ROS2 Jazzy机器人导航navigation2 参数文件分析

最新推荐文章于 2025-04-12 09:21:04 发布

DragonAlchemy

最新推荐文章于 2025-04-12 09:21:04 发布

阅读量1.5k

点赞数 12

文章标签：机器人人工智能算法

本文链接：https://blog.csdn.net/lqjyyds123456/article/details/144086246

版权

下面将逐一解释Nav2（ROS2 jazzy Navigation 2）参数配置文件中各个参数的含义和作用。配置文件涉及多个节点，包括 `amcl`、`bt_navigator`、`controller_server`、`local_costmap`、`global_costmap`、`map_saver`、`planner_server`、`smoother_server`、`behavior_server`、`waypoint_follower`、`velocity_smoother`、`collision_monitor`、`docking_server` 以及 `loopback_simulator`。每个节点的参数配置如下：

1. `amcl`（自适应蒙特卡洛定位）

功能：amcl 用于机器人在已知地图上的定位，通过粒子滤波算法结合激光传感器和里程计数据估计机器人的位姿。

参数详解：

alpha1, alpha2, alpha3, alpha4, alpha5: 运动模型的噪声参数，分别对应旋转角度和线性移动的不确定性，用于描述机器人运动时的误差。
base_frame_id: 机器人的基坐标系，通常为 "base_link"，用于表示机器人自身的参考框架。
beam_skip_distance: 激光束跳过的距离阈值，超过此距离的激光束将被忽略。
beam_skip_error_threshold: 激光束跳过时的误差阈值，超过此阈值会影响定位精度。
beam_skip_threshold: 激光束跳过的判定阈值，用于决定是否跳过某个激光束。
do_beamskip: 是否启用激光束跳过功能，false 表示禁用。
global_frame_id: 全局参考框架，通常为 "map"，用于全局定位和地图表示。
lambda_short: 激光传感器模型中的短尾概率参数，用于处理异常短的激光测量。
laser_likelihood_max_dist: 激光测量的最大可能距离，超过此距离的测量将不用于定位。
laser_max_range: 激光传感器的最大测量范围。
laser_min_range: 激光传感器的最小测量范围，-1.0 通常表示不限制。
laser_model_type: 激光传感器模型类型，"likelihood_field" 表示使用似然场模型。
max_beams: 每次处理的最大激光束数，限制计算量。
max_particles: 粒子滤波中的最大粒子数，影响定位的精度和计算负担。
min_particles: 粒子滤波中的最小粒子数，保证定位的稳定性。
odom_frame_id: 里程计的坐标框架，通常为 "odom"，用于表示机器人的里程计参考。
pf_err: 粒子滤波中的误差参数，用于调整滤波器的响应。
pf_z: 粒子滤波中的权重更新参数，影响粒子的重新采样。
recovery_alpha_fast & recovery_alpha_slow: 恢复行为中的参数，用于快速和慢速恢复策略。
resample_interval: 重新采样的间隔，决定粒子滤波器何时重新采样粒子。
robot_model_type: 机器人运动模型类型，"nav2_amcl::DifferentialMotionModel" 表示使用差分驱动模型。
save_pose_rate: 保存位姿的频率，单位为Hz。
sigma_hit: 激光传感器模型中的命中概率标准差，影响传感器模型的精度。
tf_broadcast: 是否广播TF变换，true 表示启用。
transform_tolerance: TF变换的容忍时间，决定变换的有效性时间窗口。
update_min_a: 触发定位更新的最小角度变化量。
update_min_d: 触发定位更新的最小位移变化量。
z_hit, z_max, z_rand, z_short: 激光传感器模型中的概率参数，用于组合不同类型的激光测量。
scan_topic: 激光扫描数据的主题名称，通常为 "scan"。

2. `bt_navigator`（行为树导航器）

功能：bt_navigator 使用行为树（Behavior Tree）管理导航任务，协调不同的导航行为插件。

参数详解：

global_frame: 全局参考框架，通常为 "map"。
robot_base_frame: 机器人的基坐标框架，通常为 "base_link"。
odom_topic: 里程计数据的主题名称，通常为 "/odom"。
bt_loop_duration: 行为树循环的持续时间，单位为秒。
default_server_timeout: 默认的服务器超时时间，单位为秒。
wait_for_service_timeout: 等待服务的超时时间，单位为秒。
action_server_result_timeout: 动作服务器结果的超时时间，单位为秒。
navigators: 使用的导航器插件列表，例如 ["navigate_to_pose", "navigate_through_poses"]。
navigate_to_pose:
- plugin: 使用的导航器插件类型，"nav2_bt_navigator::NavigateToPoseNavigator"。
navigate_through_poses:
- plugin: 使用的导航器插件类型，"nav2_bt_navigator::NavigateThroughPosesNavigator"。
plugin_lib_names: 用于添加自定义行为树插件的库名称列表，内置插件会自动添加。
error_code_names: 定义错误码名称，用于路径计算和跟随过程中错误处理，例如 ["compute_path_error_code", "follow_path_error_code"]。

3. `controller_server`（控制器服务器）

功能：controller_server 负责机器人轨迹的控制，生成速度命令以驱动机器人沿规划路径前进。

参数详解：

controller_frequency: 控制器的频率，单位为Hz。
costmap_update_timeout: 代价地图更新的超时时间，单位为秒。
min_x_velocity_threshold: 最小线速度阈值，低于此值时认为机器人静止。
min_y_velocity_threshold: 最小横向速度阈值。
min_theta_velocity_threshold: 最小角速度阈值。
failure_tolerance: 控制器失败的容忍度。
progress_checker_plugins: 进度检查插件列表，例如 ["progress_checker"]。
goal_checker_plugins: 目标检查插件列表，例如 ["general_goal_checker"]，可选 "precise_goal_checker"。
controller_plugins: 控制器插件列表，例如 ["FollowPath"]。
use_realtime_priority: 是否使用实时优先级，false 表示禁用。

具体插件参数：

Progress Checker (`progress_checker`)

plugin: 使用的进度检查插件类型，"nav2_controller::SimpleProgressChecker"。
required_movement_radius: 需要的移动半径，用于判断是否有足够的进展。
movement_time_allowance: 移动时间的允许范围，单位为秒。

Goal Checker (`general_goal_checker`)

stateful: 是否为有状态检查器，True 表示启用。
plugin: 使用的目标检查插件类型，"nav2_controller::SimpleGoalChecker"。
xy_goal_tolerance: 目标位置的容忍范围，单位为米。
yaw_goal_tolerance: 目标朝向的容忍范围，单位为弧度。

控制器插件 (`FollowPath`)

plugin: 使用的控制器插件类型，"nav2_mppi_controller::MPPIController"。
time_steps: 预测时间步数。
model_dt: 运动模型的时间步长，单位为秒。
batch_size: 批处理大小，用于并行计算。
ax_max, ax_min, ay_max, az_max: 加速度的最大和最小值，分别对应x、y、z轴。
vx_std, vy_std, wz_std: 速度的标准差，用于噪声生成。
vx_max, vx_min, vy_max, wz_max: 速度的最大和最小值，分别对应线速度和角速度。
iteration_count: 迭代次数，用于优化。
prune_distance: 修剪距离，用于减少不必要的轨迹。
transform_tolerance: TF变换的容忍时间，单位为秒。
temperature: 温度参数，用于控制随机性的影响。
gamma: 折扣因子，用于累积奖励的计算。
motion_model: 运动模型类型，"DiffDrive" 表示差分驱动模型。
visualize: 是否启用可视化，true 表示启用。
regenerate_noises: 是否重新生成噪声，true 表示启用。

轨迹可视化 (`TrajectoryVisualizer`)

trajectory_step: 轨迹步长。
time_step: 时间步长，单位为秒。

Ackermann 约束 (`AckermannConstraints`)

min_turning_r: 最小转弯半径。

批评器（Critics）

critics: 使用的批评器列表，用于评估轨迹质量，例如：
- "ConstraintCritic"
- "CostCritic"
- "GoalCritic"
- "GoalAngleCritic"
- "PathAlignCritic"
- "PathFollowCritic"
- "PathAngleCritic"
- "PreferForwardCritic"

具体批评器参数：

ConstraintCritic:
- enabled: 是否启用，true 表示启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
GoalCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- threshold_to_consider: 考虑阈值。
GoalAngleCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- threshold_to_consider: 考虑阈值。
PreferForwardCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- threshold_to_consider: 考虑阈值。
CostCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- critical_cost: 临界成本值。
- consider_footprint: 是否考虑机器人占用空间。
- collision_cost: 碰撞成本值。
- near_goal_distance: 接近目标的距离阈值。
- trajectory_point_step: 轨迹点步长。
PathAlignCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- max_path_occupancy_ratio: 最大路径占用比例。
- trajectory_point_step: 轨迹点步长。
- threshold_to_consider: 考虑阈值。
- offset_from_furthest: 距离最远点的偏移量。
- use_path_orientations: 是否使用路径方向。
PathFollowCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- offset_from_furthest: 距离最远点的偏移量。
- threshold_to_consider: 考虑阈值。
PathAngleCritic:
- enabled: 是否启用。
- cost_power: 成本幂次。
- cost_weight: 成本权重。
- offset_from_furthest: 距离最远点的偏移量。
- threshold_to_consider: 考虑阈值。
- max_angle_to_furthest: 最大角度阈值。
- mode: 模式选择。

4. `local_costmap`（局部代价地图）

功能：local_costmap 用于表示机器人周围的局部环境，包含障碍物和安全区域信息，支持动态更新。

参数详解：

update_frequency: 局部代价地图的更新频率，单位为Hz。
publish_frequency: 局部代价地图的发布频率，单位为Hz。
global_frame: 全局参考框架，通常为 "odom"。
robot_base_frame: 机器人的基坐标框架，通常为 "base_link"。
rolling_window: 是否使用滚动窗口，true 表示地图随机器人移动而滚动。
width, height: 局部代价地图的宽度和高度，单位为米。
resolution: 地图的分辨率，单位为米/栅格。
robot_radius: 机器人的半径，单位为米，用于安全距离计算。
plugins: 使用的代价地图插件列表，例如 ["voxel_layer", "inflation_layer"]。

具体插件参数：

Inflation Layer (`inflation_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::InflationLayer"。
cost_scaling_factor: 成本缩放因子，用于计算膨胀成本。
inflation_radius: 膨胀半径，单位为米，用于增加障碍物周围的安全区域。

Voxel Layer (`voxel_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::VoxelLayer"。
enabled: 是否启用，True 表示启用。
publish_voxel_map: 是否发布体素地图，True 表示启用。
origin_z: 地图的Z轴原点，单位为米。
z_resolution: Z轴方向的分辨率，单位为米。
z_voxels: Z轴方向的体素数。
max_obstacle_height: 最大障碍物高度，超过此高度的障碍物将被忽略。
mark_threshold: 标记阈值，用于判断是否标记障碍物。
observation_sources: 观测源列表，例如 ["scan"]。

Scan (`scan`)

topic: 激光扫描数据的主题名称，通常为 "/scan"。
max_obstacle_height: 最大障碍物高度，单位为米。
clearing: 是否清除旧的障碍物信息，True 表示启用。
marking: 是否标记新的障碍物信息，True 表示启用。
data_type: 数据类型，通常为 "LaserScan"。
raytrace_max_range: 射线追踪的最大范围，单位为米。
raytrace_min_range: 射线追踪的最小范围，单位为米。
obstacle_max_range: 障碍物的最大检测范围，单位为米。
obstacle_min_range: 障碍物的最小检测范围，单位为米。

Static Layer (`static_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::StaticLayer"。
map_subscribe_transient_local: 是否使用瞬态本地订阅，True 表示启用。

其他参数：

always_send_full_costmap: 是否总是发送完整的代价地图，True 表示启用。

5. `global_costmap`（全局代价地图）

功能：global_costmap 用于表示整个工作空间的全局环境，支持全局路径规划。

参数详解：

update_frequency: 全局代价地图的更新频率，单位为Hz。
publish_frequency: 全局代价地图的发布频率，单位为Hz。
global_frame: 全局参考框架，通常为 "map"。
robot_base_frame: 机器人的基坐标框架，通常为 "base_link"。
robot_radius: 机器人的半径，单位为米，用于安全距离计算。
resolution: 地图的分辨率，单位为米/栅格。
track_unknown_space: 是否跟踪未知区域，true 表示启用。
plugins: 使用的代价地图插件列表，例如 ["static_layer", "obstacle_layer", "inflation_layer"]。

具体插件参数：

Obstacle Layer (`obstacle_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::ObstacleLayer"。
enabled: 是否启用，True 表示启用。
observation_sources: 观测源列表，例如 ["scan"]。

Scan (`scan`)

topic: 激光扫描数据的主题名称，通常为 "/scan"。
max_obstacle_height: 最大障碍物高度，单位为米。
clearing: 是否清除旧的障碍物信息，True 表示启用。
marking: 是否标记新的障碍物信息，True 表示启用。
data_type: 数据类型，通常为 "LaserScan"。
raytrace_max_range: 射线追踪的最大范围，单位为米。
raytrace_min_range: 射线追踪的最小范围，单位为米。
obstacle_max_range: 障碍物的最大检测范围，单位为米。
obstacle_min_range: 障碍物的最小检测范围，单位为米。

Static Layer (`static_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::StaticLayer"。
map_subscribe_transient_local: 是否使用瞬态本地订阅，True 表示启用。

Inflation Layer (`inflation_layer`)

plugin: 使用的插件类型，"nav2_costmap_2d::InflationLayer"。
cost_scaling_factor: 成本缩放因子，用于计算膨胀成本。
inflation_radius: 膨胀半径，单位为米，用于增加障碍物周围的安全区域。

其他参数：

always_send_full_costmap: 是否总是发送完整的代价地图，True 表示启用。

6. `map_saver`（地图保存器）

功能：map_saver 用于将机器人当前的地图保存为文件，方便后续使用。

参数详解：

save_map_timeout: 保存地图的超时时间，单位为秒。
free_thresh_default: 空闲空间的阈值，通常为0.25，用于区分自由区域和障碍物。
occupied_thresh_default: 占用空间的阈值，通常为0.65，用于区分障碍物。
map_subscribe_transient_local: 是否使用瞬态本地订阅，True 表示启用。

7. `planner_server`（规划器服务器）

功能：planner_server 负责全局路径规划，生成从起点到目标点的路径。

参数详解：

expected_planner_frequency: 期望的规划器频率，单位为Hz。
planner_plugins: 使用的规划器插件列表，例如 ["GridBased"]。
costmap_update_timeout: 代价地图更新的超时时间，单位为秒。

具体插件参数：

Grid-Based Planner (`GridBased`)

plugin: 使用的规划器插件类型，"nav2_navfn_planner::NavfnPlanner"。
tolerance: 规划容忍度，单位为米，决定规划器何时认为到达目标。
use_astar: 是否使用A*算法，false 表示不使用。
allow_unknown: 是否允许规划路径经过未知区域，true 表示允许。

8. `smoother_server`（平滑器服务器）

功能：smoother_server 负责对全局路径进行平滑处理，生成更为平滑和可执行的轨迹。

参数详解：

smoother_plugins: 使用的平滑器插件列表，例如 ["simple_smoother"]。

具体插件参数：

Simple Smoother (`simple_smoother`)

plugin: 使用的平滑器插件类型，"nav2_smoother::SimpleSmoother"。
tolerance: 平滑容忍度，决定平滑程度。
max_its: 最大迭代次数，用于平滑算法的迭代控制。
do_refinement: 是否进行细化处理，True 表示启用。

9. `behavior_server`（行为服务器）

功能：behavior_server 管理机器人的各种行为，如旋转、后退、等待等，支持复杂的行为组合。

参数详解：

local_costmap_topic: 局部代价地图的主题名称，通常为 local_costmap/costmap_raw。
global_costmap_topic: 全局代价地图的主题名称，通常为 global_costmap/costmap_raw。
local_footprint_topic: 局部足迹的主题名称，通常为 local_costmap/published_footprint。
global_footprint_topic: 全局足迹的主题名称，通常为 global_costmap/published_footprint。
cycle_frequency: 行为循环频率，单位为Hz。
behavior_plugins: 使用的行为插件列表，例如 ["spin", "backup", "drive_on_heading", "assisted_teleop", "wait"]。
spin:
- plugin: 使用的行为插件类型，"nav2_behaviors::Spin"。
backup:
- plugin: 使用的行为插件类型，"nav2_behaviors::BackUp"。
drive_on_heading:
- plugin: 使用的行为插件类型，"nav2_behaviors::DriveOnHeading"。
wait:
- plugin: 使用的行为插件类型，"nav2_behaviors::Wait"。
assisted_teleop:
- plugin: 使用的行为插件类型，"nav2_behaviors::AssistedTeleop"。
local_frame: 局部参考框架，通常为 "odom"。
global_frame: 全局参考框架，通常为 "map"。
robot_base_frame: 机器人的基坐标框架，通常为 "base_link"。
transform_tolerance: TF变换的容忍时间，单位为秒。
simulate_ahead_time: 模拟前进时间，单位为秒。
max_rotational_vel: 最大旋转速度，单位为弧度/秒。
min_rotational_vel: 最小旋转速度，单位为弧度/秒。
rotational_acc_lim: 旋转加速度限制，单位为弧度/秒²。

10. `waypoint_follower`（航点跟随器）

功能：waypoint_follower 负责按顺序跟随预设的航点，实现路径跟随和任务执行。

参数详解：

loop_rate: 循环频率，单位为Hz。
stop_on_failure: 在任务失败时是否停止，false 表示不停止。
action_server_result_timeout: 动作服务器结果的超时时间，单位为秒。
waypoint_task_executor_plugin: 使用的航点任务执行插件类型，"wait_at_waypoint"。
wait_at_waypoint:
- plugin: 使用的任务执行插件类型，"nav2_waypoint_follower::WaitAtWaypoint"。
- enabled: 是否启用，True 表示启用。
- waypoint_pause_duration: 在航点处暂停的时间，单位为秒。

11. `velocity_smoother`（速度平滑器）

功能：velocity_smoother 用于对生成的速度命令进行平滑处理，避免机器人动作过于剧烈。

参数详解：

smoothing_frequency: 平滑处理的频率，单位为Hz。
scale_velocities: 是否缩放速度，False 表示不缩放。
feedback: 反馈模式，"OPEN_LOOP" 表示开环。
max_velocity: 最大速度列表，分别对应x、y、z轴，单位为米/秒和弧度/秒。
min_velocity: 最小速度列表，分别对应x、y、z轴，单位为米/秒和弧度/秒。
max_accel: 最大加速度列表，分别对应x、y、z轴，单位为米/秒²和弧度/秒²。
max_decel: 最大减速度列表，分别对应x、y、z轴，单位为米/秒²和弧度/秒²。
odom_topic: 里程计数据的主题名称，通常为 "odom"。
odom_duration: 里程计数据的有效时间窗口，单位为秒。
deadband_velocity: 死区速度列表，分别对应x、y、z轴，单位为米/秒和弧度/秒。
velocity_timeout: 速度命令的超时时间，单位为秒。

12. `collision_monitor`（碰撞监控器）

功能：collision_monitor 监控机器人周围的环境，检测潜在碰撞并采取相应的安全措施。

参数详解：

base_frame_id: 机器人的基坐标框架，通常为 "base_link"。
odom_frame_id: 里程计的坐标框架，通常为 "odom"。
cmd_vel_in_topic: 输入的速度命令主题名称，通常为 "cmd_vel_smoothed"。
cmd_vel_out_topic: 输出的速度命令主题名称，通常为 "cmd_vel"。
state_topic: 碰撞监控状态的主题名称，通常为 "collision_monitor_state"。
transform_tolerance: TF变换的容忍时间，单位为秒。
source_timeout: 数据源的超时时间，单位为秒。
base_shift_correction: 是否启用基座位移校正，True 表示启用。
stop_pub_timeout: 停止命令发布的超时时间，单位为秒。
polygons: 多边形区域列表，用于定义不同的安全区域和行为类型，例如 ["FootprintApproach"]。

具体多边形参数：

FootprintApproach

type: 多边形类型，通常为 "polygon"。
action_type: 行为类型，"approach" 表示靠近。
footprint_topic: 足迹数据的主题名称，通常为 "/local_costmap/published_footprint"。
time_before_collision: 碰撞前的时间预警，单位为秒。
simulation_time_step: 仿真时间步长，单位为秒。
min_points: 最小检测点数。
visualize: 是否可视化，False 表示不启用。
enabled: 是否启用，True 表示启用。

观测源参数：

observation_sources: 使用的观测源列表，例如 ["scan"]。

Scan (`scan`)

type: 观测源类型，通常为 "scan"。
topic: 激光扫描数据的主题名称，通常为 "scan"。
min_height: 最小高度，单位为米，过滤低于此高度的障碍物。
max_height: 最大高度，单位为米，过滤高于此高度的障碍物。
enabled: 是否启用，True 表示启用。

13. `docking_server`（对接服务器）

功能：docking_server 负责机器人与充电桩的对接与断开，实现自动充电功能。

参数详解：

controller_frequency: 控制器的频率，单位为Hz。
initial_perception_timeout: 初始感知超时时间，单位为秒。
wait_charge_timeout: 等待充电的超时时间，单位为秒。
dock_approach_timeout: 对接接近的超时时间，单位为秒。
undock_linear_tolerance: 断开时线性位置的容忍度，单位为米。
undock_angular_tolerance: 断开时角度位置的容忍度，单位为弧度。
max_retries: 最大重试次数。
base_frame: 机器人的基坐标框架，通常为 "base_link"。
fixed_frame: 固定参考框架，通常为 "odom"。
dock_backwards: 是否支持反向对接，false 表示不支持。
dock_prestaging_tolerance: 对接预定位的容忍度，单位为米。
dock_plugins: 对接类型列表，例如 ['simple_charging_dock']。

具体对接插件参数：

Simple Charging Dock (`simple_charging_dock`)

plugin: 使用的对接插件类型，'opennav_docking::SimpleChargingDock'。
docking_threshold: 对接阈值，决定何时认为对接成功。
staging_x_offset: 预定位的X轴偏移量，单位为米。
use_external_detection_pose: 是否使用外部检测姿态，true 表示启用。
use_battery_status: 是否使用电池状态，false 表示不启用。
use_stall_detection: 是否使用停滞检测，false 表示不启用。
external_detection_timeout: 外部检测的超时时间，单位为秒。
external_detection_translation_x: 外部检测的X轴平移，单位为米。
external_detection_translation_y: 外部检测的Y轴平移，单位为米。
external_detection_rotation_roll: 外部检测的Roll旋转，单位为弧度。
external_detection_rotation_pitch: 外部检测的Pitch旋转，单位为弧度。
external_detection_rotation_yaw: 外部检测的Yaw旋转，单位为弧度。
filter_coef: 过滤系数，用于平滑检测数据。

对接实例参数：

docks: 对接实例列表，例如 ['home_dock']。

Home Dock (`home_dock`)

type: 对接类型，'simple_charging_dock'。
frame: 对接参考框架，通常为 "map"。
pose: 对接位置的姿态，格式为 [x, y, z]。

控制器参数：

controller:
- k_phi: 角度控制增益。
- k_delta: 位置控制增益。
- v_linear_min: 最小线速度，单位为米/秒。
- v_linear_max: 最大线速度，单位为米/秒。

14. `loopback_simulator`（回环仿真器）

功能：loopback_simulator 用于仿真环境中回环机器人的运动和传感器数据，常用于测试和开发。

参数详解：

base_frame_id: 机器人的基坐标框架，通常为 "base_link"。
odom_frame_id: 里程计的坐标框架，通常为 "odom"。
map_frame_id: 地图的坐标框架，通常为 "map"。
scan_frame_id: 激光扫描的坐标框架，通常为 "laser"，在 tb4_loopback_simulator.launch.py 中会重映射为 'rplidar_link'。
update_duration: 更新的持续时间，单位为秒。

总结：

以上就是对Ros2 jazzy版本的Navigation参数配置文件的解析，仅提供参考学习使用。下面附上一份完整案例。

案例：

amcl:
  ros__parameters:
    alpha1: 0.2
    alpha2: 0.2
    alpha3: 0.2
    alpha4: 0.2
    alpha5: 0.2
    base_frame_id: "base_link"
    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: "nav2_amcl::DifferentialMotionModel"
    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
    scan_topic: scan

bt_navigator:
  ros__parameters:
    global_frame: map
    robot_base_frame: base_link
    odom_topic: /odom
    bt_loop_duration: 10
    default_server_timeout: 20
    wait_for_service_timeout: 1000
    action_server_result_timeout: 900.0
    navigators: ["navigate_to_pose", "navigate_through_poses"]
    navigate_to_pose:
      plugin: "nav2_bt_navigator::NavigateToPoseNavigator"
    navigate_through_poses:
      plugin: "nav2_bt_navigator::NavigateThroughPosesNavigator"
    # 'default_nav_through_poses_bt_xml' and 'default_nav_to_pose_bt_xml' are use defaults:
    # nav2_bt_navigator/navigate_to_pose_w_replanning_and_recovery.xml
    # nav2_bt_navigator/navigate_through_poses_w_replanning_and_recovery.xml
    # They can be set here or via a RewrittenYaml remap from a parent launch file to Nav2.

    # plugin_lib_names is used to add custom BT plugins to the executor (vector of strings).
    # Built-in plugins are added automatically
    # plugin_lib_names: []

    error_code_names:
      - compute_path_error_code
      - follow_path_error_code

controller_server:
  ros__parameters:
    controller_frequency: 20.0
    costmap_update_timeout: 0.30
    min_x_velocity_threshold: 1.0
    min_y_velocity_threshold: 1.0
    min_theta_velocity_threshold: 1.0
    failure_tolerance: 0.3
    progress_checker_plugins: ["progress_checker"]
    goal_checker_plugins: ["general_goal_checker"] # "precise_goal_checker"
    controller_plugins: ["FollowPath"]
    use_realtime_priority: false

    # Progress checker parameters
    progress_checker:
      plugin: "nav2_controller::SimpleProgressChecker"
      required_movement_radius: 0.5
      movement_time_allowance: 10.0
    # Goal checker parameters
    #precise_goal_checker:
    #  plugin: "nav2_controller::SimpleGoalChecker"
    #  xy_goal_tolerance: 0.25
    #  yaw_goal_tolerance: 0.25
    #  stateful: True
    general_goal_checker:
      stateful: True
      plugin: "nav2_controller::SimpleGoalChecker"
      xy_goal_tolerance: 0.25
      yaw_goal_tolerance: 0.25
    FollowPath:
      plugin: "nav2_mppi_controller::MPPIController"
      time_steps: 56
      model_dt: 0.05
      batch_size: 2000
      ax_max: 3.0
      ax_min: -3.0
      ay_max: 3.0
      az_max: 3.5
      vx_std: 0.2
      vy_std: 0.2
      wz_std: 0.4
      vx_max: 10.0
      vx_min: -10.0
      vy_max: 10.0
      wz_max: 5.0
      iteration_count: 1
      prune_distance: 1.7
      transform_tolerance: 0.1
      temperature: 0.3
      gamma: 0.015
      motion_model: "DiffDrive"
      visualize: true
      regenerate_noises: true
      TrajectoryVisualizer:
        trajectory_step: 5
        time_step: 3
      AckermannConstraints:
        min_turning_r: 0.2
      critics: [
        "ConstraintCritic", "CostCritic", "GoalCritic",
        "GoalAngleCritic", "PathAlignCritic", "PathFollowCritic",
        "PathAngleCritic", "PreferForwardCritic"]
      ConstraintCritic:
        enabled: true
        cost_power: 1
        cost_weight: 4.0
      GoalCritic:
        enabled: true
        cost_power: 1
        cost_weight: 5.0
        threshold_to_consider: 1.4
      GoalAngleCritic:
        enabled: true
        cost_power: 1
        cost_weight: 3.0
        threshold_to_consider: 0.5
      PreferForwardCritic:
        enabled: true
        cost_power: 1
        cost_weight: 5.0
        threshold_to_consider: 0.5
      CostCritic:
        enabled: true
        cost_power: 1
        cost_weight: 3.81
        critical_cost: 300.0
        consider_footprint: true
        collision_cost: 1000000.0
        near_goal_distance: 1.0
        trajectory_point_step: 2
      PathAlignCritic:
        enabled: true
        cost_power: 1
        cost_weight: 14.0
        max_path_occupancy_ratio: 0.05
        trajectory_point_step: 4
        threshold_to_consider: 0.5
        offset_from_furthest: 20
        use_path_orientations: false
      PathFollowCritic:
        enabled: true
        cost_power: 1
        cost_weight: 5.0
        offset_from_furthest: 5
        threshold_to_consider: 1.4
      PathAngleCritic:
        enabled: true
        cost_power: 1
        cost_weight: 2.0
        offset_from_furthest: 4
        threshold_to_consider: 0.5
        max_angle_to_furthest: 1.0
        mode: 0
      # TwirlingCritic:
      #   enabled: true
      #   twirling_cost_power: 1
      #   twirling_cost_weight: 10.0

local_costmap:
  local_costmap:
    ros__parameters:
      update_frequency: 5.0
      publish_frequency: 2.0
      global_frame: odom
      robot_base_frame: base_link
      rolling_window: true
      width: 3
      height: 3
      resolution: 0.05
      robot_radius: 0.22
      plugins: ["voxel_layer", "inflation_layer"]
      inflation_layer:
        plugin: "nav2_costmap_2d::InflationLayer"
        cost_scaling_factor: 3.0
        inflation_radius: 0.15
      voxel_layer:
        plugin: "nav2_costmap_2d::VoxelLayer"
        enabled: True
        publish_voxel_map: True
        origin_z: 0.0
        z_resolution: 0.05
        z_voxels: 16
        max_obstacle_height: 2.0
        mark_threshold: 0
        observation_sources: scan
        scan:
          topic: /scan
          max_obstacle_height: 2.0
          clearing: True
          marking: True
          data_type: "LaserScan"
          raytrace_max_range: 3.0
          raytrace_min_range: 0.0
          obstacle_max_range: 2.5
          obstacle_min_range: 0.0
      static_layer:
        plugin: "nav2_costmap_2d::StaticLayer"
        map_subscribe_transient_local: True
      always_send_full_costmap: True

global_costmap:
  global_costmap:
    ros__parameters:
      update_frequency: 1.0
      publish_frequency: 1.0
      global_frame: map
      robot_base_frame: base_link
      robot_radius: 0.22
      resolution: 0.05
      track_unknown_space: true
      plugins: ["static_layer", "obstacle_layer", "inflation_layer"]
      obstacle_layer:
        plugin: "nav2_costmap_2d::ObstacleLayer"
        enabled: True
        observation_sources: scan
        scan:
          topic: /scan
          max_obstacle_height: 2.0
          clearing: True
          marking: True
          data_type: "LaserScan"
          raytrace_max_range: 3.0
          raytrace_min_range: 0.0
          obstacle_max_range: 2.5
          obstacle_min_range: 0.0
      static_layer:
        plugin: "nav2_costmap_2d::StaticLayer"
        map_subscribe_transient_local: True
      inflation_layer:
        plugin: "nav2_costmap_2d::InflationLayer"
        cost_scaling_factor: 3.0
        inflation_radius: 0.15
      always_send_full_costmap: True

# The yaml_filename does not need to be specified since it going to be set by defaults in launch.
# If you'd rather set it in the yaml, remove the default "map" value in the tb3_simulation_launch.py
# file & provide full path to map below. If CLI map configuration or launch default is provided, that will be used.
# map_server:
#   ros__parameters:
#     yaml_filename: ""

map_saver:
  ros__parameters:
    save_map_timeout: 5.0
    free_thresh_default: 0.25
    occupied_thresh_default: 0.65
    map_subscribe_transient_local: True

planner_server:
  ros__parameters:
    expected_planner_frequency: 20.0
    planner_plugins: ["GridBased"]
    costmap_update_timeout: 1.0
    GridBased:
      plugin: "nav2_navfn_planner::NavfnPlanner"
      tolerance: 0.5
      use_astar: false
      allow_unknown: true

smoother_server:
  ros__parameters:
    smoother_plugins: ["simple_smoother"]
    simple_smoother:
      plugin: "nav2_smoother::SimpleSmoother"
      tolerance: 1.0e-10
      max_its: 1000
      do_refinement: True

behavior_server:
  ros__parameters:
    local_costmap_topic: local_costmap/costmap_raw
    global_costmap_topic: global_costmap/costmap_raw
    local_footprint_topic: local_costmap/published_footprint
    global_footprint_topic: global_costmap/published_footprint
    cycle_frequency: 10.0
    behavior_plugins: ["spin", "backup", "drive_on_heading", "assisted_teleop", "wait"]
    spin:
      plugin: "nav2_behaviors::Spin"
    backup:
      plugin: "nav2_behaviors::BackUp"
    drive_on_heading:
      plugin: "nav2_behaviors::DriveOnHeading"
    wait:
      plugin: "nav2_behaviors::Wait"
    assisted_teleop:
      plugin: "nav2_behaviors::AssistedTeleop"
    local_frame: odom
    global_frame: map
    robot_base_frame: base_link
    transform_tolerance: 0.1
    simulate_ahead_time: 2.0
    max_rotational_vel: 5.0
    min_rotational_vel: 2.0
    rotational_acc_lim: 3.2

waypoint_follower:
  ros__parameters:
    loop_rate: 20
    stop_on_failure: false
    action_server_result_timeout: 900.0
    waypoint_task_executor_plugin: "wait_at_waypoint"
    wait_at_waypoint:
      plugin: "nav2_waypoint_follower::WaitAtWaypoint"
      enabled: True
      waypoint_pause_duration: 200

velocity_smoother:
  ros__parameters:
    smoothing_frequency: 20.0
    scale_velocities: False
    feedback: "OPEN_LOOP"
    max_velocity: [10.0, 10.0, 2.0]
    min_velocity: [-10.0, -10.0, -2.0]
    max_accel: [2.5, 2.0, 3.2]
    max_decel: [-2.5, -2.0, -3.2]
    odom_topic: "odom"
    odom_duration: 0.1
    deadband_velocity: [0.0, 0.0, 0.0]
    velocity_timeout: 1.0

collision_monitor:
  ros__parameters:
    base_frame_id: "base_link"
    odom_frame_id: "odom"
    cmd_vel_in_topic: "cmd_vel_smoothed"
    cmd_vel_out_topic: "cmd_vel"
    state_topic: "collision_monitor_state"
    transform_tolerance: 0.2
    source_timeout: 1.0
    base_shift_correction: True
    stop_pub_timeout: 2.0
    # Polygons represent zone around the robot for "stop", "slowdown" and "limit" action types,
    # and robot footprint for "approach" action type.
    polygons: ["FootprintApproach"]
    FootprintApproach:
      type: "polygon"
      action_type: "approach"
      footprint_topic: "/local_costmap/published_footprint"
      time_before_collision: 1.2
      simulation_time_step: 0.1
      min_points: 6
      visualize: False
      enabled: True
    observation_sources: ["scan"]
    scan:
      type: "scan"
      topic: "scan"
      min_height: 0.15
      max_height: 2.0
      enabled: True

docking_server:
  ros__parameters:
    controller_frequency: 50.0
    initial_perception_timeout: 5.0
    wait_charge_timeout: 5.0
    dock_approach_timeout: 30.0
    undock_linear_tolerance: 0.05
    undock_angular_tolerance: 0.1
    max_retries: 3
    base_frame: "base_link"
    fixed_frame: "odom"
    dock_backwards: false
    dock_prestaging_tolerance: 0.5

    # Types of docks
    dock_plugins: ['simple_charging_dock']
    simple_charging_dock:
      plugin: 'opennav_docking::SimpleChargingDock'
      docking_threshold: 0.05
      staging_x_offset: -0.7
      use_external_detection_pose: true
      use_battery_status: false # true
      use_stall_detection: false # true

      external_detection_timeout: 1.0
      external_detection_translation_x: -0.18
      external_detection_translation_y: 0.0
      external_detection_rotation_roll: -1.57
      external_detection_rotation_pitch: -1.57
      external_detection_rotation_yaw: 0.0
      filter_coef: 0.1

    # Dock instances
    # The following example illustrates configuring dock instances.
    # docks: ['home_dock']  # Input your docks here
    # home_dock:
    #   type: 'simple_charging_dock'
    #   frame: map
    #   pose: [0.0, 0.0, 0.0]

    controller:
      k_phi: 3.0
      k_delta: 2.0
      v_linear_min: 0.15
      v_linear_max: 0.15

loopback_simulator:
  ros__parameters:
    base_frame_id: "base_link"
    odom_frame_id: "odom"
    map_frame_id: "map"
    scan_frame_id: "laser"  # tb4_loopback_simulator.launch.py remaps to 'rplidar_link'
    update_duration: 0.02