惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Cisco Talos Blog
Cisco Talos Blog
Martin Fowler
Martin Fowler
A
About on SuperTechFans
H
Help Net Security
F
Full Disclosure
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
IT之家
IT之家
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
阮一峰的网络日志
阮一峰的网络日志
WordPress大学
WordPress大学
H
Heimdal Security Blog
博客园_首页
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
T
Tailwind CSS Blog
Recent Announcements
Recent Announcements
B
Blog RSS Feed
Last Week in AI
Last Week in AI
V2EX - 技术
V2EX - 技术
The Register - Security
The Register - Security
Security Archives - TechRepublic
Security Archives - TechRepublic
G
GRAHAM CLULEY
美团技术团队
S
Securelist
MyScale Blog
MyScale Blog
Vercel News
Vercel News
L
LINUX DO - 最新话题
Hacker News: Ask HN
Hacker News: Ask HN
W
WeLiveSecurity
M
MIT News - Artificial intelligence
宝玉的分享
宝玉的分享
月光博客
月光博客
Attack and Defense Labs
Attack and Defense Labs
大猫的无限游戏
大猫的无限游戏
博客园 - Franky
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Microsoft Security Blog
Microsoft Security Blog
I
InfoQ
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Forbes - Security
Forbes - Security
罗磊的独立博客
O
OpenAI News
AI
AI
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
雷峰网
雷峰网
S
Security @ Cisco Blogs
MongoDB | Blog
MongoDB | Blog
Schneier on Security
Schneier on Security
P
Proofpoint News Feed
Webroot Blog
Webroot Blog
V
Visual Studio Blog

又见苍岚

COLMAP PatchMatch Stereo 算法详解 事件驱动的状态机框架:从理论到工程实践 Git 在国内网络环境下无法 Push 的排查与修复 —— 配置 Clash 代理 分段五次多项式插值原理详解 路径插值方法深度对比研究 Claude Code 使用指南 OpenClaw 记忆管理与技能创建指南 CBS(Conflict-Based Search)算法详解 A* 算法及其变种详解 OpenClaw 配置多 Agents Windows Powershell 无法加载文件,因为在此系统上禁止运行脚本问题的解决方案 MaxClaw 安装流程 大模型 AI 名词介绍 AList 网盘聚合工具简介 Protobuf 简介与测试 Claude Code 简介以及 GLM 4.7 模型接入 Github 歌词下载工具 163MusicLyrics Python __getattr__ 懒加载 Python TypedDict 机器人仿真平台 Gazebo 安装记录 多机器人路径规划问题(Multi-Agent Path Finding, MAPF)简介 Python exifread 读取修改过的 jpeg 信息错误问题修复 3D 坐标系变换的理解 3D 旋转矩阵基本概念 MongoDB Compass 介绍 Python 环境管理工具 uv Flutter 开发指南 Snipaste 安装下载与黑屏问题解决方案 全局路径规划算法记录 2025 Python 版本性能测试 Flutter Hello World Flutter 安装环境配置 Ubuntu VMware 硬盘扩容后 SMBus Host controller not enabled 报错问题解决 Python NetworkX 教程 Docker GPU 报错 - Failed to initialize NVML Unknown Error 解决方案 Python matplotlib 图表绘制 cuda-toolkit 安装替代 Cuda 与 Cudnn Jinja2 Python 利用 docxtpl 和 Jinja2 生成基于模板的 Word 文档 Docker 实现 CPU 核心隔离 LoFTR 基于 Transformer 的特征提取匹配算法 OmniGlue 特征匹配 SuperGlue 使用图神经网络学习特征匹配 Ubuntu 下将 xlsx 文件按照 sheet 转换为 图片 Python 使用 SQLAlchemy Python FastAPI 教程 openwrt 软路由配置安装 Nav2 地图文件(PGM/YAML)规范标准 3D OBJ 模型转换为 glb 瓦片格式 Python 源码 Redis 数据库介绍 Ubuntu 22.04 内核自动升级导致 MongoDB 7.0.12 错误记录 ubuntu 20.04 安装 ROS Noetic ubuntu 18.04 安装 ROS Melodic VMware Workstation Pro 个人免费版下载、安装、使用指南 Hybrid A-star 路径规划 Reeds-Shepp 曲线 Dubins 曲线 Linux kvm 虚拟机网络不通的问题解决方法 Ubuntu 自动内存清理 BiliBili 缓存视频转 mp4 Python 求解线性规划 3D Gaussian Splatting 官方源码实践记录 ImageMagick 教程 Ubuntu 22.04 安装 Colmap 对数几率 odds Ubuntu nmcli 网络管理工具使用指南 SuperPoint 自监督深度学习特征点提取 SyncTV Music Tag Web 在线音乐信息整理工具 ncm 格式转 mp3 MusicBrainz 音乐元数据百科数据库 Ubuntu 网络流量监控工具 私人云音乐平台 Navidrome 入门 手眼标定 四元数(Quaternions) OHTTPS 实现免费自动 https 证书申请、更新、部署 ubuntu 22.04 安装 CloudCompare 单机 KVM 虚拟机冷迁移 Ubuntu 22.04 使用 mdadm 实现软 raid 小鱼 一键安装 ROS-humble Fluid -46- 基于 Simpletex API 构建公式识别页面 公式识别 API 简介 -- Simpletex 使用 Python web 部署库 waitress 3D Gaussian Splatting for Real-Time Radiance Field Rendering Ubuntu Swap 简介与空间扩展 Ubuntu 24.04 安装 forticlient Clash Verge 使用 MongoDB 7.0.17 集群 Docker 构建源码 Error code - 2013. Lost connection to MySQL server during query 问题解决 Python 日志记录库 loguru 使用指北 Python 实现 Web 日志查看服务 MySQL LOAD DATA LOCAL INFILE 极速数据加载 Image size exceeds limit of 89478485 pixels 解决方案 Docker 使用 NVIDIA GPU 驱动错误解决 阿里云 docker 镜像仓库 Ubuntu中没有wired connected的解决方案 MinIO 简介 subconverter 代理订阅格式转换 修复 node –openssl-legacy-provider is not allowed in NODE_OPTIONS 错误 Ubuntu 使用 Clash For Linux 客户端
机器人仿真平台 Gazebo 简介
Yiwei Zhang · 2025-12-11 · via 又见苍岚

Gazebo 是一个功能强大的开源三维机器人仿真器,本文简单介绍相关内容。

简介

Gazebo 是一个功能强大的开源三维机器人仿真器。它允许您在逼真、物理属性准确的虚拟世界中开发、测试和验证机器人算法,而无需依赖实体机器人。它与ROS有着深度的集成,是机器人研究和开发领域的标准工具之一。

Gazebo 是机器人领域的“数字风洞”。它通过提供一个高保真、可重复、可扩展且与ROS深度集成的虚拟实验场,极大地加速了机器人从概念设计到算法开发再到系统测试的整个流程。

主要特点

  1. 高保真物理仿真
    • 使用 ODEBulletSimbodyDART 等物理引擎,精确模拟刚体动力学、碰撞检测、摩擦力和重力。
    • 能产生与真实传感器数据极其相似的仿真数据。
  2. 丰富的机器人模型与环境
    • 拥有一个庞大的官方和社区贡献的模型库,涵盖常见的机器人(如TurtleBot、PR2)、传感器(激光雷达、摄像头、IMU)和日常物品。
    • 可以轻松创建复杂的室内外3D环境。
  3. 先进的图形渲染
    • 使用 OGRE 渲染引擎,提供高质量的照明、阴影和纹理,使仿真可视化效果非常出色。
  4. 便捷的编程与接口
    • ROS原生支持: 与ROS/ROS2无缝集成,仿真机器人可以通过ROS话题、服务和动作与现实世界的ROS代码通信,实现“代码无缝迁移”。
    • 多种API: 提供C++和Python API,用于深度定制和交互。
    • 图形化界面: 包含图形界面,用于放置模型、修改环境、启动仿真和实时可视化。
  5. 强大的传感器仿真
    • 支持多种传感器模型,如单目/双目摄像头、深度相机、2D/3D激光雷达、接触传感器、力扭矩传感器等,其输出数据格式与真实传感器兼容。
  6. 插件系统
    • 高度模块化,允许用户通过编写插件来控制模型、传感器、世界属性,甚至与外部程序通信。

核心功能与组件

  1. 世界文件: 一个描述仿真环境的 .world 文件,使用SDF格式。它定义了地面、光照、物理引擎参数以及环境中所有模型的位置和属性。
  2. 模型文件: 使用SDF或URDF格式描述机器人或物体。包含:
    • 视觉模型: 外观形状。
    • 碰撞模型: 用于物理计算的简化几何体。
    • 惯性属性: 质量、质心、转动惯量。
    • 关节与传动: 定义运动部件及其约束。
    • 传感器插件: 定义附着的传感器及其参数。
  3. Gazebo客户端: 提供用户图形界面,用于交互式操作和可视化。
  4. Gazebo服务器: 运行物理仿真和传感器数据生成的核心“引擎”,可以在无图形界面的“无头模式”下运行,适用于批量测试。

典型应用场景

  • 算法研发与测试: 在虚拟环境中安全、低成本地开发和测试SLAM、导航、路径规划、运动控制、机械臂抓取等算法。
  • 机器人设计验证: 在新机器人硬件制造前,评估其机械设计、传感器布局和控制系统的可行性。
  • 机器学习与强化学习: 为机器人AI提供近乎无限的训练数据和可重置的训练环境,是训练自动驾驶汽车、无人机等系统的理想平台。
  • 系统集成测试: 在将软件部署到真实机器人之前,进行全系统的集成和压力测试。
  • 教育与教学: 为机器人学课程提供无需昂贵硬件即可动手实践的平台。

相关链接

版本信息

针对 Ubuntu 操作系统, 整理自 https://gazebosim.org/docs/latest/getstarted/https://gazebosim.org/docs/harmonic/ros_installation/

Gazebo 版本 ROS 版本 Ubuntu 版本 Gazebo 支持时间
Gazebo Jetty (LTS) ROS 2 Rolling Ubuntu 24.04 Noble 2025.9 - 2030.9
Gazebo Harmonic (LTS) ROS 2 Jazzy (LTS) Ubuntu 24.04 Noble 2023.9 - 2028.9
Gazebo Fortress (LTS) ROS 2 Humble (LTS) Ubuntu 22.04 Jammy 2021.9 - 2026.9

导入和使用自定义机器人模型

在Gazebo中导入和使用自定义机器人模型涉及一系列步骤,下面是根据多个源整理的关键步骤和注意事项:

  1. 准备网格文件:收集所有必要的3D网格文件,这些文件是构建模型所需的。Gazebo支持的简单形状包括箱子、球体和圆柱体。如果需要更复杂的形状,可以从Google的3D仓库中找到,或者使用Blender或Sketchup等3D建模软件创建自己的网格文件1。Gazebo要求网格文件格式为STL、ColladaOBJ,其中Collada和OBJ是首选格式1
  2. 创建模型SDF文件:创建一个简单的模型文件,或者复制一个现有的模型文件。这个文件将描述机器人的结构和动态行为1。你可以从一个非常基本的模型开始,比如一个单位大小的箱形模型,然后逐步扩展和修改它以符合你的需求1
  3. 使用模型编辑器:确保Gazebo已安装,启动Gazebo,然后在编辑菜单中转到模型编辑器,或者按Ctrl+M打开编辑器2。在模型编辑器中,你可以创建和编辑模型,包括导入网格文件,创建关节等3
  4. 导入网格:准备好网格后,将其导出为Collada文件,然后创建一个简单的world文件来加载和测试网格4
  5. 手动启动模型:在bashrc文件中添加模型的路径,以便Gazebo能够找到它。打开终端窗口,输入gedit ~/.bashrc,然后在文件底部添加以下行:export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/your/model/path5
  6. 在Gazebo中启动和使用模型:启动Gazebo并生成你的机器人模型。在屏幕右侧选择你的机器人模型,然后点击屏幕右侧的点并将其拖向左侧以打开隐藏的面板6

WorldModel之间的主要区别

在Gazebo中,"World"是指一个包含物体、环境和物理属性的场景,而"Model"是指场景中的单个对象或机器人。"World"为模拟提供了背景和上下文,包括重力、光照和地形等,而"Model"则是具体的物体,如机器人、建筑或其他实体,它们在"World"中与环境和其他模型互动。简而言之,"World"提供了模拟的环境,而"Model"是在这个环境中运行和交互的实体。

参考资料

文章链接:
https://www.zywvvd.com/notes/study/robotic/simulation/gazebo/gazebo-intr/