4. 仿真环境搭建：基于ROS/Gazebo的仿真环境配置，传感器与执行器模型

说到仿真环境搭建，我个人觉得这是整个轨迹规划迭代中最关键的一环。为什么？因为你在真实机器人上跑一次实验，可能要花半天时间准备，还不一定跑得成。但在仿真里，你可以一天迭代几十次。说白了，仿真就是你的「快速试错沙盒」。

ROS + Gazebo 的组合，是目前工业界和学术界最主流的方案。我当年刚入行时，还用过一些商业仿真软件，后来发现还是这套开源工具最灵活。今天我们就来聊聊怎么把它搭起来，以及怎么配置传感器和执行器模型。

4.1 ROS与Gazebo的版本搭配

先说说版本问题。ROS和Gazebo的版本是绑定的，选错了会很痛苦。我曾在项目中遇到过因为版本不匹配，导致传感器数据一直读不到的情况，排查了两天才发现是驱动版本问题。

我个人习惯用 ROS Noetic + Gazebo 11，这个组合最稳定，社区支持也最好。如果你刚开始学，建议从这个组合入手。

4.2 安装与基础配置

安装其实不复杂，但有几个坑要注意。嗯，这里我直接给命令，你照着跑就行。

# 安装ROS Noetic（完整版）
sudo apt install ros-noetic-desktop-full

# 安装Gazebo 11
sudo apt install gazebo11
sudo apt install libgazebo11-dev

# 安装ROS与Gazebo的接口包
sudo apt install ros-noetic-gazebo-ros-pkgs
sudo apt install ros-noetic-gazebo-ros-control

4.3 传感器模型配置

传感器是机器人的「眼睛」和「耳朵」。在仿真中，我们需要为机器人添加各种传感器模型。常用的传感器包括：

• 激光雷达（LiDAR）：用于建图和定位
• 深度相机：用于障碍物检测
• IMU：用于姿态估计
• 轮式里程计：用于位置推算

下面是一个激光雷达的URDF配置示例。说白了，就是告诉Gazebo「这个传感器长什么样，能看多远」。

<!-- 激光雷达传感器配置 -->
<gazebo reference="laser_link">
  <sensor type="ray" name="head_laser">
    <pose>0 0 0 0 0 0</pose>
    <visualize>true</visualize>
    <update_rate>10</update_rate>
    <ray>
      <scan>
        <horizontal>
          <samples>360</samples>
          <resolution>1</resolution>
          <min_angle>-3.14159</min_angle>
          <max_angle>3.14159</max_angle>
        </horizontal>
      </scan>
      <range>
        <min>0.10</min>
        <max>30.0</max>
        <resolution>0.01</resolution>
      </range>
    </ray>
    <plugin name="laser_controller" filename="libgazebo_ros_laser.so">
      <topicName>/scan</topicName>
      <frameName>laser_link</frameName>
    </plugin>
  </sensor>
</gazebo>

4.4 执行器模型配置

执行器就是机器人的「肌肉」。对于轮式机器人，主要是电机和轮子。对于机械臂，则是各个关节的伺服电机。

在Gazebo中，执行器通过 transmission 标签来配置。下面是一个差速驱动轮子的配置示例：

<!-- 差速驱动执行器配置 -->
<transmission name="left_wheel_trans">
  <type>transmission_interface/SimpleTransmission</type>
  <joint name="left_wheel_joint">
    <hardwareInterface>hardware_interface/VelocityJointInterface</hardwareInterface>
  </joint>
  <actuator name="left_wheel_motor">
    <mechanicalReduction>1</mechanicalReduction>
  </actuator>
</transmission>

<!-- 控制插件 -->
<gazebo>
  <plugin name="diff_drive_controller" filename="libgazebo_ros_diff_drive.so">
    <leftJoint>left_wheel_joint</leftJoint>
    <rightJoint>right_wheel_joint</rightJoint>
    <wheelSeparation>0.4</wheelSeparation>
    <wheelDiameter>0.2</wheelDiameter>
    <topicName>/cmd_vel</topicName>
    <odometryTopicName>/odom</odometryTopicName>
  </plugin>
</gazebo>

这里要注意的是 wheelSeparation 和 wheelDiameter 这两个参数。它们直接影响机器人的运动学模型。如果设置错了，你会发现机器人转弯半径不对，或者速度控制不准。

4.5 仿真环境的核心逻辑

为了让你更直观地理解整个仿真环境的架构，我画了一张图。这张图展示了ROS、Gazebo、传感器、执行器之间的数据流关系。

从这张图你可以看到，整个仿真环境是一个闭环系统。ROS节点发出控制指令，Gazebo通过物理引擎计算，驱动执行器模型运动，同时传感器模型采集环境数据，再反馈给ROS节点。这就是你进行轨迹规划迭代的基础。

4.6 启动仿真环境的完整流程

好了，理论说完了，我们来实际操作一下。下面是一个完整的启动流程：

1. 启动Gazebo世界：roslaunch gazebo_ros empty_world.launch
2. 加载机器人模型：roslaunch your_robot_description spawn_robot.launch
3. 启动传感器驱动：roslaunch your_robot_sensors sensors.launch
4. 启动控制节点：rosrun your_robot_control controller_node

<launch>
  <include file="$(find gazebo_ros)/launch/empty_world.launch"/>
  <include file="$(find your_robot_description)/launch/spawn_robot.launch"/>
  <include file="$(find your_robot_sensors)/launch/sensors.launch"/>
  <node name="controller" pkg="your_robot_control" type="controller_node"/>
</launch>

4.7 常见问题与调试技巧

最后，分享几个我在项目中遇到的坑，希望能帮你少走弯路。

• 传感器数据延迟：如果发现传感器数据更新很慢，检查 update_rate 参数。我一般设成10Hz以上。
• 机器人穿模：Gazebo的物理引擎有时会出bug，导致机器人穿过地面。这时候可以调整 max_contacts 参数，或者增加碰撞检测的精度。
• 控制指令不响应：检查 /cmd_vel 话题是否发布成功。可以用 rostopic echo /cmd_vel 来验证。

嗯，以上就是仿真环境搭建的全部内容。记住，仿真只是工具，最终还是要回归到真实机器人上验证。但有了这个仿真环境，你的轨迹规划迭代速度至少能提升10倍。