Simulación de Vehículo con Dirección Ackermann en ROS2 con Gazebo Sim Harmonic

Este proyecto presenta la simulación de un vehículo personalizado con capacidades de dirección Ackermann, desarrollado usando ROS2 y el entorno Gazebo Sim Harmonic. El modelo integra una variedad de sensores y herramientas de navegación para operación autónoma, siendo una de las primeras implementaciones de un vehículo con dirección Ackermann en este marco de simulación.

| Visualización de Nube de Puntos LiDAR 3D | Modelo de Entorno de Almacén | | ----- | ----- | | | |

¡Si te gusta este proyecto, considera darle una ⭐ para mostrar tu apoyo!

Tabla de Contenidos

• Simulación de Vehículo con Dirección Ackermann en ROS2 con Gazebo Sim Harmonic
• Características
• 1 Dirección Ackermann
• 2 Comunicación ROS2
• 3 Sensores
• 4 Navegación
• 5 Control Manual con joystick externo
• 6 Visualización
• Requisitos
• Instalación Local
• Instalación con Docker
• Uso
• 1 Simulación Básica y Control Manual
• 2 SLAM Localización y Mapeo Simultáneos
• 3 Navegación con Nav2
• Trabajo Futuro
• Galería
• Árbol TF
• Historial de Estrellas

Características

1. Dirección Ackermann

• Un modelo de vehículo personalizado construido con dinámica realista de dirección Ackermann para maniobrabilidad precisa.

2. Comunicación ROS2

• Todos los datos de los sensores y señales de control están completamente integrados en el ecosistema ROS2 para una interoperabilidad sin interrupciones.

3. Sensores

• IMU: Proporciona orientación y velocidad angular.
• Odometría: Garantiza una retroalimentación precisa del estado del vehículo.
• LiDAR: Montado para la detección de obstáculos y escaneo ambiental. Soporta la generación de nubes de puntos 3D para tareas avanzadas de percepción.
• Cámaras:
• Frontal
• Trasera
• Lado izquierdo
• Lado derecho

> Nota: Por defecto, solo la cámara frontal está conectada a ROS 2. Si desea usar todas las cámaras (izquierda, derecha, trasera) en ROS 2, elimine el # al inicio de las secciones relevantes de cámara en saye_bringup/config/ros_gz_bridge.yaml para activarlas (por ejemplo, /camera/left_raw, /camera/right_raw, /camera/rear_raw).

4. Navegación

• Integrado con la pila Nav2 para navegación autónoma.
• AMCL (Localización Adaptativa Monte Carlo) para una mayor precisión posicional.
• Técnicas SLAM implementadas para mapeo en tiempo real y comprensión del entorno.
• Parámetros ajustados para un rendimiento óptimo en la navegación.

5. Control Manual (con joystick externo)

• Soporte añadido para control manual mediante joystick en el entorno de simulación, permitiendo a los usuarios probar el movimiento del vehículo de forma interactiva.

6. Visualización

• Visualización completa del modelo y datos de sensores en RViz2, proporcionando información sobre estados del robot y retroalimentación ambiental.

Requisitos

• ROS2 (Humble)
• Gazebo Sim Harmonic
• RViz2
• Nav2

Instalación Local

• Debe asegurarse de que la instalación de Gazebo Harmonic y ROS (ros_gz) esté realizada:
  

sudo apt-get install ros-${ROS_DISTRO}-ros-gz
sudo apt-get install ros-humble-ros-gzharmonic (Solo versión Humble)
Más detalles sobre la instalación de Gazebo y ROS: Enlace

• Clonar el repositorio:
  

mkdir -p ackermann_sim/src && cd ackermann_sim/src
git clone https://github.com/alitekes1/ackermann-vehicle-gzsim-ros2
cd ..

• Compilar el proyecto:

colcon build && source install/setup.bash

• Configurar las variables de entorno:

``bash # Set environment variables for current session export GZ_SIM_RESOURCE_PATH=$GZ_SIM_RESOURCE_PATH:/your/path/ackermann_sim/src/ackermann-vehicle-gzsim-ros2/ export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/your/path/ackermann_sim/src/ackermann-vehicle-gzsim-ros2/ `

Para configuración permanente: Para hacer que estas variables de entorno sean permanentes, agréguelas a su archivo .bashrc: `bash # Add environment variables to .bashrc echo 'export GZ_SIM_RESOURCE_PATH=$GZ_SIM_RESOURCE_PATH:/your/path/ackermann_sim/src/ackermann-vehicle-gzsim-ros2/' >> ~/.bashrc echo 'export ROS_PACKAGE_PATH=$ROS_PACKAGE_PATH:/your/path/ackermann_sim/src/ackermann-vehicle-gzsim-ros2/' >> ~/.bashrc # Apply changes source ~/.bashrc `

> Nota: Reemplace /your/path/ con la ruta real de su instalación.

Instalación con Docker

También puede ejecutar la simulación usando Docker, lo que garantiza un entorno consistente en diferentes sistemas.

Requisitos previos

• Docker
• NVIDIA Container Toolkit (para soporte GPU)

Pasos para ejecutar con Docker

• Clonar el repositorio:

`bash mkdir -p ackermann_sim/src && cd ackermann_sim/src git clone https://github.com/alitekes1/ackermann-vehicle-gzsim-ros2 cd ackermann-vehicle-gzsim-ros2 `

• Construya y ejecute el contenedor de Docker:

`bash docker run -it \ --name ackermann_sim \ --hostname ackermann_sim \ --env="DISPLAY=$DISPLAY" \ --env="QT_X11_NO_MITSHM=1" \ --volume="/tmp/.X11-unix:/tmp/.X11-unix:rw" \ --privileged alitekes1/ackermann_sim:latest `

• Si desea un terminal adicional para el mismo contenedor

`bash docker exec -it ackermann_sim bash `

Nota: Dentro del contenedor, puedes ejecutar los comandos de simulación con normalidad.

Uso

1. Simulación básica y control manual

• Inicia la simulación:

`bash ros2 launch saye_bringup saye_spawn.launch.py `

• Control del coche:

`bash ros2 run teleop_twist_keyboard teleop_twist_keyboard `

2. SLAM (Localización y Mapeo Simultáneos)

• Para ejecutar SLAM Toolbox para el mapeo, inicie lo siguiente después de comenzar la simulación:

`bash ros2 launch saye_bringup slam.launch.py `

3. Navegación con Nav2

• Para ejecutar la simulación con el paquete Nav2 para navegación autónoma, inicie lo siguiente después de arrancar la simulación:

`bash ros2 launch saye_bringup navigation_bringup.launch.py ``

Nota: Los videos de YouTube arriba se reproducen a 4x de velocidad. Puedes acceder a los videos haciendo clic en las imágenes.

Trabajo Futuro

• Soporte SLAM 3D:
• Entrenar el vehículo para manejar escenarios complejos de forma autónoma usando algoritmos avanzados de DRL.
• Características Mejoradas:
• Explorar configuraciones adicionales de sensores y estrategias de navegación.
• Integración de Nav2 con Localización 3D
• En lugar de AMCL(2D), implementación de algoritmos más precisos y robustos.

Galería

Nube de Puntos LiDAR 3D y Entorno

| Visualización de Nube de Puntos LiDAR 3D | Modelo del Entorno del Almacén | | ----------------------------------------------------------------- | ---------------------------------------------------------------- | | | |

Vehículo y Navegación

| Simulación Gazebo Harmónica | RViz2 | | --------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------- | | | | | | | | | |

Árbol TF

---

Historial de Estrellas

--- Tranlated By Open Ai Tx | Last indexed: 2026-05-13 ---