Navigation--导航机理

最新推荐文章于 2024-04-08 08:40:28 发布

majingming123

最新推荐文章于 2024-04-08 08:40:28 发布

阅读量1.7k

点赞数 1

文章标签：机器人人工智能自动驾驶

本文链接：https://blog.csdn.net/majingming123/article/details/128230797

版权

1.ROS navigation为移动机器人导航相关包的集合，实现定位规划避障等相关功能。

整体工作流程为：

1.加载地图

navigation通过map_server加载现有地图。navigation无建图相关包，需另外实现后保存，默认只支持2维地图，其他包类似grid_map提供2.5维地图的加载。

2.发布TF坐标变换

navigation包内的AMCL提供map->odom的变换，AMCL实际为全局绝对定位，即map->base，但在应用时里程计会提供odom->base的变换，因此AMCL会获取TF信息转换后再发布map->base变换，navigation不包含里程计的实现，需另外独立实现。

3.启动move_base加载相关插件

move_base为导航的核心框架，通过预设接口（plugin）加载地图（costmap_2d）和规划避障（global_planner, local_planner, recovery）相关插件，读取设置参数（机器人外形，规划避障设置等），并发布相关话题和服务器。

实现机器人的自主导航除navigation外还需要一张图和里程计，当然navigation内部的算法都可以根据需要进行更换。

一张地图--map

amcl+里程计---odom

异常处理（recovery_behaviors）

一、一张地图--map

1.要进行导航，我们肯定需要有个地图，这个地图可以手绘也可以用SLAM方法来创建，但是原始的地图并不能直接进行导航，通常需要先将其转换成“代价地图”（cost_map）。

什么是“代价地图”，就是说机器人在地图里移动是需要付出“代价”的，这个“代价”有显性的也有隐性的。显性的，比如行走的距离，绕远路费电啊，这是最明显的“代价”。隐性的，比如靠近障碍物，万一机器人一哆嗦就磕着脑袋碰着胳臂了，这是隐性的“代价”。还有一些机器人体型比较长（无人驾驶大卡车有木有），转个弯掉个头巨费劲，对它来说，路线转弯太多也是“代价”，所以导航的路线越顺滑代价就越小。

1.因此产生global_costmap,是由全局地图（通常是SLAM建好的）和激光雷达侦测到的当前机器人周围的障碍物分布融合后生成。

map_server提供的全局地图代表的是以前记录的地图。近处的变化可以用激光雷达侦测扫描由sensor_source提供；

越靠近障碍物，与障碍物碰撞的风险越大，于是颜色越深，隐性“代价”越大；移动距离产生的显性代价，通常都是在路径规划算法内部才会实现，一般不会显示。

2.有了代价地图，由全局规划器（global_planner）来生成得到导航的路线；

global_planner 全局规划器的任务就是从外部获得导航的目标点，然后在全局代价地图里找出“代价最小”的那条路线；

3.现在nav_msgs/path路线已经有，突发情况如何规避，这就是局部规划器（local_planner）。局部规划器的工作就是从全局规划器获得导航路线，根据这个路线向机器人发送速度，驱动机器人“尽可能”按照路线去行走。

局部规划器（local_planner）的调教也是最曲折最费时的部分。因为机器人的底盘类型千差万别，有的只能前后移动和原地转向（差动底盘），有的可以360°随意移动（全向底盘），有的底盘是履带双足四足甚至多足，除非撞墙否则都不带避障的.

4.局部规划器利用激光雷达获得的当前障碍物数据，又做了一个“代价地图”，叫做局部代价地图（local_costmap）它是由sensor_source联合产生的。

远处瞅个大概，近处瞄得仔细，既有大局观，又注重局部视野，再加上各种细节走位。

全局地图是导航；局部地图是视野（躲避行人，红绿灯等特殊情况）;amcl是gps（告诉你现在在哪里）；

二、amcl

多重影分身之术；

所有分身随机的分布在地图里，rviz里面的PoseArry；机器人移动时，所有的分身也跟随移动，在移动的过程中，会不停的用激光雷达扫描到的身边障碍物和地图进行比对，以判断自己是不是那个正确的位置。比如有的分身走着发现面前一堵墙，再查查地图里自己的位置，这地方没有墙自己的位置八成是错的，于是“嘭”的一声，这个分身就消失了。最终收敛成少量的分身，也就最有可能是机器人位置的真身。