Laumy的技术栈
首页
支持与合作

ROS2 建图与导航：Slam_toolbox、Nav2实践

🕒 2025-09-19 📁 ROS系统 👤 laumy 🔥 24 热度

地图构建

在 ROS2 中，地图构建常用 SLAM（Simultaneous Localization and Mapping） 技术。其大概流程是:

  • 传感器采集数据：可使用激光雷达（2D/3D LiDAR）或相机（VSLAM）
  • 里程计信息：来自机器人轮式里程计/IMU
  • SLAM算法处理：融合传感器数据+里程计，估计机器人位姿同时构建环境栅格地图。
  • 地图表示：最终生成map.pgm（图像）+map.yaml（参数配置）

SLAM简单理解就是让机器人在一个陌生的环境能够自主定位和地图构建，常用的ROS2建图工具有：

  • slam_toolbox：ROS2官方推荐，支持在线建图（机器人移动时建图）、离线建图（先存bag后生成地图）、增量式建图（可保存后编辑地图）。
  • cartographer_ros：google出品，实时性能好，但配置较复杂。
  • RTAB-Map：可用于视觉/激光SLAM，支持3D。

slam_toolbox

先来简单看看slam_toolbox的流程，其输入为/scan（激光雷达点云）、/odom（里程计）、/tf（坐标变换）三个话题；经过处理后输出/map（占据栅格地图nav_msgs/OccupancyGrid格式）、/tf（发布map->odom的变换用于定位）。

（1）安装依赖包

sudo apt install ros-{ROS_DISTRO}-slam-toolbox
sudo apt install ros-{ROS_DISTRO}-turtlebot3*

上面的命令第一条命令安装slam_toolbox算法库，其支持在线建图/离线建图/增量式建图，包含的内容有online_async_launch.py（在线异步建图）、online_sync_launch.py（在线同步建图）、offline_launch.py（离线建图），提供的节点有async_slam_toolbox_node、sync_slam_toolbox_node。

第二条命令是安装TurtleBot3 全套支持包，主要是提供机器人模型+仿真环境+驱动+可视化，主要包含的子包有turtlebot3_description（URDF机器人模型）、turtlebot3_gazebo（Gazebo 仿真环境）、turtlebot3_bringup（真机启动配置）、turtlebot3_teleop（键盘遥控程序）、turtlebot3_cartographer（Cartographer 建图的配置）、turtlebot3_navigation2（Nav2 配置文件）

使用turtlebot3要添加环境变量。

echo "export TURTLEBOT3_MODEL=burger" >> ~/.bashrc
source ~/.bashrc

（2）启动Gazebo仿真环境

ros2 launch turtlebot3_gazebo turtlebot3_house.launch.py

启动之后就看到上图的环境了。启动后创建了以下节点

laumy@ThinkBook-14-G7-IAH:~$ ros2 node list
/robot_state_publisher
/ros_gz_bridge
  • /robot_state_publisher：根据 URDF 模型发布机器人各个 link 的 TF 变换。输入为/joint_states，输出为/tf, /tf_static。
  • /ros_gz_bridge：桥接 Gazebo (Ignition/Harmonic) 与 ROS2。将 Gazebo 插件产生的数据转成 ROS2 话题，比如 /odom、/scan、/imu。也把 ROS2 的 /cmd_vel 控制命令转发到 Gazebo 控制插件。

以下话题

laumy@ThinkBook-14-G7-IAH:~$ ros2 topic list
/clock
/cmd_vel
/imu
/joint_states
/odom
/parameter_events
/robot_description
/rosout
/scan
/tf
/tf_static
  • /clock：仿真时间（来自 Gazebo）
  • /cmd_vel ： 速度控制输入（你发指令控制机器人时用）
  • /imu ： IMU 传感器数据（加速度、角速度）
  • /joint_states ： 关节状态（机器人轮子转角/速度）
  • /odom ： 里程计数据（机器人相对位姿估计）
  • /scan ： 激光雷达数据（2D 激光点云）
  • /tf, /tf_static ： 坐标变换（map/odom/base_link/laser 等）
  • /robot_description ： 机器人模型（URDF 内容）
  • /rosout, /parameter_events ： 系统日志和参数事件（ROS2 通用）

总体的数据流如下图

（3）运行slam_toolbox建图

ros2 launch slam_toolbox online_async_launch.py use_sim_time:=True

online_async_launch.py 表示使用异步建图（适合实时建图），use_sim_time:=True 使用 Gazebo 的仿真时间。

运行上面命令已经开始在建图了。

（4）RViz可视化

ros2 run rviz2 rviz2

在RViz中进行设置

  • Fixed Frame：设置为map
  • 添加插件：Map（话题/map）、LaserScan（话题/scan）

（5）控制机器人移动

ros2 run turtlebot3_teleop teleop_keyboard

用键盘方向键让机器人在环境里转一圈，地图会逐渐补全。

Control Your TurtleBot3!
---------------------------
Moving around:
        w
   a    s    d
        x

这个节点会根据键盘的输入发布消息到

/cmd_vel   [geometry_msgs/msg/Twist]

（6）地图保存

ros2 run nav2_map_server map_saver_cli

会把内存中的/map话题保存生成map.pgm和map.yaml两个文件，以便后续的导航Nav2使用。生成在当前执行命令的目录下。

laumy@ThinkBook-14-G7-IAH:~/map$ tree
.
├── map_1758272082.pgm
└── map_1758272082.yaml

1 directory, 2 files

Cartographer

待补充

RTAB

待补充

自主导航

目前导航使用比较多的是Nav2，框架如下。

其主要流程可以分为4大部分

  • 感知输入：输入激光雷达/scan、里程计/odom、TF（map->odom->base_link）、地图/map。
  • 定位：使用AMCL（Adaptive Monte Carlo Localization)，在已有的地图中定位机器人位置，发布map->odom的TF。
  • 规划：全局规划器 (planner_server)从当前位置到目标点，规划一条全局路径（比如 A*、Dijkstra、NavFn）。局部规划器 (controller_server)：根据实时传感器数据，计算机器人下一步的速度指令 /cmd_vel（如 DWB controller）。
  • 执行调度：行为树 (bt_navigator)管理整个任务流程定位 → 规划 → 控制 → 到达目标。恢复器 (recoveries_server)遇到障碍或失败时执行恢复动作（原地旋转、清理代价地图）。

安装

sudo apt update
sudo apt install ros-{ROS_DISTRO}-navigation2
sudo apt install ros-{ROS_DISTRO}-nav2-bringup

启动导航

先启动仿真环境，这里使用world地图不用house了。

ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py

再启动导航，需要指定地图。

ros2 launch turtlebot3_navigation2 navigation2.launch.py use_sim_time:=True map:=/home/laumy/map/map_1758275883.yaml

设定导航

（1）设定机器人位置

在 RViz 工具栏选择 2D Pose Estimate 工具。在地图上点击机器人所在位置，拖动鼠标设定朝向。RViz 会往 /initialpose 话题发布一条消息，AMCL 接收到后，就会生成 map → odom 的 TF。

（2）设定目标位置

这样机器人就会自动移动到目标点。

发表你的看法

\t↑