1. 从零搭建Gazebo动态障碍物测试平台搞机器人算法研发的朋友都知道动态障碍物测试是个让人又爱又恨的环节。去年我在开发仓储AGV的避障算法时光是在真实场地测试就撞坏了3台设备老板的脸色比我的代码还难看。后来转用Gazebo仿真终于能放心大胆地测试各种极端场景。今天我就手把手教你搭建这个撞了不心疼的测试平台。Gazebo的强大之处在于它不只是个3D可视化工具而是完整的物理仿真引擎。我常用它模拟这些场景突然横穿的行人用actor标签实现不规则运动的推车通过ROS Control控制随机出现的障碍物Python脚本生成多机协作时的相互避让多机器人协同仿真2. 机器人模型配置实战2.1 模型选型与基础配置先说说我踩过的坑第一次用麦克纳姆轮模型时仿真中经常出现诡异的滑动现象。后来改用阿克曼转向模型就稳定多了这里分享我的配置心得!-- 阿克曼转向插件配置示例 -- xacro:macro nameackermann_steering paramsnamespace gazebo plugin name${namespace}_ackermann_controller filenamelibgazebo_ros_ackermann_drive.so robotNamespace${namespace}/robotNamespace updateRate50/updateRate frontSteeringJointfront_steering_joint/frontSteeringJoint rearWheelJointrear_wheel_joint/rearWheelJoint wheelSeparation0.5/wheelSeparation wheelDiameter0.2/wheelDiameter /plugin /gazebo /xacro:macro关键参数说明updateRate建议50-100Hz太高会增加计算负担wheelSeparation实测值要比实际尺寸大20%左右否则仿真中容易打滑torque参数根据机器人重量调整我的AGV设为30N·m比较稳定2.2 传感器集成技巧激光雷达是避障算法的眼睛但配置不当会出现幽灵障碍物。这是我的Velodyne 16线雷达配置模板xacro:include filename$(find velodyne_description)/urdf/VLP-16.urdf.xacro/ xacro:VLP-16 parentbase_link namevlp16 topic/scan samples440 hz10 origin xyz0.3 0 0.2 rpy0 0 0/ /xacro:VLP-16注意这几个坑organize_cloud设为false能提升性能安装高度建议0.2-0.5米太低会漏检矮障碍物话题名称避免用默认的/velodyne_points容易冲突3. 动态障碍物实现方案3.1 移动小车类障碍物用ROS Control控制的小车是最灵活的测试对象。这是我的动态障碍小车配置# 障碍物控制节点示例 import rospy from geometry_msgs.msg import Twist def random_movement(): pub rospy.Publisher(/obstacle/cmd_vel, Twist, queue_size10) rate rospy.Rate(10) while not rospy.is_shutdown(): twist Twist() twist.linear.x random.uniform(0.1, 0.5) twist.angular.z random.uniform(-0.5, 0.5) pub.publish(twist) rate.sleep()实测建议线速度不要超过1m/s否则算法可能来不及反应角速度控制在±1rad/s内更接近真实场景添加20%的随机噪声模拟传感器误差3.2 行人模拟方案Gazebo的actor标签可以模拟行人但需要特殊处理才能被激光雷达检测到# 编译行人碰撞插件 cd ~/gazebo_ws/src git clone https://github.com/osrf/gazebo_models cd gazebo_ws catkin_make然后在world文件中添加actor namepedestrian pose0 0 0 0 0 0/pose skin filenamewalk.dae/filename /skin animation namewalking filenamewalk.dae/filename /animation script looptrue/loop delay_start0/delay_start auto_starttrue/auto_start trajectory id0 typewalking waypoint time0/time pose0 0 0 0 0 0/pose /waypoint waypoint time5/time pose5 0 0 0 0 0/pose /waypoint /trajectory /script /actor4. 算法测试闭环搭建4.1 测试场景设计我常用的三种测试场景十字路口场景4个方向随机出现移动障碍物狭窄通道场景宽度仅比机器人宽20%动态迷宫场景障碍物位置随时间变化# 动态场景生成脚本片段 import rospy from gazebo_msgs.srv import SpawnModel def spawn_obstacle(name, x, y): rospy.wait_for_service(/gazebo/spawn_urdf_model) try: spawner rospy.ServiceProxy(/gazebo/spawn_urdf_model, SpawnModel) spawner( model_namename, model_xmlopen(obstacle.urdf,r).read(), robot_namespace/obstacles, initial_posePose(positionPoint(x,y,0)) ) except rospy.ServiceException as e: print(Service call failed: %e)4.2 测试指标量化建议监控这些核心指标避障成功率100次测试中成功避让次数最小安全距离与障碍物的最近距离路径平滑度用曲率变化率衡量计算耗时从感知到决策的总时间用rqt_plot实时监控的配置示例rosrun rqt_plot rqt_plot \ /safety_distance/data \ /computation_time/data5. 性能优化经验谈5.1 仿真加速技巧当场景复杂时仿真速度可能变慢。这几个方法亲测有效在launch文件中添加arg namepaused defaultfalse/ arg nameuse_sim_time defaulttrue/ arg nameextra_gazebo_args default--verbose/降低不必要的传感器更新频率使用简化碰撞模型用box代替mesh5.2 常见问题排查遇到这些问题时别慌模型飘移检查惯性矩阵设置确保不为零传感器数据异常确认坐标系转换正确控制延迟调整ROS Control的PID参数碰撞检测失效检查collision标签是否缺失有次我的激光雷达一直检测不到障碍物折腾半天才发现是collision和visual标签用了不同尺寸。现在我都用这个模板link nameobstacle visual geometrybox size0.5 0.5 1.0//geometry /visual collision geometrybox size0.5 0.5 1.0//geometry /collision inertial mass value10/ inertia ixx0.1 ixy0 ixz0 iyy0.1 iyz0 izz0.1/ /inertial /link搭建测试平台是个需要耐心的过程我的第一个可用版本花了三周时间。但一旦建成后续算法迭代效率能提升10倍不止。最近在测试新版导航算法时一晚上就跑完了过去需要实地测试一周的场景。