Gazebo 传感器设置
本指南介绍传感器在安全导航中的重要性，以及如何为 Nav2 配置传感器。前半部分简要介绍 Nav2 中常用的传感器及常见传感器消息类型，然后在此前构建的仿真机器人 sam_bot 上添加基本传感器，并在 RViz 中可视化验证仿真传感器数据。
传感器读数可用于建图、定位和感知。后半部分讨论建图与定位如何使用传感器数据，并介绍 Nav2 的 nav2_costmap_2d 包——它生成路径规划所需的代价地图（costmap）。下面为该包配置基本参数，使其正确接收 sam_bot 的传感器数据，最后在 RViz 中可视化生成的代价地图以验证结果。
移动机器人配备大量传感器来感知周围环境。传感器数据可用于构建和维护环境地图、在地图上定位机器人，以及检测环境中的障碍物——这些任务对于在动态环境中安全高效地导航至关重要。
常用传感器包括激光雷达、雷达、RGB 相机、深度相机、IMU 和 GPS。为统一传感器消息格式、方便不同厂商产品互操作，ROS 提供了 sensor_msgs 包来定义标准传感器接口。只要传感器遵循 sensor_msgs 标准，就可以自由选用不同厂商的产品。下一小节将介绍导航中常用的消息类型：sensor_msgs/LaserScan、sensor_msgs/PointCloud2、sensor_msgs/Range 和 sensor_msgs/Image。
除 sensor_msgs 外，还有 radar_msgs 和 vision_msgs 标准接口。radar_msgs 定义了雷达专用消息，vision_msgs 定义了计算机视觉相关消息，如目标检测、分割等机器学习任务的输出。支持的消息包括 vision_msgs/Classification2D、vision_msgs/Classification3D、vision_msgs/Detection2D 和 vision_msgs/Detection3D 等。
注意：更多详情请参阅 sensor_msgs、radar_msgs 和 vision_msgs 的 API 文档。
实体机器人的传感器通常都有对应的 ROS 驱动程序（即连接传感器、将数据填充到消息并发布的 ROS 节点），遵循 sensor_msgs 标准接口。借助这一标准，用户可轻松搭配不同厂商的传感器，Nav2 等通用软件包也能读取这些标准化消息，执行与具体硬件无关的任务。在 sam_bot 等仿真机器人中，Gazebo 的传感器插件同样按照 sensor_msgs 格式发布数据。
常见传感器消息
Section titled “常见传感器消息”本小节介绍设置 Nav2 时常见的几种 sensor_msgs 类型，分别给出简要说明、Gazebo 仿真截图以及 RViz 中的读数可视化。
注意：除下面列出的类型外，还有其他
sensor_msgs类型。完整的消息列表及定义请参阅 sensor_msgs 文档。
sensor_msgs/LaserScan
Section titled “sensor_msgs/LaserScan”该消息表示平面激光测距仪的单次扫描，用于 slam_toolbox 和 nav2_amcl 的定位与建图，或 nav2_costmap_2d 的感知。
sensor_msgs/PointCloud2
Section titled “sensor_msgs/PointCloud2”该消息包含一组 3D 点及每个点的可选附加信息，数据来源可以是 3D 激光雷达、2D 激光雷达、深度相机等。
sensor_msgs/Range
Section titled “sensor_msgs/Range”该消息来自有源测距仪的单次距离读数。测距仪发射能量并报告沿一段弧线有效的单个距离值。声呐、红外传感器和一维测距仪都是使用该消息的典型传感器。
sensor_msgs/Image
Section titled “sensor_msgs/Image”该消息表示来自 RGB 或深度相机的读数，分别对应 RGB 值或距离值。
使用 Gazebo 仿真传感器
Section titled “使用 Gazebo 仿真传感器”本节以上一个教程为基础，为仿真机器人 sam_bot 添加传感器。与上一个教程中使用 Gazebo 插件添加里程计类似，这里用 Gazebo 插件在 sam_bot 上仿真一个激光雷达和一个深度相机。如果使用的是真实机器人，以下步骤中大部分对于设置 URDF 坐标系仍然必要，提前添加 Gazebo 插件也方便后续使用。
请确保已正确安装 Gazebo，安装步骤可参考上一个教程中的设置与先决条件。
向 URDF 或 SDF 添加 Gazebo 插件
Section titled “向 URDF 或 SDF 添加 Gazebo 插件”首先为 sam_bot 添加激光雷达。在 URDF 的 </robot> 标签前粘贴以下内容，添加激光雷达的连杆和关节：
<link name="lidar_link"> <inertial> <origin xyz="0 0 0" rpy="0 0 0"/> <mass value="0.125"/> <inertia ixx="0.001" ixy="0" ixz="0" iyy="0.001" iyz="0" izz="0.001" /> </inertial>
<collision> <origin xyz="0 0 0" rpy="0 0 0"/> <geometry> <cylinder radius="0.0508" length="0.055"/> </geometry> </collision>
<visual> <origin xyz="0 0 0" rpy="0 0 0"/> <geometry> <cylinder radius="0.0508" length="0.055"/> </geometry> </visual></link>
<joint name="lidar_joint" type="fixed"> <parent link="base_link"/> <child link="lidar_link"/> <origin xyz="0 0 0.12" rpy="0 0 0"/></joint>在 SDF 的 </model> 行前添加以下内容，包含激光雷达的连杆、关节及 Gazebo 传感器配置：
<joint name="lidar_joint" type="fixed"> <parent>base_link</parent> <child>lidar_link</child> <pose relative_to="base_link">0.0 0.0 0.12 0 0 0</pose></joint>
<link name='lidar_link'> <pose relative_to="lidar_joint"/> <visual name="lidar_link_visual"> <geometry> <cylinder> <radius>0.0508</radius> <length>0.055</length> </cylinder> </geometry> </visual>
<collision name="lidar_link_collision"> <geometry> <cylinder> <radius>0.0508</radius> <length>0.055</length> </cylinder> </geometry> </collision>
<xacro:cylinder_inertia m="0.125" r="0.0508" h="0.055"/>
<sensor name="lidar" type="gpu_lidar"> <always_on>true</always_on> <visualize>true</visualize> <update_rate>5</update_rate> <topic>scan</topic> <gz_frame_id>lidar_link</gz_frame_id> <lidar> <scan> <horizontal> <samples>360</samples> <resolution>1.000000</resolution> <min_angle>0.000000</min_angle> <max_angle>6.280000</max_angle> </horizontal> </scan> <range> <min>0.120000</min> <max>3.5</max> <resolution>0.015000</resolution> </range> <noise> <type>gaussian</type> <mean>0.0</mean> <stddev>0.01</stddev> </noise> </lidar> </sensor></link>上面的代码片段为 lidar_link 配置了仿真激光雷达的扫描范围和距离参数，并指定 /scan 作为发布 sensor_msgs/LaserScan 消息的话题。
接下来为 sam_bot 添加深度相机。在 URDF 中激光雷达的 </joint> 标签之后粘贴以下内容，添加相机的连杆和关节：
<link name="camera_link"> <visual> <origin xyz="0 0 0" rpy="0 0 0"/> <geometry> <box size="0.015 0.130 0.022"/> </geometry> </visual>
<collision> <origin xyz="0 0 0" rpy="0 0 0"/> <geometry> <box size="0.015 0.130 0.022"/> </geometry> </collision>
<inertial> <origin xyz="0 0 0" rpy="0 0 0"/> <mass value="0.035"/> <inertia ixx="0.001" ixy="0" ixz="0" iyy="0.001" iyz="0" izz="0.001" /> </inertial></link>
<joint name="camera_joint" type="fixed"> <parent link="base_link"/> <child link="camera_link"/> <origin xyz="0.215 0 0.05" rpy="0 0 0"/></joint>在 SDF 中激光雷达的 </link> 标签之后粘贴以下内容，添加相机的连杆、关节及 Gazebo 传感器配置：
<joint name="camera_joint" type="fixed"> <parent>base_link</parent> <child>camera_link</child> <pose relative_to="base_link">0.215 0 0.05 0 0 0</pose></joint>
<link name='camera_link'> <pose relative_to="camera_joint"/> <visual name="camera_link_visual"> <geometry> <box><size> 0.015 0.130 0.0222 </size></box> </geometry> </visual>
<collision name="camera_link_collision"> <geometry> <box><size> 0.015 0.130 0.0222 </size></box> </geometry> </collision>
<xacro:box_inertia m="0.035" w="0.015" d="0.130" h="0.0222"/>
<sensor name="depth_camera" type="rgbd_camera"> <always_on>true</always_on> <visualize>true</visualize> <update_rate>5.0</update_rate> <topic>depth_camera</topic> <gz_frame_id>camera_link</gz_frame_id> <camera> <horizontal_fov>1.047198</horizontal_fov> <image> <width>640</width> <height>480</height> </image> <clip> <near>0.05</near> <far>3</far> </clip> </camera> <baseline>0.2</baseline> <pointCloudCutoff>0.5</pointCloudCutoff> <pointCloudCutoffMax>3.0</pointCloudCutoffMax> <distortionK1>0</distortionK1> <distortionK2>0</distortionK2> <distortionK3>0</distortionK3> <distortionT1>0</distortionT1> <distortionT2>0</distortionT2> <CxPrime>0</CxPrime> <Cx>0</Cx> <Cy>0</Cy> <focalLength>0</focalLength> <hackBaseline>0</hackBaseline> </sensor></link>上面的代码片段为 camera_link 配置了仿真深度相机参数，并指定传感器分别向 /depth_camera/image_raw 和 /depth_camera/points 话题发布 sensor_msgs/Image 和 sensor_msgs/PointCloud2 消息。
更新桥接配置
Section titled “更新桥接配置”还需将所需传感器话题从 Gazebo 桥接到 ROS，在 bridge_config.yaml 中添加以下内容：
- ros_topic_name: "/scan" gz_topic_name: "/scan" ros_type_name: "sensor_msgs/msg/LaserScan" gz_type_name: "gz.msgs.LaserScan" direction: GZ_TO_ROS
- ros_topic_name: "/scan/points" gz_topic_name: "/scan/points" ros_type_name: "sensor_msgs/msg/PointCloud2" gz_type_name: "gz.msgs.PointCloudPacked" direction: GZ_TO_ROS
- ros_topic_name: "/depth_camera/camera_info" gz_topic_name: "/depth_camera/camera_info" ros_type_name: "sensor_msgs/msg/CameraInfo" gz_type_name: "gz.msgs.CameraInfo" direction: GZ_TO_ROS
- ros_topic_name: "/depth_camera/points" gz_topic_name: "/depth_camera/points" ros_type_name: "sensor_msgs/msg/PointCloud2" gz_type_name: "gz.msgs.PointCloudPacked" direction: GZ_TO_ROS
- ros_topic_name: "/depth_camera/image_raw" gz_topic_name: "/depth_camera/image" ros_type_name: "sensor_msgs/msg/Image" gz_type_name: "gz.msgs.Image" direction: GZ_TO_ROS构建、运行与验证
Section titled “构建、运行与验证”现在构建并运行项目。进入项目根目录，执行以下命令：
colcon build. install/setup.bashros2 launch sam_bot_description display.launch.pyRViz 和 Gazebo 随即启动，sam_bot 将同时出现在两者中。Gazebo 窗口会加载已创建的世界，sam_bot 在其中生成。此时可看到带有 360 度激光雷达和深度相机的 sam_bot，如下图所示。
在 RViz 窗口中可验证传感器建模是否正确，以及新添加传感器的坐标变换是否正确：
还可以在 RViz 中可视化传感器读数。要可视化 /scan 话题上的 sensor_msgs/LaserScan 消息，点击 RViz 窗口底部的 Add 按钮，切换到 By topic 选项卡，在 /scan 下选择 LaserScan，如下图所示。
然后将 RViz 中的 Reliability Policy 设为 Best Effort，size 设为 0.1，以便更清晰地观察点云。此时应能看到如下所示的 LaserScan 可视化结果，对应的是添加到 Gazebo 世界中的立方体和球体。
可视化 sensor_msgs/Image 和 sensor_msgs/PointCloud2 的方式相同，分别对 /depth_camera/image_raw 和 /depth_camera/points 话题执行上述操作：
在 RViz 中添加 /depth_camera/image_raw 话题后，将 Reliability Policy 设为 Best Effort，即可在 RViz 左下方的图像窗口中看到立方体画面，如下图所示。
同样，sensor_msgs/PointCloud2 的可视化效果如下所示。
本指南介绍了 Nav2 中常见的传感器消息类型——它们统一了不同厂商传感器的消息格式，并演示了如何使用 Gazebo 为仿真机器人添加传感器，以及如何通过 RViz 验证传感器是否正常工作。