gazebo7.16.0+ros完成小车自主导航（用到racecar包）
环境
ubuntu16.04+Ros+gazebo7.16.0
准备阶段：
创建工作区间，初始化并编译：
mkdir -p racecar_ws/src
下载racecar包：racecar或者直接git clone，一般早上网速会快一点。
（注意位置：racecar_ws/src）
git clone https://github.com/xmy0916/racecar.git
顺便把环境包路径加到~/.bashrc下：
echo "source ~/workspace/racecar_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc
完成后就是这样的了。
再次回到racecar_ws/下编译：
catkin_make
如果不出意外，一次就能通过（比如说我的就是）；
出了意外一般是某些ros的package没有安装，安装相应的package就行了。
sudo apt-get install ros-版本-package
还有个意外是，opencv的位置问题，我是新装的虚拟机，没有opencv，所以就没管，如果装了opencv的话，还要去改相应的路径（在racecar/racecar_gazebo/下的CMakeLists.txt文件里）
至此，准备工作基本完成。
下面开始进行测试阶段
测试阶段
运行它自己的racecar模型：可能gazebo还会报错，只要不是红的就没有问题，如果是红的的错误问题，就要去查相关的解决方案了。
roslaunch racecar_gazebo racecar.launch
这里可以通过WSAD来让小车进行移动，可以自己试试。
然后ctrl+c结束gazebo窗口，再把赛道也一起加载出来吧。
roslaunch racecar_gazebo racecar_runway.launch
从小车的视角去看看吧，新建终端，运行(这是建图模块了)
roslaunch racecar_gazebo slam_gmapping.launch
可能会报错：
解决：
错误1：安装gmapping建图的package
sudo apt-get install ros-kinetic-gmapping
错误2：安装ros-kinetic-rtabmap-ros的package
sudo apt-get install ros-kinetic-rtabmap-ros
结果：
就把建图完成了吧：跑完全图应该就是如下了。
然后保存地图：因为他这个包本身就保存了，所以我重新命名了一下。
rosrun map_server map_saver -f racecar_runway1.map
ctrl+c将之前的终端全部关掉，接下来让小车自己跑起来吧。
分别开三个终端依次运行
roslaunch racecar_gazebo racecar_runway_navigation.launch
roslaunch racecar_gazebo racecar_rviz.launch
rosrun racecar_gazebo path_pursuit.py
可以看到小车的运行，但是好像比自己运行的时候要慢一些。不知道是路径规划的问题，还是内存的问题。
自建赛道阶段
使用gazebo创建一个赛道模型：
然后再建立自己的world文件。
这里我还添加了一些小障碍物啥的，也可以添加其他的，我添加的是（Construction Cone）
关闭gazebo界面，然后我们就去看看自己创建的world。
然后就到了修改赛道配置文件的时候了，将我们自己创建的world文件，放到racecar_gazebo/launch/racecar_runway.launch文件里：
然后回到工作区编译（catkin_make）一次，再运行:
roslaunch racecar_gazebo racecar_runway.launch
新开一个终端，再次运行建图的文件：
roslaunch racecar_gazebo slam_gmapping.launch
运行过程：
再开一个终端保存map：
rosrun map_server map_saver -f my_racecar_runway.map
保存完毕后，将racecar_runway_navigation.launch的map改成自己的my_racecar_runway.map
将终端全部关闭，重新打开，三个终端
分别运行：
roslaunch racecar_gazebo racecar_runway_navigation.launch
roslaunch racecar_gazebo racecar_rviz.launch
rosrun racecar_gazebo path_pursuit.py
得到如下结果：
至此，我们的智能车导航仿真就完成了。可能会有很多更优的算法，或是道路的规划算法，但这些，我都还没学明白，等后面时间充裕了再进一步学习吧。