turtlebot3 navigation2

TurtleBot3与Navigation2集成及使用
集成背景
为了使机器人能够在未知环境中自主导航，通常会采用SLAM(Simultaneous Localization And Mapping)技术来构建地图并定位自身位置。对于已知环境，则可以直接加载预先创建的地图文件，并基于此实现路径规划和避障功能[^1]。
安装依赖包
确保安装了必要的ROS 2软件包，这些软件包包含了支持TurtleBot3以及Navigation2所需的一切工具和服务：
sudo apt update && sudo apt install ros-humble-navigation2 \
ros-humble-nav2-bringup \
ros-humble-tb3-description \
ros-humble-slam-toolbox
登录后复制
启动基本设置
启动Gazebo仿真器中的世界模型，并初始化TurtleBot3的相关配置：
source /opt/ros/humble/setup.bash
export TURTLEBOT3_MODEL=waffle_pi
ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
登录后复制
加载静态地图
如果已经有一个现成的地图文件（例如my_map.yaml），可以通过以下命令将其加载到内存中供后续操作使用：
ros2 launch nav2_bringup bringup_launch.py map:=<path_to_your_map>/my_map.yaml use_sim_time:=True params_file:=<path_to_params>/nav2_params.yaml
登录后复制
此处需要注意的是参数文件(params_file)的选择应该匹配具体的硬件平台特性，比如传感器布局、运动学约束条件等[^4]。
实施自动导航任务
当一切准备就绪之后，就可以向目标点发送动作请求以执行移动指令了。这里给出一段Python脚本作为示范，用于设定目的地坐标(x,y)，并通过客户端接口提交给导航栈处理：
import rclpy
from geometry_msgs.msg import PoseStamped
from action_tutorials_interfaces.action import NavigateToPose

def send_goal(client_node, goal_pose):
client = ActionClient(client_node, NavigateToPose, 'navigate_to_pose')

while not client.wait_for_server(timeout_sec=1.0):
print('Waiting for server...')

goal_msg = NavigateToPose.Goal()
goal_msg.pose.header.frame_id = "map"
goal_msg.pose.pose.position.x = float(goal_pose['x'])
goal_msg.pose.pose.position.y = float(goal_pose['y'])

future = client.send_goal_async(goal_msg)

rclpy.init(args=None)
node = rclpy.create_node('simple_navigation_client')

try:
target_position = {'x': 1.0, 'y': -2.0}
send_goal(node, target_position)
except Exception as e:
node.get_logger().error(f'Failed to reach goal position: {e}')
finally:
node.destroy_node()
rclpy.shutdown()
登录后复制
这段代码展示了如何通过Action API发起一次前往指定坐标的航行请求，在实际应用当中还可以进一步扩展逻辑以便更好地适应复杂场景下的需求变化[^3]。