简介本资源面向ROS 2与机器人导航方向的开发者与学习者提供一套基于ROS 2和Navigation 2的自动巡检机器人仿真项目解决多目标点循环巡检、语音播报与图像采集保存的完整实现问题。压缩包共60个文件约68KB以20个Python脚本、12个xacro模型文件、5个XML与4个YAML配置为主辅以launch启动文件、rviz可视化配置、world与sdf仿真场景、srv自定义服务接口及地图pgm文件覆盖从机器人建模、导航参数配置到应用层任务调度的完整链路。项目包含fishbot_navigation2、fishbot_description、fishbot_application、autopartol_robot及autopatol_interfaces等模块读者可据此理解Navigation 2的路径规划与避障机制掌握到达目标点后语音播报与摄像头图像本地存储的实现方式。目前已有392人学习下载适合具备ROS 2基础、希望深入导航与仿真集成的中高级开发者参考。1. 从一台半夜撞墙的巡检车说起ROS 2 与 Navigation 2 到底能扛多大事去年帮朋友调一台配电房巡检车凌晨两点它对着消防栓原地转圈日志里controller_server疯狂报Failed to make progress。那一刻我才真正理解自动巡检机器人不是把 SLAM 建图跑通就完事真正决定它能不能上岗的是 Navigation 2 这套行为树调度下的导航栈。这套基于 ROS 2 和 Navigation 2 的自动巡检机器人方案核心解决的就是「已知地图上机器人如何自主规划路径、避障、到点停留、异常返航」这一整条链路。它适合已经摸过 ROS 2 基础、想从仿真跨到实车落地的工程师也适合做园区、机房、仓库巡检场景的技术选型。下面我按自己拆包复现的顺序把配置、参数和踩过的坑一次讲清。2. 拆开这套巡检栈节点拓扑与 Navigation 2 行为树怎么配拿到一个自动巡检机器人资源包第一件事不是急着ros2 launch而是先搞清楚它内部到底跑了哪些节点、谁给谁发 TF、行为树怎么组织。Navigation 2 和早期 move_base 最大的区别就是把导航逻辑从一堆插件硬编码改成了行为树驱动的bt_navigator。你如果不理解这棵树调参就是盲人摸象。2.1 巡检任务的节点拓扑与 TF 树一套典型的巡检栈节点大致分四层。感知层是slam_toolbox或预先建好的静态地图 amcl定位规划层是planner_server全局和controller_server局部调度层是bt_navigator和behavior_server执行层是底盘驱动diff_drive_controller或串口桥接节点。它们之间靠 TF 串起来map → odom → base_link → laser_link任何一环断了导航直接罢工。我一般会先跑一遍ros2 run tf2_tools view_frames把 TF 树导出来看。常见做法是巡检点用NavigateToPoseaction 逐个下发机器人到点后触发拍照或传感器采集再发下一个点。这里有个容易忽略的点巡检点位的frame_id必须和地图坐标系一致否则行为树会在ComputePathToPose阶段就失败日志里只给你一句Goal is outside map bounds新手很容易懵。2.2 行为树 XML 的加载与改写Navigation 2 默认行为树在nav2_bt_navigator包里但巡检场景几乎一定要改。比如你要在到点后停留 5 秒再走就得在NavigateToPose的RecoveryNode里插一个Wait节点。下面是我常用的一个精简版巡检行为树片段!-- patrol_nav_tree.xml 巡检专用行为树 -- root main_tree_to_executeMainTree BehaviorTree IDMainTree PipelineSequence nameNavigateWithReplanning !-- 先算全局路径失败则重试 -- RateController hz1.0 RecoveryNode number_of_retries6 nameComputePathToPose ComputePathToPose goal{goal} path{path} planner_idGridBased/ ClearEntireCostmap nameClearGlobalCostmap service_nameglobal_costmap/clear_entirely_global_costmap/ /RecoveryNode /RateController !-- 跟随路径到点后等待 5 秒再上报 -- RecoveryNode number_of_retries1 nameFollowPath FollowPath path{path} controller_idFollowPath/ ClearEntireCostmap nameClearLocalCostmap service_namelocal_costmap/clear_entirely_local_costmap/ /RecoveryNode Wait wait_duration5.0/ /PipelineSequence /BehaviorTree /root逻辑说明PipelineSequence保证先规划再控制RateController限制重规划频率避免 CPU 打满。RecoveryNode里挂ClearEntireCostmap是血泪经验——巡检现场常有临时堆物代价地图不清机器人会一直以为路被堵死。参数上number_of_retries别设太大6 次足够再多就是原地打转。Wait的wait_duration按你传感器采集耗时改拍照慢就调到 8 秒。加载时在nav2_params.yaml里指定bt_navigator: ros__parameters: default_bt_xml_filename: /path/to/patrol_nav_tree.xml plugin_lib_names: - nav2_compute_path_to_pose_action_bt_node - nav2_follow_path_action_bt_node - nav2_wait_action_bt_node注意plugin_lib_names必须包含你用到的所有 BT 节点库漏一个就报Node not found而且报错信息不会告诉你缺哪个只能对着 XML 逐个核。2.3 代价地图与巡检点参数落地巡检场景的代价地图配置和普通导航不一样。机房、配电房通道窄inflation_radius设大了机器人根本挤不过去设小了又贴着墙走。我一般从0.35起步配合cost_scaling_factor: 3.0试。全局代价地图用静态层 障碍层局部代价地图必须开voxel_layer并接上深度相机或激光。巡检点通常写在一个 YAML 里用脚本循环下发# patrol_loop.py 巡检点循环下发 import rclpy from rclpy.node import Node from nav2_msgs.action import NavigateToPose from rclpy.action import ActionClient import yaml class PatrolClient(Node): def __init__(self): super().__init__(patrol_client) self.client ActionClient(self, NavigateToPose, navigate_to_pose) # 读取巡检点格式 [{x, y, yaw}, ...] with open(patrol_points.yaml) as f: self.points yaml.safe_load(f)[points] def send_goal(self, x, y, yaw): goal NavigateToPose.Goal() goal.pose.header.frame_id map goal.pose.pose.position.x x goal.pose.pose.position.y y # yaw 转四元数这里省略具体转换 self.client.wait_for_server() return self.client.send_goal_async(goal) def run(self): for p in self.points: self.get_logger().info(f前往巡检点 {p}) self.send_goal(p[x], p[y], p[yaw]) # 实际项目里这里要等 result 回调再发下一个参数说明frame_id固定mappatrol_points.yaml里每个点的yaw决定机器人到点朝向拍设备面板时很关键。这段代码省略了结果等待实盘必须用get_result_async串起来否则会一次性把几十个点全发出去行为树直接过载。3. 从仿真到实车建图、定位与导航参数怎么调仿真里跑通不代表实车能用。我见过太多人在 Gazebo 里丝滑一上实车就定位漂移、局部规划抖动。这一章讲建图、AMCL 定位和控制器参数的实际调法。3.1 建图与地图后处理巡检机器人一般用slam_toolbox建图online_async模式适合边走边建。关键参数resolution设0.05max_laser_range按实际雷达改别用默认的 20 米雷达只有 12 米就写 12。建完图用map_saver_cli存ros2 run nav2_map_server map_saver_cli -f ./maps/patrol_map --ros-args -p save_map_timeout:10000.0存完一定要用图像工具打开看墙体有没有重影、有没有断线。断线的地方 AMCL 定位会跳常见做法是手动补几笔或者重新走一遍那段。地图的origin参数在 YAML 里决定了地图左下角在map坐标系的位置改错了所有巡检点全偏。3.2 AMCL 定位参数与初始位姿AMCL 是巡检机器人的命门。参数里min_particles和max_particles我一般设500和2000laser_model_type用likelihood_field。update_min_d和update_min_a别设太小否则 CPU 扛不住0.2米和0.2弧度比较稳。初始位姿必须给。实车启动时如果不知道自己在哪AMCL 会发散。常见做法是在nav2_params.yaml里配set_initial_pose: true并写死一个大致坐标或者用 RViz 的2D Pose Estimate手动点一下。我习惯在巡检起点贴一个反光标记启动脚本里自动发初始位姿省得每次手动。3.3 控制器选型与速度参数Navigation 2 的局部控制器有 DWB、TEB、RPP 等。巡检场景我优先用Regulated Pure PursuitRPP它对窄通道和低速场景更友好不像 DWB 那样容易在门口抖。配置片段controller_server: ros__parameters: controller_frequency: 20.0 FollowPath: plugin: nav2_regulated_pure_pursuit_controller::RegulatedPurePursuitController desired_linear_vel: 0.3 lookahead_dist: 0.6 min_lookahead_dist: 0.3 max_lookahead_dist: 0.9 use_velocity_scaled_lookahead_dist: true regulated_linear_scaling_min_radius: 0.9参数说明desired_linear_vel巡检别超过0.5快了拍照糊。lookahead_dist是前视距离太小机器人画龙太大切内角撞墙。use_velocity_scaled_lookahead_dist打开后前视距离随速度自适应过弯更顺。regulated_linear_scaling_min_radius控制转弯降速半径窄通道调到0.6左右。调完这些实车基本能稳定跑巡检。但真正让人翻车的往往是下面这些不起眼的坑。4. 巡检导航避坑实录五个让我半夜爬起来改参数的坑4.1 现象机器人到巡检点不停直接冲过去原因行为树里FollowPath的goal_checker容差设太大或者巡检点yaw和机器人当前朝向差太多控制器判定「已到达」但实际没停稳。解决在nav2_params.yaml里把general_goal_checker的xy_goal_tolerance设0.1yaw_goal_tolerance设0.2。如果还冲检查行为树里Wait节点是不是被PipelineSequence跳过了换成Sequence试试。4.2 现象局部代价地图里出现幽灵障碍机器人不敢走原因深度相机或雷达的observation_persistence设太大或者raytrace_max_range小于传感器实际量程旧障碍清不掉。解决voxel_layer里observation_persistence设0.0raytrace_max_range和raytrace_min_range按雷达实际参数写。我一般raytrace_max_range: 3.0raytrace_min_range: 0.0。改完重启controller_server生效。4.3 现象AMCL 定位在长走廊突然跳到隔壁走廊原因走廊环境激光特征重复likelihood_field模型匹配到相似区域粒子收敛到错误位置。解决加beam_skip_distance和beam_skip_threshold参数跳过部分激光束同时在走廊里贴几个反光柱或二维码用aruco或landmark辅助定位。实在不行就降低max_particles让粒子别太分散但这是下策。4.4 现象行为树报Timed out waiting for transform原因TF 发布频率不够或者map → odom的 TF 由 AMCL 发布但 AMCL 没起来或者时间戳不同步。解决先ros2 run tf2_ros tf2_echo map base_link看有没有输出。没有就查 AMCL 是否启动、use_sim_time是否一致。实车别开use_sim_time仿真才开。TF 发布频率低于 10Hz 也会超时检查transform_tolerance是否设太小。4.5 现象巡检到一半机器人原地转圈日志刷Failed to make progress原因局部规划器陷入局部极小值或者代价地图膨胀层把通道堵死机器人找不到可行方向。解决先看局部代价地图膨胀半径是不是太大。然后检查行为树RecoveryNode里有没有Spin和BackUp恢复动作。我一般配Spin转 90 度、BackUp退 0.3 米再重规划。如果还不行就是全局路径本身穿过障碍检查planner_server的GridBased插件参数tolerance别设太大。5. 进阶用生命周期节点管巡检任务顺带验证导航是否真稳巡检机器人跑久了你会发现单纯循环发点不够——要处理低电量返航、任务中断续跑、多楼层切换。这些用 ROS 2 的生命周期节点Lifecycle Node来管最合适。Navigation 2 本身就是生命周期节点你可以写一个巡检管理节点在on_activate里启动导航栈on_deactivate里暂停低电量时触发返航行为树。验证导航稳不稳我有个笨办法但很管用让机器人空跑巡检路线 20 圈记录每次到点误差和耗时。用ros2 bag record录下/amcl_pose、/cmd_vel、/navigate_to_pose/_action/status回头用 Python 画误差曲线。误差超过0.15米或者耗时波动超过 30%就说明参数还没调到位。# 录制巡检关键话题方便回放分析 ros2 bag record /amcl_pose /cmd_vel /scan /navigate_to_pose/_action/status -o patrol_test_01回放时用ros2 bag play配合 RViz能复现当时场景。我一般还会在巡检点放一个 AprilTag用相机测实际到点偏差比看 AMCL 位姿更真实。从那以后我每次调完导航参数都强制让机器人空跑 20 圈再上业务这个习惯帮我省了至少三次现场返工。希望帮到你。本文还有配套的精品资源点击获取
