仅为学习记录和一些自己的思考，不具有参考意义。

1navigation导航框架

2导航设置过程

（1）启动仿真环境

roslaunch why_simulation why_robocup.launch

（2）启动move_base导航、amcl定位

roslaunch why_simulation nav.launch 

（3）启动rviz

rviz

（4）设置目标点

（5）将左右指令完善到launch文件中

3全局路径规划算法

功能包简介

navfn与global_planner功能相同，同时包含了Dijkstra与A*算法。

navfn默认使用Dijkstra算法，算法无问题，但是此包的A*存在问题。

global_planner功能包无bug。

carrot_planner功能包碰到障碍物就停止了，常作为自己书写的规划器的模板。

启动全局规划

golbal_planner默认使用Dijkstra算法，若要切换为A*，则需要以下修改。

               .                            

4 amcl

开始导航后真实位置的粒子越来越少

5 costmap

代价地图

代价地图的参数设置

costmap_common_params.yaml

robot_radius: 0.25 inflation_radius: 0.5 obstacle_range: 6.0 raytrace_range: 6.0 observation_sources: base_lidar base_lidar: {     data_type: LaserScan,     topic: /scan,      marking: true,      clearing: true     }

global_costmap_params.yaml

global_costmap:   global_frame: map   robot_base_frame: base_footprint   static_map: true   update_frequency: 1.0   publish_frequency: 1.0   transform_tolerance: 1.0  recovery_behaviors:   - name: 'conservative_reset'     type: 'clear_costmap_recovery/ClearCostmapRecovery'   - name: 'rotate_recovery'     type: 'rotate_recovery/RotateRecovery'   - name: 'aggressive_reset'     type: 'clear_costmap_recovery/ClearCostmapRecovery'  conservative_reset:   reset_distance: 2.0   layer_names: ["obstacle_layer"]  aggressive_reset:   reset_distance: 0.0   layer_names: ["obstacle_layer"]

local_costmap_params.yaml

local_costmap:   global_frame: odom   robot_base_frame: base_footprint   static_map: false   rolling_window: true   width: 3.0   height: 3.0   update_frequency: 10.0   publish_frequency: 10.0   transform_tolerance: 1.0

6 recovery_behaviors

应急机制，在导航进行停滞时，尝试刷新周围障碍物的信息，重新进行全局路径规划。

recovery_behaviors:   - name: 'conservative_reset'     type: 'clear_costmap_recovery/ClearCostmapRecovery'   - name: 'rotate_recovery'     type: 'rotate_recovery/RotateRecovery'   - name: 'aggressive_reset'     type: 'clear_costmap_recovery/ClearCostmapRecovery'

7局部路径规划算法

更改launch文件中的以下代码即可更换算法

DWA测试

导航结果可以看过许多白色的候选路径，绿色为最优路线。

dwa_local_planner_params.yaml

DWAPlannerROS:   # 速度参数   max_vel_x: 0.3      # 最大x方向速度   min_vel_x: -0.05    # 最小x方向速度（设置负数将会允许倒车）   max_vel_y: 0.0      # 差分驱动机器人的最大y方向速度为 0.0   min_vel_y: 0.0      # 差分驱动机器人的最小y方向速度为 0.0   max_vel_trans: 0.3  # 最大平移速度   min_vel_trans: 0.01 # 最小平移速度（建议不要设置为 0.0 ）   trans_stopped_vel: 0.1  # 当平移速度小于这个值，就让机器人停止   acc_lim_trans: 2.5      # 最大平移加速度   acc_lim_x: 2.5          # x方向的最大加速度上限   acc_lim_y: 0.0          # y方向的加速度上限（差分驱动机器人应该设置为 0.0 ）      max_vel_theta: 1.0      # 最大旋转速度，略小于基座的功能   min_vel_theta: -0.01    # 当平移速度可以忽略时的最小角速度   theta_stopped_vel: 0.1  # 当旋转速度小于这个值，就让机器人停止   acc_lim_theta: 6.0      # 旋转的加速度上限    # 目标容差参数   yaw_goal_tolerance: 0.1         # 目标航向容差   xy_goal_tolerance: 0.05         # 目标xy容差   latch_xy_goal_tolerance: false  # 到达目标容差范围后，停止移动，只旋转调整航向    # 向前模拟参数   sim_time: 1.7       # 模拟时间，默认值 1.7   vx_samples: 3       # x方向速度采样数，默认值 3   vy_samples: 1       # 差分驱动机器人y方向速度采样数，只有一个样本   vtheta_samples: 20  # 旋转速度采样数，默认值 20    # 轨迹评分参数   path_distance_bias: 32.0  # 靠近全局路径的权重，默认值 32.0   goal_distance_bias: 24.0  # 接近导航目标点的权重，默认值 24.0   occdist_scale: 0.01       # 控制器避障的权重，默认值 0.01   forward_point_distance: 0.325 # 从机器人到评分点的位置，默认值 0.325   stop_time_buffer: 0.2     # 在碰撞前机器人必须停止的时间长度，留出缓冲空间，默认值 0.2   scaling_speed: 0.25       # 缩放机器人速度的绝对值，默认值 0.25   max_scaling_factor: 0.2   # 机器人足迹在高速时能缩放的最大系数，默认值 0.2    # 防振动参数   oscillation_reset_dist: 1.05 # 重置振动标志前需要行进的距离，默认值 0.05    # 辅助调试选项   publish_traj_pc : true      # 是否在 RViz 里发布轨迹   publish_cost_grid_pc: true  # 是否在 RViz 里发布代价网格   global_frame_id: odom       # 基础坐标系    # 差分驱动机器人配置   holonomic_robot: false # 是否全向移动机器人 

在线调参工具

rosrun rqt_reconfigure rqt_reconfigure

TEB测试