3.1本章聚焦于开发Gazebo环境并使用仿真小车进行可视化避障

适用系统：Ubuntu 20.04 LTS (Focal Fossa) ROS 版本：ROS Noetic（ROS1 最终版本） Gazebo 版本：Gazebo Classic 11 文档说明：本文档记录从零开始安装 ROS Noetic + Gazebo Classic 11 仿真环境的完整流程，包含排查与验证方法。

目录

• 一、环境说明
• 二、安装 ROS Noetic
• 三、安装 Gazebo Classic 11
• 四、安装 gazebo_ros_pkgs（ROS 桥接包）
• 五、配置环境变量
• 六、验证 ROS + Gazebo 集成
• 七、实验结果
• 八、常见问题与解决方案
• 九、一键检查脚本
• 十、后续学习建议
• 十一、基于Gazebo仿真的神经网络小车避障实验

一、环境说明

⚠️ 重要提示 - Gazebo Classic 已于 2025 年 1 月停止维护，但 ROS Noetic 仍然使用它，现有教程和项目完全兼容。 - Ubuntu 20.04 必须搭配 Gazebo 11，不要误装 gazebo9（那是 Ubuntu 18.04 + ROS Melodic 的标配）。 - 后续若需迁移，可考虑 Gazebo Sim（新版）/ Ignition，但 ROS1 生态目前仍以 Classic 为主。

二、安装 ROS Noetic

2.1 配置 ROS 软件源

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu focal main" > /etc/apt/sources.list.d/ros-noetic.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

若官方源访问慢，可改用清华、中科大等国内镜像源。

2.2 更新并安装完整桌面版

强烈建议安装 ros-noetic-desktop-full，它已包含 Gazebo、RViz、rqt 等全套工具：

sudo apt update
sudo apt install ros-noetic-desktop-full

2.3 初始化 rosdep

sudo apt install python3-rosdep2
sudo rosdep init
rosdep update

若因网络问题失败，可使用 fishros 一键配置工具或手动替换 rosdistro 为国内镜像。

2.4 配置环境变量

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

2.5 验证 ROS 安装

roscore

终端输出 ROS master 启动信息即表示成功（按 Ctrl+C 退出）。

三、安装 Gazebo Classic 11

若 ros-noetic-desktop-full 已安装成功，通常已包含 Gazebo 11。若终端输入 gazebo 提示 Command not found，则需要单独安装。

3.1 安装 Gazebo 11 本体

sudo apt update
sudo apt install gazebo11 libgazebo11-dev

关键点：必须显式指定 gazebo11，不要只敲 sudo apt install gazebo，否则系统可能会提示安装 gazebo9（版本不匹配）。

3.2 验证 Gazebo 独立运行

gazebo

应弹出 Gazebo GUI 窗口，左侧有 Insert 标签，中央显示网格和坐标轴。

3.3 查看版本

gazebo --version

期望输出类似：

Gazebo multi-robot simulator, version 11.15.1

四、安装 gazebo_ros_pkgs（ROS 桥接包）

gazebo_ros_pkgs 是 ROS 与 Gazebo 通信的桥梁，提供 gazebo_ros 节点、传感器 / 执行器插件等。

4.1 安装核心桥接包

sudo apt install ros-noetic-gazebo-ros-pkgs ros-noetic-gazebo-ros-control

表格

4.2 验证安装

rospack find gazebo_ros

期望输出：

/opt/ros/noetic/share/gazebo_ros

五、配置环境变量

5.1 添加 Gazebo 模型路径

编辑 ~/.bashrc，在末尾追加：

export GAZEBO_MODEL_PATH=$GAZEBO_MODEL_PATH:/opt/ros/noetic/share/gazebo-11/models

5.2 source Gazebo 环境脚本

echo "source /usr/share/gazebo/setup.sh" >> ~/.bashrc
source ~/.bashrc

5.3 刷新命令缓存（可选）

若之前输入过 gazebo 提示找不到，执行以下命令刷新 bash 哈希表：

hash -r

六、验证 ROS + Gazebo 集成

6.1 用 ROS 方式启动 Gazebo

⚠️ 重要提醒： 使用 rosrun、rostopic 这类ROS命令前，必须加载ROS Noetic环境。 新开终端都需要执行下面这条命令（前面已经写入.bashrc的话，新开终端会自动加载，不用手动敲）：

source /opt/ros/noetic/setup.bash

新开终端运行：

rosrun gazebo_ros gazebo

或使用 launch 文件（推荐）：

roslaunch gazebo_ros empty_world.launch

注意：建议使用 ROS 命令启动 Gazebo，而不是直接敲 gazebo，这样能自动加载 ROS 插件、发布 /clock、/gazebo/model_states 等话题。

6.2 检查 ROS 话题

新开终端：

rostopic list | grep gazebo

应能看到：

/gazebo/link_states /gazebo/model_states /gazebo/parameter_descriptions /gazebo/parameter_updates /gazebo/set_link_state /gazebo/set_model_state

6.3 在 Gazebo 中生成测试模型

新开终端：

rosrun gazebo_ros spawn_model -database box -urdf -model test_box -x 1 -y 0

6.4 使用 launch 文件启动（推荐方式）

在功能包内新建launch/gazebo_test.launch，写入：

<launch>
  <include file="$(find gazebo_ros)/launch/empty_world.launch">
    <arg name="paused" value="false"/>
    <arg name="use_sim_time" value="true"/>
    <arg name="gui" value="true"/>
  </include>
</launch>

CMakeLists.txt与package.xml文档在src/chap3代码中

编译后运行：

roslaunch any_avoidance gazebo_test.launch

七、实验结果

7.1 实验环境

表格

7.2 实验结果截图

通过 rosrun gazebo_ros gazebo 命令成功启动 Gazebo Classic 11，界面完整显示 3D 视图、坐标轴与仿真控制栏。

7.3 结果分析

表格

7.4 结论

实验表明，在 Ubuntu 20.04 系统下，通过 ROS Noetic 成功配置了 Gazebo Classic 11 仿真环境：

• ✅ gazebo_ros_pkgs 桥接包安装正确，ROS 与 Gazebo 通信正常；
• ✅ Gazebo GUI 启动成功，渲染与物理引擎运行正常；
• ⚠️ 终端出现的两条警告信息（svga_surface_destroy、end-of-life）不影响仿真功能，可安全忽略；
• ✅ 环境已具备开展机器人仿真、SLAM、导航等开发任务的基础条件。

7.5 终端日志摘录

启动命令与输出：

rosrun gazebo_ros gazebo
context mismatch in svga_surface_destroy
context mismatch in svga_surface_destroy

GUI 顶部提示：

This version of Gazebo reaches end-of-life in January 2025. Consider migrating to the new Gazebo.

底部状态栏信息：

Steps: 1 - Real Time Factor: 1.00 - Sim Time: 00:00:05.01.214 - Real Time: 00:00:05.01.892 - Iterations: 301214 - FPS: 62.53

八、常见问题与解决方案

8.1 报错速查表

表格

8.2 关于警告信息的说明

Gazebo 启动时提示 This version of Gazebo reaches end‑of‑life 这是 Gazebo 官方提示 Gazebo Classic 11 已停止维护。由于 ROS Noetic 官方适配的仍是 Gazebo 11，可放心忽略。 终端出现 context mismatch in svga_surface_destroy 这是虚拟机环境下 OpenGL 渲染的警告信息。不影响 Gazebo 功能，可正常进行机器人仿真。

8.3 已安装但命令找不到的排查步骤

# 1. 刷新命令缓存
hash -r
# 2. 检查可执行文件是否存在
which gazebo
ls /usr/bin/gazebo
# 3. 若 apt 认为已安装但文件丢失，强制重装
sudo apt install --reinstall gazebo11
# 4. 用 ROS 方式启动（推荐）
rosrun gazebo_ros gazebo

九、一键检查脚本

将以下内容保存为 check_gazebo_ros.sh：

#!/bin/bash
source /opt/ros/noetic/setup.bash
echo "=========== 环境检查 ==========="
echo "--- Ubuntu 版本 ---"
lsb_release -d
echo "--- ROS 版本 ---"
rosversion -d
echo "--- Gazebo 版本 ---"
gazebo --version
echo "--- gazebo_ros 包位置 ---"
rospack find gazebo_ros
echo "--- gazebo_ros_control 包位置 ---"
rospack find gazebo_ros_control
echo "=========== 检查完成 ==========="

赋予执行权限并运行：

chmod +x check_gazebo_ros.sh
./check_gazebo_ros.sh

十、后续学习建议

10.1 控制与算法

• ROS Control：结合 ros‑noetic‑gazebo‑ros‑control，配置关节控制器（位置 / 速度 / 力矩）。
• MoveIt!：配合 Gazebo 做机械臂运动规划仿真。
• SLAM / 导航：在 Gazebo 中使用 gmapping、cartographer、move_base 做仿真测试。

10.2 推荐参考资料

• Gazebo Classic 官方文档
• ROS Wiki ‑ gazebo_ros_pkgs
• ROS Wiki ‑ URDF

十一、基于Gazebo仿真的神经网络小车避障实验

本实验基于前面已经搭建完成的 Ubuntu20.04 + ROS Noetic + Gazebo Classic11 仿真环境，在仿真平台之上，实现全连接神经网络驱动小车自主避障。利用仿真环境激光雷达获取障碍物距离，神经网络推理输出速度指令，完成机器人感知‑推理‑控制流程。

代码存放于仓库 src/chap3/nn_avoidance 功能包：

src/nn_avoidance
├─ CMakeLists.txt 
├─ package.xml          # ROS功能包描述文件，声明依赖
├─ setup.py             # Python功能包编译配置文件
├─ nn_avoidance
│  ├─ __init__.py       # Python包标识空白文件
│  ├─ train.py          # 神经网络训练脚本，生成模型权重
│  ├─ test.py           # 模型测试脚本，校验网络输出
│  └─ infer_node.py     # ROS核心节点，订阅雷达数据，推理输出小车速度
└─ launch
   └─ avoid.launch   # launch一键启动避障节点

11.2 额外环境依赖

在原有 Gazebo‑ROS 仿真环境基础上，还需要安装深度学习库：

pip3 install torch numpy
sudo apt install python3-rospkg

11.3 操作步骤

1. 编译功能包

catkin_make

注意： catkin_make  需要在catkin工作空间根目录（ ~/catkin_ws ）执行。如果直接在家目录运行，会提示  src does not exist 。 工作空间目录结构： ~/catkin_ws/src/功能包名

1. 刷新工作空间环境变量

source devel/setup.bash

1. 执行训练脚本，生成模型权重文件 model.pth

python3 src/nn_avoidance/nn_avoidance/train.py

1. 加载权重，测试神经网络输出是否正常

python3 src/nn_avoidance/nn_avoidance/test.py

5.新开终端启动Gazebo仿真环境，自动生成带激光雷达的Turtlebot3小车

export TURTLEBOT3_MODEL=burger
roslaunch turtlebot3_gazebo turtlebot3_world.launch

6.先把训练出来的文件model.pth放入内层nn_avoidance文件夹中，再新开终端，刷新环境变量，运行避障节点。

cd ~/catkin_ws
source devel/setup.bash
roslaunch nn_avoidance avoid.launch

11.4 代码功能说明

1. train.py 搭建简单全连接神经网络，使用模拟激光雷达数据完成训练，迭代更新网络权重，训练结束保存模型权重 model.pth。网络输入为 8 维雷达距离数据，输出为小车线速度、角速度。
2. test.py 加载已经训练好的模型权重，输入一组模拟雷达数据，打印网络输出速度，用来验证模型文件是否可以正常加载。
3. infer_node.py ROS 业务节点：订阅激光雷达话题 /scan；截取 8 组雷达测距信息送入神经网络；网络输出线速度、角速度，发布到 /cmd_vel，控制仿真小车运动，实现自主避障。使用rospkg库动态获取功能包路径，自动定位model.pth模型文件，不使用硬编码绝对路径，保证项目在不同电脑环境下均可运行。
4. avoid.launch launch 启动文件，简化操作，一键启动神经网络避障推理节点。

11.5 项目原理

Gazebo 仿真环境中小车搭载激光雷达传感器，可以获取四周障碍物距离信息。雷达数据作为神经网络输入，经过前向推理得到小车运动控制量。当检测到障碍物时输出转向指令避开障碍；无障碍物时小车向前行驶。 整个实验依托前面部署好的 Gazebo‑ROS 仿真环境，把深度学习模型接入机器人 ROS 通信体系，完成感知、决策、控制整套机器人智能流程。

11.6 实验总结

本章前面完成了 Ubuntu20.04 下 ROS Noetic 与 Gazebo Classic11 完整仿真环境部署；在此基础上开展拓展实验，实现神经网络小车避障。

附录：快速命令速查

--- 安装 ---

sudo apt install ros-noetic-desktop-full
sudo apt install gazebo11 libgazebo11-dev
sudo apt install ros-noetic-gazebo-ros-pkgs ros-noetic-gazebo-ros-control

--- 环境配置 ---

echo "source /opt/ros/noetic/setup.bash" >> ~/.bashrc
echo "source /usr/share/gazebo/setup.sh" >> ~/.bashrc
source ~/.bashrc
hash -r

--- 启动 ---

gazebo                                              # 独立启动
rosrun gazebo_ros gazebo                            # ROS 方式启动
roslaunch gazebo_ros empty_world.launch             # Launch 启动

--- 验证 ---

rostopic list | grep gazebo
rospack find gazebo_ros
gazebo --version

---神经网络避障实验---

catkin_make
source devel/setup.bash
python3 src/nn_avoidance/nn_avoidance/train.py
python3 src/nn_avoidance/nn_avoidance/test.py
roslaunch nn_avoidance avoid.launch