[ROS2 基础] 仿真系统和搭建方法

【ROS2】机器人导航仿真 主要介绍导航的完整性实现,旨在掌握机器人导航的基本流程,该章涉及的主要内容如下:SLAM建图(选用较为常见的gmapping)、地图服务(可以保存和重现地图)、机器人定位、路径规划。上述流程介绍完毕,还会对功能进一步集成实现探索式的SLAM建图。 阅读详情
AI摘要

本文详细介绍了仿真系统在机器人开发中的关键作用,包括通过数学建模简化真实环境,利用Webots和Gazebo等工具进行静态和动态环境模拟,降低成本并提升测试效率。重点讲解了Webots和Gazebo的特性、安装及示例,以及如何从URDF到SDF的转换和模型搭建过程。

仿真系统简介

机器人的开发需要很多的测试。而测试就需要搭建场地。测试项目一多,需要的场地的形式也会更多。搭建这样的场地不仅成本高,耗费的人力和物力都相当可观。有些场景在真实环境中不容易出现,但却可以在仿真环境中制造出来。

通过对静态环境的模拟和动态环境的模拟,仿真系统可以帮助开发人员和测试人员触及到很多长尾的情况。而做到这些的代价要比在真实环境中的测试低很多,效率也更高。不管是服务机器人领域还是自动驾驶,仿真技术已经成为一项不可或缺的关键技术。这里对仿真系统做如下简单的定义以方便大家有个整体的概念。

1)仿真系统是通过计算机仿真技术对真实环境的数学建模。它需要模拟重力,碰撞,摩擦,机器人的动力学等等基础物理现象。

2)仿真技术的基本原理是在仿真场景内,将真实控制器变成算法,结合传感器仿真等技术,完成对算法的测试和验证。

仿真软件

目前ROS中存在webots、gazebo、stage三种仿真环境。

Webots

Webots 是一个开源的三维移动机器人模拟器,它与gazebo类似都是ros中仿真环境。webots在2018年以前是一款商业软件,商业软件的好处就是安装简单,在windows和ubuntu上都可以实现一键安装,对用户很友好,webots从2018年以后webots进行了开源(自2018年12月起,Webots作为开放源码软件在Apache 2.0许可下发布。)。

Webots支持C/C++、Python、MATLAB、Java、ROS和TCP/IP等多种方式实现模型的仿真控制。Webots内置了接近100种机器人模型,包括轮式机器人、人形机器人、爬行移动机器人、单臂移动机器人、双臂移动机器人、无人机、大狗、飞艇等等,其中就包括大家比较熟悉的Boston Dynamics Atlas、DJI Mavic 2 PRO、Nao、PR2、YouBot、UR、Turtlebot3 Burger等机器人。当然还有我们需要的自动驾驶环境,webots还提供有火星车的模型可以让大家使用。

Webots的一些关键功能包括:

  • 跨平台(Windows,Linux和Mac)。
  • 稳定的物理引擎。
  • 可重现性。
  • 使用基于物理的渲染获得逼真的图像的高效渲染引擎。
  • 简单直观的用户界面。
  • 模拟各种传感器和执行器可供选择并可以工作。
  • 可用的机器人模型范围很广,可以投入使用。
  • 范围广泛的文件样本。

目前Webots是通过webots_ros2功能包来和ROS2集成的。

image-20220612111200797

下载安装包:

wget https://ghproxy.com/https://github.com/cyberbotics/webots/releases/download/R2021a/webots_2021a_amd64.deb

系统要求:

1)至少具有2GHz双核CPU时钟速度和2 GBRAM的PC或Mac。

2)需要一个支持NVIDIA或 AMD OpenGL(最低版本 3.3)的图形适配器,至少有 512 MB 的 RAM。不推荐任何其他图形适配器,包括 Intel 图形适配器,因为它们通常缺乏良好的 OpenGL 支持,这可能会导致 3D 渲染问题和应用程序崩溃。尽管如此,在某些情况下,安装最新的英特尔显卡驱动程序可以解决此类问题,能够使用 Webots。但是。webots官方不做任何保证。对于 Linux 系统,只推荐使用 NVIDIA 显卡。Webots 在最新的 Apple 计算机中包含的所有图形卡上都运行良好。

3)Webots 不能在早于16.04的Ubuntu版本上运行,但仅提供适用于Ubuntu 18.04 和20.04的软件包。

注意:

这里使用安装包安装的方式。在r2021b这个版本,为了简化安装包大小,将很多离线模型都从安装包中直接取消。变成了用什么下载什么的模式。这样的好处是下载安装方便,但是当要用到一些模型的时候,下载就会很麻烦。可能需要半个小时才能下载好一些模型文件(取决于网络环境)。因此这里推荐安装R2021a这个版本。

webots + ros2 示例演示

参考:

https://github.com/cyberbotics/webots_ros2/wiki/Navigate-TurtleBot3

ros2 launch webots_ros2_turtlebot robot_launch.py
export TURTLEBOT3_MODEL='burger'
ros2 launch turtlebot3_navigation2 navigation2.launch.py \
    use_sim_time:=true \
    map:=$(ros2 pkg prefix webots_ros2_turtlebot --share)/resource/turtlebot3_burger_example_map.yaml

Gazebo

Gazebo是一款功能强大的三维物理仿真平台,具备强大的物理引擎、高质量的图形渲染、方便的编程与图形接口,最重要的是其开源免费的特性。

Gazebo中的机器人模型与Rviz使用的模型相同,但是需要在模型中加入机器人和周围环境的物理属性,例如质量、摩擦系数、弹性系数等。机器人的传感器信息也可以通过插件的形式加入仿真环境,以可视化的方式进行显示。

Gazebo是一款优秀的开源物理仿真环境,它具备如下特点:

  1. 动力学仿真:支持多种高性能的物理引擎,例如ODE、Bullet、SimBody、DART等。

  2. 三维可视化环境:支持显示逼真的三维环境,包括光线、纹理、影子。

  3. 传感器仿真:支持传感器数据的仿真,同时可以仿真传感器噪声。

  4. 可扩展插件:用户可以定制化开发插件,扩展gazebo的功能,满足个性化的需求。

  5. 多种机器人模型:官方提供PR2、Pioneer2 DX、TurtleBot等机器人模型,当然也可以使用自己创建的机器人模型。

  6. TCP/IP传输:gazebo可以实现远程仿真,后台仿真和前台显示通过网络通信。

  7. 云仿真:gazebo仿真可以在Amazon、Softlayer等云端运行,也可以在自己搭建的云服务器上运行。

  8. 终端工具:用户可以使用gazebo提供的命令行工具在终端实现仿真控制。

Gazebo 也是由开源机器人基金会 (OpenSource Robot Foundation,OSRF)维护。所以他的版本发布通常是和ROS版本对应的。比如现在的ROS2 Galactic 版本对应的Gazebo版本为11。

Gazebo通过gazebo_ros_pkgs 功能包与ROS集成。

gazebo_ros_pkgs是一系列包。如下:

  • gazebo_dev:开发Gazebo插件的依赖

  • gazebo_msgs:定义了ROS2和Gazebo之间的数据接口定义,主要是Topic/Service的自定义数据结构。

  • gazebo_ros:提供了一些方便自定义插件调用的函数和类,同时也提供一些测试程序。

  • gazebo_plugins:一系列 Gazebo 插件,模拟传感器和控制器并与ROS进行数据对接。如果想自定义一些功能就可以在这里编写自己的插件。

    image-20220612113535255

关于插件的配置可以参考上面worlds目录中的示例。

gazebo + ros2 示例演示

可以参考之前的文章安装好turtlebot3。

https://mp.weixin.qq.com/s?__biz=MzUzMDUyMTcyMA==&mid=2247483958&idx=2&sn=5e710f938ca2537680b10016d3ced16b&chksm=fa51c921cd26403749c9a436a373546f9d74373af6534157e8ace189cebf5e9afea212bfc88d#rd

ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:=True

gazebo 官方教程:

http://www.gazebosim.cn/tutorials.html

Gazebo的简单操作

安装gazebo

参考:
http://www.gazebosim.cn/tutorials_install_ubuntu.html?tut=install_ubuntu&cat=install

  1. 设置计算机让其接受来自packages.osrfoundation.org的软件包.
sudo sh -c 'echo "deb http://packages.osrfoundation.org/gazebo/ubuntu-stable `lsb_release -cs` main" > /etc/apt/sources.list.d/gazebo-stable.list'
  1. 设置密钥
wget https://packages.osrfoundation.org/gazebo.key -O - | sudo apt-key add -
  1. 更新软件库
sudo apt-get update
  1. 安装gazebo
sudo apt-get install gazebo11
# 对于Gazebo开发者还需要安装libgazebo11-dev软件包
sudo apt-get install libgazebo11-dev
  1. 安装gazebo的ros相关包(这里安装的包对于ROS2 Galactic版本)
sudo apt install ros-galactic-gazebo-*
  1. 运行gazebo
gazebo

或者运行差速小车demo

gazebo /opt/ros/galactic/share/gazebo_plugins/worlds/gazebo_ros_diff_drive_demo.world 

Gazebo软件界面介绍

Gazebo的界面总体来讲比较简洁。下面简单介绍一下常用的功能。

主界面

选择工具

平移工具

旋转工具

放置简单模型

左侧模型列表

模型

Gazebo的模型默认存储在~/.gazebo文件夹中。可以通过修改GAZEBO_MODEL_PATH环境变量添加更多的模型路径。比如在~/.bashrc中添加下面的语句

export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:~/turtlebot3_ws/src/turtlebot3/turtlebot3_simulations:~/turtlebot3_ws/src/turtlebot3/turtlebot3_simulations/turtlebot3_gazebo/models:~/.gazebo/models/addison_models:~/.gazebo/models/gazebo_models

building editor

1754ecc9-a7e6-4a8a-a1dd-5eec7156d6e4

在这里可以绘制简单的环境模型,但无法绘制曲线。

model editor

image-20220612122810988

这里可以绘制基本的规则模型,但复杂的模型通常还是用专业的三维软件导出来。然后修改成gazebo能识别的文件。下面会着重介绍。

仿真模型描述文件

world文件

gazebo的仿真环境配置会保存为world后缀的文件。world文件其实是sdf语言书写的文件。里面包含了对三维环境的描述。下面是一个简单的示例:

<?xml version="1.0"?>
<sdf version="1.6">
  <world name="default">

    <include>
      <uri>model://ground_plane</uri>
    </include>

    <include>
      <uri>model://sun</uri>
    </include>

    <scene>
      <shadows>false</shadows>
    </scene>

    <gui fullscreen='0'>
      <camera name='user_camera'>
        <pose frame=''>0.319654 -0.235002 9.29441 0 1.5138 0.009599</pose>
        <view_controller>orbit</view_controller>
        <projection_type>perspective</projection_type>
      </camera>
    </gui>

    <physics type="ode">
      <real_time_update_rate>1000.0</real_time_update_rate>
      <max_step_size>0.001</max_step_size>
      <real_time_factor>1</real_time_factor>
      <ode>
        <solver>
          <type>quick</type>
          <iters>150</iters>
          <precon_iters>0</precon_iters>
          <sor>1.400000</sor>
          <use_dynamic_moi_rescaling>1</use_dynamic_moi_rescaling>
        </solver>
        <constraints>
          <cfm>0.00001</cfm>
          <erp>0.2</erp>
          <contact_max_correcting_vel>2000.000000</contact_max_correcting_vel>
          <contact_surface_layer>0.01000</contact_surface_layer>
        </constraints>
      </ode>
    </physics>

    <model name="turtlebot3_world">
      <static>1</static>
      <include>
        <uri>model://turtlebot3_world</uri>
      </include>
    </model>

  </world>
</sdf>

其中model标签就是包含了一个其他的模型,这里是turtlebot3_world模型。其他标签则描述了三维环境的一些物理特性。

URDF

URDF(Unified Robot Description Format)在ROS中是一种功能强大且标准化的机器人描述格式,但依然缺少许多功能。例如,

  • URDF只能单独定义单个机器人的运动学和动力学特性;
  • 无法定义机器人本身在世界中的姿态;
  • 不能定义闭链结构(并联机器人);
  • 缺乏摩擦和等更丰富的动力学特性;
  • 不能定义非机器人物体,例如灯光,高度图等。

在实现方面,URDF语法大量使用XML的属性特性,使得URDF更加不灵活。 也没有向后兼容的机制。

URDF是ROS的原生支持格式,但在某些情况下(尤其是Gazebo仿真时),使用SDF格式会更加合理。

ROS中可以加载urdf文件来建立整个系统的tf树。加载方法可参考下面的launch文件。

示例来源于turtlebot3/turtlebot3_bringup/launch/turtlebot3_state_publisher.launch.py。

import os

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


def generate_launch_description():
    TURTLEBOT3_MODEL = os.environ['TURTLEBOT3_MODEL']

    use_sim_time = LaunchConfiguration('use_sim_time', default='false')
    urdf_file_name = 'turtlebot3_' + TURTLEBOT3_MODEL + '.urdf'

    print("urdf_file_name : {}".format(urdf_file_name))

    urdf = os.path.join(
        get_package_share_directory('turtlebot3_description'),
        'urdf',
        urdf_file_name)

    # Major refactor of the robot_state_publisher
    # Reference page: https://github.com/ros2/demos/pull/426
    with open(urdf, 'r') as infp:
        robot_desc = infp.read()

    rsp_params = {'robot_description': robot_desc}

    # print (robot_desc) # Printing urdf information.

    return LaunchDescription([
        DeclareLaunchArgument(
            'use_sim_time',
            default_value='false',
            description='Use simulation (Gazebo) clock if true'),
        Node(
            package='robot_state_publisher',
            executable='robot_state_publisher',
            output='screen',
            parameters=[rsp_params, {'use_sim_time': use_sim_time}])
    ])

xacro

xacro文件是urdf文件的改进版,urdf文件只能在rviz等软件中显示,不能在仿真器中显示出来。 xacro文件可以在gazebo仿真器中显示出来,相对urdf文件,xacro文件增加了更多的属性设置标签。

xacro文件也支持定义函数,一定程序上减少了代码重复。

SDF

SDF是一种XML格式,能够描述机器人、静态和动态物体、照明、地形甚至物理学的各方面的信息。SDF可以精确描述机器人的各类性质,除了传统的运动学特性之外,还可以为机器人定义传感器、表面属性、纹理、关节摩擦等;SDF还提供了定义各种环境的方法。包括环境光照、地形等。

sdf官网(可以查看标签含义):

http://sdformat.org/

sdf文件、urdf文件和xacro文件都是模型文件。但她们使用的标签有一些差异。gazebo可以使用sdf和xacro文件,但sdf是gazebo的专用文件。Rviz可视化只能使用URDF文件。同时ROS2也可通过加载URDF文件来构建系统的TF关系。 sdf文件、urdf文件和xacro文件都可以加载dae,stl等三维模型文件。这些模型文件可以由三维绘图软件生成。

URDF文件可以通过solidworks或fusion360 导出。但导出的文件需要进行一些更改才能使用。

solidworks导出urdf文件的插件可在下面的网址下载。

https://wiki.ros.org/sw_urdf_exporter

sdf文件、urdf文件和xacro文件之间的转换

需要注意的是,由于URDF、xacro和SDF的元素并不完全对应,因此下面列出的转换过程或多或少存在一些问题。

由xacro文件转为urdf文件

ros2 run xacro xacro robot.xacro > robot.urdf
#robot为文件名称

由urdf文件转成sdf文件

gz sdf -p my_model.urdf > my_model.sdf  
#my_model为文件名称

注意,用这个命令生成的sdf文件会把所有fixed的joint集合到base_link标签中。所以可以先把joint设置成continous,转换完后再设成恢复成fixed。

搭建机器人模型

1. 生成机器人的urdf文件

使用三维软件导出urdf文件。导出前需要将模型简化成所需link个数的模型,即一个link只对应一个模型零件(solidworks里叫part)。

用三维软件导出urdf文件的注意事项:

  • 将模型进行简化

    gazebo检测碰撞的部分只考虑外壳。因此为了简化模型可以将模型内部的东西都删除。这样减少仿真的压力。

  • 将多个零件合成一个零件

    Solidworks 的urdf插件只支持一个link对应不可分割的一个零件。意味着link不能用装配体表示。所以可以把多个装配体或零件组合成一个单独的零件。这样配置link对应的模型时,只需要选择一个零件模型。

  • 坐标系

    机器人车头朝向为x轴,左侧为y轴,向上为z轴。各个传感器零件也需要设置为这个坐标系。

    深度相机的坐标系则需要另外再转一个不同坐标系的版本的urdf文件给ROS2加载来生成tf关系用。意味着需要两个版本。一个版本,深度相机的坐标系按朝向为x轴,左侧为y轴,向上为z轴来设置。这个主要是为了转成sdf文件时给gazebo使用。另一个版本是,深度相机的坐标系设置成前z轴,右侧x轴,下为y轴。这个版本主要给ROS2加载来生成tf关系并可在rviz中显示车体模型。

    相机的坐标系:

    正前方是z轴

    右边为x轴

    下边为y轴

    image-20220612140421981

  • visual 的模型和collision的模型最好分开导出来。collision的模型最好用最基础的形状。因为collision的模型需要尽量规则简单。在gazebo中激光传感器只能感知到collision模型。碰撞也只能感知collision模型。而collision模型只关注外壳的尺寸,这意味着内部多余的零件可以删掉,以减轻仿真的复杂性。当然对于不复杂的模型可以直接使用原来的模型,不必专门再画一个collision模型。

使用solidworks的sw_urdf_exporter插件导出模型

具体的操作步骤可以参考下面这篇文章:

https://mp.weixin.qq.com/s/Sg-11Lhdm7qUnOeCofGIaQ

2. 将生成的urdf文件头部替换掉

原来的为

<!-- This URDF was automatically created by SolidWorks to URDF Exporter! Originally created by Stephen Brawner (brawner@gmail.com) 
     Commit Version: 1.6.0-1-g15f4949  Build Version: 1.6.7594.29634
     For more information, please see <http://wiki.ros.org/sw_urdf_exporter> -->
<robot
  name="robot_model">

替换成

<robot name="robot_model"
  xmlns:xacro="http://ros.org/wiki/xacro">

3. 修改urdf文件来生成sdf文件

转换命令

gz sdf -p my_model.urdf > my_model.sdf 

转换sdf文件时不要添加base_footprint。加了的话,会把固定的joint全部转换到base_footprint下面。而base_link会被删掉。所以转换后再添加。

将joint都改成continuous,这样的话用命令生成sdf文件时,每一个link都会单独出来,否则fixed的link会和base_link合在一起。

然后再将原来是fixed的joint的改回fixed类型。

转换后每个link里面都加了

<pose relative_to='caster_joint'>0 0 0 0 -0 0</pose>

把joint标签里的位置关系复制到link标签里。

	<link name='lidar_link'>
      <pose relative_to='right_lidar_joint'>0 0 0 0 -0 0</pose> #将joint中的pose信息剪切到这里
      <inertial>
        <pose>-0.000808 -0 -0.013363 0 -0 0</pose>
        <mass>0.174397</mass>
        <inertia>
          <ixx>8.9738e-05</ixx>
          <ixy>-1.68649e-20</ixy>
          <ixz>-2.47963e-06</ixz>
          <iyy>0.000104673</iyy>
          <iyz>-8.13365e-20</iyz>
          <izz>0.000113012</izz>
        </inertia>
      </inertial>
      <collision name='lidar_link_collision'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://lidar_link.STL</uri> #写明模型路径
          </mesh>
        </geometry>
      </collision>
      <visual name='right_lidar_link_visual'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://lidar_link.STL</uri> #写明模型路径
          </mesh>
        </geometry>
      </visual>
    </link>

4. vscode打开sdf文件,没有高亮显示的话,需要在文件开头加上

<?xml version="1.0" ?>

5. sdf文件的版本要设置为1.5

<sdf version='1.5'>

6. 有两种urdf文件

机器人车头朝向为x轴,左侧为y轴,向上为z轴。各个传感器零件也需要设置为这个坐标系。以这种坐标系生成的urdf文件转换的sdf文件是给gazebo用的。

将深度相机的坐标系设置成前z轴,右侧x轴,下为y轴。这个版本生成的urdf文件主要用于rviz加载显示和设定系统tf关系。

7. inertial 参数设置的不对。物体会在空中乱晃。

<inertial>
        <pose>-0.013558 -0.000602 -0.000258 0 -0 0</pose>
        <mass>0.03</mass>
        <inertia>
          <ixx>0.000031</ixx>
          <ixy>0</ixy>
          <ixz>0</ixz>
          <iyy>0.000013</iyy>
          <iyz>0</iyz>
          <izz>0.000031</izz>
        </inertia>
</inertial>

可以尝试使用下面的脚本计算简单形状的inertial 参数。

#!/usr/bin/env python3 

import os
 
"""
该python代码是参考下面的计算方式写的
  <!-- Define intertial property macros  -->
  <xacro:macro name="box_inertia" params="m w h d">
    <inertial>
      <origin xyz="0 0 0" rpy="${pi/2} 0 ${pi/2}"/>
      <mass value="${m}"/>
      <inertia ixx="${(m/12) * (h*h + d*d)}" ixy="0.0" ixz="0.0" iyy="${(m/12) * (w*w + d*d)}" iyz="0.0" izz="${(m/12) * (w*w + h*h)}"/>
    </inertial>
  </xacro:macro>

     
  <xacro:macro name="cylinder_inertia" params="m r h">
    <inertial>
      <origin xyz="0 0 0" rpy="${pi/2} 0 0" />
      <mass value="${m}"/>
      <inertia ixx="${(m/12) * (3*r*r + h*h)}" ixy = "0" ixz = "0" iyy="${(m/12) * (3*r*r + h*h)}" iyz = "0" izz="${(m/2) * (r*r)}"/>
    </inertial>
  </xacro:macro>

  <xacro:macro name="sphere_inertia" params="m r">
    <inertial>
      <mass value="${m}"/>
      <inertia ixx="${(2/5) * m * (r*r)}" ixy="0.0" ixz="0.0" iyy="${(2/5) * m * (r*r)}" iyz="0.0" izz="${(2/5) * m * (r*r)}"/>
    </inertial>
  </xacro:macro>
"""

#m->mass 质量 unit: kg
#w->width  ->y方向
#d->length ->x方向
#h->height ->z方向
def box_inertia(m, w, h, d):
  """
  Callback function.
  """
  mass = m
  ixx = (m/12) * (h*h + d*d)
  ixy = 0.0
  ixz = 0.0
  iyy = (m/12) * (w*w + d*d)
  iyz = 0.0
  izz = (m/12) * (w*w + h*h)
  print('ixx=%f' % ixx)
  print('ixy=%f' % ixy)
  print('ixz=%f' % ixz)
  print('iyy=%f' % iyy)
  print('iyz=%f' % iyz)
  print('izz=%f' % izz)


#m->mass 质量
#r->cylinder radius
#h->cylinder height
def cylinder_inertia(m, r, h):
  """
  Callback function.
  """
  mass = m
  ixx = (m/12) * (3*r*r + h*h)
  ixy = 0.0
  ixz = 0.0
  iyy = (m/12) * (3*r*r + h*h)
  iyz = 0.0
  izz = (m/2) * (r*r)
  print('ixx=%f' % ixx)
  print('ixy=%f' % ixy)
  print('ixz=%f' % ixz)
  print('iyy=%f' % iyy)
  print('iyz=%f' % iyz)
  print('izz=%f' % izz)


#m->mass 质量
#r->sphere radius
def sphere_inertia(m, r):
  """
  Callback function.
  """
  mass = m
  ixx = (2/5) * m * (r*r)
  ixy = 0.0
  ixz = 0.0
  iyy = (2/5) * m * (r*r)
  iyz = 0.0
  izz = (2/5) * m * (r*r)
  print('ixx=%f' % ixx)
  print('ixy=%f' % ixy)
  print('ixz=%f' % ixz)
  print('iyy=%f' % iyy)
  print('iyz=%f' % iyz)
  print('izz=%f' % izz)


def main(args=None):
  box_inertia(0.051, 0.15, 0.03, 0.03)


 
if __name__ == '__main__':
  main()

8. 在sdf文件中添加超声波

ros2仿真中,超声波是用激光传感器来模拟的。

collision 标签中设置的大小会遮挡激光传感器的光束。对于小的传感器,其collision可以直接注释掉。以防止出现这种情况。

<link name='sonar_link'>
      <pose relative_to='base_link'>-0.221026 0.175662 0.145509 0 0 -3.14159</pose>
      <inertial>
        <pose>0 0 0 0 0 0</pose>
        <mass>0.03</mass>
        <inertia>
          <ixx>0.000031</ixx>
          <ixy>0</ixy>
          <ixz>0</ixz>
          <iyy>0.000013</iyy>
          <iyz>0</iyz>
          <izz>0.000031</izz>
        </inertia>
      </inertial>
      <!-- don't need to enable collision -->
      <!-- <collision name='sonar11_link_collision'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://sonar_link.STL</uri>
          </mesh>
          <box>
            <size>0.05 0.1 0.05</size>
          </box>
        </geometry>
      </collision> -->
      <visual name='sonar_link_visual'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://sonar_link.STL</uri>
          </mesh>
        </geometry>
      </visual>

      <sensor name="sonar_ultrasound" type="ray">
        <always_on>true</always_on>
        <visualize>true</visualize>
        <pose>0.0 0 0.0 0 0 0</pose>
        <update_rate>50</update_rate>
        <ray>
            <scan>
                <horizontal>
                    <samples>5</samples>
                    <resolution>1.0</resolution>
                    <min_angle>-0.18</min_angle>
                    <max_angle>0.18</max_angle>
                </horizontal>
                <vertical>
                    <samples>5</samples>
                    <resolution>1.0</resolution>
                    <min_angle>-0.01</min_angle>
                    <max_angle>0.01</max_angle>
                </vertical>
            </scan>
            <range>
                <min>0.02</min>
                <max>2</max>
                <resolution>0.01</resolution>
            </range>
            <noise>
                <type>gaussian</type>
                <mean>0.0</mean>
                <stddev>0.01</stddev>
            </noise>
        </ray>
        <plugin name="sonar_bytes_ultrasound" filename="libgazebo_ros_ray_sensor.so">
            <ros>
                <!-- <namespace>distance</namespace> -->
                <remapping>~/out:=sonar</remapping>
            </ros>
            <output_type>sensor_msgs/Range</output_type>
            <radiation_type>ultrasound</radiation_type>
            <frame_name>sonar_link</frame_name>
        </plugin>
    </sensor>
    <material>Gazebo/Blue</material>
    </link>

9. 在sdf文件中添加lidar

<link name='lidar_link'>
      <pose relative_to='base_link'>0.69731 0.23521 0.20928 0 -0 0</pose>
      <inertial>
        <pose>-0.000808 0 -0.013363 0 -0 0</pose>
        <mass>0.174397</mass>
        <inertia>
          <ixx>8.9738e-05</ixx>
          <ixy>-2.53841e-20</ixy>
          <ixz>-2.47963e-06</ixz>
          <iyy>0.000104673</iyy>
          <iyz>-8.06184e-20</iyz>
          <izz>0.000113012</izz>
        </inertia>
      </inertial>
      <collision name='lidar_link_collision'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <!-- <cylinder>
            <radius>0.029</radius>
            <length>0.0325</length>
          </cylinder> -->
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://lidar_link.STL</uri>
          </mesh>
        </geometry>
      </collision>
      <visual name='left_lidar_link_visual'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://lidar_link.STL</uri>
          </mesh>
        </geometry>
      </visual>
      <sensor name="hls_lfcd_lds" type="ray">
        <always_on>true</always_on>
        <visualize>true</visualize>
        <pose>0 0 0 0 0 0</pose>
        <update_rate>15</update_rate>
        <ray>
          <scan>
            <horizontal>
              <samples>960</samples>
              <resolution>1.0</resolution>
              <min_angle>-3.14</min_angle>
              <max_angle>3.14</max_angle>
            </horizontal>
          </scan>
          <range>
            <min>0.10000</min>
            <max>30.0</max>
            <resolution>0.015000</resolution>
          </range>
          <noise>
            <type>gaussian</type>
            <mean>0.0</mean>
            <stddev>0.01</stddev>
          </noise>
        </ray>
        <plugin name="robot_laserscan" filename="libgazebo_ros_ray_sensor.so">
          <ros>
            <!-- <namespace>/tb3</namespace> -->
            <remapping>~/out:=scan</remapping>
          </ros>
          <output_type>sensor_msgs/LaserScan</output_type>
          <frame_name>lidar_link</frame_name>
        </plugin>
      </sensor>

    </link>

<remapping>~/out:=scan</remapping> 映射话题名称的标签。右边是自己定义的标签。

horizontal标签中的resolution并没有发挥作用。samples参数决定了设定角度里有多少采样点,同时决定了后面发出的scan话题有多少个数据。

为了便于理解,把gazebo中读取标签属性值的代码放在这里。

void MultiRayShape::Init()
{
  ignition::math::Vector3d start, end, axis;
  double yawAngle, pitchAngle;
  ignition::math::Quaterniond ray;
  double yDiff;
  double horzMinAngle, horzMaxAngle;
  int horzSamples = 1;
  // double horzResolution = 1.0;

  double pDiff = 0;
  int vertSamples = 1;
  // double vertResolution = 1.0;
  double vertMinAngle = 0;

  this->rayElem = this->sdf->GetElement("ray");
  this->scanElem = this->rayElem->GetElement("scan");
  this->horzElem = this->scanElem->GetElement("horizontal");
  this->rangeElem = this->rayElem->GetElement("range");

  if (this->scanElem->HasElement("vertical"))
  {
    this->vertElem = this->scanElem->GetElement("vertical");
    vertMinAngle = this->vertElem->Get<double>("min_angle");
    double vertMaxAngle = this->vertElem->Get<double>("max_angle");
    vertSamples = this->vertElem->Get<unsigned int>("samples");
    // vertResolution = this->vertElem->Get<double>("resolution");
    pDiff = vertMaxAngle - vertMinAngle;
  }

  horzMinAngle = this->horzElem->Get<double>("min_angle");
  horzMaxAngle = this->horzElem->Get<double>("max_angle");
  horzSamples = this->horzElem->Get<unsigned int>("samples");
  // horzResolution = this->horzElem->Get<double>("resolution");
  yDiff = horzMaxAngle - horzMinAngle;

  this->minRange = this->rangeElem->Get<double>("min");
  this->maxRange = this->rangeElem->Get<double>("max");

  this->offset = this->collisionParent->RelativePose();

  // Create an array of ray collisions
  for (unsigned int j = 0; j < (unsigned int)vertSamples; ++j)
  {
    for (unsigned int i = 0; i < (unsigned int)horzSamples; ++i)
    {
      yawAngle = (horzSamples == 1) ? 0 :
        i * yDiff / (horzSamples - 1) + horzMinAngle;

      pitchAngle = (vertSamples == 1)? 0 :
        j * pDiff / (vertSamples - 1) + vertMinAngle;

      // since we're rotating a unit x vector, a pitch rotation will now be
      // around the negative y axis
      ray.Euler(ignition::math::Vector3d(0.0, -pitchAngle, yawAngle));
      axis = this->offset.Rot() * ray * ignition::math::Vector3d::UnitX;

      start = (axis * this->minRange) + this->offset.Pos();
      end = (axis * this->maxRange) + this->offset.Pos();

      this->AddRay(start, end);
    }
  }
}

10. 在sdf文件中添加深度相机

<link name='camera_link'>
      <pose relative_to='base_link'> 0.7225 0 0.87858 0 -0 0</pose>
      <self_collide>0</self_collide>
      <inertial>
        <pose>0 0 0 0 -0 0</pose>
        <mass>0.114</mass>
        <inertia>
          <ixx>0.001</ixx>
          <ixy>0.000</ixy>
          <ixz>0.000</ixz>
          <iyy>0.001</iyy>
          <iyz>0.000</iyz>
          <izz>0.001</izz>
        </inertia>
      </inertial>
      <!-- don't need to enable collision -->
      <!-- <collision name='front_tof_link_collision'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://camera_link.STL</uri>
          </mesh>
          <box>
            <size>0.15 0.03 0.03</size>
          </box>
          <box>
            <size>0.03 0.03 0.03</size>
          </box>
        </geometry>
      </collision> -->
      <visual name='camera_link_visual'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://camera_link.STL</uri>
          </mesh>
        </geometry>
      </visual>

      <sensor name="camera_depth" type="depth">
        <always_on>true</always_on>
        <update_rate>15</update_rate>
        <visualize>true</visualize>
        <pose>0 0 0 0 0 0</pose>
        <camera name="realsense_depth_camera">
            <horizontal_fov>1.46608</horizontal_fov>
            <image>
                <width>424</width>
                <height>240</height>
                <format>B8G8R8</format>
            </image>
            <clip>
                <near>0.05</near>
                <far>8</far>
            </clip>
        </camera>
        <plugin name="realsense_d430_depth_driver" filename="libgazebo_ros_camera.so">
            <ros>
                <!-- <namespace>d430</namespace> -->
                <!-- <remapping>front_tof/image_raw:=color/image_raw</remapping>
                <remapping>front_tof/depth/image_raw:=depth/image_rect_raw</remapping>
                <remapping>front_tof/camera_info:=camera_info</remapping>
                <remapping>front_tof/depth/camera_info:=depth/camera_info</remapping>
                <remapping>front_tof/points:=depth/points</remapping> -->
            </ros>
            <camera_name>camera</camera_name>
            <frame_name>camera_link</frame_name>
            <hack_baseline>0.07</hack_baseline>
            <min_depth>0.05</min_depth>
            <max_depth>8.0</max_depth>
        </plugin>
      </sensor>
    </link>

libgazebo_ros_camera.so 插件发布的话题会自动加上插件中camera_name标签的名字,可以不用再重映射名字。

11. 在sdf文件中增加单目摄像头

<link name='front_camera_link'>
      <pose relative_to='base_link'>0.730409 -0.000138 0.81771 0 -0 0</pose>
      <inertial>
        <pose>0 0 0 0 -0 0</pose>
        <mass>0.114</mass>
        <inertia>
          <ixx>0.001</ixx>
          <ixy>0.000</ixy>
          <ixz>0.000</ixz>
          <iyy>0.001</iyy>
          <iyz>0.000</iyz>
          <izz>0.001</izz>
        </inertia>
      </inertial>
      <!-- <collision name='front_camera_link_collision'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://front_camera_link.STL</uri>
          </mesh>
        </geometry>
      </collision> -->
      <visual name='front_camera_link_visual'>
        <pose>0 0 0 0 -0 0</pose>
        <geometry>
          <mesh>
            <scale>1 1 1</scale>
            <uri>model://front_camera_link.STL</uri>
          </mesh>
        </geometry>
      </visual>

      <sensor type="camera" name="front_camera">
        <always_on>true</always_on>
        <visualize>false</visualize>
        <update_rate>15.0</update_rate>
        <camera name="front_camera">
            <horizontal_fov>1.46608</horizontal_fov>
            <image>
                <width>320</width>
                <height>180</height>
                <format>R8G8B8</format>
            </image>
            <distortion>
                <k1>0.0</k1>
                <k2>0.0</k2>
                <k3>0.0</k3>
                <p1>0.0</p1>
                <p2>0.0</p2>
                <center>0.5 0.5</center>
            </distortion>
        </camera>
        <plugin name="front_camera_plugin_name" filename="libgazebo_ros_camera.so">
            <ros>
                <!-- <namespace>stereo</namespace> -->
                <!-- <remapping>front_tof_camera/image_raw:=image_raw</remapping>
                <remapping>front_tof_camera/camera_info:=camera_info</remapping> -->
            </ros>
            <!-- Set camera name. If empty, defaults to sensor name (i.e. "sensor_name") -->
            <camera_name>front_camera</camera_name>
            <!-- Set TF frame name. If empty, defaults to link name (i.e. "link_name") -->
            <frame_name>front_camera_link</frame_name>
            <hack_baseline>0.2</hack_baseline>
        </plugin>
      </sensor>
      <material>Gazebo/Green</material>
    </link>

libgazebo_ros_camera.so 插件发布的话题会自动加上插件中camera_name标签的名字,可以不用再重映射名字。

针对libgazebo_ros_camera.so 插件,gazebo需要的sdf文件,深度相机的坐标系均以前为x轴,左侧为y轴,上为z轴。但是ROS2加载的urdf文件需按照相机的坐标系来写,以便确定正确的TF转换关系。即前为z轴,右侧为x轴,下为y轴。

libgazebo_ros_camera 插件中frame_name 标签会作为发布话题的frame_id。

header:
  stamp:
    sec: 149
    nanosec: 506000000
  frame_id: front_tof_link
height: 1
width: 101760

12. 启动Rviz2导入机器人模型。使用gui可以查看各个link设置的是否正确。

安装joint_state_publisher_gui

sudo apt install ros-galactic-joint_state_publisher_gui
ros2 launch two_wheeled_robot two_wheeled_robot_rviz.launch.py gui:=True

需要注意的是,continuous类型的joint必须设置好axis标签。否则导入时会显示不出来。如下:

<joint
    name="right_wheel_joint"
    type="continuous">
    <origin
      xyz="-0.000117203739848026 -0.242033768708315 -0.000508908915354045"
      rpy="0 0 0" />
    <parent
      link="base_link" />
    <child
      link="right_wheel_link" />
    <axis
      xyz="0 1 0" />   #哪个轴旋转就在哪个轴上置1
  </joint>

13. 在gazebo中加载一个机器人模型

1)确保模型处于环境变量所在的目录下

首先,我们要将模型所在的文件夹(其中包含一个sdf模型文件和一个config配置文件)放到gazebo环境变量所在的目录下,例如下面的默认目录:

~/.gazebo/models

当然,也可以在~/.bashrc文件中添加更多gazebo模型所在路径的环境变量:

export GAZEBO_MODEL_PATH="${HOME}/wpilib/simulation/models:${GAZEBO_MODEL_PATH}"
#${HOME}/wpilib/simulation/models为示例路径,应根据自己的实际情况改成自己的。

或者在launch文件中写明GAZEBO_MODEL_PATH的路径。

os.environ["GAZEBO_MODEL_PATH"] = “path/to/gazebo_models”

2)添加机器人模型

  • 直接在world文件中包含需要的模型。

  • 通过robot_description话题来添加。在launch文件中使用robot_state_publisher节点读取urdf文件,发布robot_description话题。然后用spawn_entity.py脚本接收robot_description话题来生成一个机器人模型。

# Subscribe to the joint states of the robot, and publish the 3D pose of each link.    
  start_robot_state_publisher_cmd = Node(
    package='robot_state_publisher',
    executable='robot_state_publisher',
    parameters=[{'robot_description': Command(['xacro ', urdf_model])}])

  # Publish the joint states of the robot
  start_joint_state_publisher_cmd = Node(
    package='joint_state_publisher',
    executable='joint_state_publisher',
    name='joint_state_publisher',
    condition=UnlessCondition(gui))

# Launch the robot 
  spawn_entity_cmd = Node(
    package='gazebo_ros', 
    executable='spawn_entity.py',
    arguments=['-entity', robot_name_in_model, 
                '-topic', 'robot_description',     
                    '-x', spawn_x_val,
                    '-y', spawn_y_val,
                    '-z', spawn_z_val,
                    '-Y', spawn_yaw_val],
                    output='screen')
  • 直接读取sdf文件中描述的机器人模型。前面转换sdf文件就是为了能在这里加载。
start_gazebo_ros_spawner_cmd = Node(
        package='gazebo_ros',
        executable='spawn_entity.py',
        arguments=[
            '-entity', ROBOT_MODEL,
            '-file', sdf_path,  #sdf_path为模型文件的路径
            '-x', x_pose,
            '-y', y_pose,
            '-z', z_pose,
            '-Y', theta
           ],
        output='screen',
    )

总结

上面介绍的东西有点多显的有点乱。这里总结一下制作gazebo机器人模型的流程思路。

  • 使用solidworks整理一下机器人模型。主要是精简模型,保证一个link只对应一个零件。机器人内部的零件可以删掉以便减少复杂度。
  • 使用solidworks中的sw_urdf_exporter插件导出机器人模型的urdf文件。
  • 修改导出的urdf文件,然后转换成sdf文件。
  • 在sdf文件中添加gazebo传感器和执行器插件。

参考

https://automaticaddison.com/how-to-load-a-robot-model-sdf-format-into-gazebo-ros-2/

https://automaticaddison.com/how-to-load-a-urdf-file-into-gazebo-ros-2/


觉得有用就点赞吧!

我是首飞,一个帮大家填坑的机器人开发攻城狮。

另外在公众号《首飞》内回复“机器人”获取精心推荐的C/C++,Python,Docker,Qt,ROS1/2等机器人行业常用技术资料。

ROS机器人仿真系统 通过计算机对实体机器人系统进行模拟的技术,在 ROS中,仿真实现涉及的内容主要有三:对机器人建模(URDF)、创建仿真环境(Gazebo)以及感知环境(Rviz)等系统性实现。URDF是 Unified Robot Description Format 的首字母缩写,直译为统一(标准化)机器人描述格式。Gazebo是一款3D动态模拟器,用于显示机器人模型并创建仿真环境,能够在复杂的室内和室外环境中准确有效地模拟机器人。Rviz图形化的显示机器人各种传感器感知到的环境信息。 阅读详情

相关推荐

基于CARLA与ROS 2的自动驾驶仿真系统构建指南

自动驾驶仿真系统是验证算法和系统集成的关键技术工具,通过虚拟环境模拟真实场景,大幅降低开发成本和风险。其核心原理在于传感器数据融合、实时路径规划与精确控制算法的协同工作。CARLA作为开源仿真平台提供逼真的城市环境,而ROS 2的分布式架构则实现各模块高效通信。在自动驾驶竞赛等高速场景中,系统需要处理激光雷达点云、视觉检测等感知数据,并通过SLAM建图、Pure Pursuit控制等技术实现精准导航。本文以Formula Student UK Driverless竞赛为例,详细解析如何利用YOLOv8目标检

weixin_30387423的博客 564

【ROS2机器人入门到实战】机器人仿真介绍

大家好,我是小鱼,本节课我们主要对机器人仿真进行介绍,同时对ROS2支持的常用仿真平台进行介绍。

生活不止眼前的苟且 4794

一级倒立摆控制 —— ROS2 仿真

实时计算通常解决的控制问题的一个典型例子是平衡倒立摆。如果控制器意外地阻塞很长时间,摆就会倒下或变得不稳定。但是,如果控制器可靠地以比控制摆锤的电机运行速度更快的速度更新,摆锤就会成功地适应传感器数据,从而达到平衡摆锤的目的。该项目的目的是利用 ROS2 框架展示实时功能。本项目基于开放机器人组织之前的工作。本项目以这些软件包为基础。使用 rqt_graph 实时查看节点及话题。使用 rqt_topic 实时查看话题信息。使用 rqt_plot 实时可视化数据。配置演示版实时设置的说明可在。

机器人控制与仿真应用 1388

ROS2-Gazebo仿真

ROS2学习笔记-Gazebo仿真

zzw3354353337的博客 6543

【ROS】仿真软件Gazebo详解

下面只介绍Gazebo和Ubuntu22.04、Ubuntu20.04对应的ROS的兼容性;其中ROS2 Rollng表示滚动版本,即最新版本;

郭老二 2281

【ROS2实验】 建立webot仿真系统

webot是仿真平台,与gazebo类似。本文详细叙述,如何安装webot,创建仿真包,以及仿真需要的必要文件和配置。

gongdiwudu的专栏 8457

扫地机器人:ROS-GAZEBO仿真系统与全覆盖规划算法

本博客实现了扫地机器人仿真系统设计,全覆盖规划算法实现,扫地机器人决策架构

weixin_44149262的博客 1万+

基于ROS2与Navigation2的智能巡检机器人仿真系统搭建与调优

机器人仿真技术是机器人开发流程中的关键环节,它通过在虚拟环境中模拟机器人本体、传感器与环境,为算法验证和系统集成提供了高效、低成本的平台。其核心原理在于利用物理引擎和传感器模型,生成逼真的机器人运动与感知数据。这项技术的价值在于,能够大幅缩短开发周期,降低硬件试错成本,并允许开发者在部署到实体机器人前,对导航、规划等核心算法进行充分验证与迭代。在工业巡检、仓储物流、安防监控等应用场景中,仿真系统是验证机器人自主移动与任务执行能力的理想沙盒。本文聚焦于使用ROS2和Navigation2框架,详细阐述了如何从

weixin_29056701的博客 215

ROS 无人机仿真系统2 —— 平台搭建

1、平台选择        参照仿真系统 https://github.com/ethz-asl/rotors_simulator进行平台搭建,这里选择ubuntu14.04 + ros-indigo + gazebo7。2、ROS安装        这里安装ROS-INDIGO完整版,具体如下:$ sudo sh -c 'echo "deb http://packages.ros.org/ros...

KongDaQing1290的博客 5855

机器人可视化仿真系统搭建全攻略:从URDF、Gazebo到ROS 2实战

机器人仿真技术是连接算法理论与工程落地的重要桥梁。可视化仿真系统通过三维建模与物理引擎模拟机器人的运动学与动力学行为,让开发者能够在部署真实设备之前,先行验证控制算法与路径规划策略,大幅降低原型迭代的安全风险和硬件成本。在机器人操作系统ROS 2的框架下,URDF作为标准机器人描述格式,精准定义了连杆、关节和碰撞属性,配合Gazebo等开源物理仿真环境构建接近真实的交互场景,再通过话题通信实现控制指令与状态反馈的双向流转。这一技术栈广泛应用于教学实验、工业产线预演、数字孪生构建以及移动机器人导航开发等场景,

weixin_34208185的博客 451

极验滑块验证码破解与研究(一):AST还原混淆JS

极验滑块验证码破解与研究(一):AST还原混淆JS声明一、环境安装1. node安装1.1. node下载1.2. 配置环境变量1.3. node安装检测1.4. pycharm配置node环境2. babel库安装2.1. babel库安装命令2.2. babel库安装检测二、AST还原混淆JS1. 模块导入2. AST还原流程3. 复制还原需要用到的js源码4. AST还原函数详解4.1. replace_unicode4.2. replace_unicode, replace_name_array,

帯泪的鱼的博客 1万+

ROS2工业机械臂抓取仿真系统设计与实现(预告)

一、项目背景与意义随着工业4.0时代的到来,工业自动化技术得到了飞速发展。其中,机械臂作为自动化生产线上的关键设备,其抓取、搬运、装配等操作对于提高生产效率、降低人工成本具有重要意义。本项目旨在设计并实现一个基于ROS2(Robot Operating System 2)的工业机械臂抓取仿真系统,通过Webots仿真平台和ABB机械臂的集成,为工业机械臂的应用、研发和教学提供有力的支持。二、项目目标与任务。

zhangrelay的专栏 3172

AI大模型API中转站选型指南:12项关键指标与实战评估

随着AI大模型技术的快速迭代,企业面临着一个核心挑战:如何在基础模型频繁更新的背景下,为业务系统选择稳定可靠的API中转服务?本文基于真实生产环境测试数据,从12个关键维度系统评估主流API中转站平台,帮助技术团队在模型快速演进的生态中做出科学选型决策。 1. API中转站的核心价值与业务场景 1.1 什么是API中转站 API中转站(API Gateway/Aggregator)是连接业务系统与多个大模型厂商的中间层服务。它通过统一的接口封装了不同厂商的API协议差异,为企业提供标准化的模型调用能力。在实

weixin_29056101的博客 448

ROS2机器人任务级导航仿真系统设计与实现(预告)

ROS2机器人任务级导航仿真系统设计与实现一、背景与意义随着机器人技术的不断发展和智能化需求的提高,机器人在各个领域中的应用越来越广泛。其中,机器人导航系统是实现机器人自主移动、完成各种任务的核心技术之一。传统的导航系统通常只关注从起点到终点的路径规划和控制,但在实际应用中,机器人往往需要执行更为复杂的任务,如多区域巡检、动态任务调整等。因此,设计和实现一个能够支持任务级导航的机器人系统具有重要的现实意义。二、研究目标与内容。

zhangrelay的专栏 2751

知识图谱实战:从零搭建一个企业级金融风控图谱(附完整代码)

本文提供了一份从零构建企业级金融风控知识图谱的实战指南。通过使用Neo4j图数据库和Python,手把手教你整合多源数据、设计数据模型,并利用Cypher查询与图算法挖掘隐藏的关联风险与欺诈网络,附有完整代码,助力金融科技从业者实现从数据孤岛到全局风险洞察的升级。

weixin_29095587的博客 368

PyTorch复现EEG-TCNet踩坑记:从BCI IV2a数据到TCN块缺失的完整解决方案

本文详细解析了使用PyTorch复现EEG-TCNet模型的全过程,重点解决了BCI IV2a数据集预处理和TCN模块缺失的技术难题。通过标准化数据流程、跨受试者验证策略以及三种因果卷积实现方案,为运动想象分类任务提供完整解决方案,帮助研究者高效实现模型复现与优化。

weixin_30699955的博客 319

小车yolo机械臂(二)机械臂仿真 ros下从xacro模型文件搭建Moveit!+Gazebo仿真系统

一,项目下载 项目所需代码已经上穿github,直接下载即可用: arm-of-robot-using-Moveit-in-ros-gazebo-rviz 项目总体: 按照正常的操作步骤,是需要使用Moveit生成机械臂的配置文件,该配置文件已经在下载的文件中,即:marm_moveit_config文件,所以使用Moveit生成文件的过程我们直接跳过。 如果想要自己操作的小伙伴,参考以下的博客: MoveIt!上手指南 从xacro模型文件搭建Moveit!+Gazebo仿真系统 二,marm_move

CSPhD-winston的博客 5936

【华为OD机试】真题A卷-Linux发行版的数量(Python)

【华为OD机试】真题A卷-Linux发行版的数量(Python):Linux操作系统有多个发行版,distrowatch.com提供了各个发行版的资料。这些发行版互相存在关联,例如Ubuntu基于Debian开发,而Mint又基于Ubuntu开发,那么我们认为Mint同Debian也存在关联。 发行版集是一个或多个相关存在关联的操作系统发行版,集合内不包含没有关联的发行版。给你一个nxn的矩阵isConnected,其中isConnected[i][i]=1表示第i个发行版和第j个发行版直接

u014481728的博客 944

ROS学习教程-第五篇(机器人仿真系统)

机器人操作系统学习、开发与测试过程中,会遇到诸多问题,比如:场景1:机器人一般价格不菲,学习ROS要购买一台机器人吗?场景2:机器人与之交互的外界环境具有多样性,如何实现复杂的环境设计?场景3:测试时,直接将未经验证的程序部署到实体机器人运行,安全吗?在诸如此类的场景中,ROS中的仿真就显得尤为重要了。

隔壁老姚的博客 2489

第四节:Vben Admin登录对接后端getUserInfo接口

上一节,我们完成了/api/auth/login接口的创建,通过login接口,我们完成了登录和Token的生成。但是登陆还是报404返回,发现是Vben Admin又请求了一个/api/getUserInfo接口,本节我们就来分析完成这个接口本节,我们完成了getUserInfo接口,完成了登录操作,成功的进入到工作台页面。

cuiwin的专栏 2847

【Windows Server 2019】Active Directory Certificate Services 证书颁发机构的安装,配置和管理Ⅰ——AD CS的安装和配置

博文主要介绍了Windows Server 2019的证书颁发机构的安装和配置方法。

VMware, Windows, Linux, Cisco, Container, Kubernetes, Kali 4833

ROS+MCP+RViz 仿真实操全攻略:从零搭建机械臂轮廓跟踪仿真系统

本文完成了 ROS+MCP+RViz 仿真系统的全流程搭建:从 URDF 机械臂建模、MCP 驱动节点开发,到 RViz 可视化配置、轮廓跟踪仿真,核心是实现了 “仿真 - 实机” 的统一接口 ——MCP 驱动节点的逻辑无需修改,仅需替换底层通信方式(从 ROS 话题到串口),即可快速迁移到硬件。这套方案能大幅降低机械臂开发的试错成本,建议新手先在仿真中验证所有算法逻辑,再逐步对接硬件,效率提升数倍。若有仿真 / 实机部署问题,可在评论区交流,后续会更新 “ROS+MCP 实机部署” 实战教程!

xiesibo2012的博客 803

【项目实战】Chrome插件离线安装,CRX格式安装方法

摘要:本文介绍两种Chrome插件离线安装方法(CRX格式)。方法一通过拖拽CRX文件至扩展页面安装;方法二需解压CRX文件后加载已解压扩展。常见问题包括安全警告、文件损坏等,提供相应解决方案。注意事项强调仅使用可信来源、手动更新及兼容性问题。另附开发者适用的命令行安装等高级方法。全文提供分步指导,确保用户能安全完成离线插件安装。

奶爸的编程之路,也就一周冷个三天 1824

matlab/simulink与WLS2下ROS2联合仿真环境搭建

本教程详细介绍了在Windows11下使用MATLAB/Simulink相关工具搭建WLS2下ROS2联合仿真环境的方法,以PX4仿真为例。内容包括:PX4源码下载编译、XRCE-DDS代理配置、MATLAB自定义消息生成,以及Simulink中ROS2消息发布/订阅模块的使用技巧。特别强调了实时仿真的重要性,并提供了控制仿真速度的解决方案。

Welcome To Nanwan‘Blog 1667

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

探索未来工厂的数字双胞胎:基于ROS2与Gazebo的六自由度机械臂仿真系统

探索未来工厂的数字双胞胎:基于ROS2与Gazebo的六自由度机械臂仿真系统 robotic_arm_environmentDoosan robotic arm, simulation, control, visualization in Gazebo and ROS2 for Reinforcement Learning.项目地址:https://gitcode.com/gh_mirrors/...

gitblog_00068的博客 1024

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

如何快速搭建Unitree Go2机器人:ROS2仿真环境终极指南

想要轻松掌握四足机器人开发技巧?Unitree Go2作为业界领先的智能机器人平台,结合ROS2的强大生态,为开发者提供了完整的仿真解决方案。本文将带你从零开始,快速构建Go2机器人仿真环境,实现从基础配置到高级应用的全面覆盖。 ## 🚀 环境准备与项目初始化 **系统要求检查** 在开始之前,请确认你的系统环境符合以下条件: - Ubuntu 22.04操作系统 - ROS2 Humble

gitblog_00808的博客 1257

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

上一篇: 我的ROS2开发环境
下一篇: 下载TurtleBot4源码来学习
首飞爱玩机器人
博客等级 码龄14年 6990粉丝 120原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

首飞爱玩机器人

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值