ROS学习笔记系列
- 1. 01：搭建 ROS1 Noetic Docker 开发环境 (个人博客链接)
- 2. 02：创建 catkin Workspace、Package 与第一个 ROS1 C++ Node (个人博客链接) (CSDN链接)
- 3. 03：让 Node 真正通信——Topic、Parameter、日志与 roslaunch (个人博客链接) (CSDN链接)
- 4. 04：使用 VS Code Remote-SSH 与 Dev Container 建立 ROS1 开发工作流 (个人博客链接) (CSDN链接)
- 5. 05：阅读 roscpp 源码，并用 F12、F5、GDB 进入 (个人博客链接) (CSDN链接)
- 6. 06_ROS1_Node启动与生命周期 (个人博客链接)
- 7. ROS教程07：从 ros-start 顺着源码读懂 Master、XML-RPC 与 Topic 注册发现 (个人博客链接) (CSDN链接)
- 8. ROS教程08：从 TransportTCP (个人博客链接)
- 9. ROS教程09：从 CallbackQueue 追到 Spinner——Callback 执行、阻塞与 roscpp 线程模型 (个人博客链接) (CSDN链接)
- 10. ROS教程10：从 gtest 到 rostest——Unit Test、Node 集成测试、rosbag 与 rqt 验证闭环 (个人博客链接) (CSDN链接)
- 11. ROS教程11 (个人博客链接)
- 12. ROS教程11：从 Service 到 Action——同步请求响应、长任务、Feedback、Cancel 与 actionlib 状态机 (个人博客链接) (CSDN链接)
- 13. ROS教程12：ROS消息与驱动数据契约——用差速底盘理解 Twist、JointState、Imu 与 Odometry (个人博客链接) (CSDN链接)
- 14. ROS教程13：TF tf2 与移动机器人坐标系——从坐标变换原理到 BufferCore、时间缓存与 map→odom→base_link→sensor (个人博客链接) (CSDN链接)
- 15. ROS教程14：URDF Xacro robot_state_publisher joint_states从机器人模型到自动生成整机 TF Tree (个人博客链接) (CSDN链接)
- 16. ROS教程15：robot_localization——从轮式里程计与 IMU 到机器人状态估计 (个人博客链接) (CSDN链接)
- 17. ROS教程16：SLAM 与定位——从激光雷达到地图、AMCL 与 map→odom (个人博客链接) (CSDN链接)
- 18. ROS教程17：Navigation move_base 从定位、Costmap、Planner 到 cmd_vel (个人博客链接) (CSDN链接)
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 wdfk-prog的个人博客！
微信- 支付寶
相关推荐
2026-10-18
ros_ultrasonic_in_ros
从一条超声波测距到 ROS 导航：PointCloud2、碰撞监测与 Costmap 摘要：超声波通常只返回一条距离读数。介绍 ROS Range 的测量语义、圆弧虚拟点云的几何计算，以及 Nav2 碰撞监测与 Costmap 的不同处理方式，并比较适用场景和局限。 @[toc] 1. 超声波只有一个距离值，ROS 为什么能有三种用法超声波测距器发射声波并接收回波，通常向上层报告一个标量距离，例如 0.20 m。这个数值说明反射目标可能出现在传感器前方的某个距离位置，但并没有告诉软件，反射点究竟位于左侧、正前方还是右侧。尤其对于具有一定波束宽度的探头，同一条距离读数无法像扫描式激光雷达那样确定每个角度各自的障碍物距离。 ROS 使用 sensor_msgs/Range 表达这类单次测距。其 field_of_view 定义了这条读数可能对应的角度范围，range 是距离值，header.frame_id 标记传感器坐标系，header.stamp 标记采样时间。ROS 的消息定义明确采用“距离值在某段圆弧上有效”的模型，而不是“每个角度都独立测到一个点”。[S1][S2]...
2026-09-19
ROS教程17：Navigation move_base 从定位、Costmap、Planner 到 cmd_vel
ROS教程17：Navigation / move_base——从定位、Costmap、Planner 到 cmd_vel 摘要：把 AMCL、TF、里程计和激光观测接入 move_base，理解 global/local costmap、Navfn、DWA 与 cmd_vel 的真实数据依赖，并完成阶段 C 的 AGV 导航闭环。 @[toc]第 13～16 章已经分别建立了移动机器人导航上游最关键的几条数据链： 1234567891011121314第 13 章：TF / tf2map -> odom -> base_link -> sensor第 14 章：URDF + robot_state_publisherbase_link -> laser_link / imu_link / wheel_link第 15 章：robot_localization/odom/raw + /imu/data_raw -> /odometry/filtered -> odom -> base...
2026-09-19
ROS教程16：SLAM 与定位——从激光雷达到地图、AMCL 与 map→odom
摘要：从激光测距、扫描角度和多线 3D 雷达出发，串联 LaserScan、GMapping、OccupancyGrid、AMCL 与 map→odom，建立 ROS1 建图和已有地图定位的完整数据链。 @[toc]第 15 章已经把轮式里程计与 IMU 接入 robot_localization，并让状态估计器稳定提供： 1odom -> base_link 这条变换适合描述机器人连续的局部运动，但 odom 允许随着时间积累漂移。真正进入移动机器人全局定位时，还需要回答另一个问题： 1机器人现在位于整张地图的什么位置？ 第 16 章从激光雷达开始，把这个问题拆成一条完整链路： 12345678激光如何得到距离 -> 一帧扫描为什么是“角度 + 距离” -> 2D 单平面与 3D 多线雷达有什么区别 -> /scan 怎样与 TF / odom 结合 -> SLAM 为什么能一边定位一边建图 -> /map 与 map frame 为什么不是一回事 -> AMCL 为什么已有地图后只做定...
2026-09-19
ROS教程15：robot_localization——从轮式里程计与 IMU 到机器人状态估计
ROS教程15：robot_localization——从轮式里程计与 IMU 到机器人状态估计 摘要：承接差速底盘、TF 与 URDF/Xacro，使用 robot_localization 将原始轮式里程计和 IMU 接入 EKF，理解状态、协方差、时间、frame 与 TF ownership。 @[toc]第 12～14 章已经分别建立了三层基础： 12345678第 12 章：Driver 数据契约/cmd_vel -> wheel -> /odom、/imu/data_raw、/joint_states第 13 章：TF / tf2map -> odom -> base_link -> sensor frames第 14 章：URDF / Xacrobase_link -> wheel / laser / imu / camera 到这里，一个新的问题出现了： 12Driver 已经能发布 /odomIMU 也已经能发布 /imu/data_raw 为什么还需要 robot_localization？ 因为 /o...
2026-09-19
ROS教程14：URDF Xacro robot_state_publisher joint_states从机器人模型到自动生成整机 TF Tree
ROS教程14：URDF / Xacro / robot_state_publisher / joint_states——从机器人模型到自动生成整机 TF Tree 摘要：承接第 13 章 TF，以 AGV 为例读懂 URDF，并用 Xacro 完成参数化、宏复用与条件展开，再串联 robot_description、joint_states 和 robot_state_publisher 生成整机 TF。 @[toc]第 13 章已经把 TF 的核心机制跑通： 1234map -> odom -> base_link -> sensor frames 当时为了把注意力集中在 tf2 本身，base_link -> laser_link、base_link -> imu_link 使用了手写 static_transform_publisher： 12base_link -> laser_linkbase_link -> imu_link 这种方法适合验证一两条边，但真实机器人通常不止两个 fra...
2026-09-19
ROS教程13：TF tf2 与移动机器人坐标系——从坐标变换原理到 BufferCore、时间缓存与 map→odom→base_link→sensor
ROS教程13：TF / tf2 与移动机器人坐标系——从坐标变换原理到 BufferCore、时间缓存与 map→odom→base_link→sensor 摘要：从第 12 章的 Odometry 与 Imu 出发，解释 odom 含义、刚体变换数学、tf2 内部缓存与查询算法，并用实验建立移动机器人 TF tree。 @[toc]第 12 章已经把差速底盘的数据整理成 ROS 能理解的标准消息： 123456789/cmd_vel -> Twist -> 左右轮目标速度底层 ChassisData -> JointState -> Imu -> Odometry -> DiagnosticArray 其中已经出现过几个很重要的字符串： 123odombase_linkimu_link 例如 /odom 中写了： 12header.frame_id = odomchild_frame_id = base_link /imu/data_raw 中写了： 1header.frame_...
评论
