06-ros1-navigation

Ros ros navigation move_base

发布时间 : 2025-03-10 09:54

字数:1.5k 阅读 :

ROS 的导航系统架构图

矩形为 节点

椭圆为 内部组件 —-> 启动会自动建立

翻译成人话 —– >

local_costmap 局部地图
global_costmap 全局地图

move_base,年轻人的第一次导航

move_base 节点

输入

map_server
- 建立好的地图，由我们手动输入其中
sensor_sources 输入
- 仿真机器人模型自己提供了
sensor transforms
- 仿真机器人给我们提供了
odometry source 里程计
- 仿真机器人给我们提供了
amcl 需要我们来提供

仿真环境

下载项目仓库 catkin_ws/src 相关的依赖

git clone https://github.com/6-robot/wpb_home.git

下载相关的依赖

cd wpb_home/wpb_home_bringup/scripts/

回到 catkin_ws 进行编译

catkin_make

开始仿真

roslaunch wpr_simulation wpb_gmapping.launch

使用键盘操作

rosrun wpr_simulation keyboard_vel_ctrl

建图图后保存地图

rosrun map_server map_saver -f map

将地图复制到 wpr_simulation/maps 文件夹中

导航代码编写

使用launch文件启动

move_base 导航节点
map_server 地图服务节点
amcl 定位节点

nav.launch

<launch>
    <!--- Run move_base -->
    <node pkg="move_base" type="move_base" name="move_base">
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/costmap_common_params.yaml" command="load" ns="global_costmap" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/costmap_common_params.yaml" command="load" ns="local_costmap" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/global_costmap_params.yaml" command="load" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/local_costmap_params.yaml" command="load" />
        <param name="base_global_planner" value="global_planner/GlobalPlanner" /> 
        <param name="base_local_planner" value="wpbh_local_planner/WpbhLocalPlanner" />
    </node>

    <!-- Run map server -->
    <node pkg="map_server" type="map_server" name="map_server" args="$(find wpr_simulation)/maps/map.yaml"/>

    <!--- Run AMCL -->
    <node pkg="amcl" type="amcl" name="amcl"/>

    <!--- Run rviz -->
    <node name="rviz" pkg="rviz" type="rviz" args="-d $(find wpr_simulation)/rviz/nav.rviz"/>
</launch>

move_base

创建软件包 nav_pkg

catkin_create_pkg nav_pkg roscpp rospy move_base_msgs actionlib

参考的文件为 wpr_simulation/launch/wpb_demo_nav.launch

map_server

<!-- Run map server -->
<node pkg="map_server" type="map_server" name="map_server" args="$(find wpr_simulation)/maps/map.yaml"/>

amcl

<!--- Run AMCL -->
<node pkg="amcl" type="amcl" name="amcl"/>

启动

启动导航节点

roslaunch nav_pkg nav.launch

启动rviz

rviz

全局规划器 global_planner

深度优先
- 如 A*
- 算力消耗比较小，虽然不是全局最优
广度优先
- Dijkstra算法

ROS提供给我们的

Dijkstra 和 A* 对于现代的计算机，算力差距不大

默认的 Dijkstra 就能满足了

Navfn 【史山代码—-> 用 Dijkstra算法没啥】 ROS 默认规划器
- navfn/NavfnROS
Global_planner 【另起炉灶】 —> 提供了 Dijkstra 和 A*
- global_pplanner/GlobalPlanner
Carrot_planner
- 这个规划器比较简单
- 作为自定义规划器的模板

AMCL 定位算法

Adaptive Monte Carlo Localiztion 自适应蒙特卡洛定位算法

(使用粒子滤波)

可以做到对雷达数据匹配，降低里程计误差

需要的数据有:

里程计

雷达数据

红色点都是粒子

AMCL —–> 粒子数量大约在 100-500 个

代价地图

会出现这种情况

没考虑机器人的地盘宽度

代价地图

全局代价地图 global_costmap

算的贼慢，然后会出现干扰

Color Scheme 选择 costmap

局部代价地图 loacl_costmap

计算频率高，实时性高

参数解析

代价地图的参数至关重要，直接影响了导航的效果

查看参数

costmap_2d

我们看看 move_base 的参数

<node pkg="move_base" type="move_base" name="move_base">
    <rosparam file="$(find wpb_home_tutorials)/nav_lidar/costmap_common_params.yaml" command="load" ns="global_costmap" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/costmap_common_params.yaml" command="load" ns="local_costmap" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/global_costmap_params.yaml" command="load" />
        <rosparam file="$(find wpb_home_tutorials)/nav_lidar/local_costmap_params.yaml" command="load" />
        <param name="base_global_planner" value="global_planner/GlobalPlanner" /> 
        <param name="base_local_planner" value="wpbh_local_planner/WpbhLocalPlanner" />
</node>

costmap_common_params.yaml

global_costmap_params.yaml

local_costmap_params.yaml

costmap_common_params.yaml

robot_radius: 0.25
inflation_radius: 0.5
obstacle_range: 1.0
raytrace_range: 6.0
observation_sources: base_lidar // 随便起名的
base_lidar: {
    data_type: LaserScan,
    topic: /scan, 
    marking: true, 
    clearing: true
    }

robot_radius
- 绝对不能进来的地方
inflation_radius
- 排斥的力场
- 设置大一点，有的时候会有狭小区域有奇效
obstacle_range
- 一般填写激光雷达的有效距离
observation_sources
- 观测物来源
- data_type 类型
- topic 订阅的话题
- marking 是否将扫描到的物体添加到代价地图
- clearing 是否把扫描范围内的障碍物残影清除掉

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

global_frame
- global_frame 地图的坐标系名称
- robot_base_frame 机器人地盘坐标名称
- static_map 是否将map_server 发来的数据作为基础地图
- update_frequency 地图更新频率，更新到全局代价地图
- publish_frequency 地图发布频率，发给rviz
- transform_tolerance tf超时设置

性能太差会寄

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