ROS的代价地图与AMCL定位原理

costmap（代价地图）

1.地图文件格式：除了pgm（便携式灰度图）外，还支持jpg、png等常用图片格式，还可以用画图工具修改或重画地图：

2.地图参数文件

3.地图膨胀
地图膨胀，为了保护小车以免遭受碰撞。红色是障碍物，蓝色是按照一定的半径膨胀出来的。代价地图就是要保证小车与障碍物不发生碰撞。

官方提供了三种碰撞情况：最严重的是小车中心与红色相交，一定会发生碰撞。第二是障碍物以小车的内切圆为半径膨胀，小车的中心也不能蓝色部分相交，否则也一定会发生碰撞。第三是障碍物以小车的外接圆为半径膨胀，这时小车中心与蓝色部分相交，有可能发生碰撞。

三层地图来组成代价地图，代价地图又分为全局代价地图和局部代价地图
4.恢复行为
当物体运动的导航路线受阻的时候，会触发这个插件的功能，来对导航路线进行调整，如果调整失败，会结束导航。

AMCL定位（自适应蒙特卡罗定位）

解决的问题是目前自己所处地图的位置，利用的是粒子滤波算法。

粒子滤波：初始化.计算权重.重采样.状态转移.
1.初始化
产生N个位置假设。（采样）随机分布,我们叫它们为粒子。
2.计算权重
通过传感器收集到的数据（一般是激光雷达），来估算每个粒子位置的可能性。对可能性较大的粒子位置赋比较大的权重
3.重采样
重新撒点，跟初始化不同的是每个位置撒点的可能性是不一样的，依照的是上一步权重。权重越大，可能性越高，重采样中的粒子也集中在这些地方。所以重采样的新粒子会出现在旧粒子权重大的地方。现在由于所有的粒子是新采样得到的，所以每个粒子又都是相同的权重了。
4.状态转移阶段
物体继续运动，粒子也跟着一起运动，再进行计算权重，重采样…
不断循环这个过程。

移动1
开始移动

移动2
开始集中

移动3
越来越集中

移动4
粒子集中在一团，然后就能估算出物体的实际位置。

有问题可以私聊我咯~
可以加企鹅群 658476482 交流
另外承接各种单片机 FPGA设计~