1. 硬件选择与树莓派5的独特挑战

树莓派5作为最新一代的单板计算机，性能相比前代有了显著提升，但对于ROS Noetic这个ROS 1的最终版本来说，却带来了不少兼容性挑战。我实际测试中发现，树莓派5的ARM Cortex-A76架构和更新的PCIe接口虽然提升了性能，但在ROS 1环境下需要特别注意驱动兼容性问题。

核心硬件清单需要特别注意这些点：

• 树莓派5B：建议选择8GB内存版本，因为SLAM建图过程中内存占用很容易超过4GB
• 激光雷达：RPLIDAR C1是个不错的选择，但要注意树莓派5的USB控制器升级到了PCIe，需要重新编译驱动
• 电机驱动模块：TB6612FNG确实好用，但树莓派5的GPIO引脚排列有所变化，接线时需要特别注意
• 电源管理：树莓派5的功耗更高，建议使用官方推荐的27W PD电源，否则可能遇到随机重启的问题

我在第一次搭建时就栽了跟头——用的还是树莓派4的5V/3A电源，结果建图到一半就突然重启。后来换了官方电源才稳定下来。

2. Ubuntu 24.04系统安装与优化

树莓派5目前官方支持的Ubuntu版本是24.04，这个版本默认使用Wayland显示协议，但ROS Noetic的很多工具对X11兼容性更好。安装完成后第一件事就是切换显示协议：

sudo vim /etc/gdm3/custom.conf

取消WaylandEnable=false的注释，然后重启。这个步骤很关键，否则远程桌面可能无法正常使用。

系统优化的几个实用技巧：

• 扩展文件系统：sudo raspi-config → Advanced Options → Expand Filesystem
• 禁用不必要的服务：sudo systemctl disable bluetooth.service
• 设置交换分区：建议设置2GB的交换分区，避免内存不足

sudo dphys-swapfile setup
sudo dphys-swapfile swapon

3. ROS Noetic安装的坑与解决方案

树莓派5上安装ROS Noetic确实比前代麻烦很多，主要是编译工具链和依赖库的兼容性问题。我最开始直接按照官方教程安装，结果编译到一半就报错。

关键安装步骤：

先解决GitHub访问问题，否则下载依赖包会非常慢：

nslookup github.com
nslookup github.global.ssl.fastly.net

将获取的IP地址添加到/etc/hosts文件中，能显著提升下载速度。

编译环境配置：

sudo apt-get install python3-rosdep python3-rosinstall-generator \
python3-vcstools python3-vcstool build-essential

最重要的一个坑： ROS Noetic的很多包默认使用C++11标准，但树莓派5的编译器需要升级到C++17。需要手动修改所有CMakeLists.txt文件：

import os

def fix_cmakelist(cmakelist_path):
    with open(cmakelist_path, 'r') as f:
        content = f.read()
    
    content = content.replace('-std=c++11', '-std=c++17')
    content = content.replace('CMAKE_CXX_STANDARD 11', 'CMAKE_CXX_STANDARD 17')
    
    with open(cmakelist_path, 'w') as f:
        f.write(content)

# 遍历所有CMakeLists.txt并修改
for root, dirs, files in os.walk('./src'):
    for file in files:
        if file == 'CMakeLists.txt':
            fix_cmakelist(os.path.join(root, file))

编译过程中遇到rosconsole包报错是最常见的，需要手动修改源码中的几个智能指针相关的问题。我在GitHub上找到了修复后的包，直接替换即可。

4. 硬件驱动与传感器配置

激光雷达驱动配置：

RPLIDAR C1的驱动需要重新编译，因为树莓派5的内核版本更新了USB驱动栈：

cd ~/catkin_ws/src
git clone https://github.com/slamtec/rplidar_ros.git
cd rplidar_ros
sudo chmod 777 /dev/ttyUSB0  # 给雷达赋权

IMU传感器配置：

MPU6050通过I2C接口连接，需要先启用树莓派的I2C功能：

sudo raspi-config
# 选择 Interfacing Options → I2C → Yes
sudo apt-get install i2c-tools libi2c-dev python3-smbus

电机驱动配置：

TB6612FNG的接线需要特别注意树莓派5的GPIO引脚变化：

TB6612引脚	树莓派5 GPIO	功能
PWMA	GPIO5	左电机PWM
PWMB	GPIO10	右电机PWM
AIN1	GPIO14	左电机方向
AIN2	GPIO15	左电机方向
BIN1	GPIO22	右电机方向
BIN2	GPIO27	右电机方向
STBY	GPIO17	使能引脚

5. SLAM建图实战与多传感器融合

URDF模型配置：

创建正确的小车URDF模型是SLAM的基础。需要定义好各个传感器之间的坐标变换关系：

<robot name="smartcar">
    <link name="base_footprint"/>
    
    <link name="base_link">
        <visual>
            <geometry>
                <box size="0.25 0.25 0.1"/>
            </geometry>
        </visual>
    </link>
    
    <link name="laser">
        <visual>
            <geometry>
                <cylinder length="0.05" radius="0.03"/>
            </geometry>
        </visual>
    </link>
    
    <joint name="base_footprint_to_base_link" type="fixed">
        <parent link="base_footprint"/>
        <child link="base_link"/>
        <origin xyz="0 0 0.01" rpy="1.571 0 0"/>
    </joint>
    
    <joint name="base_link_to_laser" type="fixed">
        <parent link="base_link"/>
        <child link="laser"/>
        <origin xyz="0 0 0.15" rpy="0 0 0"/>
    </joint>
</robot>

多传感器数据融合：

使用robot_pose_ekf包融合里程计和IMU数据：

sudo apt-get install ros-noetic-robot-pose-ekf

修改robot_pose_ekf.launch文件，启用IMU数据融合：

<param name="imu_used" value="true"/>
<param name="output_frame" value="odom"/>

GMAPPING建图配置：

编译安装gmapping包：

cd ~/catkin_ws/src
git clone https://github.com/ros-perception/slam_gmapping.git
cd ~/catkin_ws
catkin_make

6. 实战中的常见问题与解决方案

问题1：TF树异常

经常遇到TF树不完整的问题，可以通过以下命令诊断：

rosrun tf view_frames
evince frames.pdf  # 查看TF树结构

问题2：里程计数据不准

如果没有编码器，可以模拟里程计数据，但精度会受影响。建议还是使用带编码器的电机：

#!/usr/bin/env python3
import rospy
from nav_msgs.msg import Odometry

def simulated_odom():
    pub = rospy.Publisher('/odom', Odometry, queue_size=10)
    rospy.init_node('simulated_odometry')
    rate = rospy.Rate(10)  # 10Hz
    
    while not rospy.is_shutdown():
        odom_msg = Odometry()
        odom_msg.header.stamp = rospy.Time.now()
        odom_msg.header.frame_id = "odom"
        odom_msg.child_frame_id = "base_footprint"
        
        # 这里填充模拟的里程计数据
        # ...
        
        pub.publish(odom_msg)
        rate.sleep()

问题3：内存不足

树莓派5虽然性能提升，但运行ROS+SLAM还是可能内存不足：

• 增加交换分区大小
• 关闭不必要的节点和服务
• 使用zram压缩内存

sudo apt-get install zram-config

7. 完整启动文件与系统集成

创建一个完整的launch文件，一次性启动所有需要的节点：

<launch>
    <!-- 底盘控制节点 -->
    <node pkg="car_pkg" type="wheel_base_node.py" name="wheel_base" output="screen"/>
    
    <!-- 激光雷达 -->
    <include file="$(find rplidar_ros)/launch/rplidar_c1.launch"/>
    
    <!-- IMU节点 -->
    <node pkg="mpu6050_driver" type="imu_node.py" name="imu_driver" output="screen"/>
    
    <!-- 里程计模拟 -->
    <node pkg="simulator_pkg" type="odom_simulator.py" name="odom_simulator" output="screen"/>
    
    <!-- 多传感器融合 -->
    <include file="$(find robot_pose_ekf)/robot_pose_ekf.launch"/>
    
    <!-- GMAPPING建图 -->
    <node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen">
        <param name="base_frame" value="base_footprint"/>
        <param name="odom_frame" value="odom"/>
        <param name="map_frame" value="map"/>
    </node>
    
    <!-- 静态坐标变换 -->
    <node pkg="tf2_ros" type="static_transform_publisher" 
          name="base_to_laser" args="0 0 0.15 0 0 0 base_link laser"/>
</launch>

8. 性能优化与调试技巧

系统监控：

使用htop和rosrun rqt_graph rqt_graph实时监控系统状态和节点关系。

网络优化：

如果使用多机通信，建议使用千兆以太网而不是WiFi，因为SLAM数据量很大。

存储优化：

使用高速TF卡，建议A2级别的卡，读写速度更快：

# 监控磁盘IO
iostat -x 1

调试工具：

• rviz：可视化传感器数据和地图
• rqt：各种调试工具集合
• rosbag：录制和回放数据包

# 录制数据包
rosbag record -a -O slam_data.bag

# 回放数据包
rosbag play slam_data.bag

在实际项目中，我发现最重要的不是一次成功，而是学会如何调试和解决问题。每个硬件环境都有所不同，需要根据实际情况调整参数。树莓派5的性能虽然强大，但想要稳定运行ROS Noetic和SLAM，还是需要不少调优工作。

建议先从简单的功能开始测试，逐步增加复杂度。先确保电机控制正常，再测试传感器数据，最后才进行SLAM建图。这样分层调试可以快速定位问题所在。