企业官网建设流程全解析

1. 项目概述与总体设计

1.1 为什么选择履带底盘做ROS小车

这两年我前前后后做了三台ROS小车，从麦轮车到舵轮车再到这台履带车，如果让我给新手朋友推荐一个最容易出成果、跑起来最稳的平台，履带车绝对排第一。原因很简单：不挑地面，室内瓷砖、室外柏油路、草地、甚至有点小坡度的土路，它都能走，而且底盘结构简单、装起来省事，不需要像麦轮那样去精细调轮子角度，也不像舵轮那样要考虑复杂的转向机构。

这台履带车的硬件成本控制在一千五百块以内，核心组件包括：铝合金履带底盘一套、带编码器的直流减速电机两个、电机驱动板一块、Jetson Nano开发板（如果你预算紧张换成树莓派4B也完全没问题）、思岚RPLIDAR A1激光雷达一台，再加上一块12V锂电池和若干杜邦线。

选型的时候我最看重的是编码器。没有编码器的电机，你只能发速度指令，车轮实际转没转、转多快你完全不知道，这在做避障和后续的建图导航时是致命的短板。带编码器的电机可以让ROS读取到真实的轮速反馈，实现闭环控制，也能靠轮式里程计估算小车位置。这个钱不能省。

1.2 整体架构：从传感器到执行器的数据流

这套系统的数据流是典型的ROS发布订阅模式：激光雷达不停扫描周围环境，把距离数据以/scan话题发布出来；里程计节点读取编码器数据，计算小车的位移和速度，发布到/odom话题；避障节点同时订阅这两个话题，根据激光雷达测到的距离信息判断前方是否有障碍物，如果发现障碍物，就计算一个绕行方向，把新的速度指令发布到/cmd_vel话题；底盘驱动节点订阅/cmd_vel，把速度指令解析成左右电机的PWM值，最终驱动电机转动。

这里有一个很多新手容易想歪的点：避障不是把障碍物"识别"出来再去躲避，而是一个纯反应式的过程。代码只关心"某个方向上有没有东西、距离多远"，然后根据障碍分布调整行进方向。不涉及目标检测、不涉及语义分割，激光雷达返回的只是一串距离值，我们拿这串距离值做判断即可。

对于"自动驾驶"这个概念，我得说句实在话：ROS小车上的自主导航和真正的自动驾驶汽车是两码事，但核心思想一脉相承。你在这台小车上实现的避障算法，本质上是自动驾驶里"局部路径规划"这个模块的简化版。把小车换成正儿八经的汽车，把激光雷达换成多线雷达，把电机换成线控底盘，框架依然成立。这也是这个项目最有学习价值的地方。

2. 开发环境与基础准备

2.1 ROS版本选择：别再纠结，直接上对应版本

ROS安装问题劝退了不知道多少人，我最早就是死在安装这一步上。先说结论：

• 你用的是Ubuntu 20.04，就装ROS Noetic，这是ROS1最后一个长期支持版本，资料最多、遇到问题最容易搜到答案；
• 你用的是Ubuntu 22.04，就装ROS2 Humble，这是目前主流的中长期支持版本；
• 你用的是树莓派官方系统或者某些ARM架构的板子，优先考虑Ubuntu Server + ROS2。

我在Jetson Nano上用的是Ubuntu 20.04 + ROS Noetic，所以下面的内容都基于这个组合。如果你问ROS1和ROS2到底选哪个，我建议：学习用ROS1（资料多），新项目起步直接用ROS2（官方主推），但本文为了配合避障代码的简洁性，采用ROS1 Noetic的写法。

2.2 鱼香ROS一键安装：新手最大的福音

讲真，ROS的安装教程在网上一搜一大把，但绝大多数都过时了。早几年装ROS最痛苦的是添加软件源、导入GPG密钥、处理各种依赖冲突，光这些就能折腾一整天。现在有了鱼香ROS的一键安装脚本，这个痛点被彻底解决了。

wget http://fishros.com/install -O fishros && . fishros

运行之后会弹出菜单，选择对应的ROS版本安装即可。脚本会帮你把换源、添加密钥、安装依赖、初始化rosdep这些步骤全部搞定。我在三台不同环境（Jetson Nano、虚拟机、实体PC）上都用过这个脚本，没有一次翻车。

重要提示：安装ROS时建议把虚拟机内存调到4GB以上、硬盘空间预留20GB以上。Noetic完整版桌面安装大概要占6~8GB空间，如果空间预留不够，中途磁盘满了会留下一堆半装状态的依赖包，后面修起来极其痛苦。

2.3 创建工作空间：三个基础命令

ROS的代码组织方式是工作空间（workspace），我习惯把它叫"catkin工作空间"。新手一定要动手敲一遍，理解这三行命令背后的逻辑，因为这决定了你后面所有代码放在哪、怎么编译。

mkdir -p ~/tracked_robot_ws/src cd ~/tracked_robot_ws/src catkin_init_workspace cd ~/tracked_robot_ws catkin_make

这里说一下为什么用catkin_make而不是catkin build：前者是ROS1最经典的编译方式，配置简单、不需要额外安装catkin_tools，适合新手；后者功能更多、支持并行编译加速，适合大型项目。对于这个小车项目，catkin_make完全够用。

还有一个细节：编译完成后source ~/tracked_robot_ws/devel/setup.bash这行命令要加到~/.bashrc里，不然每次打开新终端，系统都不知道你自定义的这些ROS功能包在哪。

2.4 硬件连接与串口权限配置

底盘驱动的硬件连接相对直接：两个直流减速电机的电源线接到驱动板的电机输出端口，编码器信号线（一般是A相、B相、VCC、GND四根）接到驱动板的编码器接口或Jetson Nano的GPIO/UART端口。具体的接线方式因驱动板型号而异，我这里用的是常见的一体化电机驱动板，已经集成了编码器读取和PWM输出功能，板子通过USB转串口模块连接到Jetson Nano。

这里最大的坑是串口权限。Linux默认情况下，普通用户没有权限直接访问USB串口设备，你会碰到权限不足之类的报错。解决方法是把当前用户加到dialout用户组：

sudo usermod -a -G dialout $USER

改完之后需要注销重新登录才能生效。这一步不做，后面跑驱动节点的时候会莫名其妙地打不开串口，排错排半天找不到原因。

确认设备是否被识别：

ls -l /dev/ttyUSB*

如果看到ttyUSB0之类的设备，说明驱动板已经被系统识别了。如果你插上板子却看不到任何ttyUSB设备，先检查USB线是不是只有供电没有数据，这种线市面上太多了，我踩过这个坑。

3. 激光雷达驱动与数据接入

3.1 RPLIDAR A1驱动安装与测试

思岚的RPLIDAR A1是入门级激光雷达里性价比极高的一款，360度扫描、测距范围0.15米到12米、采样频率约每秒8000次，对这个项目来说绰绰有余。驱动安装最省事的方式是直接用官方提供的ROS功能包：

cd ~/tracked_robot_ws/src git clone https://github.com/Slamtec/rplidar_ros.git cd ~/tracked_robot_ws catkin_make

装好之后，把雷达的USB线插到Jetson Nano上，先给雷达权限再启动驱动节点：

sudo chmod 777 /dev/ttyUSB0 roslaunch rplidar_ros rplidar.launch

正常情况下，终端会输出雷达固件版本、串口波特率等信息，然后开始持续发布/scan话题。

注意：RPLIDAR A1在ROS下的串口默认是/dev/ttyUSB0。如果你同时插了其他USB串口设备（比如下面要提到的底盘驱动板），雷达可能变成ttyUSB1。这时候需要修改rplidar.launch里的serial_port参数，把端口改成实际对应的那一个。

验证雷达数据是否正常，最直观的方式是打开rviz：

rviz

在左下角把Fixed Frame（固定坐标系）改成laser，然后点Add添加一个LaserScan显示，Topic选/scan，立刻就能看到周围环境的激光扫描轮廓。

3.2 用RViz可视化：真机调测的第一块试金石

看到雷达点云扫出房间轮廓的那一瞬间，整个项目就活了一半。我调试时最常用的验证方法：人站在雷达旁边，看屏幕上对应方向的距离值是否缩短；拿一块纸板在雷达前方0.5米处晃动，看rviz里对应角度是否出现了密集的点。这些动作能帮你快速确认雷达硬件工作正常、数据话题发布正常、坐标系配置正确。

RViz的操作有几个容易卡壳的地方：

• Fixed Frame下拉框里找不到laser，多半是雷达节点没有成功启动，看看终端有没有报串口错误；
• 添加LaserScan之后显示一堆散乱的点，但看不到连续的扫描线，这是因为雷达数据中某些角度的距离值不合法（值无穷大），在rviz的LaserScan显示属性里把Size调小、Style改成Points（点）就会清爽很多；
• 雷达扫描出的房间轮廓是"歪"的，这通常是雷达安装角度问题，不是软件问题，重新固定一下雷达支架就好。

3.3 里程计发布：让小车知道自己走了多远

纯靠激光雷达数据做避障也能走，但你会发现小车在转向时对转弯角度的控制很"生硬"：转多转少全靠蒙。加上里程计之后，避障程序就能知道"我弯过去了多少度、还要继续转多少度"，控制精度和流畅度会上一个档次。

里程计计算的原理不复杂：编码器输出脉冲信号，电机每转一圈产生固定的脉冲数，驱动板把脉冲数换算成轮子转过的距离；左右轮子的距离差再推导出小车的角位移。这部分代码属于底盘驱动包的内部逻辑，ROS层面只需要接收一个累计了位姿信息的nav_msgs/Odometry消息。

如果做避障时你不想引入里程计，可以做一个简化版：用"原地旋转固定时长"来模拟固定角度的转弯（比如cmd_vel发0.3rad/s的角速度，持续1秒大约转17度）。这种办法不是不行，但误差累积很快，转几次弯之后方向就偏得没法看了。所以我建议：既然硬件上有编码器，就老老实实把里程计跑起来，这个模块后面做建图导航也必须要用。

4. 激光雷达避障代码实现

4.1 避障策略设计：先想清楚"避"的逻辑

写代码之前先想清楚策略。一个实用的反应式避障策略是：

1. 把雷达扫描范围（0~360度）分成三个区域：前方（-30度到+30度）、左方（30度到90度）、右方（-90度到-30度）；
2. 分别计算每个区域内的最小障碍物距离；
3. 如果三个区域的最小距离都大于安全阈值（比如0.35米），说明前方畅通，小车直行；
4. 如果前方有障碍但侧方有空间，优先向空间更大的那一侧转弯；
5. 如果三个区域都被障碍堵死，原地旋转180度掉头。

这个策略对应到真实场景里很好理解：小车在走廊里走，雷达发现前方3米处有墙，左侧距离2.5米、右侧距离1米，程序做出决策"优先左转"，因为左侧空间更大。转弯不是把角度锁定死，而是边转边用雷达实时确认"侧前方是否打开"，一旦发现前方又通了，就先回正方向继续前进。

这个方法不完美，比如它没法在"先进后退再转弯"的组合动作中做全局路径规划，但做为一个起步级避障算法，它能保证小车在大部分室内环境下不会长时间陷入死胡同。

4.2 代码拆解：Python版避障节点

下面给出一个可以直接跑起来的避障节点。把下面的代码保存为avoidance.py，放在你的功能包scripts目录下。

#!/usr/bin/env python3 import rospy import math from sensor_msgs.msg import LaserScan from geometry_msgs.msg import Twist class ObstacleAvoidance: def __init__(self): rospy.init_node('obstacle_avoidance_node', anonymous=True) # 发布速度指令到/cmd_vel话题 self.cmd_pub = rospy.Publisher('/cmd_vel', Twist, queue_size=1) # 订阅激光雷达的扫描数据 self.scan_sub = rospy.Subscriber('/scan', LaserScan, self.scan_callback) # 安全距离阈值，单位：米 self.safe_dist = 0.35 # 小车的最大线速度和角速度 self.linear_speed = 0.15 self.angular_speed = 0.4 # 分别保存前方、左方、右方的最小障碍距离 self.front_min = float('inf') self.left_min = float('inf') self.right_min = float('inf') self.scan_received = False def scan_callback(self, msg): # 一次扫描的角度范围，单位：弧度（通常是从0到2*pi） angle_min = msg.angle_min angle_increment = msg.angle_increment ranges = msg.ranges self.front_min = float('inf') self.left_min = float('inf') self.right_min = float('inf') for i, r in enumerate(ranges): # 跳过无效数据（nan、inf、或者极小值） if not math.isfinite(r) or r < 0.01: continue angle = angle_min + i * angle_increment # 把角度映射到 -pi ~ pi 范围，方便判断 while angle > math.pi: angle -= 2 * math.pi while angle < -math.pi: angle += 2 * math.pi if -math.radians(30) <= angle <= math.radians(30): self.front_min = min(self.front_min, r) elif math.radians(30) < angle <= math.radians(90): self.left_min = min(self.left_min, r) elif -math.radians(90) <= angle < -math.radians(30): self.right_min = min(self.right_min, r) self.scan_received = True def decide_and_move(self): if not self.scan_received: rospy.logwarn("等待激光雷达数据...") return cmd = Twist() # 策略判断 if self.front_min > self.safe_dist: # 前方畅通，直行 cmd.linear.x = self.linear_speed cmd.angular.z = 0.0 else: # 前方有障碍，停一下再转弯 cmd.linear.x = 0.0 # 优先转向空间更大的一侧 if self.left_min >= self.right_min: cmd.angular.z = self.angular_speed # 左转 else: cmd.angular.z = -self.angular_speed # 右转 self.cmd_pub.publish(cmd) def run(self): rate = rospy.Rate(10) # 10Hz控制频率 while not rospy.is_shutdown(): self.decide_and_move() rate.sleep() if __name__ == '__main__': try: node = ObstacleAvoidance() node.run() except rospy.ROSInterruptException: pass

这段代码的逻辑很清晰：scan_callback里做数据预处理和分区最小距离计算，decide_and_move里根据三区距离做决策，主循环以10Hz的频率持续发布控制指令。

为什么控制频率选10Hz？这要看雷达的扫描周期。RPLIDAR A1完成一圈360度扫描大约需要100多毫秒（8Hz左右），如果控制指令发太快（比如50Hz），会出现"雷达数据还没更新，程序却拿着旧数据反复做决策"的问题；如果太慢（比如2Hz），机器人对突发障碍的反应会严重滞后。10Hz是个兼顾实时性和稳定性的折中值。

4.3 功能包配置：CMakeLists和package.xml

光有Python脚本还不够，ROS要求每个功能包都有正确的配置。你要在功能包目录下确认CMakeLists.txt中有这么一段（确保Python脚本能被找到并赋予执行权限）：

catkin_install_python(PROGRAMS scripts/avoidance.py DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION} )

同时在package.xml中声明依赖：

<build_depend>rospy</build_depend> <build_depend>sensor_msgs</build_depend> <build_depend>geometry_msgs</build_depend> <exec_depend>rospy</exec_depend> <exec_depend>sensor_msgs</exec_depend> <exec_depend>geometry_msgs</exec_depend>

注意：rospy是Python版本的ROS客户端库，如果你用C++，对应的依赖是roscpp。

改完配置记得编译一下：

cd ~/tracked_robot_ws catkin_make chmod +x src/你的功能包/scripts/avoidance.py

chmod +x这步经常被新手漏掉，漏掉的后果是运行节点时报"Permission denied"，到时候一脸懵。

4.4 让小车动起来：三终端联调法

运行整个系统需要三个终端：

• 终端1：启动激光雷达驱动

roslaunch rplidar_ros rplidar.launch

• 终端2：启动底盘驱动（把cmd_vel话题的指令转成电机PWM）

roslaunch tracked_robot_bringup tracked_robot_base.launch

• 终端3：启动避障节点

rosrun 你的功能包 avoidance.py

如果一切正常，你会看到避障节点在终端里输出"等待激光雷达数据..."之后就不再刷屏，小车在远端手动推一下（或者直接用键盘控制节点teleop_twist_keyboard测试底盘是否响应），确认底盘能收到cmd_vel。

经验之谈：第一次联调时，把小车架起来、让履带悬空，先不要放地上跑。手动给一个速度指令，观察两个履带的转向是否一致。如果左转时右履带正转、左履带反转，说明电机方向接反了，在底盘驱动代码里把对应电机的方向标志位取反即可，不用改接线。

5. 整机调试与常见问题排查实录

5.1 雷达数据正常但小车不动的排查路径

这是我被问得最多的问题。出现"激光雷达有数据、避障节点也启动了、但小车死活不动"的现象，90%的情况是以下三个原因之一：

• cmd_vel话题没有连接：避障节点发布的是/cmd_vel，但底盘驱动节点订阅的可能是/cmd_vel，也可能因为它启动时定义了不同的命名空间，导致没有匹配上。用rostopic info /cmd_vel查看发布者和订阅者的数量，发布者应该至少有1个，订阅者至少有1个，如果某一侧是0，就说明话题没有对上。
• 底盘驱动节点没有收到指令：用rostopic echo /cmd_vel查看当前速度指令的实时数值。如果一直显示零，说明避障节点的决策逻辑根本没有产生"直行"指令，检查雷达数据里front_min的值，是不是一直接近0或者无穷大。
• 驱动板没有进入使能状态：很多电机驱动板有使能引脚，默认状态下电机是不通电的，需要驱动代码主动拉高使能信号。这个看驱动板的说明文档，单独写一个测试节点发送恒定速度指令，排除避障代码的干扰，直接验证底盘驱动链路是否完整。

排查的顺序建议是：先绕开避障程序，用键盘控制节点或命令行直接发速度指令，确认底盘能转，再上避障程序，一层层往上测。

5.2 "激光雷达建图飘"的问题

标题的热搜词里就有"激光雷达建图飘"，这个问题在做建图时几乎人人都会遇到。所谓"飘"，指的是rviz里看到的激光扫描点云和实际环境对不上，比如笔直的墙面显示成了波浪形曲线，或者扫描点云在移动过程中整体产生漂移。

建图飘的根因通常有三个层面：

• 里程计不准：轮子打滑、编码器数据有噪声、底盘结构松动，都会让里程计计算出的位姿和真实位姿产生偏差。履带车在这方面比轮式车更容易飘，因为履带转向时和地面的摩擦更复杂。排查办法：让小车原地旋转90度，看rviz里里程计是否也显示转过了大约90度，如果明显偏多或偏少，需要校准轮距和编码器分辨率参数。
• 雷达数据的时间戳不同步：建图算法把雷达数据和里程计数据按时间戳对齐，如果雷达驱动节点和底盘驱动节点的主机时间不一致，数据就会错位。尤其在Jetson Nano这类没有内置实时时钟的板子上，每次开机时间可能都是错的，建议先sudo apt install chrony做一下时间同步，或者至少手动date确认系统时间是对的。
• 雷达本身的安装位置或角度有误：雷达倾斜、雷达在rviz里的TF变换没有配置对，会导致扫描出的地面反射点被当成墙面点云，看起来就像"飘"。

处理思路是先排除最伤元气的那个问题：先让小车静止，看激光数据还会不会飘。如果静止时点云稳定，说明雷达硬件没问题，问题出在运动中的里程计或坐标变换上；如果静止时点云都在跳，先查供电，雷达的电压不稳定会导致测量异常，换一根质量好一点的USB线或者用一个带屏蔽的电源模块。

5.3 避障节点消耗CPU过高怎么办

Jetson Nano的CPU算力有限，跑避障节点的时候如果整机负载过高，会直接影响电机控制的实时性。我遇到过一次：避障代码和可视化界面全开，CPU占用率直逼90%，小车反应明显变"肉"。

排查后发现主要耗CPU的是rviz的3D渲染和雷达数据可视化，不是避障算法本身。优化手段有几个：

• 避障调试期间不要开rviz，用rosrun rqt_console或者直接订阅/scan话题看数据摘要就够了；
• 降低雷达相关可视化的话题频率，比如rviz里把LaserScan的Decay Time调大，减少每帧点云的点数；
• 在避障节点里做一次降采样，不需要处理全360度的所有点，比如每隔2度取一个点，计算量可以直接砍一半，对精度影响不大。

5.4 常见问题速查表

6. 后续扩展方向与个人总结

6.1 从避障到建图导航：下一站怎么走

避障跑通之后，自然就会想给小车上"地图"能力。最推荐的下一步是用Gmapping或Cartographer做SLAM建图，然后用move_base做自主导航。

热搜词里出现"ros2+cartographer+激光雷达建图并保存"，其实这套在ROS1下也能做。流程大概是：

# 启动底盘驱动 roslaunch tracked_robot_bringup tracked_robot_base.launch # 启动激光雷达 roslaunch rplidar_ros rplidar.launch # 启动gmapping建图 roslaunch my_navigation gmapping.launch

然后你控制小车在房间里慢慢走一圈（用teleop_twist_keyboard），边走路边建图，房间的轮廓就会逐渐出现在rviz的地图视图里。建完保存：

rosrun map_server map_saver -f ~/maps/room1

这会生成room1.pgm和room1.yaml两个文件，前者是图像格式的地图，后者是地图的元信息（分辨率、原点坐标、占用阈值等）。

有了地图之后，再用AMCL做定位，用move_base发布目标点，小车就能自己规划路径并避开动态障碍物了。这个过程全部走通，你对ROS的导航栈就算有完整理解了。

6.2 把激光雷达点云用起来：给你的车加"眼睛"

避障代码里用到的LaserScan消息本质上是一个一维距离数组。但如果想识别更复杂的环境特征（比如识别行人、区分桌椅腿），就需要升级到点云数据处理。方法也不难：把LaserScan用laser_geometry的projectLaser函数投影成PointCloud2，然后用pcl库做聚类、分割、特征提取。

我自己在第二版小车上就加过一个简单的"腿检测"模块：把点云中高度在0.2到0.6米之间的点聚类，每个聚类的点数达到一定阈值就认为是一个"潜在的人腿"。这个玩法很适合用来扩展避障策略，比如遇到人时不是急停而是减速绕行，体验立刻不一样。

6.3 个人踩坑总结

最后说几个我在整个过程中最有体感的坑，每一个都花了我不少时间：

• 串口权限的坑：无论雷达还是底盘驱动，只要通过USB串口通信，都要先把dialout用户组加上。我第一台小车因为忘做这一步，反复折腾了两天，最后排查到问题竟然这么简单。
• ROS工作空间路径的坑：写避障节点的时候，如果提示ModuleNotFoundError找不到自定义的ROS消息，八成是没有source对devel/setup.bash，或者工作空间没有编译成功。排查顺序：先catkin_make看有没有报错，再echo $ROS_PACKAGE_PATH确认环境变量包含了你的工作空间路径。
• 雷达供电的坑：RPLIDAR A1对供电电压比较敏感，如果你的USB口供电能力不足（比如通过USB HUB转接），雷达会间歇性丢数据。最优做法是雷达单独用一个5V/1A的电源模块供电，USB线只负责数据通信，不承担供电任务。
• 电机编码器线的坑：编码器的信号线很长的情况下容易受到电机电流的干扰，导致里程计脉冲数乱跳。如果你的里程计数据在电机转起来之后明显异常，试着把编码器线绞合（双绞线结构），或者远离电机电源线布线。

这个项目做到最后，最大的感受是：ROS小车的难点不在任何一个单独环节，而在于把硬件、驱动、算法、调试串起来的那套"系统工程"能力。你装好了ROS、点亮了雷达、跑通了电机，这些单独看都不难，难的是让它们像一个团队一样协同工作。把这套协同能力练好，后面不管是做建图、做导航、还是做机械臂控制，底子都能用得上一辈子。

我后来把避障代码里的安全距离参数从固定值改成了动态值：车速越快，安全距离越大。这个改动通过一个简单的线性关系实现，safe_dist = 0.25 + 1.5 * current_speed。效果立竿见影——小车在高速直行时刹车距离明显变短，不再一头怼上障碍物才慢慢转向。一个小小的参数改动，体验提升了一个档次，这也是做机器人项目最让人上瘾的地方：一个数值的变化，就能让机器的"性格"发生变化。