Nav-SLAM: 2D激光雷达实现SLAM.

一份快速使用move_base构建机器人自主导航指南(因为本人比较急着使用，于10天成功实现了一份基础路径规划和建图导航系统于机器人上)

1. 各博客move_base包配置路径规划集锦

• Mapping中各个坐标系的定义

http://www.pianshen.com/article/6085172252/

• tf中static_transform_publisher静态坐标转换

https://blog.csdn.net/tiancailx/article/details/78910317?utm_source=blogxgwz8

• 很早之前古月居的move_base包讲解（年久失修…）

http://www.guyuehome.com/270

• ros by examples learning 书籍仿真测试

https://www.e-learn.cn/content/qita/593891

• move_base动态障碍物避障和路径规划参数调试

https://blog.csdn.net/sunyoop/article/details/78201761?utm_source=blogxgwz6
https://www.cnblogs.com/hong2016/p/6838315.html
https://blog.csdn.net/lingchen2348/article/details/79830098
https://blog.csdn.net/Enterenvy/article/details/90699274
https://www.cnblogs.com/lizhensheng/p/11117583.html#%E5%9F%BA%E6%9C%AC%E8%B0%83%E5%8F%82%E6%8C%87%E5%8D%97

• move_base各文件中的参数分别标注

https://blog.csdn.net/Travis_X/article/details/84486765

• 代价地图参数

https://www.jianshu.com/p/b4a5da7eccc1
https://www.cnblogs.com/hong2016/p/6838315.html

2. 实地测试记录

• 第一点： 弄清各个坐标的定义

理论理想坐标框架: map->odom->base_link->base_laser;

实际测试你要弄清楚的坐标转换:

odom -> base_link;  // 里程计估计的位姿实时获取

map->base_link;  // (机器人定位估计就是这个坐标转换)

// 还剩下两个静态坐标系转换:

base_link -> base_laser // 机器人中心到激光雷达坐标系的安装位置转换;

base_footprint (这个tf并不严格要求存在，但有些文件中会出现) // 它是base_link在2d平面上的投影。

• 第二点：弄清各个参数文件的关系及各个参数代表的意思

一般来说会有4个文件:

base_local_planner_params.yaml
costmap_common_params.yaml
global_costmap_params.yaml
local_costmap_params.yaml

各个参数的详细意思可参考此博客 。

几个重要的参数(机器人能够达到指定目标地的关键):

 yaw_goal_tolerance: 关于角度误差
 xy_goal_tolerance： 距离误差
 
robot_radius : 机器人半径
inflation_radius： 膨胀半径   // 在不同的环境下这两个参数要做适当调整，才能取得好的效果


 static_map: false 
 rolling_window: true # 局部地图  // 在代价地图中，明确局部使用滑动窗口，全局使用静态地图；

• 第三点 : 深入拓展研究（全局+局部都可换成不同的路径规划算法来优化机器人运动策略）

  (隐去不发表…)

3. rplidar A2 gmapping测试（附录链接备用.）

创客智造(Gmapping)

多个目标导航测试

rplidar A2 全套雷达测试案例

navigation包wiki文档