py
Nav2的核心恢复机制（Recovery Behaviors）

简单来说：nav2 的nav2_params.yamlYAML文件定义了“机器人能做什么能力（Server）”，而XML文件定义了“机器人在什么时候、怎么使用这些能力（Client）”。

  • YAML(nav2_params.yaml) 像是工具箱，你在这里把 BackUp（后退）和 DriveOnHeading（直行）这两个工具放进去，并设定了出厂默认值（如0.2米）。
  • XML(custom_recovery_tree.xml(nav2_params.yaml指定的)) 像是施工图纸，你在这里告诉机器人：“用工具箱里的 BackUp (nav2_params.yaml指定的)工具，但我这次只想退 0.15 米，速度要快点（0.08）”。

这是一种 Server-Client 模式。behavior_server 是服务端，Behavior Tree (XML) 是客户端。

配置项 YAML (behavior_server) XML (custom_recovery_tree.xml) 关系说明
插件定义 behavior_plugins: ["backup", ...]

backup: plugin: "nav2_behaviors/BackUp"		 <BackUp ... /> XML标签必须对应YAML中加载的插件。XML中的<BackUp>节点会自动寻找YAML中名为backup的插件服务。
后退距离 backup_dist: 0.2 backup_dist="0.15" 关键点：XML参数覆盖YAML参数。虽然YAML默认设了0.2米，但XML调用时指定了0.15米，所以实际执行0.15米。
后退速度 backup_speed: 0.05 backup_speed="0.08" 同上，XML参数优先级更高。实际速度为0.08。
直行插件 drive_on_heading: plugin: ... <DriveOnHeading ... /> XML调用DriveOnHeading插件让小车向前动一动。
安全检查 simulate_ahead_time: 1.0 (未在XML显式设置，使用默认/YAML值) XML没写的参数，会回退使用YAML中的默认配置。
生命周期节点

ROS 2 中的 Lifecycle Node 遵循一个明确定义的状态机，以确保节点在开始处理数据之前已被正确配置，并在关闭时能优雅地清理资源。nav2_map_server 就是一个生命周期节点。

其核心状态包括：

  • Unconfigured：节点已实例化，但尚未配置。
  • Inactive：节点已配置（参数已加载，资源已分配），但未激活运行。
  • Active：节点已激活，正在运行并处理数据（发布地图）。
  • Finalized：节点已被清理和关闭。

使用 launch 文件自动管理map_server和nav2_lifecycle_manager 节点

手动操作适合测试，但在自动化部署中，更推荐使用 nav2_lifecycle_manager 节点来管理生命周期。

一个简单的 launch 文件示例（例如 map_server.launch.py）如下：

from launch import LaunchDescription
from launch.actions import DeclareLaunchArgument
from launch.substitutions import LaunchConfiguration, PathJoinSubstitution
from launch_ros.actions import Node
from ament_index_python.packages import get_package_share_directory

def generate_launch_description():
    map_arg = DeclareLaunchArgument(
        'map_file',
        default_value=PathJoinSubstitution([
            get_package_share_directory('nav2_map_server'),
            'maps',
            'your_map.yaml'
        ]),
        description='Full path to the map YAML file to load'
    )

    use_sim_time_arg = DeclareLaunchArgument(
        'use_sim_time',
        default_value='true',
        description='Use simulation (Gazebo) clock if true'
    )

    parameters=[{
        'yaml_filename': LaunchConfiguration('map_file'),
        'use_sim_time': LaunchConfiguration('use_sim_time')
    }]

    map_server_node = Node(
        package='nav2_map_server',
        executable='map_server',
        name='map_server',
        output='screen',
        parameters=[{
            'yaml_filename': LaunchConfiguration('map_file')
        }]
    )

    lifecycle_manager_node = Node(
        package='nav2_lifecycle_manager',
        executable='lifecycle_manager',
        name='lifecycle_manager',
        output='screen',
        parameters=[{
            'autostart': True,
            'node_names': ['map_server']
        }]
    )

    return LaunchDescription([
        map_arg,
        map_server_node,
        lifecycle_manager_node
    ])

使用这个 launch 文件：

ros2 launch you_package map_server.launch.py map_file:=/path/to/your/map.yaml

nav2_lifecycle_manager 会自动按顺序执行 configure 和 activate 转换，无需手动干预。
可以直接放nav2_map_server下，其下有一个启动lifecycle 的launch文件

ros2 launch nav2_map_server map_server.launch.py map_file:=/path/to/your/map.yaml

TurtleBot3 ROS2 自主探索

实现自主探索。其核心思想是：机器人通过分析当前已建地图，寻找“前沿”（即已知区域和未知区域的边界），然后选择其中一个前沿作为目标点进行导航，从而逐步扩大已知地图范围。

1. 安装自主探索包
在 ROS 2 中，一个常用且维护良好的自主探索包是 explore_lite。

cd ~/turtlebot3_ws/src
git clone https://github.com/robo-friends/m-explore-ros2.git
cd ~/turtlebot3_ws
colcon build --symlink-install
# 或 单机探索只编这个包就可以
colcon build --symlink-install --packages-select  explore_lite

环境变量.bashrc设置与之前相同–必须，通过执行turtle3init可进行turtlebot3相关包及ros2的环境初始化。参见文章开头的.bashrc的相关配置

2. 启动仿真世界与导航栈

1. 启动tb3 Gazebo 仿真环境
在一个终端中启动一个空世界或房屋世界，这样机器人有足够的未知区域可以探索。
bash turtle3init export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/opt/ros/${ROS_DISTRO}/share/turtlebot3_gazebo/models ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py

2. 启动导航栈（包含 SLAM）
在另一个终端中，启动导航相关的节点。这里我们使用 slam_toolbox 进行在线 SLAM（边建图边定位），这是实现“边规划边建图”的关键。
bash turtle3init ros2 launch turtlebot3_cartographer cartographer.launch.py use_sim_time:=True
注意：TurtleBot3 官方也提供了 slam_toolbox 的启动文件，可以查看 turtlebot3_navigation2 包中是否有更适合的 slam_toolbox 启动文件。这里以 cartographer 为例，它同样强大。

2. 启动仿真自主节点

在新的终端中，启动探索节点。这个节点会订阅 /map 话题，计算前沿，并发布目标点到 /goal_pose 等话题。

turtle3init
export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/opt/ros/${ROS_DISTRO}/share/turtlebot3_gazebo/models
ros2 launch nav2_bringup tb3_simulation_launch.py slam:=True

关键配置：可能需要根据环境修改探索参数，例如探索边界、目标点距离等。这些参数通常在启动文件中或可在启动时传入。请查阅 explore_lite 的文档了解可调参数。

遇到问题：gazebo起不来，或者障碍地图不能显示.
在这里插入图片描述

解决方法：断网重新执行 ros2 launch nav2_bringup tb3_simulation_launch.py slam:=True`

3. 在 RViz2 中初始化位姿及设定目标点
* 点击工具栏中的 2D Pose Estimate按钮。
需要通过RViz2中的 2D Pose Estimate 按钮来告诉AMCL机器人大概的初始位置和朝向：

  1. 点击RViz2工具栏中的 2D Pose Estimate 按钮。
  2. 在地图上点击机器人实际所在的大致位置，并拖动鼠标以指定机器人的朝向。
  • 在地图上点击并拖动，指出机器人当前大致的位置和朝向。通过此操作，为定位算法提供了初始估计。

位姿初始化成功，explore_lite会发布:

explore-1] [INFO] [1758617661.462752606] [explore_node]: Getting initial pose of the robot

设置导航目标并观察避障行为：
在 RViz2 中：
* 点击工具栏中的 2D Nav Goal按钮。
* 在地图上点击希望机器人到达的目标位置，并拖动鼠标以指定机器人的最终朝向。

而后机器人探索到目标点。

在这里插入图片描述

4. 启动自主探索节点

turtle3init
ros2 launch explore_lite explore.launch.py

该节点不用设置2D Pose Estimate 和 2D Nav Goal 节点开启，就会自主探索。

在 RViz2 中，能看到：

  • 激光扫描数据（如 /scan 话题）。
  • 正在构建的地图（/map 话题）。
  • 机器人的姿态估计。
  • 全局和局部代价地图。
  • 探索算法发布的目标点。

5. 结束与地图保存

  1. 观察行为：机器人会开始移动，主动前往未知区域的边界。会看到地图随着机器人的移动被逐渐构建出来。
  2. 结束探索：当整个环境都被探索完毕（即没有新的前沿可被找到），探索节点会自动停止发布目标点，机器人会停止运动。
  3. 保存地图（可选）：探索完成后，可以保存最终生成的地图，用于以后的导航。 
    ros2 run nav2_map_server map_saver_cli -f ~/my_explored_map

常见问题

  • 机器人不移动或原地打转：

    • 检查 explore_lite 节点是否成功发布了目标点（/goal_pose）。
    • 检查导航栈的全局/局部规划器是否成功规划出了路径。在 RViz2 中检查代价地图是否有异常障碍物阻挡了路径。
    • 尝试在 RViz2 中手动使用 “2D Goal Pose” 发送一个目标，看导航是否正常工作。如果手动导航也不行，问题出在导航栈（SLAM 定位或路径规划）。

  • 探索效率低下：可以通过调整 explore_lite 的参数来优化，例如调整目标点选择策略、最小前沿尺寸等。

  • SLAM 定位丢失：如果环境特征太少或机器人移动太快，可能导致定位丢失。可以尝试使用 cartographer 或 slam_toolbox 中更稳健的配置。

TurtleBot3 ROS1 避障仿真

环境准备与仿真启动

首先，确保ROS1的基础环境就绪。

  1. 安装必要的软件包：根据使用的 ROS1 发行版（如 Kinetic、Melodic 或 Noetic），安装 TurtleBot3 相关的软件包。

    # 以 ROS Noetic 为例
sudo apt-get install ros-noetic-turtlebot3 ros-noetic-turtlebot3-simulations ros-noetic-gmapping ros-noetic-dwa-local-planner

  2. 设置机器人模型：在启动任何仿真或节点前，需要指定 TurtleBot3 的模型（通常是 burger 或 waffle）。

    echo "export TURTLEBOT3_MODEL=burger" >> ~/.bashrc
source ~/.bashrc

  3. 启动 Gazebo 仿真环境：选择一个仿真世界启动，例如空世界或内置的 turtlebot3_world。

    roslaunch turtlebot3_gazebo turtlebot3_empty_world.launch
# 或者
roslaunch turtlebot3_gazebo turtlebot3_world.launch

避障的两种主要方式

1 手动编写避障算法

这种方法通过直接处理激光雷达（LaserScan）数据并发布速度指令来控制机器人。

  • 核心思路：订阅 /scan 话题获取激光雷达数据，这些数据代表了机器人周围障碍物的距离。然后编写逻辑，当某个方向的障碍物距离小于设定的安全阈值时，让机器人转向或停止。

  • Python 示例代码：创建一个 Python 脚本（如 obstacle_avoidance.py），其核心逻辑如下：

    #!/usr/bin/env python
import rospy
from sensor_msgs.msg import LaserScan
from geometry_msgs.msg import Twist

def scan_callback(scan_data):
    # 设置安全距离阈值，例如 0.5 米
    safe_distance = 0.5
    # 找到正前方（通常是激光数据的中点区域）的最小距离值
    # 实际应用中可能需要检查多个角度区域以提高鲁棒性
    front_range = min(scan_data.ranges[len(scan_data.ranges)//4 : 3*len(scan_data.ranges)//4])
    
    move_cmd = Twist()
    
    if front_range < safe_distance:
        # 太近了，转向避障
        move_cmd.linear.x = 0.0  # 停止前进
        move_cmd.angular.z = 0.5  # 原地旋转
    else:
        # 前方安全，继续前进
        move_cmd.linear.x = 0.2
        move_cmd.angular.z = 0.0
    
    # 发布速度指令
    cmd_vel_pub.publish(move_cmd)

if __name__ == '__main__':
    rospy.init_node('turtlebot3_obstacle_avoidance')
    cmd_vel_pub = rospy.Publisher('/cmd_vel', Twist, queue_size=10)
    scan_sub = rospy.Subscriber('/scan', LaserScan, scan_callback)
    rospy.spin()

  • 运行算法：

    1. 确保脚本有可执行权限：chmod +x obstacle_avoidance.py。
    2. 在终端中运行：rosrun your_package_name obstacle_avoidance.py。

2 使用 ROS Navigation Stack

这种方法功能强大，能处理全局路径规划和动态避障，但配置相对复杂。

  1. 首先进行 SLAM 建图：需要一张环境地图。（也可以不建，支持直接第2步，使用默认地图）

    • 启动仿真环境后，运行 SLAM 节点（如 gmapping）： 
      roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=gmapping
    • 接着，使用键盘控制机器人移动，完整扫描环境： 
      roslaunch turtlebot3_teleop turtlebot3_teleop_key.launch
    • 地图构建完整后，保存地图： 
      rosrun map_server map_saver -f ~/my_map

  2. 使用导航栈进行自主避障导航：

    • 关闭之前的 SLAM 和键盘控制节点。
    • 启动导航栈，并加载刚才保存的地图： 
      roslaunch turtlebot3_navigation turtlebot3_navigation.launch map_file:=$HOME/my_map.yaml
# roslaunch turtlebot3_navigation turtlebot3_navigation.launch 不指定地图，可以加载默认地图，但是需要2D estimate指定机器人初始位置
    • 在 RViz 中初始化机器人位姿：点击 RViz 中的 “2D Pose Estimate” 按钮，然后在地图上点击并拖动箭头，以匹配 Gazebo 中机器人的实际位置和朝向。这一步对导航精度至关重要。
    • 设置导航目标：点击 “2D Nav Goal” 按钮，在地图上点击目标点，机器人便会自动规划路径并移动，途中能自动避开动态或未知的障碍物。

TurtleBot3 ROS1自主探索

  1. 安装explore lite
sudo apt-get install ros-noetic-turtlebot3 ros-noetic-turtlebot3-simulations ros-noetic-gmapping ros-noetic-dwa-local-planner
sudo apt install ros-noetic-explore-lite
  1. 启动定位建图
roslaunch turtlebot3_slam turtlebot3_slam.launch slam_methods:=gmapping
  1. 启动move_base
roslaunch turtlebot3_navigation move_base.launch
  1. 启动 explore lite
roslaunch explore_lite explore.launch

常见问题与调试技巧

  • 机器人模型未显示：检查 TURTLEBOT3_MODEL 环境变量是否设置正确。
  • 导航栈定位失败：确保在 RViz 中正确初始化了机器人的初始位姿（“2D Pose Estimate”）。如果机器人定位丢失（在 RViz 中表现为粒子云散乱），可以尝试重新设置位姿。
  • 避障算法不灵敏：调整激光雷达数据处理的区域和安全距离阈值。对于导航栈，则可以调参优化代价地图（costmap）参数，如 inflation_radius（膨胀半径）等。
  • 速度指令冲突：确保同时只有一个节点在向 /cmd_vel 话题发布速度指令。例如，在运行导航栈时，需要关闭键盘控制节点。

当掌握了基本避障后，可以尝试：

  • 优化算法：例如，自定义避障算法不只检查正前方，而是考虑左右多个扇区的数据，做出更智能的决策（如“往障碍物更远的一侧转向”）。
  • 探索高级功能：利用 Navigation Stack 实现更复杂的任务，如多点巡逻。
  • 结合视觉：如果 TurtleBot3 模型是 Waffle Pi，它配有摄像头，可以尝试结合 OpenCV 进行视觉障碍物识别。
# 1 启动Gazebo并让它自动下载所有默认模型
gazebo --verbose
---------------------------- 
# 下载所有必需的Gazebo模型
mkdir -p ~/.gazebo/models
cd ~/.gazebo/models

# 下载常用模型
wget -q -O - http://models.gazebosim.org/ | grep -o 'href="[^"]*\.tar\.gz"' | sed 's/href="//;s/"$//' | while read model; do
    wget http://models.gazebosim.org/$model
    tar -xzf $(basename $model)
done

#也可以使用如下仓库下载模型：
git clone https://github.com/macc-n/gazebo_worlds

其他链接

ROS2：
https://www.cnblogs.com/arnoldlu/p/18648901
https://blog.csdn.net/m0_67517854/article/details/136217399

自主探索：
cmu自主探索: https://github.com/HongbiaoZ/autonomous_exploration_development_environment.git
http://wiki.ros.org/rrt_exploration
ros2 explore lite:
https://github.com/robo-friends/m-explore-ros2
ros1 explore lite:
https://github.com/hrnr/m-explore
https://wiki.ros.org/frontier_exploration

其他：
https://github.com/guyuehome/ros_basic_tutorials/tree/master

ROS1 和ROS2 自主探索区别

ROS 2 的 Nav2 默认会将全局代价地图的大小“强制”与 SLAM 发布的地图大小同步，而 ROS 1 允许global costmap的static layer跟/map解耦。

1. 核心差异：Costmap 的尺寸由谁决定？

ROS 1 (move_base)

可以非常容易地创建一个“虚假的全局地图”。

  • 即便你跑着 Gmapping/Cartographer（地图在不断变大），你可以在 move_base 的 global_costmap_params.yaml 中设置：

  • static_map: false （不订阅 SLAM 的静态地图）

  • rolling_window: true （跟随机器人移动）

  • width: 10.0, height: 10.0 （强制固定大小）

  • 结果：explore_lite 订阅这个 Costmap 时，它看到的“世界”只有机器人周围 10x10 米。一旦探索到边缘，算法认为世界结束了，探索自然停止。

ROS 2 (Nav2)

Nav2 的架构基于插件（Plugins）。默认的 global_costmap 配置几乎总是包含 StaticLayer 插件。

  • StaticLayer 的霸道机制：这个插件的设计初衷是“不仅加载地图，还要调整 Costmap 的尺寸以匹配地图”。
  • 只要你的 SLAM 节点（如 slam_toolbox 或 cartographer）发布了一张正在扩大的地图，Nav2 的 StaticLayer 就会收到更新，并强制将 global_costmap 的尺寸 resize 成和 SLAM 地图一样大。
  • 结果：你在 yaml 里写的 width 和 height 参数会被 StaticLayer 覆盖无效化。explore_lite 看到的边界永远随着 SLAM 地图在扩大，所以它永远停不下来。

2. 为什么 ROS 2 看起来“不能”？

并不是完全不能，而是默认配置逻辑变了，导致 ROS 1 的“野路子”行不通了。

  • ROS 1 逻辑：Costmap 是一个独立的容器，可以选择装 SLAM 地图，也可以选择不装（只装传感器数据）。
  • ROS 2 逻辑：Global Costmap 被设计为“全局规划的画布”，而 StaticLayer 默认接管了画布的大小控制权。

3. 如何在 ROS 2 中实现限制探索范围？

如果你想在 ROS 2 中复现 ROS 1 的“限制范围”效果，你需要修改 Nav2 的配置，切断 Costmap 与 SLAM 地图尺寸的强绑定。

方法 A：使用 Rolling Window（完全复现 ROS 1 方式）
在你的 nav2_params.yaml -> global_costmap 中：

  1. 删除 plugins 列表中的 static_layer。
  2. 添加或保留 obstacle_layer 和 inflation_layer。
  3. 设置 rolling_window: true。
  4. 设置 width: 10.0, height: 10.0。
  • 副作用：全局路径规划将不知道墙壁在哪里（除非墙壁在雷达视野内），可能规划出穿墙路径，直到雷达扫到墙壁。即SLAM的建立的全局地图就没用上。ROS2的SLAM地图和global costmap的static layer绑定。

方法 B：使用 Keepout Zone（ROS 2 的正规军做法）
ROS 2 推荐的做法不是改地图大小，而是使用 Keepout Filter（禁行区）。

  1. 画一张和你希望探索区域一样大的虚拟地图（黑白图，黑色为禁止区域）。
  2. 在 Nav2 中启用 Costmap Filter -> KeepoutFilter。
  3. explore_lite 在探索时，会发现禁行区的 Cost 是致命的（Lethal），从而不会向那个区域生成探索点。

总结

  • ROS 1：允许你通过“配置参数”欺骗 Costmap，让它以为世界只有这么大。
  • ROS 2：组件更加模块化，StaticLayer 插件强制同步了真实世界（SLAM地图）的大小。如果不移除这个插件，Costmap 大小参数就会失效。
# 算法
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

2026-01-26：可以被机器人摧毁的最大墙壁数目。用go语言，在一条无限延伸的直线上，分布着若干机器人和若干堵墙。给定三个整数数组：表示机器人位置的 robots、表示每个机器人射程的 dista

f0f1: 动态规划状态变量，表示到当前机器人为止，采用不同射击策略能摧毁的最大墙数。leftcurright0right1: 双指针，用于快速定位墙数组中满足特定条件的区间。初始化这些指针都为0，表示从墙数组的起始位置开始扫描。

avatar DAMO开发者矩阵
cover

基于深度学习YOLOv10的苹果成熟度检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

avatar DAMO开发者矩阵

宇树 Go2 + NaVILA 全栈导航系统详解 (新手入门版)

本文详细介绍了宇树Go2机器人搭配NaVILA全栈导航系统的技术架构与实现方案。系统采用分层设计，包含仿真环境(Go2描述与Gazebo模拟)、底层控制(quadropted_controller)、导航定位(Nav2+Cartographer)和核心VLA(视觉语言动作)模块。重点对比了官方NaVILA方案(依赖高性能GPU)与优化后的轻量化方案(基于llama.cpp的Client-Serve

avatar DAMO开发者矩阵