ARTICLE · 1150805
机器人测试基础学习文档(新人版)
适用对象：机器人测试新人、产品测试、系统测试、质量验证、售后技术支持。 示例场景：以割草机器人为主，同时适用于扫地机器人、配送机器人、移动底盘等自主移动机器人。
【文末福利~】
0. 新人先建立一张“整机地图”
机器人测试不是只看一个传感器或一段算法，而是看整机链路是否稳定闭环。可以先记住一条主线：
mermaidflowchart LRA["感知层：相机 / RGBD / LiDAR / IMU / RTK / 轮速计"] --> B["定位建图层：SLAM / VSLAM / LiDAR SLAM / 传感器融合"]B --> C["规划决策层：全局路径 / 局部避障 / 作业策略"]C --> D["控制执行层：电机 / 转向 / 刀盘 / 回充"]D --> E["状态反馈层：里程计 / 电流 / 温度 / 故障码 / 日志"]E --> B```
生活类比：
人在陌生公园里走路：眼睛负责看路，内耳负责感知身体姿态，大脑一边记地图一边判断自己在哪，腿负责执行行走。
机器人也类似：相机、雷达、IMU 是“眼睛和内耳”；SLAM 是“认路和记地图”；路径规划是“决定怎么走”；电机和刀盘是“腿和工具”。
测试新人看机器人时，建议永远追问三件事：
输入是什么：传感器数据是否真实、连续、时间对齐？
输出是什么：定位、地图、路径、控制命令是否符合预期？
异常怎么表现：弱光、强光、遮挡、打滑、动态障碍物、通信中断时系统是否能恢复？
1. ROS 机器人操作系统
1.1 ROS 到底是什么
ROS 是 Robot Operating System 的缩写，中文常叫“机器人操作系统”。但它不是 Windows、Android 那种完整操作系统，更准确地说，它是运行在 Linux 等系统上的机器人软件框架和通信中间件。
通俗理解：
Linux 像地基和房子。
ROS 像房子里的水电网络、开关面板和设备接口。
相机、雷达、电机、导航算法、避障算法通过 ROS 连接起来，各模块不需要彼此硬编码在一起。
割草机器人示例：
相机节点持续发布图像。
激光雷达节点持续发布点云或扫描线。
定位节点订阅相机、雷达、IMU 数据，输出机器人位置。
导航节点根据地图和位置规划路径。
控制节点把路径转换成电机速度和刀盘控制命令。
1.2 ROS 核心术语
/camera/image/scan、/imu/data | |||
生活类比：
Topic 像微信群直播消息：有人一直发，有人按需看。
Service 像去窗口办业务：你提一个请求，对方给一个结果。
Action 像点外卖：下单后能看到“已接单、配送中、已送达”，最后有结果。
1.3 Topic、Service、Action 怎么选
1.4 ROS1 与 ROS2 的核心区别
新人建议：
学概念时可以看 ROS1 资料，因为很多名词是相通的。
做产品测试和新项目时，应优先按 ROS2 口径学习，尤其关注 DDS、QoS、生命周期节点、rosbag2、Nav2。
1.5 常用 ROS 工具
常用检查命令示例（ROS2）：
ros2 node listros2 topic listros2 topic echo /imu/dataros2 topic hz /scanros2 service listros2 action listros2 param listros2 bag record /scan /imu/data /tf /odom
1.6 ROS 测试重点
/tf 导致离线无法复现 | ||
2. 感知传感器：机器人“看世界”的方式
机器人要自主移动，必须知道三类信息：
我周围有什么：人、宠物、树、石头、花坛、墙、坑。
它们离我多远：是否需要避让、减速、停车。
我自己怎么动了：是否转弯、打滑、倾斜、偏航。
2.1 传感器总览
2.2 RGB、双目、RGBD、LiDAR 的生活类比
RGB 相机：像手机拍照，能看清颜色和形状，但照片本身不会告诉你物体离你 2 米还是 5 米。
双目相机：像人的两只眼睛，通过左右眼看到的差异判断远近。
RGBD / ToF：像拿着一个能瞬间量出每个像素距离的电子卷尺。
LiDAR：像一个高速旋转的激光测距仪，不断扫描周围物体的位置。
IMU：像人的内耳，能感知身体是否倾斜、转动、加速。
RTK：像普通 GPS 加了一个“已知准确位置的参照站”，用参照站帮你修正误差。
2.3 容易混淆的点
双目相机 vs RGBD 相机
LiDAR 是否真的“不怕天气”
更准确的说法是：LiDAR 不依赖可见光，白天、傍晚、树荫下通常稳定；但雨、雾、雪、扬尘、强反光或吸光材料会影响激光回波质量。测试时不能只在晴天验证。
RTK 是否能替代避障
不能。RTK 只告诉机器人“我在地球上的哪个坐标”，不告诉它前方有没有人、宠物、石块或坑。RTK 负责全局定位，避障仍要依赖相机、雷达、超声波、防撞条等感知。
2.4 传感器测试重点
3. SLAM、VSLAM 与定位建图
3.1 SLAM 是什么
SLAM 是 Simultaneous Localization And Mapping，中文叫“同步定位与建图”。它要同时解决两个问题：
Localization：我现在在哪里？
Mapping：周围环境长什么样？
难点在于：想建图需要知道自己位置，想知道自己位置又需要地图。机器人只能一边走、一边估计、一边修正。
生活类比：
你第一次进一个大型地下停车场，没有地图。
你边走边记住柱子、出口、车道线，同时判断自己从入口走了多远。
如果走一圈回到入口，你会突然确认“我回来了”，然后把之前的路线误差修正掉。
这就是 SLAM 里的回环检测。
3.2 VSLAM 是什么
VSLAM 是 Visual SLAM，即视觉 SLAM，主要依靠相机完成定位与建图。根据相机类型不同，可分为：
单目 VSLAM：一个相机，成本低，但没有天然尺度，容易尺度漂移。
双目 VSLAM：两个相机，能通过视差恢复真实尺度。
RGBD VSLAM：彩色图像 + 深度图，近距离建图和避障更直接。
VIO / Visual-Inertial Odometry：视觉 + IMU 融合，短时鲁棒性更好。
3.3 VSLAM 的四大模块
3.4 常见地图类型
3.5 特征点法与直接法
生活类比：
特征点法：你靠“门牌、路标、墙角”认路。
直接法：你靠整幅画面的明暗变化判断自己怎么移动。
3.6 SLAM 常见问题与解决思路
3.7 SLAM 测试指标
4. 导航、规划与执行：机器人“决定怎么走”
虽然原始文档重点在 ROS、VSLAM、传感器，但新人做机器人测试时还需要理解导航链路。
4.1 导航链路
4.2 路径规划的生活类比
全局规划像手机地图：告诉你从家到公司怎么走。
局部规划像你开车时临时变道：前方有人或车，就绕一下。
控制器像驾驶员踩油门、打方向：把路线变成具体动作。
4.3 导航测试重点
5. 割草机器人中的典型系统方案
5.1 典型数据流
```mermaidflowchart TDA["RGB / RGBD / LiDAR / IMU / RTK / 轮速计"] --> B["ROS2 驱动节点"]B --> C["传感器话题：图像 / 点云 / IMU / 里程计 / GNSS"]C --> D["融合定位：VSLAM / LiDAR SLAM / VIO / EKF"]D --> E["地图：边界 / 障碍物 / 代价地图 / 作业区域"]E --> F["路径规划：全覆盖 / 沿边 / 回充"]F --> G["控制节点：速度 / 转向 / 刀盘"]G --> H["机器人执行：行走 / 割草 / 避障 / 回充"]H --> I["日志与状态：故障码 / 电量 / 温度 / 电流"]I --> C```
5.2 常见配置思路
5.3 割草机器人重点测试场景
5.4 新人测试时的排查顺序
当机器人“跑偏、撞障碍、地图错、回不去充电桩”时，不要直接判断是算法问题。建议按链路排查：
传感器是否正常：图像、点云、IMU、RTK 有没有数据？
时间戳是否正常：各传感器是不是同一个时间体系？
坐标系是否正常：TF 树是否连通，外参方向是否装反？
定位是否正常：轨迹是否跳变、漂移、丢失？
地图是否正常：边界、障碍物、禁区是否正确？
规划是否正常：路径是否绕开障碍，是否贴边过近？
控制是否正常：命令发出后电机是否按预期执行？
安全策略是否正常：异常时是否减速、停车、报警、保护刀盘？
6. 机器人测试新人必须掌握的专业术语
/camera_driver/planner | |||
/scan/cmd_vel | |||
sensor_msgs/Image | |||
mapodom、base_link、camera_link | |||
7. 面向测试的快速学习路径
第 1 阶段：先会看系统是否“活着”
目标：
会列出节点、话题、服务、动作。
会用 RViz 看机器人位置、点云、地图。
会录制和回放 rosbag。
练习：
ros2 node listros2 topic listros2 topic hz /scanros2 topic echo /odomros2 bag record /scan /imu/data /tf /odom
第 2 阶段：看懂传感器数据
目标：
RGB 图像是否清晰、曝光是否正常。
深度图是否有空洞、跳变、量程不足。
LiDAR 点云是否完整、有无噪声。
IMU 静止时是否稳定。
RTK 是否固定解、是否跳点。
练习：
在室内、阳光、树荫、逆光下分别采集数据。
对比同一障碍物在 RGB、深度图、点云中的表现。
记录传感器异常时机器人策略：继续、减速、停车、报警。
第 3 阶段：看懂定位和地图
目标：
能判断机器人轨迹是否漂移。
能看出地图是否重影、断裂、扭曲。
能知道丢定位、重定位、回环分别是什么现象。
练习：
绕固定区域一圈，观察回到起点时误差。
在弱纹理草坪、树荫、动态行人干扰下测试定位稳定性。
回放 rosbag，确认缺陷是否可复现。
第 4 阶段：看懂整机行为
目标：
能把“撞障碍、漏割、回充失败”拆解到感知、定位、规划、控制、执行某一段。
能写出可复现、可定位、可回归的测试用例。
练习：
设计低矮障碍物测试。
设计花坛沿边测试。
设计 RTK 遮挡退化测试。
设计长时间运行稳定性测试。
8. 测试用例模板与示例
8.1 通用测试用例模板
8.2 示例：低矮障碍物避障测试
8.3 示例：VSLAM 弱纹理漂移测试
8.4 示例：RTK 遮挡退化测试
9. 常见问题速查表
tf2_tools | ||
ros2 topic info -v | ||
/tf、传感器时间戳 | ||
10. 新人需要修正的几个常见认知
ROS 不是机器人本体的“大脑”，它更像连接各模块的框架和工具箱。真正做决策的是导航、规划、控制等算法节点。
VSLAM 不是万能定位。弱纹理、强光、暗光、动态物、快速运动都会让视觉退化。
LiDAR 不是任何天气都完美。它不依赖可见光，但雨雾尘和特殊材质仍会影响回波。
RTK 只能定位，不能避障。它不知道前方有没有人和石头。
RGBD 不等于所有户外都稳定。结构光通常不适合强日照；ToF 更适合户外近距离，但也要实测量程、强光和材质。
单个传感器很难覆盖所有场景。产品级机器人通常依赖多传感器融合和安全冗余。
测试不能只看“当下是否能跑”。要看异常、退化、恢复、长时间运行、环境边界和数据可复现。
11. 推荐专业资料来源
以下资料用于校准本文专业口径，建议新人后续按需阅读：
ROS 2 官方文档：Nodes、Topics、Services、Actions、Parameters、QoS、DDS 等概念https://docs.ros.org/en/jazzy/Concepts.html
ROS 2 发行版说明，用于确认各版本支持状态https://docs.ros.org/en/jazzy/Releases.html
Gazebo 官方文档，用于理解机器人仿真、物理环境和传感器仿真Getting Started with Gazebo? — Gazebo jetty documentation
ROS RViz 文档，用于理解机器人数据可视化https://docs.ros.org/en/jazzy/Tutorials/Intermediate/RViz/RViz-Main.html
ORB-SLAM2 论文：特征点法视觉 SLAM 的经典工程代表[1610.06475] ORB-SLAM2: an Open-Source SLAM System for Monocular, Stereo and RGB-D Cameras
ORB-SLAM3 论文：视觉、视觉惯性、多地图 SLAM 的经典参考[2007.11898] ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM
LSD-SLAM 论文：直接法单目 SLAM 的经典参考Computer Vision Group - Visual SLAM - LSD-SLAM: Large-Scale Direct Monocular SLAM
NOAA LiDAR 科普资料：激光雷达定义与基本原理What is lidar?
NOAA NGS CORS：GNSS/RTK 差分定位相关基础设施参考NOAA CORS Network - National Geodetic Survey
Intel RealSense 深度视觉资料：双目深度、深度相机工程概念参考https://dev.intelrealsense.com/docs/stereo-depth-vision-basics
12. 一句话总结
机器人测试新人不需要一开始就推公式，但必须建立“传感器采集数据 -> ROS 通信分发 -> SLAM
定位建图 -> 规划决策 -> 控制执行 -> 日志回放定位问题”的整机链路意识。只要能沿这条链路排查
问题，就能从“看现象”逐步成长为“定位问题来源”的系统测试工程师。
如何获取资料：
1、点赞+推荐
2、扫描下方任意二维码，回复“机器人测试”即可