【友情分享】如何在Gazebo中实现多机器人仿真？

gazebo是一款功能强大的三维物理仿真平台，具备强大的物理引擎、高质量的图形渲染、方便的编程与图形接口，最重要的是其开源免费的特性。gazebo中的机器人模型与rviz使用的模型相同，但是需要在模型中加入机器人和周围环境的物理属性，例如质量、摩擦系数、弹性系数等。机器人的传感器信息也可以通过插件的形式加入仿真环境，以可视化的方式进行显示。

在ros学习及研发过程中，经常需要使用gazebo来进行3D仿真，对模型的各种物理参数、控制代码等进行实物前的操练。在多智能体协同控制的研究中，需要在gazebo中添加多个机器人用于仿真，那么，应该如何将一个乃至多个机器人，放入gazebo仿真环境中呢？

单机器人仿真

在gazebo中放入机器人的操作通常用launch文件实现，步骤可归纳为：

设置launch文件参数-运行gazebo仿真环境-加载机器人模型描述参数-加载机器人模型

其中有关于urdf模型的构建可以参考古月学院的课程《一起从零手写URDF模型》（点击阅读原文查看此课程）和前面小伙伴的文章《一文读懂URDF物理参数解释及生成》。

在我的仿真任务中代码如下：

<launch>


   <!-- 设置launch文件的参数 -->
   <arg name="world_name" value="$(find ares_gazebo)/worlds/playground.world"/>
   <arg name="paused" default="false"/>
   <arg name="use_sim_time" default="true"/>
   <arg name="gui" default="true"/>
   <arg name="headless" default="false"/>
   <arg name="debug" default="false"/>


   <!-- 运行gazebo仿真环境 -->
   <include file="$(find gazebo_ros)/launch/empty_world.launch">
       <arg name="world_name" value="$(arg world_name)" />
       <arg name="debug" value="$(arg debug)" />
       <arg name="gui" value="$(arg gui)" />
       <arg name="paused" value="$(arg paused)"/>
       <arg name="use_sim_time" value="$(arg use_sim_time)"/>
       <arg name="headless" value="$(arg headless)"/>
   </include>


   <!-- 加载机器人模型描述参数 -->
   <param name="robot_description" command="$(find xacro)/xacro --inorder '$(find ares_description)/urdf/ares_laser.xacro'" />


   <!-- 运行joint_state_publisher节点，发布机器人的关节状态  -->
   <node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher" ></node>


   <!-- 运行robot_state_publisher节点，发布tf  -->
   <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher"  output="screen" >
       <param name="publish_frequency" type="double" value="50.0" />
   </node>


   <!-- 在gazebo中加载机器人模型-->
   <node name="urdf_spawner" pkg="gazebo_ros" type="spawn_model" respawn="false" output="screen"
         args="-urdf -model ares -param robot_description"/>


</launch>

多机器人仿真

相比于单机器人，多机器人仿真需要在原基础上加入<group>标签，做到用同样的descripion配置文件加载多个独立的机器人。

<group>具有ns属性，可以将节点组推送到单独的命名空间中。

在前面的基础上，在launch文件中改写成以下内容：

<group ns="命名空间">
   <param name="robot_description" command="$(find xacro)/xacro --inorder '$(find ares_description)/urdf/ares_laser.xacro' ns:= 命名空间" />
     <node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher" ></node>
  <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher"  output="screen" >
    <param name="publish_frequency" type="double" value="50.0" />
</node>
     <node name="urdf_spawner" pkg="gazebo_ros" type="spawn_model" respawn="false" output="screen"
   args="-urdf -model 命名空间 -param robot_description -x 0"/>   </group>

命名空间根据工程定义，在我的仿真中为ares1、ares2、ares3；“-x 0”为机器人在gazebo中的初始位置。

将原本有关机器人状态的节点以及机器人模型放在<group>标签内，这样被<group>标签包围的节点，话题，参数，服务，都会在前面加入<命名空间>的前缀，如 /ares2/joint_state_publisher

（在命名空间为ares2下的节点、话题等）

这样便可以加入独立的多个机器人模型，效果如下：

（多机器人仿真效果）

当<group>及命名空间使用正确时，机器人的输入输出都应独立，如下图中三车搭载的摄像头所看的图像正确，无相互影响：

（ares1、ares2、ares3视角图像）

多机器人运动控制

在加入多个机器人后，想再做一下键盘对其的简单控制。

1）同时控制多个机器人

这里我使用的方法，是在机器人配置文件控制驱动插件代码中设置全局名称/cmd_vel：

<gazebo>
<plugin name="mecanum_controller" filename="libgazebo_ros_planar_move.so">
<commandTopic>/cmd_vel</commandTopic>
<odometryTopic>/odom</odometryTopic>
<odometryFrame>odom</odometryFrame>  <leftFrontJoint>wheel_lf_joint</leftFrontJoint>
<rightFrontJoint>wheel_rf_joint</rightFrontJoint>
<leftRearJoint>wheel_lb_joint</leftRearJoint>
<rightRearJoint>wheel_rb_joint</rightRearJoint>
<odometryRate>20.0</odometryRate>
<robotBaseFrame>base_link</robotBaseFrame>
</plugin>
</gazebo>

然后在键盘控制节点中发布全局名称/cmd_vel，这样就可以简单地做到多机器人同时接收一致的控制指令：

vel_pub = rospy.Publisher('/cmd_vel',  Twist,   queue_size=1)

（整体控制时的rqt_graph）

（整体控制时的效果）

2）单独控制一个机器人

与前面相对，在这里我们将发布和接收的cmd_vel全部设置为相对名称（相对名称的典型特征是它缺少全局名称带有的前斜杠“/”），在我们设置的命名空间内发布后，ROS将当前命名空间的名称加在相对名称的前面，从而将相对名解析为全局名称。

即做以下修改：

<commandTopic>cmd_vel</commandTopic>
vel_pub = rospy.Publisher('cmd_vel',  Twist,   queue_size=1)

在终端启动键盘控制节点时加上命名空间，即可实现对单个机器人的控制：

$ ROS_NAMESPACE=ares1 rosrun ares_teleop ares_teleop.py

（单独控制时的rqt_graph）

（单独控制时的效果）

在命名空间下，还有经常使用的重映射<remap>操作，这里就不再赘述，感兴趣的小伙伴可以参考古月君的文章《ROS探索总结（五十六）—— launch文件》。

在gazebo中加载多机器人仅仅是多智能体协同控制研究的第一步，之后还有大量的研究要做，我写的也只是个人总结 ，一定有很多不足之处，欢迎大家一起留言讨论，引用古月君的话作为总结，“怕什么真理无穷，进一寸有一寸的欢喜”，共勉！

完整代码

<launch>
   <!-- 设置launch文件的参数 -->
   <arg name="world_name" value="$(find ares_gazebo)/worlds/playground.world"/>
   <arg name="paused" default="false"/>
   <arg name="use_sim_time" default="true"/>
   <arg name="gui" default="true"/>
   <arg name="headless" default="false"/>
   <arg name="debug" default="false"/>


   <!-- 运行gazebo仿真环境 -->
   <include file="$(find gazebo_ros)/launch/empty_world.launch">
       <arg name="world_name" value="$(arg world_name)" />
       <arg name="debug" value="$(arg debug)" />
       <arg name="gui" value="$(arg gui)" />
       <arg name="paused" value="$(arg paused)"/>
       <arg name="use_sim_time" value="$(arg use_sim_time)"/>
       <arg name="headless" value="$(arg headless)"/>
   </include>


   <!-- 加载机器人模型描述参数 -->
<!-- begin robot1 -->
<group ns="ares1">
     <param name="robot_description" command="$(find xacro)/xacro --inorder '$(find ares_description)/urdf/ares_laser.xacro' ns:=ares1" />


     <!-- 运行joint_state_publisher节点，发布机器人的关节状态  -->
     <node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher" ></node>


     <!-- 运行robot_state_publisher节点，发布tf  -->
  <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher"  output="screen" >
       <param name="publish_frequency" type="double" value="50.0" />
</node>
<!-- node name="ares_teleop"       pkg="ares_teleop" type="ares_teleop.py"       output="screen" /-->


     <!-- 在gazebo中加载机器人模型-->
     <node name="urdf_spawner" pkg="gazebo_ros" type="spawn_model" respawn="false" output="screen"
           args="-urdf -model ares1 -param robot_description -x 0"/>
 
</group>
<!-- begin robot2 -->
<group ns="ares2">
     <param name="robot_description" command="$(find xacro)/xacro --inorder '$(find ares_description)/urdf/ares_laser.xacro' ns:=ares2" />


     <!-- 运行joint_state_publisher节点，发布机器人的关节状态  -->
     <node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher" ></node>


     <!-- 运行robot_state_publisher节点，发布tf  -->
  <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher"  output="screen" >
       <param name="publish_frequency" type="double" value="50.0" />
</node>
     <!-- 在gazebo中加载机器人模型-->
     <node name="urdf_spawner" pkg="gazebo_ros" type="spawn_model" respawn="false" output="screen"
           args="-urdf -model ares2 -param robot_description -x 0.8"/>
</group>
<!-- begin robot3 -->
<group ns="ares3">
     <param name="robot_description" command="$(find xacro)/xacro --inorder '$(find ares_description)/urdf/ares_laser.xacro' ns:=ares3" />
     <!-- 运行joint_state_publisher节点，发布机器人的关节状态  -->
     <node name="joint_state_publisher" pkg="joint_state_publisher" type="joint_state_publisher" ></node>
     <!-- 运行robot_state_publisher节点，发布tf  -->
  <node name="robot_state_publisher" pkg="robot_state_publisher" type="robot_state_publisher"  output="screen" >
       <param name="publish_frequency" type="double" value="50.0" />
</node>
     <!-- 在gazebo中加载机器人模型-->
     <node name="urdf_spawner" pkg="gazebo_ros" type="spawn_model" respawn="false" output="screen"
           args="-urdf -model ares3 -param robot_description -y 0.8"/>
</group>
</launch>

---

你可以添加微信17775982065为好友，注明：公司+姓名，拉进 RT-Thread 官方微信交流群！

RT-Thread

让物联网终端的开发变得简单、快速，芯片的价值得到最大化发挥。Apache2.0协议，可免费在商业产品中使用，不需要公布源码，无潜在商业风险。

长按二维码，关注我们

点击下方“阅读全文”查看课程《一起从零手写URDF模型》