多仿真世界与多场景下ROS2自动化测试技术问询

一、加载仿真世界、场景及测试数据 #

1. 加载仿真世界 #

• 用Gazebo的话，直接在launch文件里指定世界文件：
  示例launch代码：

  from launch import LaunchDescription
  from launch.actions import ExecuteProcess
  
  def generate_launch_description():
      return LaunchDescription([
          ExecuteProcess(
              cmd=['gazebo', '--verbose', 'path/to/your/world.world', '-s', 'libgazebo_ros_init.so'],
              output='screen'
          )
      ])
  

• 如果用Webots这类其他仿真工具，通过对应的ROS2接口加载场景配置，比如在launch中启动Webots节点并指定world路径：

  from launch_ros.actions import Node
  import os
  from ament_index_python.packages import get_package_share_directory
  
  def generate_launch_description():
      return LaunchDescription([
          Node(
              package='webots_ros2_driver',
              executable='driver',
              parameters=[{'world': os.path.join(get_package_share_directory('your_package'), 'worlds', 'test_world.wbt')}]
          )
      ])
  

2. 加载场景参数 #

• 通过ROS2参数服务器传递场景变量，比如障碍物位置、目标点：
  在launch里给测试节点传参：

  Node(
      package='your_test_package',
      executable='scene_loader',
      parameters=[
          {'obstacle_coords': [1.5, 3.0]},
          {'target_pos': [6.0, 0.0]}
      ]
  )
  

• 也可以用YAML配置文件批量加载，在launch里指定参数文件路径：

  Node(
      package='your_test_package',
      executable='scene_loader',
      parameters=[os.path.join(get_package_share_directory('your_test_package'), 'config', 'scene_config.yaml')]
  )
  

3. 加载测试数据 #

• 预录制的传感器数据（激光、相机等）直接用rosbag2播放：
  终端命令：

  ros2 bag play path/to/your/test_sensor_data_bag
  

• 动态生成测试数据的话，在测试节点里构造话题消息发布就行，比如模拟GPS数据：

  import rclpy
  from rclpy.node import Node
  from sensor_msgs.msg import NavSatFix
  
  class TestDataPublisher(Node):
      def __init__(self):
          super().__init__('test_data_pub')
          self.pub = self.create_publisher(NavSatFix, '/gps/fix', 10)
          self.timer = self.create_timer(0.1, self.publish_gps)
  
      def publish_gps(self):
          msg = NavSatFix()
          msg.latitude = 39.9042
          msg.longitude = 116.4074
          self.pub.publish(msg)
  
  def main(args=None):
      rclpy.init(args=args)
      node = TestDataPublisher()
      rclpy.spin(node)
      node.destroy_node()
      rclpy.shutdown()
  
  if __name__ == '__main__':
      main()
  

二、保存测试结果并与预期结果对比、分析偏差 #

1. 保存测试结果 #

• 用rosbag2录制关键话题（机器人位姿、控制指令等）：
  终端命令：

  ros2 bag record /robot/odom /cmd_vel -o test_results_bag
  

• 在测试节点里直接把结果写入文件，比如CSV格式：

  import csv
  from datetime import datetime
  
  def save_pose_result(pose):
      timestamp = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
      with open('pose_results.csv', 'a', newline='') as f:
          writer = csv.writer(f)
          writer.writerow([timestamp, pose.position.x, pose.position.y, pose.orientation.z])
  

2. 与预期结果对比 #

• 先准备好预期结果文件（比如CSV格式的目标位姿序列），在测试脚本里读取后逐帧对比：

  def read_expected_results(file_path):
      expected = []
      with open(file_path, 'r') as f:
          reader = csv.reader(f)
          next(reader)  # 跳过表头
          for row in reader:
              expected.append((float(row[1]), float(row[2])))
      return expected
  
  def compare_with_expected(actual_data, expected_data):
      for idx, (actual, expected) in enumerate(zip(actual_data, expected_data)):
          pos_error = ((actual[0]-expected[0])**2 + (actual[1]-expected[1])**2)**0.5
          print(f"Step {idx}: Position error = {pos_error:.2f}m")
  

• 用launch_testing写自动化测试用例，断言偏差在允许范围内：

  import launch_testing
  from geometry_msgs.msg import PoseStamped
  
  def test_pose_accuracy(pose_sub):
      msg = pose_sub.wait_for_msg(timeout=5.0)
      assert abs(msg.pose.position.x - 6.0) < 0.1, "X轴位姿偏差超出阈值"
      assert abs(msg.pose.position.y - 0.0) < 0.1, "Y轴位姿偏差超出阈值"
  

3. 偏差分析 #

• 统计偏差的均值、最大值，用Matplotlib生成可视化图表：

  import matplotlib.pyplot as plt
  
  def analyze_error(error_list):
      plt.figure(figsize=(10, 5))
      plt.plot(error_list, label='Position Error')
      plt.title('测试过程中位姿偏差变化')
      plt.xlabel('时间步')
      plt.ylabel('偏差(m)')
      plt.legend()
      plt.savefig('error_trend.png')
      
      avg_error = sum(error_list)/len(error_list)
      max_error = max(error_list)
      print(f"平均偏差: {avg_error:.2f}m")
      print(f"最大偏差: {max_error:.2f}m")
  

• 结合ROS2日志排查原因：用ros2 topic echo /rosout查看节点输出，判断是传感器噪声、控制算法问题，还是仿真环境参数设置不合理导致的偏差。

内容的提问来源于stack exchange，提问作者shrw