1、Gazebo与SLAM概述：课程介绍、环境搭建、SLAM技术简介、地图构建基础概念

1.1 这门课到底讲什么？

大家好，我是你们的讲师。在机器人行业摸爬滚打了十来年，我踩过的坑，比你们吃过的盐还多（开个玩笑）。这门课，说白了就是带大家亲手把机器人「眼睛」和「大脑」装起来。

我们聚焦在 Gazebo 这个仿真环境里，让机器人自己探索未知空间，同时构建出地图。这就是SLAM的核心——同步定位与地图构建。

我个人习惯把SLAM比作「盲人摸象」。机器人一开始不知道自己在哪里，也不知道周围长啥样。它一边走，一边摸，一边猜。最后，它得知道自己走到了哪，还得把摸到的「大象」画出来。

嗯，这里要注意：我们用的是 Ubuntu 20.04 + ROS Noetic + Gazebo 11 这套组合。为什么选这个？因为稳定。我在项目里吃过版本不兼容的亏，那叫一个惨。所以，咱们老老实实用这套经过验证的黄金搭档。

1.2 环境搭建：别让工具卡住你

说实话，很多同学学不下去，不是因为SLAM难，而是环境装到一半就崩了。我曾经在一台新电脑上折腾了整整两天，就为了把ROS和Gazebo的依赖关系理清楚。

所以，我给大家整理了一个「避坑清单」：

第一步：安装ROS Noetic

# 设置sources.list
sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'

# 设置密钥
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

# 更新并安装完整桌面版
sudo apt update
sudo apt install ros-noetic-desktop-full

# 初始化rosdep
sudo rosdep init
rosdep update

# 设置环境变量
echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

第二步：验证Gazebo 11

ROS Noetic自带Gazebo 11，但你最好确认一下：

gazebo --version
# 应该输出 Gazebo multi-robot simulator, version 11.x.x

如果版本不对，别慌。我遇到过有人装了ROS Melodic，结果Gazebo是9.0。你想想看，那后面很多功能包都跑不起来。所以，一定要用Noetic。

1.3 SLAM技术简介：它到底在干什么？

SLAM，全称是 Simultaneous Localization and Mapping。说白了，就是让机器人在一个完全陌生的环境里，一边走路，一边画地图，同时还得知道自己画到哪了。

你可能会问：「这不就是GPS吗？」不一样。GPS是告诉你「你在哪」，但SLAM是告诉你「你在哪」+「周围长啥样」。而且，很多室内场景根本没GPS信号。

我在做仓储机器人项目时，就遇到过这种情况。仓库里全是金属货架，GPS信号完全屏蔽。机器人只能靠激光雷达和SLAM算法，自己摸索着走。那段时间，我天天盯着建图效果，眼睛都快瞎了。

目前主流的SLAM方法分为两类：

类型	代表算法	传感器	特点
激光SLAM	Gmapping、Hector、Cartographer	激光雷达（2D/3D）	精度高、成熟、适合室内
视觉SLAM	ORB-SLAM、VINS、LSD-SLAM	单目/双目/深度相机	成本低、信息丰富、受光照影响大

咱们这门课，主要讲激光SLAM。为什么？因为Gazebo里模拟激光雷达非常方便，而且2D激光SLAM是入门最友好的路径。你先把2D玩明白了，再去看3D和视觉SLAM，会轻松很多。

1.4 地图构建基础概念

地图构建，听起来高大上，其实核心就三个问题：

1. 用什么表示地图？ —— 栅格地图（Occupancy Grid Map）
2. 怎么更新地图？ —— 贝叶斯概率更新
3. 地图长什么样？ —— 黑色是障碍物，白色是自由空间，灰色是未知区域

栅格地图，你可以想象成一张围棋棋盘。每个格子要么是「有东西」（黑色），要么是「空的」（白色），要么是「不知道」（灰色）。机器人每扫一次激光，就会更新这些格子的状态。

举个例子：激光打到一个点，那个格子就变成黑色（障碍物）。激光穿过的路径上的格子，就变成白色（自由空间）。没被激光扫到的地方，保持灰色（未知）。

嗯，这里有个坑。我曾经遇到过建图时地图边缘全是锯齿状，后来发现是激光雷达的安装角度偏了一点点。你想想看，角度偏差1度，在10米外就是17厘米的误差。所以，标定很重要。

分辨率越高，地图越精细，但计算量也越大。我在做大型工厂项目时，地图分辨率设成了0.01m，结果机器人跑一圈，地图文件几百兆，处理起来卡得要死。后来改成0.05m，效果差不多，但速度快了10倍。

所以，我的建议是：先粗后细。先用0.1m分辨率跑通流程，再根据需求调高。

知识体系总览

下面这张图，是我自己画的。它把本章的核心知识点串在了一起。你看一眼，心里就有谱了。

这张图把本章的四个模块串起来了。你从左上角开始看，课程介绍告诉你「学什么」，环境搭建解决「用什么学」，SLAM技术讲「原理是什么」，地图构建说「结果长什么样」。最后，全部汇聚到「掌握SLAM仿真全流程」这个核心目标上。

好了，第一章就到这里。环境搭好之后，别急着关。下一章我们就要在Gazebo里创建第一个机器人模型了。到时候，你会看到自己亲手搭的机器人动起来，那种感觉，比看代码爽多了。

可可精品资料库