gazebo

3 月，跳不动了？>>> XTDrone [EN] 介绍 这是基于PX4和ROS的无人机仿真平台，在这个平台上，开发者可以快速验证算法。如： 目标检测与追踪 视觉SLAM 激光SLAM VIO 运动规划 多机协同 软件架构 通信: PX4与ROS之间的通信封装进Python类, 多机通信启动多进程 控制：键盘切换无人机飞行模式，控制解锁上锁，调节速度和偏航转速 感知 目标检测与追踪 YOLO SLAM： VSLAM: ORBSLAM2 Laser_SLAM: PLICP+gmapping VIO VINS-Mono（起飞前初始化问题有待完善） 位姿真值获取 语音识别（待开发） 运动规划(目前只有二维) 全局规划 A* Dijkstra 局部规划 DWA 协同：多机编队构型变换 仿真配置 无人机PX4参数 可拒止GPS和磁罗盘 启动脚本 Gazebo模型 支持双目相机、深度相机、单线雷达和多线雷达 Gazebo世界 两个户外场景 三个室内场景 安装教程 见 XTDrone使用文档 参与贡献 Fork 本仓库 新建 Feat_xxx 分支 提交代码 新建 Pull Request 来源： oschina 链接： https://my.oschina.net/u/4257871/blog/3209260

上次折腾完了发现Stage_ros没有IMU信息。 为了跑Cartographer所以只能用Gazebo。 参考 Gazebo官方教材 增加物体之后，如果Scale把方块拉成围墙，物体会摇摆，pitch yaw roll都会乱掉。 参考 搭建模型 和 仿真 ,Ctrl + B自定义自己的模型。 画好围墙，右击围墙可以设置位置和长宽高信息。 完事之后保存到自定义的位置，得到一个sdf文件和一个config文件。 config文件只是基本的描述信息。 sdf就是各个围墙的信息。 然后回到Gazebo, Ctrl + M 引入刚才设计的模型，保存为maze.world文件。 这个world只包含场景，不包含turtlebot模型（应该也可以直接引入） 这时找到turtlebot_empty.world文件，把maze.world里没有的相关信息(此处为ode)插入到maze.world。 <sdf version='1.6'> <world name='default'> <physics type="ode"> <real_time_update_rate>1000.0</real_time_update_rate> <max_step_size>0.001</max_step_size> <real_time_factor>1</real_time_factor> <ode>

原文 文章目录 1. 为模型添加颜色和纹理 2. 关于Ambient, Diffuse, Specular, and Emissive 3. 材料反射的光的成分 3.1. Ambient 3.2. Diffuse 3.3. Specula 3.4. Emissive 3.5. 成分对比 4. 颜色参数在哪里设置 4.1. 设置光的颜色成分值 4.2. 设置物体的颜色成分值 4.2.1. SDF 4.2.2. Ogre Material Script 4.2.3. Collada and OBJ meshes 5. 关于纹理textures 5.1. 给物体设置纹理 5.1.1. Ogre Material Scripts 5.1.2. Collada 6. 给模型添加颜色和纹理的例子 基本文件和文件夹 用URDF给轮子和电源指示灯上颜色 使用Ogre Material Script 上颜色 使用带有texture的collada上颜色 在gazebo中效果 1. 为模型添加颜色和纹理 本教程描述了颜色在gazebo上的工作原理。读完之后，你会知道如何让仿真对象看起来更像真实世界中的对象。 2. 关于Ambient, Diffuse, Specular, and Emissive 在这一节的最后，你会知道什么参数与颜色的关系，以及它们是如何工作的。 使用 Blinn-Phong

前言 NASA的R2机器人已经在空间站成功的部署了，可是这个开源机器人在ros平台上的资源很少，估计都被人遗忘了，R2机器人拥有两条机械臂以及人形的外壳，对于初学ros的人来说应该是非常有吸引力的，今天参考书上的例子尝试下R2的操作。 实验环境 ros：kinetic Ubuntu：16.04 gazebo：7.0.0 安装 现在下载github的资源是真的慢。。。解决办法可以看我这篇微博： 解决github资源下载慢 mkdir -p ~/r2_ws/src cd r2_ws/src catkin_init_workspace catkin_create_pkg r2 rospy geometry_msgs git clone https://gitee.com/xmy0916/nasa_r2_simulator.git git clone https://gitee.com/xmy0916/nasa_r2_common 你可以看到这两个谷仓是我从NASA的github上拉到我的gitee上的，从gitee下载资源非常的快。 编译 cd ~/r2_ws catkin_make 不出意外要很多报错，这也是这篇博客这么晚写的原因，初学的时候看到这些问题头都大了，无从下手，慢慢的发现作者给的包肯定是能用的，问题都出在版本不同上了，所以解决这些问题的方法就是看不同版本软件的源码，寻找差异

Why Needed ？ Gazebo提供了世界状态的录制功能，但是官方并没有提供一个简单的数据导出功能，自带的绘图记录仪有最大数据量的限制（170kb左右），严重影响了数据采集工作的进行。 What Done？ 这里给出一个简单的录制软件，省去一部分的重复工作，可以将回放的LOG文件转化为CSV格式，便于下一步的数据处理。 HOW？ Gazebo发布的话题类型为ModelStates、LinkStates，前者是总体世界的状态，后者是某个机器人身上的关节状态 以ModelStates为例，ModelStates由标准ROS话题构成，分别是String、Twist、Pose。根据这一特性可以抽取所需要的模型的位姿变化数据。 Step 具体步骤如下： 1.在本脚本中修改保存文件地址，以及添加所需要的模型姿态。所需要修改位置已经使用注释标注出； 2.rosrun gazebo_ros gazebo -u - p {LOG_PATH}启动log文件 3.启动本文的py脚本； 4.点击Gazebo的播放按钮，等待log回放结束； 5.按下ctrl+c即可完成log文件录制； Script python2脚本，可用于python3运行 #!/usr/bin/env python import pandas as pd import os import rospy from std_msgs

终端修改环境变量 $ export SVGA_VGPU10 = 0 或者直接写进.bashrc中，一劳永逸 $ echo "export SVGA_VGPU10=0" >> ~/.bashrc 如下 安装完之后，运行gazebo 可能会报错：VMware: vmw_ioctl_command error Invalid argument. 此错误是由于VMWare开了显示器的3D图形加速功能，具体解决方法： 先关闭虚拟机，然后通过右击VMWare虚拟机选择“设置”–“显示器”选项，关机“3D图形加速”功能； 重启虚拟机，重新运行gazebo即可。 原文链接：https://blog.csdn.net/abcwoabcwo/article/details/85258324 来源： CSDN 作者： sinat_37957340 链接： https://blog.csdn.net/sinat_37957340/article/details/104539257

用turtlebot3和gazebo做仿真 环境： 电脑系统：lubuntu16.04 ROS版本：kinetic 安装需要的包： sudo apt-get install ros-kinetic-turtlebot3 sudo apt-get install ros-kinetic-turtlebot3-gazebo 编写launch文件： < ? xml version="1.0" encoding="UTF - 8" ? > <launch > < !-- 部分配置参数 - - > <arg name="model" default="$(env TURTLEBOT3_MODEL)" doc="model type [burger, waffle, waffle_pi]"/> <arg name="x_pos" default="0.0"/> <arg name="y_pos" default="0.0"/> <arg name="z_pos" default="0.0"/> < !-- 启动gazebo，加载仿真环境 $(find turtlebot3_gazebo)/worlds/turtlebot3_house.world - - > <include file="$(find gazebo_ros)/launch/empty_world.launch"> <arg

接下来的教程可能都离不开这个模型，因此我把他单独作为一篇文章放出来，接下来的gazebo教程会与ros相结合。 1、获取RRbot模型 RRBot（Revolution-Revolute Manipulator Robot）是一个简单的3部件2关节手臂，我们将使用它来演示凉亭和URDF的各种功能。它实质上是一个双倒立摆，我们将在模拟器中演示了一些有趣的控制概念。 要获得RRBot，请将gazebo_ros_demos Github存储库克隆到工作空间（catkin workspace）的 /src 文件夹中，然后重新构建： cd ~ / catkin_ws / src / git clone https: / / github . com / ros - simulation / gazebo_ros_demos . git cd . . catkin_make ！！！不要忘了catkin_make一下哦 2、在rviz中查看模型 要检查一切是否正常，请在Rviz中启动RRBot： roslaunch rrbot_description rrbot_rviz . launch 应该看到我们的小机器人是这样的： 如果打不开，可以尝试使用 killall roscore 杀死所有旧的roscore进程并重新启动RViz。 顺带一提，gazebo同样如此

大家好！！这里整理我博客中的文章链接，大家可以选择感兴趣的阅读，当然不喜勿喷，另外如果大家有想要了解的技术内容/教程，也可以留言或者私信我，我会选择大家都比较认同的，而我又碰巧了解的去更新文章（就算不了解可能也会现学现卖( ▽ )，大家一起学） 一、四足机器人 1、cpg 下面这两篇文章介绍了最基础的控制信号生成，即cpg控制网络，之所以称为网络是因为各条腿的信号是相互耦合的。这两篇文章中简单讲述hopf振荡器的数学原理，并且利用其变形以满足我们的控制需求，最终实现了四足机器人的行走以及不同步态转换。 波士顿动力真的无可企及吗？一步步剖析四足机器人技术（一） 波士顿动力真的无可企及吗？一步步剖析四足机器人技术（二） 2、minitaur 这三篇文章介绍了如何利用强化学习使得四足机器人minitaur学会行走，主要是对 论文 的解读，以及相关代码的讲解与实现，该论文提出的方法使得我们可以直接将在仿真环境中训练好的决策模型直接移植到现实中使用而无需进行迁移学习或者调参 urdf文件结构讲解 以四足机器人minitaur为例 强化学习实现minitaur运动控制——介绍篇 强化学习实现minitaur运动控制——决策模型篇 强化学习实现minitaur运动控制——仿真环境篇 二、强化学习 既然上一部分需要利用强化学习训练我们的机器人，那肯定是少不了对强化学习相关概念以及算法的介绍的

一.在Gazebo中使用ROS控制器 在本节中，我们将讨论如何在Gazebo中让机器人的每个关节运动。 为了让关节动起来，我们需要分配一个ROS控制器，尤其是，我们需要为每个关节连上一个与transmission标签内指定的硬件接口兼容的控制器。 ROS控制器主要由一套反馈机构组成，可以接受某一设定点，并用执行机构的反馈控制输出。 ROS控制器使用硬件接口与硬件交互，硬件接口的主要功能是充当ROS控制器与真实或仿真硬件之间的中介，根据ROS控制器生成的数据来分配 资源控制它。 在本机器人，我们定义了位置控制器，速度控制器，力控制器等，这些ROS控制器是由名为ros_control的一组软件包提供的。 为了正确理解如何为机械臂配置ROS控制器，我们需要理解它的概念。我们将进一步讨论ros_control软件包，不同类型的ROS 控制器以及ROS控制器如何与Gazebo仿真交互。 1.认识ros_control软件包 ros_control软件包实现了机器人控制器、控制管理器、硬件接口、不同的传输接口和控制工具箱。 ros_control软件包由以下各独立的软件包组成： *control_toolbox : 这个软件包包含通用模块(PID 和 Sine)，可供所有控制器使用。 *controller_interface : 这个软件包包含了控制器的接口(interface)基类。