前言
文档定位与目标读者本文档面向具备一定ROS基础、希望深入理解并在实际项目中部署ROS2 Humble + SLAM Toolbox + Nav2完整建图与导航系统的机器人工程师。我们将从零开始,基于米尔RK3576开发板逐步构建一个功能完备的自主移动机器人系统,涵盖环境搭建、机器人建模、SLAM建图、自主导航以及生产级系统的优化与排错。
为什么选择SLAM Toolbox + Nav2?在ROS2生态中,SLAM(同时定位与建图)与导航(Navigation)是机器人自主移动的核心技术。SLAM Toolbox由Steve Macenski主导开发,是基于成熟Karto SLAM的改进版本,相比传统的Gmapping、Hector SLAM或Cartographer,它具有以下显著优势: 图优化框架:采用基于图优化的后端,而非简单的滤波器,在大场景下地图一致性更好。 生命周期管理:支持终身地图(LifeLong Mapping),即可以在已有地图基础上继续优化或更新,甚至能够移除动态物体留下的痕迹。 多种运行模式:同步/异步建图、纯定位模式(可作为AMCL的高精度替代品)、地图序列化与反序列化。 RViz交互插件:提供丰富的RViz工具,支持手动修正地图、操作图节点。 性能卓越:经过优化,能够在数十万平方英尺的场景中实时运行。
而Nav2作为ROS2的官方导航框架,继承了ROS1 Navigation Stack的优点并进行了完全的重构,支持行为树、更灵活的插件化架构和更好的实时性保障。将SLAM Toolbox与Nav2结合,我们可以基于RK3576开发板构建一套从建图到定位导航的无缝衔接系统,甚至可以在导航过程中边建图边导航(Navigation while Mapping)。
核心技术栈概览操作系统:Ubuntu 22.04 LTS (Jammy) ROS发行版:ROS2 Humble Hawksbill (长期支持版) 仿真环境:Gazebo Classic 11 (与ROS2 Humble官方集成) 机器人建模:URDF / Xacro SLAM库:slam_toolbox (版本 ≥ 2.6.10) 导航栈:Nav2 (navigation2, nav2_bringup) 可视化与调试:Rviz2, tf2_tools, rqt_graph
第一章:环境搭建与准备工作
1.1 操作系统与ROS2 Humble安装我们选择Ubuntu 22.04作为基础操作系统。请确保你的系统已更新至最新状态。 - # 设置locale
- sudo apt update && sudo apt install locales
- sudo locale-gen en_US en_US.UTF-8
- sudo update-locale LC_ALL=en_US.UTF-8.UTF-8
- export LANG=en_US.UTF-8
- # 添加ROS2 apt仓库
- sudo apt install software-properties-common
- sudo add-apt-repository universe
- sudo apt update && sudo apt install curl -y
- sudo curl -sSL
- https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg
- echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null
- # 安装ROS2 Humble Desktop(包含核心库、rqt、rviz2等)
- sudo apt update
- sudo apt install ros-humble-desktop
- # 安装开发工具和依赖
- sudo apt install python3-colcon-common-extensions python3-rosdep python3-argcomplete python3-vcstool git
复制代码
安装完成后,配置环境变量以便每次打开终端时自动加载ROS2环境: - echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
- source ~/.bashrc
复制代码
注意:如果你管理多个工作空间,建议在工作空间的install目录下使用local_setup.bash,而非全局覆盖。后续我们会在项目工作空间中具体说明。
1.2 安装仿真环境(Gazebo)与机器人模型为了在不依赖实体硬件的情况下进行算法验证,我们需要安装Gazebo仿真环境以及经典的TurtleBot3机器人模型,尽量在x86 虚拟机安装仿真,arm64架构turtlebot3支持不足。 - # 安装Gazebo与ROS2接口包
- sudo apt install ros-humble-gazebo-ros-pkgs ros-humble-gazebo-ros2-control
- # 安装TurtleBot3相关包
- sudo apt install ros-humble-turtlebot3* ros-humble-teleop-twist-keyboard
复制代码
1.3 安装核心算法包:SLAM Toolbox与Nav2
- # 安装SLAM Toolbox
- sudo apt install ros-humble-slam-toolbox
- # 安装Nav2导航栈及其启动文件
- sudo apt install ros-humble-navigation2 ros-humble-nav2-bringup
- # 安装其他实用工具(用于后续调试)
- sudo apt install ros-humble-tf2-tools ros-humble-rqt-tf-tree
复制代码
验证安装是否成功: - ros2 pkg list | grep slam_toolbox
- ros2 pkg list | grep nav2_bringup
复制代码
1.4 创建工作空间与测试安装
- mkdir -p ~/ros2_ws/src
- cd ~/ros2_ws
- colcon build --symlink-install
- echo "source ~/ros2_ws/install/setup.bash" >> ~/.bashrc
- source ~/.bashrc
复制代码
测试仿真环境:打开新终端,运行Gazebo仿真世界和TurtleBot3机器人: - export TURTLEBOT3_MODEL=waffle
- ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
复制代码
图1:Gazebo中TurtleBot3仿真环境 键盘遥控: - # 新终端
- export TURTLEBOT3_MODEL=waffle
- ros2 run teleop_twist_keyboard teleop_twist_keyboard
复制代码
第二章:机器人建模与仿真集成
2.1 URDF/Xacro基础与传感器配置URDF (Unified Robot Description Format) 是ROS中描述机器人几何、惯性、关节关系的XML格式。Xacro则是URDF的宏语言,允许我们使用变量、数学运算和模块化包含。 一个典型的差分驱动机器人模型的核心部分:link、joint、transmission与gazebo插件。 下面是一个简化的差分驱动+激光雷达的Xacro示例结构(部分): - <?xml version="1.0"?>
- <robot xmlns:xacro="http://www.ros.org/wiki/xacro" name="my_robot">
- <!-- 定义颜色、尺寸等常量 -->
- <xacro:property name="base_length" value="0.3" />
- <xacro:property name="base_radius" value="0.1" />
- <!-- 底盘 link -->
- <link name="base_link">
- <visual>
- <geometry><cylinder length="${base_length}" radius="${base_radius}"/></geometry>
- <material name="blue"/>
- </visual>
- <collision>
- <geometry><cylinder length="${base_length}" radius="${base_radius}"/></geometry>
- </collision>
- <inertial>
- <mass value="2.0"/>
- <inertia ixx="0.01" ixy="0.0" ixz="0.0" iyy="0.01" iyz="0.0" izz="0.01"/>
- </inertial>
- </link>
-
- <!-- 左轮关节 -->
- <joint name="left_wheel_joint" type="continuous">
- <parent link="base_link"/>
- <child link="left_wheel"/>
- <origin xyz="0 ${base_radius+wheel_width/2} 0" rpy="-1.5708 0 0"/>
- <axis xyz="0 0 1"/>
- </joint>
-
- <!-- Gazebo 差分驱动插件 -->
- <gazebo>
- <plugin name="gazebo_ros_diff_drive" filename="libgazebo_ros_diff_drive.so">
- <ros><namespace>/</namespace></ros>
- <update_rate>50</update_rate>
- <left_joint>left_wheel_joint</left_joint>
- <right_joint>right_wheel_joint</right_joint>
- <wheel_separation>${base_radius*2 + wheel_width}</wheel_separation>
- <wheel_diameter>${wheel_radius*2}</wheel_diameter>
- <command_topic>cmd_vel</command_topic>
- <odometry_topic>odom</odometry_topic>
- <odometry_frame>odom</odometry_frame>
- <robot_base_frame>base_footprint</robot_base_frame>
- </plugin>
- </gazebo>
- </robot>
复制代码
2.2 坐标系变换(TF)树详解:map -> odom -> base_link -> sensor_link关键坐标系: map:世界固定坐标系。 odom:里程计坐标系,连续但不稳定。 base_link:机器人基座坐标系。 laser_link等:传感器坐标系。
变换关系:base_link->sensor_link(静态),odom->base_link(里程计发布),map->odom(定位系统发布)。
验证TF树: - ros2 run tf2_tools view_frames # 生成frames.pdf
复制代码
2.3 自定义机器人描述文件与启动标准包结构: - my_robot_description/
- ├── CMakeLists.txt
- ├── package.xml
- ├── urdf/
- │ ├── my_robot.urdf.xacro
- │ └── materials.xacro
- ├── meshes/
- └── launch/
- ├── display.launch.py
- └── spawn_robot.launch.py
复制代码
display.launch.py 示例: - import os
- from launch import LaunchDescription
- from launch_ros.actions import Node
- from xacro import process_file
- def generate_launch_description():
- pkg_share = os.path.join(get_package_share_directory('my_robot_description'))
- urdf_path = os.path.join(pkg_share, 'urdf', 'my_robot.urdf.xacro')
- robot_description = process_file(urdf_path).toxml()
- return LaunchDescription([
- Node(package='robot_state_publisher', executable='robot_state_publisher',
- parameters=[{'robot_description': robot_description}]),
- Node(package='joint_state_publisher_gui', executable='joint_state_publisher_gui'),
- Node(package='rviz2', executable='rviz2'),
- ])
复制代码
第三章:SLAM Toolbox深度实践与建图
3.1 SLAM Toolbox的两种核心模式:同步与异步online_async_launch.py(异步,常用)和 online_sync_launch.py(同步)。
3.2 配置文件详解:mapper_params_online_async.yaml
- # mapper_params_online_async.yaml
- slam_toolbox:
- ros__parameters:
- odom_frame: odom
- map_frame: map
- base_frame: base_footprint
- scan_topic: /scan
- mode: mapping
- minimum_range: 0.2
- maximum_range: 10.0
- minimum_travel_distance: 0.1
- minimum_travel_heading: 0.2
- do_loop_closing: true
- loop_search_space: 8.0
- map_update_interval: 5.0
- enable_interactive_mode: true
- # ... 其他参数
复制代码
注意: 1.机器人与传感器参数:odom_frame、base_frame必须与你的TF树完全一致。scan_topic确保订阅正确的数据。
2.节点添加策略:minimum_travel_distance和minimum_travel_heading决定了地图的稠密程度。值越小,节点越多,地图细节越丰富,但计算量也越大。对于大场景,可以适当增大。
3.闭环检测:loop_search_space是闭环检测的搜索半径。如果你的环境有很多相似的结构(如长走廊),需要适当减小这个值以避免错误的闭环;反之,如果传感器噪声大或里程计漂移严重,需要增大搜索空间。
3.3 手动建图流程与保存地图终端1:仿真 - export TURTLEBOT3_MODEL=waffle
- ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
复制代码
终端2:SLAM Toolbox - ros2 launch slam_toolbox online_async_launch.py
- slam_params_file:=./src/my_robot_navigation/config/mapper_params_online_async.yaml
- use_sim_time:=true
复制代码
终端3:RViz(添加Map和LaserScan) 图3:Rviz2中可视化激光扫描和建图过程 终端4:键盘遥控 - ros2 run teleop_twist_keyboard teleop_twist_keyboard
复制代码
保存地图: - ros2 run nav2_map_server map_saver_cli -f ~/maps/my_map
- ros2 service call /slam_toolbox/serialize_map slam_toolbox/srv/SerializePoseGraph
- "{filename: '/home/your_user/maps/my_pose_graph'}"
复制代码
图4:实体机器人建图现场 3.4 高级话题:终身地图与位姿图序列化启用终身地图:mode: mapping + enable_life_long_mapping: true。序列化文件(.posegraph)可保存图节点信息,用于后续继续建图或定位模式。
第四章:Nav2导航系统构建与配置
4.1 Nav2架构与核心组件
4.2 Nav2参数配置实战(nav2_params.yaml节选)- bt_navigator:
- ros__parameters:
- default_nav_to_pose_bt_xml: /opt/ros/humble/share/nav2_bt_navigator/behavior_trees/navigate_to_pose_w_replanning.xml
- controller_server:
- ros__parameters:
- controller_frequency: 20.0
- FollowPath:
- plugin: "dwb_core::DWBLocalPlanner"
- max_vel_x: 0.22
- max_vel_theta: 1.0
- path_distance_bias: 32.0
- goal_distance_bias: 24.0
- local_costmap:
- local_costmap:
- ros__parameters:
- global_frame: odom
- rolling_window: true
- width: 3
- plugins: ["voxel_layer", "inflation_layer"]
- global_costmap:
- global_costmap:
- ros__parameters:
- global_frame: map
- plugins: ["static_layer", "obstacle_layer", "inflation_layer"]
- amcl:
- ros__parameters:
- global_frame_id: map
- odom_frame_id: odom
- laser_model_type: likelihood_field
- min_particles: 500
- max_particles: 2000
复制代码
4.3 启动Nav2:基于已有地图的导航终端1:仿真 - ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
复制代码
终端2:Nav2 bringup - ros2 launch nav2_bringup bringup_launch.py
- use_sim_time:=true
- map:=/home/your_user/maps/my_map.yaml
- params_file:=./src/my_robot_navigation/config/nav2_params.yaml
复制代码
终端3:RViz (Nav2默认视图) - rviz2 -d /opt/ros/humble/share/nav2_bringup/rviz/nav2_default_view.rviz
复制代码
图5:Nav2仿真导航界面 使用“2D Pose Estimate”初始化位姿,然后“2D Goal Pose”发送目标。
4.4 集成SLAM Toolbox定位模式替代AMCL修改SLAM配置文件: - mode: localization
- map_file_name: "/home/your_user/maps/my_pose_graph"
复制代码
启动SLAM Toolbox(定位模式): - ros2 launch slam_toolbox online_async_launch.py
- slam_params_file:=./config/mapper_params_localization.yaml use_sim_time:=true
复制代码
启动Nav2(不含AMCL): - ros2 launch nav2_bringup navigation_launch.py use_sim_time:=true params_file:=./config/nav2_params.yaml
复制代码
步骤1 :在地图上设置小车初始位置和方向;
步骤2:在地图上设置小车单点导航:图6:实体机器人Nav2导航
第五章:高级整合与调试
5.1 边建图边导航(Navigation while Mapping)启动仿真 + SLAM建图模式 + navigation_launch.py(不含map_server/amcl),然后通过RViz设定目标,机器人一边探索一边建图。
5.2 RViz插件:SLAM Toolbox图形化工具Panels -> Add Panel -> SlamToolboxPlugin 可手动保存、清除节点、强制闭环。
5.3 性能分析与优化分析CPU/内存:top -p `pgrep -d',' -f 'ros2|slam_toolbox|nav2'` 检查话题频率:ros2 topic hz /scan SLAM优化:使用snap版slam-toolbox;增大map_update_interval;增大节点添加阈值。 Nav2优化:降低controller_frequency;增大局部代价地图分辨率;减少DWB采样。
5.4 常见错误排解指南
第六章:实体机器人部署指南6.1 硬件抽象与驱动层
6.2 参数调整:从仿真到现实
6.3 启动系统:Bringup的模块化设计harware_bringup.launch.py :底层驱动 + robot_state_publisher slam_bringup.launch,py:包含硬件 + SLAM Toolbox nav_bringup.launch.py:包含硬件 + 定位 + Nav2核心
第七章:总结与展望
7.1 本文总结从环境搭建、URDF建模、SLAM建图、Nav2导航到基于米尔RK3576开发板的实体部署,全面覆盖了ROS2 Humble下SLAM Toolbox的自主机器人系统构建过程。
7.2 下一步研究方向多机器人SLAM与地图合并 语义导航(目标检测+导航) 强化学习局部规划器 3D导航(3D激光雷达+体素网格)
附录:常用命令速查表
|