4.1 SDF格式深度解析

4.1 SDF格式逐层拆解

本节摘要：SDF（Simulation Description Format）是 Gazebo 的声明式场景语言，核心层级为 world → model → link → joint/collision/visual/sensor。它比 URDF 多覆盖"整个世界"（光照、物理、地形、多模型），且带 schema 可机器校验。本节解析层级语义、给出与 URDF 的对照及工程转换命令。

从 URDF 的短板说起

ROS 生态的老牌描述格式 URDF 只描述"一台机器人"：link 与 joint，完了。但一个仿真实验还需要机器人之外的一切——地形、光照、物理参数、其他机器人、传感器挂载方式。SDF 的设计目标正是描述整个可运行的世界，机器人只是世界里的一种 model。两者关系：

生态实践通常是：机器人本体维护一份 URDF（ros2_control 需要它），仿真时转换成 SDF 使用；世界与环境直接写 SDF。

层级语义：一个文件就是一棵树

<?xml version="1.0" ?>
<sdf version="1.9">
  <world name="demo_world">
    <!-- 世界级: 物理与光照（第3章的账在这里开总账） -->
    <physics type="ode"><max_step_size>0.001</max_step_size></physics>
    <light type="directional" name="sun"><cast_shadows>true</cast_shadows></light>

    <!-- model: 世界里的一切"东西", 机器人/桌子/墙 语法平等 -->
    <model name="my_robot">
      <pose>0 0 0.1 0 0 0</pose>
      <link name="base">
        <inertial><mass>5</mass>...</inertial>
        <collision name="col">...</collision>   <!-- 物理引擎吃这个 -->
        <visual name="vis">...</visual>          <!-- 渲染引擎吃这个 -->
        <sensor name="lidar" type="gpu_lidar">...</sensor>  <!-- 第5章 -->
      </link>
      <joint name="wheel_joint" type="revolute">...</joint>
      <plugin filename="gz-sim-diff-drive-system" name="...DiffDrive"/>
    </model>
  </world>
</sdf>
​

几个容易被低估的语义点：

• collision 与 visual 分离。物理引擎看碰撞体（应该粗糙），渲染看视觉体（可以精细）。第 3 章"碰撞简单、视觉好看"原则在语法层就有落点。
• model 是通用容器。机器人、桌子、传感器支架在 SDF 里没有语法区别——"机器人"只是挂了驱动插件的 model。
• include 复用。世界文件里 <include><uri>model://my_robot</uri></include> 引用模型库里的现成模型，不必复制粘贴（4.3 讲解析规则）。

层级与职责一览

工具链：校验、转换、规范化

SDF 的"机器可校验"不是口号，命令行就能兑现：

gz sdf -p my_robot.sdf > pretty.sdf   # 解析+规范化输出, 语法错误在这里现形
gz sdf -k my_world.sdf                # 校验, 不修改
# 从 URDF 生成 SDF（机器人本体进入仿真世界的标准通道）
gz sdf -p model.urdf > model.sdf
​

gz sdf -p 是每次交付前的例行检查：它做 schema 校验并输出规范化版本。团队协作里把"提交前必须过 gz sdf -p"写进 CI，能拦住九成的低级语法问题（标签拼错、单位制混乱、版本声明缺失）。

⚠️ 常见坑：URDF→SDF 转换会自动补全碰撞体、惯性等 URDF 缺失项，补全值是保守默认而非你的真实参数。转换后必须人工核对 <inertial>（用 3.2 的量级法）。"转换完直接用"是惯性账错的第二大来源，仅次于单位错。

声明式不等于手写：程序生成 SDF 的正当地盘

层级树有个常被忽略的红利：SDF 是规则嵌套的 XML，凡是"结构重复、参数变化"的场景——传感器阵列、货架森林、随机化测试的世界批量生成——都适合写生成器而不是手工维护几百个重复块。随机化测试尤其如此：把障碍密度、光照强度、摩擦系数参数化，一份脚本产出上百个世界文件，正好喂给第 1 章说的并行批量仿真：

# gen_worlds.py：随机化仓库世界，供批量统计测试
import random, math
random.seed(42)
def make_world(n_shelves, mu, lux):
    shelves = []
    for i in range(n_shelves):
        x, y = random.uniform(-8, 8), random.uniform(-8, 8)
        yaw = random.uniform(0, math.pi)
        shelves.append(
            f'<include><uri>model://shelf</uri>'
            f'<pose>{x:.2f} {y:.2f} 0 0 0 {yaw:.2f}</pose></include>')
    return f"""<sdf version="1.9"><world name="warehouse">
  <physics type="ode"><max_step_size>0.001</max_step_size></physics>
  <light type="point" name="lamp"><diffuse>{lux} {lux} {lux}</diffuse></light>
  <road><surface><friction><ode><mu>{mu:.2f}</mu></ode></friction></surface></road>
  {''.join(shelves)}
</world></sdf>"""
for k in range(100):
    open(f"worlds/wh_{k:03d}.sdf", "w").write(
        make_world(random.randint(5, 30), random.uniform(0.4, 1.0),
                   random.uniform(0.3, 0.9)))
​

这份生成器把"环境分布"从口头的"各种场景"变成可版本化、可复现的参数区间——团队任何人拿到同一份脚本与同一个种子，都能生成同一批世界。它与 4.3 节的模型库正交：生成器管布局与参数，model:// 引用管复用。判断该手写还是该生成，只看一条：文件里是否存在"结构相同、仅数值不同"的重复块——出现第三处重复时就该换生成器了。

本节要点回顾

• SDF 描述世界，URDF 只描述机器人：传感器、地形、光照、多模型都是 SDF 的一等公民。
• 层级即职责：world 管全局，model 万物平权，link 装物理与感知，joint 管约束。
• collision/visual 分离在语法层就支持"碰撞简单、视觉精细"。
• 工具链是契约的一部分：gz sdf -p 进 CI；URDF 转换后必核惯性。

语言会了，下一节用它建真东西——地形、建筑、大面积静态环境，以及建模粒度的取舍。