SLAM学习笔记——从零搭建完整的gazebo多机仿真SLAM（一）

引言

搭建gazebo仿真环境，并且在虚拟环境中运行slam算法，保存环境地图
使用map_merge，多个机器人同时slam建图
使用map_server打开保存的地图，并且使acml定位和move_base进行自主导航
使用explore_lite功能包实现机器人边自主导航，边构建地图
PS：文章内容不包括相应功能包的安装，使用的环境是melodic，如果有版本不一致，可能需要做小的修改
 github

第一部分搭建gazebo仿真环境

使用gazebo的building_editor搭建地图

打开building_editor
点击左侧的Wall，在白板上画出二维地图，就会自动生成三维地图了。如果希望构建更复杂，比如带坡度的地图，也可以使用三维建模软件设计后，导入到gazebo中这里就不认真介绍了
退出editor并点击save，建议拖动三维模型，使坐标原点在地图中，不然之后设置机器人出生点时会很不便利
最后退出gazebo并保存地图为xxx.world文件，如果使用虚拟机，会遇到保存界面卡住的情况，这时候最小化窗口再打开可以解决问题。

使用launch文件加载world文件

先创建功能包，我取名为gazebo_tutorials
添加两个文件夹launch和world，将你刚刚保存的world文件保存在world文件夹中
创建launch文件，我将它取名为create_world.launch

<launch>
  <include file="$(find gazebo_ros)/launch/empty_world.launch">
     <arg name="world_name" value="$(find gazebo_tutorials)/world/maze.world"/>
    <arg name="paused" value="false"/>
    <arg name="use_sim_time" value="true"/>
    <arg name="gui" value="true"/>
    <arg name="headless" value="false"/>
    <arg name="debug" value="false"/>
  </include>  
</launch>

catkin_make编译一下，使用命令roslaunch gazebo_tutorials create_world.launch 即可启动仿真环境

第二部分放入你的机器人

你可以为自己的机器人建模，导出urdf模型，但是为了通用性，我们这里直接使用turtlebot3的模型。
使用turtlebot我参考了/opt/ros/melodic/share/turtlebot3_gazebo文件夹下的文件，里面包含了发行包的示例文件，你去网上搜gazebo仿真都是让你直接运行了这些文件，要学会自己看这些文件，模仿，然后就可以使用到自己的项目中了。

写一个名为place_robot.launch的文件放置机器人，TURTLEBOT3_MODEL是你自己设置的turtlebot种类，你可以使用export TURTLEBOT3_MODEL=buger设置机器人种类为buger，对应了burger的模型

<launch>
    <!-- 机器人初始化位置参数 -->
  <arg name="model" default="$(env TURTLEBOT3_MODEL)" doc="model type [burger, waffle, waffle_pi]"/>
  <arg name="robot_name"  default="tb3_0"/>
  <arg name="robot_x_pos" default="0.0"/>
  <arg name="robot_y_pos" default="0.0"/>
  <arg name="robot_z_pos" default=" 0.0"/>
  <arg name="robot_yaw"   default=" 0.0"/>
  <!-- 创建机器人 -->
  <group ns = "$(arg robot_name)">
    <!-- 导入机器人参数 -->
    <param name="robot_description" command="$(find xacro)/xacro --inorder $(find turtlebot3_description)/urdf/turtlebot3_$(arg model).urdf.xacro" />
    <!-- 机器人位置发布节点 -->
    <node pkg="robot_state_publisher" type="robot_state_publisher" name="robot_state_publisher" output="screen">
      <param name="publish_frequency" type="double" value="50.0" />
      <param name="tf_prefix" value="$(arg robot_name)" />
    </node>
    <node name="spawn_urdf" pkg="gazebo_ros" type="spawn_model" args="-urdf -model $(arg robot_name) -x $(arg robot_x_pos) -y $(arg robot_y_pos) -z $(arg robot_z_pos) -Y $(arg robot_yaw) -param robot_description" />
  </group>    

</launch>

roslaunch gazebo_tutorials place_robot.launch可以看到机器人出生在了原点
SLAM学习笔记——从零搭建完整的gazebo多机仿真SLAM（一）
使用rostopic list、rqt_graph、rosrun rqt_tf_tree rqt_tf_tree 等命令观察一下，以后调试可以经常使用这些东西进行观察

第三部分启动SLAM

我在仓库中配置了gmapping和cartorgrapher算法的配置文件，这里只放最常用的gmapping算法的配置文件，看到终端开始打印数据，即开启成功。

<launch>
  <arg name="ns" default="tb3_0"/>
  <!-- Gmapping -->
  <node pkg="gmapping" type="slam_gmapping" name="turtlebot3_slam_gmapping" output="screen" ns="$(arg ns)">
    <param name="base_frame" value="$(arg ns)/base_footprint"/>
    <param name="odom_frame" value="$(arg ns)/odom"/>
    <param name="map_frame"  value="$(arg ns)/map"/>
    <param name="map_update_interval" value="2.0"/>
    <param name="maxUrange" value="4.0"/>
    <param name="minimumScore" value="100"/>
    <param name="linearUpdate" value="0.2"/>
    <param name="angularUpdate" value="0.2"/>
    <param name="temporalUpdate" value="0.5"/>
    <param name="delta" value="0.05"/>
    <param name="lskip" value="0"/>
    <param name="particles" value="120"/>
    <param name="sigma" value="0.05"/>
    <param name="kernelSize" value="1"/>
    <param name="lstep" value="0.05"/>
    <param name="astep" value="0.05"/>
    <param name="iterations" value="5"/>
    <param name="lsigma" value="0.075"/>
    <param name="ogain" value="3.0"/>
    <param name="srr" value="0.01"/>
    <param name="srt" value="0.02"/>
    <param name="str" value="0.01"/>
    <param name="stt" value="0.02"/>
    <param name="resampleThreshold" value="0.5"/>
    <param name="xmin" value="-10.0"/>
    <param name="ymin" value="-10.0"/>
    <param name="xmax" value="10.0"/>
    <param name="ymax" value="10.0"/>
    <param name="llsamplerange" value="0.01"/>
    <param name="llsamplestep" value="0.01"/>
    <param name="lasamplerange" value="0.005"/>
    <param name="lasamplestep" value="0.005"/>
  </node>
</launch>

在终端运行rviz，点击左下角add，在by topic中找到map添加进去，即可看到构建的地图，rviz也可以保存配置，这里先不保存，等后面多台机器人的时候再详细讲，包括坐标的显示、坐标系的选择等。
fixed_frame选择为tb3_0/map，即将世界坐标系设置为地图坐标
SLAM学习笔记——从零搭建完整的gazebo多机仿真SLAM（一）
我们可以看到，是gazebo这个环境直接给gmapping节点提供了scan这个雷达数据的topic