Webots R2023b 与 ROS 2 Galactic 集成实战：从模型导入到传感器数据发布的 7 个步骤

Webots R2023b 与 ROS 2 Galactic 深度集成指南：从零构建智能机器人仿真系统

机器人仿真技术已成为现代机器人开发流程中不可或缺的一环。在众多仿真平台中，Webots 以其直观的界面设计、丰富的物理引擎支持和开源的特性，正逐渐成为 ROS 2 生态中的重要选择。本文将带您深入探索 Webots R2023b 与 ROS 2 Galactic 的集成方法，从环境配置到完整仿真系统的搭建，逐步实现一个可交互的 TurtleBot3 仿真示例。

1. 环境准备与基础配置

在开始集成之前，我们需要确保系统满足以下基础要求：

• 操作系统：推荐 Ubuntu 22.04 LTS
• ROS 2 版本：Galactic Geochelone
• Webots 版本：R2023b 或更高
• 硬件要求：
  • 4核CPU及以上
  • 8GB内存（推荐16GB）
  • 支持OpenGL 3.3的显卡

首先安装必要的依赖包：

sudo apt update sudo apt install ros-galactic-desktop python3-colcon-common-extensions

Webots 的安装可以通过官方提供的deb包完成：

wget https://github.com/cyberbotics/webots/releases/download/R2023b/webots_2023b_amd64.deb sudo dpkg -i webots_2023b_amd64.deb

安装完成后，需要设置环境变量以便系统识别Webots：

echo "export WEBOTS_HOME=/usr/local/webots" >> ~/.bashrc source ~/.bashrc

提示：如果使用多用户系统，可能需要将用户添加到webots组：sudo usermod -aG webots $USER

2. ROS 2与Webots接口配置

Webots 提供了专门的 ROS 2 接口包，这是两者通信的桥梁。安装步骤如下：

sudo apt install ros-galactic-webots-ros2

验证安装是否成功：

ros2 pkg list | grep webots

应该能看到以下关键包：

• webots_ros2_core
• webots_ros2_driver
• webots_ros2_epuck
• webots_ros2_turtlebot

创建一个新的ROS 2工作空间用于我们的项目：

mkdir -p ~/webots_ros2_ws/src cd ~/webots_ros2_ws/src ros2 pkg create --build-type ament_python webots_turtlebot3_demo

3. TurtleBot3模型导入与配置

TurtleBot3 是ROS社区广泛使用的教学机器人平台，Webots已内置其模型。我们将使用Burger版本进行演示。

首先，在Webots中创建新项目：

1. 启动Webots：webots
2. 选择"File" → "New Project"
3. 设置项目名称和保存路径

导入TurtleBot3模型：

1. 点击左侧"Add"按钮
2. 搜索"TurtleBot3 Burger"
3. 双击添加至场景

关键模型参数配置：

保存世界文件为turtlebot3_world.wbt。

4. ROS 2控制器集成

Webots通过控制器程序与ROS 2节点通信。创建基础控制器：

#!/usr/bin/env python3 import rclpy from webots_ros2_core.webots_node import WebotsNode class TurtleBot3Driver(WebotsNode): def __init__(self): super().__init__('turtlebot3_driver') # 初始化执行器 self.left_motor = self.robot.getDevice('left wheel motor') self.right_motor = self.robot.getDevice('right wheel motor') # 初始化传感器 self.lidar = self.robot.getDevice('LDS-01') self.imu = self.robot.getDevice('inertial unit') # 设置ROS 2接口 self._setup_publishers() self._setup_subscribers() def _setup_publishers(self): from sensor_msgs.msg import LaserScan, Imu self.lidar_pub = self.create_publisher(LaserScan, '/scan', 10) self.imu_pub = self.create_publisher(Imu, '/imu', 10) def _setup_subscribers(self): from geometry_msgs.msg import Twist self.cmd_vel_sub = self.create_subscription( Twist, '/cmd_vel', self._cmd_vel_callback, 10) def _cmd_vel_callback(self, msg): # 实现差速控制 linear = msg.linear.x angular = msg.angular.z wheel_radius = 0.033 wheel_separation = 0.16 left_speed = (linear - angular * wheel_separation / 2) / wheel_radius right_speed = (linear + angular * wheel_separation / 2) / wheel_radius self.left_motor.setVelocity(left_speed) self.right_motor.setVelocity(right_speed) def main(args=None): rclpy.init(args=args) driver = TurtleBot3Driver() rclpy.spin(driver) rclpy.shutdown() if __name__ == '__main__': main()

将此文件保存为turtlebot3_driver.py，并赋予执行权限：

chmod +x turtlebot3_driver.py

5. 传感器数据发布与可视化

配置激光雷达和IMU传感器的数据发布：

def publish_lidar_data(self): from sensor_msgs.msg import LaserScan scan = LaserScan() scan.header.stamp = self.get_clock().now().to_msg() scan.header.frame_id = 'laser' scan.angle_min = -3.14159 scan.angle_max = 3.14159 scan.angle_increment = 0.0174533 scan.time_increment = 0.0001 scan.scan_time = 0.1 scan.range_min = 0.05 scan.range_max = 3.5 scan.ranges = self.lidar.getRangeImage() self.lidar_pub.publish(scan) def publish_imu_data(self): from sensor_msgs.msg import Imu imu_msg = Imu() imu_msg.header.stamp = self.get_clock().now().to_msg() imu_msg.header.frame_id = 'imu_link' # 获取加速度、角速度和方向数据 accel = self.imu.getAccelerometer() gyro = self.imu.getGyro() orientation = self.imu.getQuaternion() imu_msg.linear_acceleration.x = accel[0] imu_msg.linear_acceleration.y = accel[1] imu_msg.linear_acceleration.z = accel[2] imu_msg.angular_velocity.x = gyro[0] imu_msg.angular_velocity.y = gyro[1] imu_msg.angular_velocity.z = gyro[2] imu_msg.orientation.w = orientation[0] imu_msg.orientation.x = orientation[1] imu_msg.orientation.y = orientation[2] imu_msg.orientation.z = orientation[3] self.imu_pub.publish(imu_msg)

在RViz中查看传感器数据：

1. 启动RViz：rviz2
2. 添加以下显示类型：
   • LaserScan (Topic: /scan)
   • IMU (Topic: /imu)
   • TF

6. 构建仿真环境与导航测试

创建一个简单的迷宫环境测试导航功能：

1. 在Webots中添加以下对象：

   • 多个矩形障碍物（尺寸：0.5m × 0.5m × 0.5m）
   • 地面纹理（Concrete）
   • 适当的光照设置

2. 配置导航堆栈：

sudo apt install ros-galactic-navigation2 ros-galactic-nav2-bringup

创建导航启动文件navigation_launch.py：

from launch import LaunchDescription from launch_ros.actions import Node from launch.actions import ExecuteProcess def generate_launch_description(): return LaunchDescription([ # 启动Webots仿真 ExecuteProcess( cmd=['webots', '--mode=realtime', 'turtlebot3_world.wbt'], output='screen' ), # 启动导航节点 Node( package='nav2_bringup', executable='navigation_launch.py', output='screen' ), # 启动SLAM工具箱 Node( package='slam_toolbox', executable='sync_slam_toolbox_node', parameters=[{'use_sim_time': True}], output='screen' ) ])

7. 高级功能扩展

多机器人仿真

Webots支持多机器人仿真场景。要添加第二个TurtleBot3：

1. 再次导入TurtleBot3模型
2. 修改控制器程序，为每个机器人使用不同的命名空间
3. 在ROS 2中通过命名空间区分话题和服务

示例命名空间配置：

self.declare_parameter('namespace', 'robot1') namespace = self.get_parameter('namespace').get_parameter_value().string_value self.cmd_vel_sub = self.create_subscription( Twist, f'/{namespace}/cmd_vel', self._cmd_vel_callback, 10)

自定义传感器集成

如需添加Webots未内置的传感器，可通过PROTO文件定义：

1. 创建新的PROTO文件（如MyCustomSensor.proto）
2. 定义传感器物理特性和ROS 2接口
3. 在Webots中导入并使用

性能优化技巧

当仿真复杂场景时，可考虑以下优化：

在项目实践中，我发现Webots的实时性能监控工具非常有用。通过"Tools" → "Performance Monitor"可以实时查看各子系统资源占用情况，帮助定位性能瓶颈。特别是在仿真多机器人系统时，合理分配计算资源可以显著提升整体仿真效率。