ROS2 Humble激光雷达仿真工程：多线雷达+Gazebo模块化架构

简介：本资源是一个面向ROS2初学者与机器人仿真开发者的实践型工程包，聚焦多线激光雷达在Gazebo中的建模与仿真应用，解决SLAM、定位与环境感知等任务的前期验证难题。压缩包共30个文件（62KB），涵盖12个xacro宏定义文件（用于模块化构建fishbot机器人URDF模型）、4个Python节点脚本（实现传感器数据发布与基础控制）、2个YAML配置文件（管理参数与插件加载）、1个world场景文件及1个SDF模型文件，并包含launch启动脚本、RVIZ可视化配置、README说明与LICENSE协议等完整工程要素。已有46人学习下载，配套的说明文件.txt与附赠资源.docx详细列出了Ubuntu22.04+ROS2 Humble环境下的编译、启动与调试全流程，特别对xacro到URDF转换逻辑、Gazebo插件绑定机制及多线激光雷达参数映射做了关键注解，显著降低仿真环境搭建门槛。

1. 这不是“跑通一个Demo”，而是一套可复用的激光雷达仿真工程骨架

你搜“ROS2 Humble Gazebo 激光雷达”，刷出来的大多是零散命令、报错截图、半截配置文件——要么卡在gazebo_ros_pkgs编译失败，要么/scan话题永远空，再或者fishbot_description一加载就报<robot> tag not found。我去年带三个实习生做SLAM算法验证时，光是搭出一个能稳定输出16线点云、支持TF树完整、能和Nav2联动的仿真环境，前后踩了27个坑，重装系统4次，最后发现核心问题根本不在代码，而在工程结构设计的底层逻辑缺陷：把URDF、SDF、Gazebo插件、ROS2 Launch、参数文件全揉在一个包里，改一个参数要重启整个仿真，调试效率低得像用算盘跑神经网络。

这个标题里的“Gazebo多线激光雷达仿真示例工程”，表面看是个教学Demo，实际是一套经过生产环境验证的模块化仿真架构。它用fishbot_description作为机器人描述基座，但真正价值在于其分层设计：description包只管几何与物理属性，gazebo包专注传感器仿真与插件集成，launch包解耦启动逻辑，config包集中管理所有可调参数。这种结构让后续接入SLAM、导航、甚至多机协同都变成“替换配置文件+修改Launch参数”的操作，而不是重写整个仿真流程。

关键词里反复出现的ROS2Humble和Ubuntu22_04不是随便写的版本号。Humble是ROS2首个LTS（长期支持）版本，其gazebo_ros_pkgs对Gazebo Classic（11.x）的适配已趋稳定，但和Gazebo Fortress（ROS2 Iron之后默认）存在ABI不兼容；Ubuntu22.04的libignition库版本与Gazebo 11.3.0深度绑定，换到24.04会直接触发ignition-msgs链接错误——这解释了为什么网上那些“Ubuntu24.04 + Gazebo + Nav2”的教程，90%在ros2 launch gazebo_ros gazebo.launch.py这一步就挂掉。而本工程从根目录的CMakeLists.txt到每个Launch文件的find_package()调用，全部锁定ignition-msgs6、ignition-transport8等具体小版本，杜绝了“版本漂移”导致的隐性崩溃。

至于多线激光雷达，标题没写具体型号，但结合fishbot的常见硬件选型和热词中的velodyne16线，实际采用的是gazebo_ros_ray_sensor插件模拟的16线垂直扫描模式。它不像2D单线雷达那样只生成平面点云，而是通过<vertical> <ray>嵌套配置，在Z轴方向生成16个离散扫描层，每层独立控制角度分辨率、最小/最大距离、噪声模型。这种配置直接对应真实Velodyne VLP-16的物理特性，让后续的点云滤波、地面分割、障碍物聚类算法能在仿真中获得接近实车的数据分布特征——这才是“仿真有效”的核心，而不是仅仅让RViz里飘出一堆点。

适合谁参考？如果你正面临这些场景：需要快速验证自研SLAM算法在不同激光雷达配置下的鲁棒性；为新采购的16线雷达做驱动适配前的功能预演；或是给高校课程设计一套可扩展的移动机器人实验平台——那么这个工程不是“抄作业”的模板，而是你构建自己仿真体系的第一块标准砖。它不教你ROS2基础语法，但会告诉你：为什么robot_state_publisher必须用--use-sim-time参数启动，为什么gazebo_ros的spawn_entity.py脚本里-topic参数必须指向/robot_description而非/description，以及当/tf树里突然多出base_link到lidar_link的变换时，该去哪个Xacro文件里检查<origin>偏移量。

2. 工程结构拆解：为什么要把一个机器人拆成5个包？

2.1 核心分层逻辑：从物理世界到ROS2话题的映射链

这个工程最反直觉的设计，是把一个看似简单的“鱼博特+激光雷达”拆成了fishbot_description、fishbot_gazebo、fishbot_bringup、fishbot_control、fishbot_slam五个独立ROS2包。新手常问：“不就一个机器人吗？放一个包里不行？”——行，但代价是每次改激光雷达安装高度，你得同时改URDF、改Gazebo插件配置、改Launch文件里的TF发布参数，最后还要手动重启所有节点。而分层后，修改仅发生在单一包内：

• fishbot_description：纯静态描述。只包含urdf/和meshes/目录，定义机器人本体几何、关节、惯性参数，以及lidar_link在base_link坐标系下的固定偏移（<origin xyz="0 0 0.2" rpy="0 0 0"/>）。这里绝不出现任何ROS2相关标签，比如<gazebo>或<ros2_control>，确保描述文件可被MoveIt2、Webots、甚至SolidWorks直接读取。

• fishbot_gazebo：仿真专属层。包含models/（Gazebo原生SDF模型）、plugins/（自定义传感器插件）、worlds/（仿真场景）。关键在models/fishbot/model.sdf里，通过<include>引用fishbot_description生成的URDF，并注入gazebo_ros_ray_sensor插件。这里定义激光雷达的物理参数：水平视场角180°、垂直视场角30°（16线均匀分布）、角分辨率0.2°、最大测距100m、高斯噪声标准差0.01m——这些数值直接来自VLP-16数据手册，不是随意填写的。

• fishbot_bringup：启动中枢。launch/目录下有gazebo.launch.py和simulation.launch.py两个主入口。前者只启动Gazebo服务器和spawn_entity，后者则串联robot_state_publisher、joint_state_publisher_gui、gazebo_ros插件节点。这种分离让调试更精准：若Gazebo崩溃，先单独运行gazebo.launch.py确认模型加载无误；若TF树缺失，再检查simulation.launch.py中robot_state_publisher的use_sim_time参数是否设为True。

• fishbot_control：运动控制层。包含config/下的diff_drive_controller.yaml，定义差速轮PID参数、轮间距、最大线速度。这里有个易忽略的细节：publish_rate: 50.0必须与Gazebo仿真步长<physics type='ode'> <max_step_size>0.001</max_step_size>匹配——0.001秒步长对应1000Hz仿真频率，但控制器只需50Hz发布速度指令，避免CPU过载。若设为100Hz，Gazebo会因频繁状态更新而卡顿。

• fishbot_slam：算法验证层。提供slam_toolbox的预配置mapper_params_online_sync.yaml，其中map_frame: map、odom_frame: odom、base_frame: base_link三者构成标准TF链。特别注意scan_topic: /scan参数，它强制SLAM节点订阅gazebo_ros_ray_sensor插件发布的原始点云话题，而非经过laser_filters处理后的数据——这是为了验证算法对原始噪声的鲁棒性。

2.2fishbot_description包的URDF精要解析

fishbot_description/urdf/fishbot.urdf.xacro是整个工程的基石。它采用Xacro宏语言，而非纯URDF，原因在于可复用性：<xacro:include filename="$(find-pkg-share fishbot_description)/urdf/common_properties.xacro"/>引入的common_properties.xacro定义了所有轮子、底盘、传感器的通用材质（<material name="Black">）、摩擦系数（<mu1>1.0</mu1>）、阻尼（<damping>0.1</damping>）。当需要更换为四轮麦轮底盘时，只需修改fishbot.urdf.xacro中<xacro:macro name="chassis">部分，无需重写整个URDF。

激光雷达的安装定义在<xacro:macro name="lidar">中：

<link name="lidar_link"> <visual> <geometry> <cylinder radius="0.05" length="0.1"/> </geometry> <material name="Red"/> </visual> <collision> <geometry> <cylinder radius="0.05" length="0.1"/> </geometry> </collision> <inertial> <mass value="0.5"/> <inertia ixx="0.001" iyy="0.001" izz="0.001"/> </inertial> </link> <joint name="lidar_joint" type="fixed"> <parent link="base_link"/> <child link="lidar_link"/> <origin xyz="0 0 0.2" rpy="0 0 0"/> </joint>

这里xyz="0 0 0.2"表示激光雷达中心距底盘上表面20cm，符合FishBot实物安装高度。rpy="0 0 0"确保Z轴与机器人前进方向一致，避免点云坐标系旋转导致SLAM建图扭曲。<inertial>块虽小，却影响Gazebo物理仿真精度：若质量设为0，激光雷达在碰撞时会穿透障碍物；若惯性张量过大，机器人急停时雷达会因惯性继续“飞出去”。

fishbot_description还包含meshes/目录，存放STL格式的3D模型。但工程中实际使用的是<geometry><cylinder/></geometry>这类简单几何体——因为Gazebo对复杂STL的碰撞检测计算开销极大，尤其在多机器人仿真时。只有当需要精确模拟传感器外壳遮挡效果时，才启用meshes/lidar.stl并设置<collision><mesh><uri>model://fishbot/meshes/lidar.stl</uri></mesh></collision>。

2.3fishbot_gazebo包的SDF与插件深度配置

fishbot_gazebo/models/fishbot/model.sdf是连接URDF与Gazebo的桥梁。其核心是<include>块：

<include> <uri>model://fishbot_description</uri> <pose>0 0 0 0 0 0</pose> </include>

这里model://是Gazebo的资源协议，指向GAZEBO_MODEL_PATH环境变量指定的路径。工程在setup.bash中预置了export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/opt/ros/humble/share/gazebo_plugins/models:$COLCON_PREFIX_PATH/share，确保Gazebo能同时找到官方模型库和本工程的fishbot_description。

激光雷达插件配置在<plugin>标签内：

<plugin filename="libgazebo_ros_ray_sensor.so" name="gazebo_ros_lidar"> <robot_namespace>/fishbot</robot_namespace> <frame_name>lidar_link</frame_name> <min_range>0.1</min_range> <max_range>100.0</max_range> <range_noise_mean>0.0</range_noise_mean> <range_noise_stddev>0.01</range_noise_stddev> <horizontal> <samples>900</samples> <resolution>1</resolution> <min_angle>-1.5708</min_angle> <max_angle>1.5708</max_angle> </horizontal> <vertical> <samples>16</samples> <resolution>1</resolution> <min_angle>-0.2618</min_angle> <max_angle>0.2618</max_angle> </vertical> </plugin>

关键参数解读：

• horizontal/samples=900：水平方向900个采样点，对应0.2°角分辨率（3.1416×2÷900≈0.00698rad≈0.4°），但实际VLP-16为0.2°，故需设为1800。此处设900是为降低CPU负载，教学演示足够。
• vertical/samples=16：明确声明16线扫描，min_angle到max_angle跨度0.5236rad（30°），每线间隔0.0327rad（1.875°），与VLP-16的30°垂直视场角一致。
• range_noise_stddev=0.01：距离测量高斯噪声标准差1cm，符合工业级激光雷达规格。若设为0，点云过于“干净”，SLAM算法在实车部署时会因无法适应真实噪声而失效。

插件发布的/scan话题是sensor_msgs/msg/LaserScan类型，但gazebo_ros_ray_sensor实际生成的是sensor_msgs/msg/PointCloud2。工程通过gazebo_ros的convert_scan_to_pointcloud参数自动转换，避免手动编写转换节点。该参数在gazebo.launch.py中通过remappings=[('scan', '/scan')]传递，确保话题名统一。

2.4 Launch文件的参数化设计：如何用一个Launch启动N种场景

fishbot_bringup/launch/gazebo.launch.py采用ROS2标准Launch描述符，但关键在参数注入机制：

def generate_launch_description(): # 从命令行获取参数 use_sim_time = LaunchConfiguration('use_sim_time', default='true') world = LaunchConfiguration('world', default=os.path.join( get_package_share_directory('fishbot_gazebo'), 'worlds', 'empty.world')) return LaunchDescription([ DeclareLaunchArgument( 'use_sim_time', default_value='true', description='Use simulation (Gazebo) clock if true'), DeclareLaunchArgument( 'world', default_value=world, description='Full path to the world model file to load'), # Gazebo服务器节点 IncludeLaunchDescription( PythonLaunchDescriptionSource( os.path.join(get_package_share_directory('gazebo_ros'), 'launch', 'gazebo.launch.py')), launch_arguments={'world': world}.items(), ), # 实体生成节点 Node( package='gazebo_ros', executable='spawn_entity.py', arguments=[ '-entity', 'fishbot', '-topic', 'robot_description', # 注意：必须是/robot_description，不是/description '-x', '0.0', '-y', '0.0', '-z', '0.0' ], output='screen'), ])

-topic 'robot_description'是易错点：很多教程写成-topic /robot_description或-topic description，导致spawn_entity找不到URDF而报错。正确值是robot_description（无斜杠），因为robot_state_publisher发布的/robot_description话题名中的斜杠是ROS2自动添加的命名空间前缀。

fishbot_bringup/launch/simulation.launch.py则实现“一键启动全栈”：

# 启动robot_state_publisher Node( package='robot_state_publisher', executable='robot_state_publisher', name='robot_state_publisher', output='screen', parameters=[{ 'use_sim_time': use_sim_time, 'robot_description': Command(['xacro ', urdf_path]) }], remappings=[('/tf', 'tf'), ('/tf_static', 'tf_static')] ),

parameters中'robot_description': Command(['xacro ', urdf_path])动态执行xacro命令生成URDF字符串，避免预编译URDF文件导致的更新延迟。remappings将/tf重映射为tf，是因为robot_state_publisher默认发布/tf，但某些旧版Nav2配置期望tf无前缀——这种兼容性设计让工程能无缝对接不同版本的导航栈。

3. 多线激光雷达仿真实操：从零搭建到点云可视化全流程

3.1 环境准备：Ubuntu22.04 + ROS2 Humble的精准安装

Ubuntu22.04的系统镜像选择至关重要。官方推荐ubuntu-22.04.3-live-server-amd64.iso，而非Desktop版——因为Server版默认禁用GUI，节省Gazebo渲染的GPU资源，且systemd服务管理更稳定。安装时分区建议：/根分区50GB（SSD）、/home分区200GB（HDD）、swap分区8GB（内存<16GB时必需）。

ROS2 Humble安装严格按官网步骤，但有两个隐藏陷阱：

1. apt源配置：sudo sh -c 'echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] http://packages.ros.org/ros2/ubuntu $(. /etc/os-release && echo $UBUNTU_CODENAME) main" > /etc/apt/sources.list.d/ros2.list'中，$(. /etc/os-release && echo $UBUNTU_CODENAME)必须输出jammy（Ubuntu22.04代号）。若系统语言非英文，$UBUNTU_CODENAME可能为空，需手动替换为jammy。
2. gazebo_ros_pkgs安装：sudo apt install ros-humble-gazebo-ros-pkgs会自动安装gazebo11，但若之前装过Gazebo9或10，残留的libgazebo库会导致冲突。此时需执行sudo apt remove --purge gazebo* libgazebo*彻底清理，再sudo apt autoremove，最后重新安装。

验证环境：

# 检查Gazebo版本 gazebo --version # 应输出 11.3.0 # 检查ROS2接口 ros2 pkg list | grep gazebo # 应含 gazebo_ros, gazebo_msgs # 检查Ignition库 pkg-config --modversion ignition-msgs6 # 应输出 6.11.0

3.2 工程克隆与编译：解决90%的编译失败问题

工程压缩包Gazeb.zip解压后，目录结构应为：

fishbot_ws/ ├── src/ │ ├── fishbot_description/ │ ├── fishbot_gazebo/ │ ├── fishbot_bringup/ │ └── fishbot_control/ └── build/ # 编译产物目录

关键编译命令：

cd fishbot_ws # 初始化colcon环境 source /opt/ros/humble/setup.bash # 安装依赖（自动解析package.xml） rosdep install --from-paths src --ignore-src -r -y # 编译（-j1防止内存溢出） colcon build --packages-select fishbot_description fishbot_gazebo --cmake-args -DCMAKE_BUILD_TYPE=Release

rosdep install是成功率最高的依赖安装方式，它读取每个包的package.xml中的<exec_depend>，自动映射到Ubuntu包名。例如<exec_depend>gazebo_ros</exec_depend>会被解析为ros-humble-gazebo-ros。

若编译报错fatal error: gazebo_ros/utils.hpp: No such file or directory，说明gazebo_ros_pkgs未正确安装。此时不要手动下载头文件，而应执行：

sudo apt update && sudo apt install ros-humble-gazebo-ros-pkgs

因为utils.hpp位于/opt/ros/humble/include/gazebo_ros/，由ros-humble-gazebo-ros-pkgs包提供。

编译成功后，source install/setup.bash激活环境。此时运行ros2 pkg list | grep fishbot应列出所有fishbot包。

3.3 启动仿真与点云验证：三步确认激光雷达工作正常

第一步：启动Gazebo空世界

ros2 launch fishbot_bringup gazebo.launch.py

Gazebo窗口打开后，左上角菜单栏Insert中应能看到fishbot模型。若无，检查GAZEBO_MODEL_PATH是否包含fishbot_ws/install/fishbot_gazebo/share/fishbot_gazebo/models。

第二步：加载机器人实体在新终端中：

ros2 launch fishbot_bringup simulation.launch.py

此时Gazebo中应出现FishBot模型，且RViz2可启动：

ros2 run rviz2 rviz2 -d $(ros2 pkg prefix fishbot_bringup)/share/fishbot_bringup/rviz/fishbot.rviz

RViz2配置文件fishbot.rviz已预设RobotModel、TF、LaserScan三个显示项。若LaserScan无点云，检查：

• ros2 topic list | grep scan是否有/scan话题
• ros2 topic echo /scan是否输出header、angle_min等字段
• ros2 node list中gazebo_ros_lidar节点是否在运行

第三步：点云质量验证运行ros2 topic hz /scan查看发布频率，应为10Hz（Gazebo仿真步长0.001s × 100Hz控制频率 ÷ 10 = 10Hz）。若低于5Hz，检查Gazebo右下角Real Time Factor是否接近1.0；若为0.1，说明CPU过载，需降低horizontal/samples或关闭Gazebo渲染（gzserver替代gazebo）。

点云可视化进阶技巧：在RViz2中LaserScan显示项下，勾选Style: Points，Size (Pixels): 2，Color Transformer: Intensity。此时点云颜色深浅反映回波强度，可直观判断：近处点（强度高）呈白色，远处点（强度衰减）呈灰色，噪声点（随机强度）呈杂色斑点——这正是真实激光雷达的物理特性。

3.4 参数调优实战：让仿真点云逼近真实VLP-16

真实VLP-16的点云密度并非均匀分布。水平方向，中心区域（±30°）点更密，边缘（±90°）点更疏；垂直方向，中间几线（第8-9线）分辨率更高。工程通过<horizontal>和<vertical>的<resolution>参数模拟此特性：

<horizontal> <samples>1800</samples> <resolution>0.5</resolution> <!-- 中心区域采样率翻倍 --> <min_angle>-1.5708</min_angle> <max_angle>1.5708</max_angle> </horizontal> <vertical> <samples>16</samples> <resolution>1.0</resolution> <min_angle>-0.2618</min_angle> <max_angle>0.2618</max_angle> </vertical>

<resolution>0.5表示在<min_angle>到<max_angle>区间内，实际采样点数为samples × resolution = 1800 × 0.5 = 900，但Gazebo会智能分配：中心区域每0.1°一个点，边缘每0.4°一个点，总点数仍为900。

噪声模型调优更关键。range_noise_stddev设为0.01m时，点云边缘会出现“毛刺”。真实VLP-16的噪声随距离增大而增大，故需启用range_noise_model：

<range_noise_model> <type>gaussian</type> <mean>0.0</mean> <stddev>0.01</stddev> <distance_dependent>true</distance_dependent> <distance_factor>0.0001</distance_factor> </range_noise_model>

distance_factor=0.0001表示每米距离增加0.1mm噪声标准差。10m处噪声为0.01 + 10×0.0001 = 0.011m，100m处为0.02m——这与VLP-16实测数据吻合。

提示：修改SDF参数后，必须重新编译fishbot_gazebo包，因为model.sdf被colcon build复制到install/fishbot_gazebo/share/fishbot_gazebo/models/fishbot/model.sdf。直接编辑src/目录下的文件无效。

4. 常见问题排查：从Gazebo黑屏到点云消失的21个故障点

4.1 Gazebo启动失败：黑屏、闪退、报错汇总

独家避坑技巧：Gazebo 11.3.0在Ubuntu22.04上偶发Segmentation fault (core dumped)，根源是libignition-common的内存释放bug。临时方案：启动前设置export IGNITION_COMMON_DEBUG=0，或升级到ignition-common4（需手动编译）。

4.2 激光雷达无点云：/scan话题消失的根因分析

/scan话题缺失是最常见问题，但原因分三层：

第一层：Gazebo插件未加载

• 检查model.sdf中<plugin>标签是否拼写错误（如libgazebo_ros_ray_sensor.so误写为libgazebo_ros_laser.so）
• 运行gzserver --verbose启动Gazebo，观察日志中是否有Loaded plugin libgazebo_ros_ray_sensor.so字样

第二层：TF树断裂

• 运行ros2 run tf2_tools view_frames生成frames.pdf，检查base_link到lidar_link的变换是否存在
• 若缺失，确认fishbot_description/urdf/fishbot.urdf.xacro中<joint name="lidar_joint">的<parent>和<child>链接名与<link>定义完全一致（大小写敏感！）

第三层：话题重映射错误

• ros2 topic list中若出现/fishbot/scan而非/scan，说明robot_namespace参数未生效
• 检查model.sdf中<robot_namespace>/fishbot</robot_namespace>是否被注释，或gazebo.launch.py中IncludeLaunchDescription未传递robot_namespace参数

注意：gazebo_ros_ray_sensor插件默认发布/scan，但若<robot_namespace>设为/fishbot，则实际话题为/fishbot/scan。此时必须在RViz2中将LaserScan的Topic改为/fishbot/scan，或在Launch文件中添加remappings=[('/scan', '/fishbot/scan')]。

4.3 点云畸变与抖动：物理仿真失真的诊断流程

点云出现“波浪形”畸变或整体抖动，通常源于物理引擎参数不匹配：

1. 检查Gazebo物理引擎设置：worlds/empty.world中<physics type='ode'>块，<max_step_size>0.001</max_step_size>必须≤<real_time_update_rate>1000.0</real_time_update_rate>的倒数（即0.001s）。若max_step_size设为0.01，仿真会跳步，导致机器人位姿突变。

2. 验证机器人惯性参数：运行ros2 run robot_state_publisher robot_state_publisher --ros-args -p robot_description:="..."，观察/tf中base_link的linear.x速度是否突变。若突变，说明URDF中<inertial>的<mass>过小（<0.1kg）或<inertia>过大（>0.01）。

3. 激光雷达坐标系校准：点云沿Y轴拉伸，表明lidar_link的<origin rpy>中rpy值错误。真实VLP-16安装时Z轴向上，故rpy="0 0 0"；若误设为rpy="0 1.57 0"（绕Y轴旋转90°），点云将沿X轴展开。

实测心得：我们曾遇到点云在Z轴方向周期性抖动（±2cm），最终定位为<vertical>的<min_angle>和<max_angle>未关于0对称。VLP-16的16线范围是-15°到+15°，若设为-10°到+20°，Gazebo会强制线性插值，导致中间几线密度异常。

4.4 多机仿真冲突：当第二个FishBot加入时的资源抢占

启动第二个机器人时，常出现Failed to spawn entity或/tf树混乱。根源在于：

• 所有机器人共享同一/robot_description话题，spawn_entity.py无法区分
• gazebo_ros_ray_sensor插件默认使用/scan话题名，第二个机器人会覆盖第一个

解决方案：

1. 为每个机器人设置独立命名空间：

ros2 launch fishbot_bringup simulation.launch.py \ robot_namespace:=/robot1 \ x:=0.0 y:=0.0 ros2 launch fishbot_bringup simulation.launch.py \ robot_namespace:=/robot2 \ x:=2.0 y:=0.0

2. 修改model.sdf中<robot_namespace>为$(arg robot_namespace)，并在Launch文件中通过<arg>传递
3. 在gazebo.launch.py中，spawn_entity.py的-topic参数改为$(arg robot_namespace)/robot_description

此时robot1的点云发布到/robot1/scan，robot2发布到/robot2/scan，TF树自动隔离为/robot1/odom和/robot2/odom，彻底解决冲突。

5. 工程扩展指南：从单机仿真到SLAM导航全栈验证

5.1 接入SLAM Toolbox：5分钟完成建图功能

fishbot_slam包已预配置slam_toolbox，但需三步激活：

1. 启动SLAM节点：

ros2 launch fishbot_slam online_async_launch.py

2. 发送初始位姿（否则SLAM认为机器人在(0,0,0)，建图偏移）：

ros2 topic pub /initialpose geometry_msgs/msg/PoseWithCovarianceStamped "header: stamp: sec: 0 nanosec: 0 frame_id: map pose: pose: position: x: 0.0 y: 0.0 z: 0.0 orientation: x: 0.0 y: 0.0 z: 0.0 w: 1.0 covariance: [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]"

3. 控制机器人移动：

ros2 topic pub /cmd_vel geometry_msgs/msg/Twist "linear: x: 0.2 y: 0.0 z: 0.0 angular: x: 0.0 y: 0.0 z: 0.5"

SLAM建图质量取决于点云密度。若地图边缘模糊，调高model.sdf中<horizontal><samples>至1800，并重启仿真。

5.2 集成Nav2导航栈：让机器人自主到达目标点

Nav2配置在`fish

本文还有配套的精品资源，点击获取