Skip to content

About

TurtleBot3 自主巡检导航: 代码驱动3目标点 + 自定义行为树 + Recovery + 动态避障 (ROS2 Humble)

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

16 Commits

Folders and files

Repository files navigation

TurtleBot3 自主巡检导航(tb3_patrol)

上海大学 算法组招新作业 —— TurtleBot3 模拟巡检机器人:代码驱动的 3 目标点自主导航

📌 环境要求

组件 版本
操作系统 Ubuntu 22.04 (Jammy)
ROS2 Humble
仿真器 Gazebo 11
导航栈 Nav2 (navigation2 / nav2-bringup)
建图 Cartographer (cartographer_ros)
机器人 TurtleBot3 waffle + turtlebot3_world

🚀 运行方法

⭐ 快速开始:一键启动(推荐)

一条命令搞定全部:自动清理残留进程 → 清理 FastDDS → 设置环境变量 → 启动 Gazebo 仿真 + Nav2 导航 + 巡检节点,全程无需手动操作。

终端 A —— 一键启动巡检:

bash ~/start_patrol.sh

启动后无需任何手动操作:自动设置初始位姿 → 依次访问 3 个目标点 → 打印巡检结果。

终端 B(可选)—— 动态避障投放(做动态避障演示时才需要,投放时机自己控制):

source ~/turtlebot3_ws/setup_env.sh
ros2 run tb3_patrol spawn_obstacle --watch 2.545 0.514

--watch 2.545 0.514:等机器人接近投放点 (2.545, 0.514) 时自动投放障碍物(演示主力)。ros2 run 启动需 15~40s 才就绪,自己定好时机再启动即可。想立即投放则用 --x 2.545 --y 0.514,更多投放方式见下文「动态避障演示」。

1. 一次性准备(首次使用前做一次)

编译工作空间:

cd ~/turtlebot3_ws
colcon build --symlink-install

# 环境变量(已写入 ~/.bashrc)
export TURTLEBOT3_MODEL=waffle
export ROS_DOMAIN_ID=30
export ROS_LOCALHOST_ONLY=1

建图(Cartographer 激光 SLAM,键盘遥控扫图并保存,导航依赖这张地图):

# 终端1: 启动仿真
ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py

# 终端2: 启动 Cartographer
ros2 launch turtlebot3_cartographer cartographer.launch.py use_sim_time:=True

# 终端3: 键盘遥控扫图
ros2 run turtlebot3_teleop teleop_keyboard

# 终端4: 保存地图
ros2 run nav2_map_server map_saver_cli -f ~/map

2. 手动启动(不使用一键脚本时的等价操作)

start_patrol.sh 实际就是下面两步 + 环境设置的打包,不想用脚本时手动执行效果相同:

步骤 1 —— 清理 FastDDS 残留(多次运行后 /dev/shm/fastrtps_* 累积,会导致地图/Nav2 偶发加载失败、RViz 不显示地图):

bash ~/clean_dds.sh

步骤 2 —— 启动巡检(单条命令:Gazebo + Nav2 + 巡检节点,全程代码驱动):

ros2 launch tb3_patrol patrol.launch.py

⚠️ RViz 没有地图怎么办:先 ros2 lifecycle get /map_server,若显示 finalized [4] 说明 map_server 生命周期加载失败(FastDDS 偶发 bug)。重启整个仿真即可:停掉当前 launch(Ctrl+C)→ bash ~/clean_dds.sh → 重新 ros2 launch。正常时 map_server 应为 active [3] 且 /map 话题有发布者。

3. 动态避障演示(加分项 + 录屏)

完整演示流程(录视频时照这个顺序执行):

步骤 1(终端 A)—— 一键启动巡检:

bash ~/start_patrol.sh

步骤 2(终端 B)—— 动态避障投放(投放时机自己控制):

source ~/turtlebot3_ws/setup_env.sh
# 智能监控: 等机器人接近投放点时自动投放(演示主力, 推荐)
# 投放点 (2.545, 0.514) = 去 wp3 的必经缝隙(东), 机器人会自动绕西缝隙(较远路线)
ros2 run tb3_patrol spawn_obstacle --watch 2.545 0.514

⚠️ ros2 run 启动需 15~40s 才就绪,可以自己定好时机再启动投放。

可选(替换步骤 2)的其他投放方式:

# 方法一: 手动指定投放点(地图坐标), 可换任意路径点
ros2 run tb3_patrol spawn_obstacle --x 2.545 --y 0.514

# 方法二: 自动投放 —— 在机器人正前方 1.2m 处投放
ros2 run tb3_patrol spawn_obstacle --auto

💡 spawn_obstacle 已内置防故障:投放前自动删除残留同名实体(避免 "already exists" 被拒)、服务偶发超时自动重试 3 次。正常时日志依次出现 已删除残留实体 → ✅ 障碍物已生成;若仍报"投放失败",多半是仿真世界里已有同名箱子,重跑一次即可(脚本会自动删除重建)。

💡 若 RViz 里出现旋转错位的"重影"色块,那只是局部代价地图图层未对齐的显示(不影响导航)。已默认关闭 Local Costmap/Downsampled Costmap 图层避免该现象。

实测效果:障碍物放于东缝隙 (2.545, 0.514)(wp2→wp3 的必经之路)后,机器人去 wp3 时识别到障碍、不硬闯(全程距障碍最近 0.615m),自动重规划改走**西缝隙(x≈1.445)**这条较远路线绕行,最终 3/3 全到达。

📂 项目结构

tb3_patrol/
├── launch/
│   └── patrol.launch.py        # 一键启动: gazebo + nav2 + 巡检节点
├── config/
│   ├── nav2_params.yaml        # Nav2 调优参数(控制器/规划器/恢复行为)
│   └── patrol_waypoints.yaml   # 巡检点配置(可修改)
├── scripts/                    # (见 tb3_patrol/ 源码包)
└── tb3_patrol/
    ├── patrol_node.py          # 巡检主节点: 代码驱动初始位姿 + 顺序导航
    └── spawn_obstacle.py       # 动态避障演示: 运行时生成障碍物

🧠 实现思路

  1. 建图:Cartographer 激光 SLAM,键盘遥控扫图,保存 ~/map.yaml
  2. 定位:AMCL 粒子滤波,初始位姿由代码自动发布(无需 RViz 手动点选)
  3. 规划:Nav2 NavFn 全局规划 + DWB 局部规划(动态避障)
  4. 巡检:patrol_node.py 按配置顺序发送 NavigateToPose 目标,带进度日志与结果统计
  5. 恢复:Nav2 行为树内置 Recovery(spin / backup / wait),导航失败自动恢复

✅ 已实现功能

  • TurtleBot3 仿真环境搭建(gazebo + cartographer + nav2)
  • 手动建图并保存
  • 代码驱动的 3 目标点自主导航(顺序巡检)
  • 巡检行为:到达每个目标点后停留 3s + 原地旋转 360° 扫描(可配置)
  • 巡检进度实时日志 + 成功/失败统计
  • 导航失败自动 Recovery(spin/backup/wait/drive_on_heading + 卡死检测重定位)
  • 动态障碍物避障演示(三种投放方式)
  • 一键启动(单条命令完成全部)

🎯 巡检点设计(选点说明)

turtlebot3_world 中央是 3×3 的 9 根圆柱阵列(ROS 标识形,柱间距 1.1m、缝宽约 0.80m)。本次选点让巡检路线绕柱阵外围行走、不触碰柱子,到达 3 个相距很远的点,并保持默认膨胀半径(紫色代价地图可视化):

点 地图坐标 说明
起点 (0.0, 0.0) 柱阵以西
wp1-右 (3.6, 0.5) 柱阵以东
wp2-下 (2.0, -1.8) 柱阵以南
wp3-上 (2.0, 2.6) 柱阵以北
  • 空间跨度:右-下 2.8m,下-上 4.4m,右-上 2.6m(房间约 6.3m×5.8m,跨度充分)
  • 绕开柱阵:起点→wp1、wp1→wp2、wp2→wp3 三段路径均绕开 9 柱阵行走、全程不触碰柱子(0 次碰撞、0 次卡死)
  • 代价地图(紫色可视化):保持默认膨胀 robot_radius:0.22, inflation_radius:0.55/1.0——大膨胀圈把机器人安全地挡在柱外(紫色代价带),既不碰柱、运动也稳定
  • 备选优化(穿柱阵):曾测试将代价地图按 waffle 真实足迹缩小为 robot_radius:0.14, inflation_radius:0.15,打通 0.80m 柱缝后可实现从 9 柱阵内部穿行(已验证 3/3 成功);如需"穿柱阵"效果可平滑切换

🏆 加分项

加分方向 实现
路径合理、运动稳定 DWB 控制器参数调优(限速/限加速度)+ 保持默认代价地图膨胀(紫色可视化),机器人绕柱阵行走稳定、全程无碰撞
全程代码驱动 初始位姿 + 目标点均由代码自动发送,零手动操作
少量命令启动 ros2 launch tb3_patrol patrol.launch.py 一条命令
合理巡检行为 按配置顺序访问多点、进度日志、结果统计
导航失败 Recovery ①自定义行为树定制恢复策略 ②巡检层卡死检测→重新全局定位→重试
源码利用/扩展 自定义行为树(patrol_recovery.xml) + 直接发布 /initialpose 绕开 nav2_simple_commander 兼容 bug
动态避障 巡检途中投放障碍物,机器人经局部代价地图实时绕行

💡 优化点 / 技术亮点

  • 自适应初始位姿:实测确定 odom 锚定于 gazebo 世界原点,推导 map↔odom 偏移,初始位姿与真实位置精确匹配(map 坐标系 (0,0))
  • 代价地图膨胀设计:默认大膨胀(紫/粉色)清晰显示障碍影响范围,同时把机器人安全挡在柱外(绕柱不碰、运动稳定);另已验证将 inflation 缩至 0.15m 可打通 0.80m 柱缝实现穿柱阵(作为可切换的增强方案)
  • robust 环境脚本:setup_env.sh 统一 ROS2 运行环境(解决 venv Python 冲突、ROS_DOMAIN_ID 不一致、多播发现受网络切换影响等问题)
  • 双重 Recovery:行为树级(spin/backup/wait/drive_on_heading 定制顺序)+ 应用级(15s 卡死检测 → /reinitialize_global_localization → 最多 3 次重试)
  • 配置驱动:巡检点 / 导航参数 / 行为树全部外部可配置,无需改代码
  • 智能投放:spawn_obstacle 支持 watch 模式(监控机器人位置自动投放)与 auto 模式(正前方投放),适配不同演示场景

About

TurtleBot3 自主巡检导航: 代码驱动3目标点 + 自定义行为树 + Recovery + 动态避障 (ROS2 Humble)

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages