[ROS2 基础] 仿真系统和搭建方法

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。

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。

  

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'

2. 设置密钥

wget https://packages.osrfoundation.org/gazebo.key -O - | sudo apt-key add -

3. 更新软件库

sudo apt-get update

4. 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

5. 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-*

6. 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

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

在这里可以绘制简单的环境模型，但无法绘制曲线。

model editor

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

  

• 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。

最后

以上就是阔达钻石为你收集整理的[ROS2 基础] 仿真系统和搭建方法的全部内容，希望文章能够帮你解决[ROS2 基础] 仿真系统和搭建方法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。