ego-planner开源代码之simulator.xml参数配置与仿真节点深度解析

原创

于 2026-02-16 01:01:48 发布 · 591 阅读

1. 从零开始：为什么你需要读懂simulator.xml

如果你刚接触EGO-Planner，打开代码仓库，面对一堆launch文件和配置文件，是不是有点懵？尤其是那个simulator.xml，看起来就是一堆参数和节点，好像很复杂。我刚开始看的时候也是这种感觉，觉得这玩意儿就是个启动脚本，知道怎么用就行了。但后来在调试自己的仿真场景时，踩了好几个坑，才发现这个文件远不止是个“启动脚本”，它其实是整个仿真环境的**“大脑”和“接线图”**。

简单来说，simulator.xml是EGO-Planner仿真系统的核心配置文件。它干了三件大事：第一，定义了仿真世界的基本规则，比如地图多大、无人机从哪儿起飞；第二，启动了所有必要的仿真节点，比如生成地图的、模拟无人机飞行的、做控制的、处理传感器数据的；第三，更重要的是，它通过ROS的话题重映射机制，把这些独立的节点像拼乐高一样连接起来，让数据能在它们之间正确流动。所以，你想定制自己的仿真场景，比如换个大点的地图、调整无人机的动力学模型、或者接入自己的传感器数据，都得从修改这个文件开始。

这篇文章，我就带你一起把simulator.xml掰开揉碎了看。我会用我实际调试中遇到的例子，告诉你每个参数背后的含义，每个节点具体在干什么，它们之间又是怎么“对话”的。目标很简单：让你看完之后，不仅能看懂这个文件，还能根据自己的需求去修改它，真正玩转EGO-Planner的仿真环境。

2. 庖丁解牛：simulator.xml参数配置全解析

2.1 环境初始化参数：给仿真世界定个基调

打开simulator.xml，最开头你会看到一堆<arg>标签。这些就是启动仿真时你可以（或者必须）传入的参数，它们为整个仿真环境定下了基调。咱们一个个来看。

<arg name="init_x" value="-18.0"/>
<arg name="init_y" value="0.0"/>
<arg name="init_z" value="0.0"/>
<arg name="obj_num" value="1" />
<arg name="map_size_x_"/>
<arg name="map_size_y_"/>
<arg name="map_size_z_"/>
<arg name="c_num"/>
<arg name="p_num"/>
<arg name="min_dist"/>
<arg name="odometry_topic"/>

init_x, init_y, init_z这三个参数定义了无人机的初始位置。默认值是(-18.0, 0.0, 0.0)，这个位置通常是相对于地图中心的。我刚开始没注意，直接用了默认值，结果无人机一启动就“嵌”在了地图边缘的障碍物里，规划器直接报错。后来才明白，需要根据你设定的地图大小和障碍物分布来合理设置这个起点。比如你的地图X方向是从-20到20，那么起点设在0附近会更安全。

map_size_x_, map_size_y_, map_size_z_这三个参数特别重要，它们定义了仿真地图在三个维度上的尺寸（单位是米）。注意看，它们没有默认值，这意味着你必须在调用simulator.xml的上层launch文件里给它们赋值。比如在simple_run.launch里，就设置了map_size_x: 40.0，也就是一个40米见方、高度3米的空间。这个尺寸直接影响了地图生成节点和感知节点的工作范围。如果你要模拟一个长廊环境，可以把map_size_x设大，map_size_y设小；如果要模拟多层结构，可以适当增加map_size_z。

odometry_topic这个参数指定了里程计数据的话题名。这是仿真系统和规划器之间的关键接口。默认情况下，仿真器会发布里程计信息，规划器需要订阅它来知道无人机“以为自己在哪里”。在EGO-Planner的默认配置中，这个话题被重映射到了/visual_slam/odom，这是为了兼容使用视觉SLAM提供里程计的真实硬件平台。在纯仿真中，里程计数据其实是由quadrotor_simulator_so3节点提供的理想数据。如果你有自己的状态估计模块，比如想测试一个滤波算法，就可以通过修改这个参数，让你的模块订阅或发布到正确的话题上。

c_num, p_num, min_dist这几个参数和地图的随机生成有关。c_num和p_num我理解是控制随机障碍物数量和点云密度的，min_dist可能是障碍物之间的最小距离。在简单测试时，我们通常用预设的地图或者简单障碍物，这些参数保持默认即可。但如果你想生成特定复杂度的随机环境来测试规划器的极限性能，调整这几个参数会非常有用。

2.2 地图生成节点：用算法创造一个虚拟世界

仿真环境里总得有东西让无人机躲吧？这就是mockamap_node的工作。它不是一个加载现有地图的节点，而是一个程序化地图生成器，用Perlin噪声算法实时生成一个复杂的三维障碍物空间。这比用固定的模型文件灵活多了，每次启动都能得到一个不一样的环境，非常适合做算法的鲁棒性测试。

<node pkg="mockamap" type="mockamap_node" name="mockamap_node" output="screen">
  <remap from="/mock_map" to="/map_generator/global_cloud"/>
  <param name="seed" type="int" value="127"/>
  <param name="update_freq" type="double" value="0.5"/>
  <param name="resolution" type="double" value="0.1"/>
  <param name="x_length" value="$(arg map_size_x_)"/>
  <param name="y_length" value="$(arg map_size_y_)"/>
  <param name="z_length" value="$(arg map_size_z_)"/>
  <param name="type" type="int" value="1"/>
  <param name="complexity" type="double" value="0.05"/>
  <param name="fill" type="double" value="0.12"/>
  <param name="fractal" type="int" value="1"/>
  <param name="attenuation" type="double" value="0.1"/>
</node>

seed参数是随机种子。设为固定的值（比如127）后，每次生成的地图都是一样的，这保证了实验的可重复性。如果你想要随机地图，可以把这个值改成随机的，或者从系统时间获取。

resolution是地图的分辨率，默认0.1米。这意味着生成

标签