ROS2 - 小鱼两驱车安装【FishBot二驱】配套资料汇总 | 鱼香ROS 小车烧录固件下载 FishBot 配置

小车烧录固件

下载 FishBot 配置工具： github.com/fishros/fis…

win 系统右键使用管理员身份运行

wifi_ssid: wifi 名
wifi_pawd: wifi 密码
udpserver_ip: 上位机 IP

启动 MicroROS 服务

配置完成后我们打开终端，启动MicroROS服务。

docker run -it --rm -v /dev:/dev -v /dev/shm:/dev/shm --privileged --net=host microros/micro-ros-agent:$ROS_DISTRO udp4 --port 8888 -v6

如因为网络问题无法启动可以尝试国内指令：

docker run -it --rm -v /dev:/dev -v /dev/shm:/dev/shm --privileged --net=host registry.cn-hangzhou.aliyuncs.com/fishros/micro-ros-agent:$ROS_DISTRO udp4 --port 8888 -v6

如果还不行，可以使用一键安装协助解决：fishros.org.cn/forum/topic…

接着点击设备选择栏重启设备按钮，或者手动点击RST重启。

正常你将看到终端不断有数据提示，表示正常通信上了

查看 ros2 node

ros2 node list
ros2 node info/fishbot_motion_control

使用键盘操作

ros2 run teleop_twist_keyboard teleop_twist_keyboard

运行 rviz2

打开终端输入rviz2，即可打开rviz2界面，接着完成下面四步。

修改fixedframe为odom
点击ADD
切换到By Topic，选择odom
点击OK按钮

运行效果

FishBot雷达转接板介绍

Fishbot雷达转接板主要作用是将雷达的数据通过Wifi网络转发出去，以时间雷达数据的无线传输功能。

FishBot转接板的工作模式有三种

Flash模式，该模式下可以给转接板进行固件的升级和参数配置。

Uart有线模式，该模式可以用于直接通过有线方式连接树莓派等主控板。

Wifi无线模式，该模式将雷达数据通过无线方式传给上位机。

这三种工作模式可以根据板子上的标记调整跳线帽的位置进行切换。
当你第一次使用的时候需要将板子调节到Flash模式，该模式下我们可以对板子进行配置以及升级。

烧入雷达驱动

配置参数

这里我们需要修改三个参数。

wifi_ssid，当前机器人可以连接到的wifi用户名
wifi_pswd，wifi密码
server_ip，接收雷达数据的服务器端口地址

验证运行

配置完参数后，关闭小车，并将雷达调整带 wifi 无线模式，重启小车。在 server_ip 对应的上位机使用 nc 监听，如果收到消息，且小车上显示 running ，则表示运行正常了。

nc -l 8889

Docker 启动雷达服务

在上位机输入下面的指令，使用docker来下载雷达相关的驱动。

国内使用镜像：

xhost + && sudo docker run  -it --rm  -v /dev:/dev -v /dev/shm:/dev/shm --privileged  -v /tmp/.X11-unix:/tmp/.X11-unix --device /dev/snd -e DISPLAY=unix$DISPLAY -p 8889:8888 registry.cn-hangzhou.aliyuncs.com/fishros/fishbot_laser

国外使用镜像：

xhost + && sudo docker run  -it --rm  -v /dev:/dev -v /dev/shm:/dev/shm --privileged  -v /tmp/.X11-unix:/tmp/.X11-unix --device /dev/snd -e DISPLAY=unix$DISPLAY -p 8889:8888 fishros2/fishbot_laser

如果没有驱动成功，请检查是否符合下述现象和问题：

蓝色LED灯长亮，表示此时在配置模式，请将跳线帽调整至运行模式，LED闪烁表示在运行模式
出现timout count提示，表示雷达板没有数据发送到的电脑，此时应该检查跳线帽是否在WIFI模式，并确定连接了雷达。

驱动成功后，我们可以打开一个新的终端，输入ros2 topic list，查看是否有scan话题。

ros2 topic list
ros2 topic hz /scan

开启驱动雷达

1) WIFI转串口测试                                      
2) 驱动雷达                                                           
3) 建图测试                                                      
4) 退出                                                           
#? 2                                                           
[INFO] [launch]: All log files can be found below /root/.ros/log/2025-05-24-09-26-58-441616-d23cedb62f8b-241
[INFO] [launch]: Default logging verbosity is set to INFO       
[INFO] [ydlidar_tcp_node-1]: process started with pid [242]      
[ydlidar_tcp_node-1] [INFO] [1748078818.563540749] [ydlidar_node]: 等待激光雷达TCP连接: 0.0.0.0:8888                                         
[ydlidar_tcp_node-1] [INFO] [1748078818.763992368] [ydlidar_node]: 激光雷达已连接: ('192.168.31.69', 63134)                                  
[ydlidar_tcp_node-1] [INFO] [1748078818.804803133] [ydlidar_node]: 雷达X2数据校验正确,开始解析数据

SLAM 建图

SLAM是同步定位与地图构建(Simultaneous Localization And Mapping)的缩写。SLAM 是通过传感器获取环境信息然后进行定位和建图。在 ROS 2 中，提供了很多的 SLAM 功能包，比如 slam_toolbox，cartographer_ros 和 rtabmap_slam 等。

几个比较关键的技术如下：

传感器感知通过各类传感器实现对环境的感知，比如通过激光雷达获取环境的深度信息。同时可以通过传感器融合来提高位置估计的精度，比如融合轮式里程计、IMU、雷达、深度相机数据等。
视觉/激光里程计基本原理是通过前后数据之间对比得出机器人位置的变化。
回环检测判断机器人是否到达之前到过的位置，可以解决位置估计误差问题，建图时可以纠正地图误差

小鱼两驱车 SLAM 架构

小鱼两驱车 SLAM 架构基于关键技术拆分成小车驱动版，MicroROS, 激光雷达驱动，ROS2 TF 坐标关系， SLAM 建图服务

小车驱动版负责里程计计算，并通过 Micro ROS 发布 /odom 话题。
MicroROS 在上位机中运行部分，负责接收小车的 /odom 话题数据，并接入到 ROS2 系统。
ROS2 odom2tf node 订阅 /odom 话题，生成 odom 与 base_link 的坐标关系发布到动态 TF
ROS2 TF 基于 urdf 定义通过 robot_state_publisher 发布 base_link, base_footprint, laser_link 静态坐标关系。
激光雷达驱动负责将雷达数据发布到 ROS2 系统中 /scan 话题。
SLAM 建图服务订阅 /scan 雷达数据和 ROS2 TF 数据中的坐标关系，通过 SLAM 算法生成地图数据，并发布到 /map 话题

Micro ROS Agent

在上位机中 clone MicroROS 的代码仓库，构建 micro_ros_agent 程序。

git clone http://github.com/micro-ROS/micro-ROS-Agent.git -b humble
git clone http://github.com/micro-ROS/micro_ros_msgs.git -b humble

构建 micro-ros-agent

colcon build --packages-select micro_ros_agent --cmake-clean-cache

[ 12%] Performing download step (git clone) for 'xrceagent'       
Cloning into 'xrceagent'...                              
HEAD is now at 57d0862 Release v2.4.2

如果 clone xrceagent 失败后，一直报下面的错误，可以通过把 build 和 install 目录下的 micro_ros_agent 目录删除后重新 build

Starting >>> micro_ros_agent                                    
--- stderr: micro_ros_agent                                  
gmake[3]: *** No rule to make target 'install'.  Stop.            
gmake[2]: *** [CMakeFiles/xrceagent.dir/build.make:104: agent/src/xrceagent-stamp/xrceagent-install] Error 2                                  
gmake[1]: *** [CMakeFiles/Makefile2:85: CMakeFiles/xrceagent.dir/all] Error 2 
gmake: *** [Makefile:91: all] Error 2

在 bringup.launch.py 中定义 microros_agent 的启动配置。关键配置是监听端口，需要与小车驱动版配置的 udpserver_ip 一致。

microros_agent = launch_ros.actions.Node(
        package='micro_ros_agent',
        executable='micro_ros_agent',
        arguments=['udp4','--port','8888'],
        output='screen'
    )

里程计 odom TF 坐标关系

在 bringup.launch.py 中定义 urdf2tf 启动静态 tf 关系发布。

urdf2tf = launch.actions.IncludeLaunchDescription(
        PythonLaunchDescriptionSource(
            [fishbot_bringup_dir, '/launch', '/urdf2tf.launch.py']),
    )

静态坐标关系: 基于 urdf 定义通过 robot_state_publisher 发布 base_link, base_footprint, laser_link 静态坐标关系。

 robot_state_publisher_node = launch_ros.actions.Node(
        package='robot_state_publisher',
        executable='robot_state_publisher',
        parameters=[{'robot_description': robot_description}]
    )

2. 在 bringup.launch.py 中定义 odom2tf 启动生成 odom 与 base_link 的坐标关系发布到动态 TF

odom2tf = launch_ros.actions.Node(
        package='fishbot_bringup',
        executable='odom2tf',
        output='screen'
    )

驱动雷达

有线驱动

将配套的雷达转接板模式调整到UART模式，拔掉EN跳线帽（可以关闭ESP8266,节省能源），找一根USB线，将雷达板接入到你要驱动的电脑或者各种PI上。

clone ydlidar_ros2 仓库，该仓库是雷达驱动代码，使用 CYdLidar 从串口读取雷达数据，通过 ros2 把读取到的雷达数据发布到 "/scan" topic ，

mkdir -p ~/fishbot_ws/src
cd ~/fishbot_ws/src
git clone https://github.com/fishros/ydlidar_ros2 -b  v1.0.0/fishbot

在编译前修改配置文件 ydlidar_ros2/params/ydlidar.yaml 中的参数 port 串口编号，一般是/dev/ttyUSB0。然后编译构建。

cd ydlidar_ros2
colcon build

修改串口权限，使用 ros2 launch 执行 ydlidar_launch.py 启动 ydlidar_node

sudo chmod 666 /dev/ttyUSB0 
source install/setup.bash 
ros2 launch ydlidar ydlidar_launch.py

最后使用ros2 topic list 就可以看到话题list了，scan就是雷达话题

ros2 topic list
---
/parameter_events
/rosout
/scan
/tf_static
/ydlidar_node/transition_event

无线驱动

雷达板烧录固件，这个固件的作用就是将串口转成无线 TCP, 其中配置的 server_ip 则是数据接受端的 IP

clone ros_serial2wifi 仓库，该仓库负责接送雷达固件发送的雷达数据，并生成一个虚拟串口，将雷达数据写入到这个虚拟串口。所以雷达版与 ros_serial2wifi 要求接入同一个 wifi，确保网络连通。

mkdir -p ~/fishbot_ws/src
cd ~/fishbot_ws/src
git clone https://github.com/fishros/ros_serial2wifi.git

修改 ydlidar_ros2 配置文件的端口号到这个虚拟串口，确定雷达连接上，然后启动雷达驱动就可以了。

sudo chmod 666 /dev/ttyUSB0 
source install/setup.bash 
ros2 launch ydlidar ydlidar_launch.py

SLAM 建图服务

在 ROS 2 中，提供了很多的 SLAM 功能包，比如 slam_toolbox，cartographer_ros 和 rtabmap_slam 等。针对二维场景，其中 slam_toolbox 开箱即用，上手较为简单

slam_toolbox

安装 slam_toolbox

sudo apt install ros-$ROS_DISTRO-slam-toolbox

运行异步建图服务

ros2 launch slam_toolbox online_async_launch.py  use_sim_time:=False

cartographer_ros

安装

sudo apt install ros-humble-cartographer

需要注意我们不是直接使用cartographer，而是通过cartographer-ros功能包进行相关操作，所以我们还需要安装下cartographer-ros

sudo apt install ros-humble-cartographer-ros

运行要完成使用Cartographer进行建图，需要两个节点的参与，
- /cartographer_node节点: 该节点从/scan和/odom话题接收数据进行计算，输出/submap_list数据. 该节点需要接收一个参数配置文件（第二部分写的那个）参数。
- /occupancy_grid_node节点： 该节点接收/submap_list子图列表，然后将其拼接成map并发布该节点需要配置地图分辨率和更新周期两个参数。

所以需要在 launch.py 文件中定义两个 Node 的配置。

cartographer_node = Node(
        package='cartographer_ros',
        executable='cartographer_node',
        name='cartographer_node',
        output='screen',
        parameters=[{'use_sim_time': use_sim_time}],
        arguments=['-configuration_directory', configuration_directory,
                   '-configuration_basename', configuration_basename])

cartographer_occupancy_grid_node = Node(
        package='cartographer_ros',
        executable='cartographer_occupancy_grid_node',
        name='cartographer_occupancy_grid_node',
        output='screen',
        parameters=[{'use_sim_time': use_sim_time}],
        arguments=['-resolution', resolution, '-publish_period_sec', publish_period_sec])

在RVIZ2中可视化点云数据

此时打开rviz2，添加LaserScan，并修改fixedframe为laser_frame

打开 RViz，修改 Fixed Frame 为 map，接着通过 Add/By Topic 添加 /map 话题，也可以添加 TF 和 RobotModel 等你感兴趣的话题进行显示

保存地图

我们需要使用一个叫做nav2_map_server的工具。

安装nav2_map_server

sudo apt install ros-$ROS_DISTRO-nav2-map-server

保存地图

ros2 run nav2_map_server map_saver_cli --help

可以看到有下面的用法

Usage:
  map_saver_cli [arguments] [--ros-args ROS remapping args]
Arguments:
  -h/--help
  -t <map_topic>
  -f <mapname>
  --occ <threshold_occupied>
  --free <threshold_free>
  --fmt <image_format>
  --mode trinary(default)/scale/raw
NOTE: --ros-args should be passed at the end of command line

我们的地图话题为map，文件名字我们用fishbot_map,所以有下面这个这样写的命令行。

ros2 run nav2_map_server map_saver_cli -t map -f fishbot_map

接着我们就可以得到下面的两个文件

.
├── fishbot_map.pgm
└── fishbot_map.yaml
0 directories, 2 files

这两个文件就是对当前地图保存下来的文件，其中.pgm是地图的数据文件，.yaml后缀的是地图的描述文件。

下面的导航过程中我们将要使用到地图文件进行路径的搜索和规划。

FishBot-Nav2 导航

安装

sudo apt info ros-$ROS_DISTRO-navigation2

为了方便使用 Navigation 2 还提供了启动示例功能包 nav2_bringup，使用下面的指令可以安装该功能包。

sudo apt info ros-$ROS_DISTRO-nav2-bringup

依赖

catkin_pkg==1.0.0
empy==3.3.4
lark==1.2.2

AttributeError: module 'em' has no attribute 'BUFFERED_OPT'

pip3 install empy==3.3.4

$ ros2 launch fishbot_navigation2 navigation2.launch.py use_sim_time:=False 
[INFO] [launch]: All log files can be found below /home/liang/.ros/log/2025-07-13-22-10-43-098523-liang-MS-7E16-2604329                                     
[INFO] [launch]: Default logging verbosity is set to INFO 
[INFO] [component_container_isolated-1]: process started with pid [2604356]            
[INFO] [rviz2-2]: process started with pid [2604358]
[component_container_isolated-1] [INFO] [1752415843.810651084] [nav2_container]: Load Library: /opt/ros/humble/lib/libmap_server_core.so 
[component_container_isolated-1] [INFO] [1752415843.822092229] [nav2_container]: Found class: rclcpp_components::NodeFactoryTemplate 
[component_container_isolated-1] [INFO] [1752415843.822127801] [nav2_container]: Found class: rclcpp_components::NodeFactoryTemplate 
[component_container_isolated-1] [INFO] [1752415843.822130801] [nav2_container]: Found class: rclcpp_components::NodeFactoryTemplate 
[component_container_isolated-1] [INFO] [1752415843.822133661] [nav2_container]: Instantiate class: rclcpp_components::NodeFactoryTemplate  
[component_container_isolated-1] [INFO] [1752415843.826729894] [map_server]: