ROS2极简总结-Nav2-地图和自适应蒙特卡洛定位

导航通常需要地图和自定位，一个是全局感，一个是自我认知。

• Map
• AMCL

---

 

Map

地图服务器

• Map Server

地图服务器

• nav2_map_server
• map_server：加载地图，在“/map”主题上提供静态地图。
• map_saver：将地图保存到文件中（ros2 run nav2_map_server map_saver_cli -f my_map）

第 1 步：创建一个名为 yaml 的参数文件或在启动文件中设置相同的参数

# map_server_params.yaml
map_server:
    ros__parameters:
        frame_id: map
        topic_name: map
        use_sim_time: false
        yaml_filename: maps/map.yaml

第 2 步：使用作为参数传递的此文件运行地图服务器

ros2 run nav2_map_server map_server --ros-args --params-file map_server_params.yaml

第 3 步：通过 CLI 或启动过滤器从配置过渡到活动

ros2 lifecycle set /map_server configure
ros2 lifecycle set /map_server activate
(ros2 lifecycle list /map_server)

示例 maps/map.yaml:

image: turtlebot3_world.pgm
resolution: 0.050000
origin: [-10.000000, -10.000000, 0.000000]
negate: 0
occupied_thresh: 0.65
free_thresh: 0.196

resolution : 地图的分辨率，米/像素
origin : 地图中左下角像素的二维位置姿态，如 (x, y, yaw)
occupied_thresh : 占用概率大于此阈值的像素被认为完全被占用。
free_thresh ：占用概率小于此阈值的像素被认为是完全空闲的。
negate : 是否应该反转

更多内容参考官网。

map_server:
  ros__parameters:
    use_sim_time: False
    yaml_filename: "turtlebot3_world.yaml"

map_saver:
  ros__parameters:
    use_sim_time: False
    save_map_timeout: 5000
    free_thresh_default: 0.25
    occupied_thresh_default: 0.65

---

AMCL

• Adaptative Monte Carlo Localization
• 自适应蒙特卡罗定位

订阅：

• 激光扫描：/scan (sensor_msgs/LaserScan)
• （监听）将 odom 转换为 base_link
• 初始姿势：/initialpose (geometry_msgs/PoseWithCovarianceStamped)
• 地图：/map（nav_msgs/OccupancyGrid）

发布：

• 机器人在地图中的估计位置姿态，协方差：
• /amcl_pose (geometry_msgs/PoseWithCovarianceStamped)
• 过滤器维护的姿态估计：/particlecloud (geometry_msgs/PoseArray)
• (广播)变换地图到odom

配置包含许多参数（Wiki）。 一些重要的设置：

• ~robot_model_type (string, default: ”differential”)
• ~odom_frame_id (string, default: ”odom”)
• ~base_frame_id (string, default: ”base_link”)
• ~global_frame_id (string, default: ”map”)
• ~scan_topic (string, default: ”scan ”)
• ~min_particles (int, default: 100)
• ~max_particles (int, default: 5000)

---

turtlebot3-burger

amcl参数

amcl:
  ros__parameters:
    use_sim_time: False
    alpha1: 0.2
    alpha2: 0.2
    alpha3: 0.2
    alpha4: 0.2
    alpha5: 0.2
    base_frame_id: "base_footprint"
    beam_skip_distance: 0.5
    beam_skip_error_threshold: 0.9
    beam_skip_threshold: 0.3
    do_beamskip: false
    global_frame_id: "map"
    lambda_short: 0.1
    laser_likelihood_max_dist: 2.0
    laser_max_range: 100.0
    laser_min_range: -1.0
    laser_model_type: "likelihood_field"
    max_beams: 60
    max_particles: 2000
    min_particles: 500
    odom_frame_id: "odom"
    pf_err: 0.05
    pf_z: 0.99
    recovery_alpha_fast: 0.0
    recovery_alpha_slow: 0.0
    resample_interval: 1
    robot_model_type: "differential"
    save_pose_rate: 0.5
    sigma_hit: 0.2
    tf_broadcast: true
    transform_tolerance: 1.0
    update_min_a: 0.2
    update_min_d: 0.25
    z_hit: 0.5
    z_max: 0.05
    z_rand: 0.5
    z_short: 0.05

amcl_map_client:
  ros__parameters:
    use_sim_time: False

amcl_rclcpp_node:
  ros__parameters:
    use_sim_time: False

---