ros导航控制

一 导航模型背景描述

在一个陌生环境中，如何找到目标
	1、 全局地图（全局概览图：定位+路径规划）
	2、 自身定位（确定在地图中的位置）
	3、 路径规划（全局路径规划+局部路径规划）
	4、 运动控制（控制速度和方向）
	5、 环境感知（感知周围环境）

二 ROS导航框架

其中方框表示功能包，箭头对应不同节点之间消息传递方向，箭头上方是话题，下方是数据类型

2.1 全局地图（非必须）

map_server

地图服务：为导航提供全局地图，画地图，SLAM

2.2 自身定位

amcl：传感器感知到的周边环境信息和地图中的特征进行匹配，通过匹配算法估计机器人的一个大概位置，配套使用sensor transforms，
sensor transforms
odometry source ：里程计估算机器人位置，向量，含有方向信息

2.3 路径规划（navigation的核心部分）

2.3.1 move_base功能包

1. global_planner（全局规划器）：接收global_costmap，采用A*/D*算法规划出从起始点到目标点的路径，为local_planner作参考；
2. local_planner（局部规划器）：接收local_costmap，采用动态窗算法（Dynamic Window Approach ，DWA)规划出小车的运动速度广播到底层ROS，这个速度既考虑到了更加精准的局部地图（避障）也考虑到了跟踪global_planner规划的路径（导航）。
3. global_costmap（全局成本地图）：生成全局地图信息，通过costmap_2d，不同的数据被统一成栅格地图，作为global_planner的输入；
4. local_costmap（局部成本地图）：生成局部地图信息，通过costmap_2d，不同的数据被统一成栅格地图，作为local_planner的输入；
5. recovery_behaviors（行为恢复层）：恢复机制，用来处理move_base中的异常情况。

2.3.2 代价地图组成（多层叠加）

1. 静态层：SLAM绘制的静态地图
2. 障碍物层：导航中传感器感知的障碍物
3. 膨胀层：为了避免碰撞而设置的安全区域
4. 自定义层：根据业务自设置的地图数据

2.4 运动控制（和平台相关）

base_controller：底盘控制，发布速度消息控制机器人运动

2.5 环境感知（和平台相关）

sensor sources：感知周边的环境，

三 搭建调试记录

整体运行步骤：
1、运行octomap节点
roslaunch octomap_server octomap_server_test.launch
2、定位，运行slam
roslaunch livox_mapping mapping_outdoor.launch
3、小车urdf模型
roslaunch livox_mapping urdf_tf.launch
4、导航控制
roslaunch livox_mapping navigation.launch
4、播放数据包
rosbag play -r 0.8  2022-04-18-20-30-43.bag   

3.1 octomap节点配置

配置octomap点云转栅格的launch文件

<launch>
  <node pkg="octomap_server" type="octomap_server_node" name="octomap_server"> 
 
     <!--resolution in meters per pixel-->
     <!--栅格分辨率，可调-->
    <param name="resolution" value="0.1" />
    
    <!--世界坐标系话题-->
     <!--name of the fixed frame,needs to be "/map" for SLAM-->
    <param name="frame_id" type="string" value="/map" />
 
     <!--动态构建地图时用于插入点云数据的最大范围（以米为单位），将范围限制在有用的范围内（例如5m）可以防止虚假的错误点-->
    <param name="sensor_model/max_range" value="15.0" />
    <param name="latch" value="false" />
 
     <!--max/min height for occupancy map, should be in meters-->
    <param name="pointcloud_max_z" value="0.6" />
    <param name="pointcloud_min_z" value="0.5" />
    
    <param name="filter_ground" value="false" />
    <param name="graound_filter_distance" value="0.28" />
    <param name="graound_filter_angle" value="3.14" />
    
     <!--点云消息名称 PointClout2--> 
     <!--topic from where pointcloud2 messages are subscribed-->
    <remap from="cloud_in" to="/livox/lidar" />
 
  </node>
  <!--雷达与小车模型的位姿，可不要-->
  <node pkg = "tf2_ros" type = "static_transform_publisher" name = "dlonng_static_test_broadcaster" args = "0.2 0 0.53 0 0 0 /base_footprint /livox_frame" />
</launch>

3.2 定位

3.2.1 slam

slam定位绘图算法采用livox-mapping框架进行定位

3.2.2 amcl定位

暂无尝试

3.3 move_base使用

路径规划算法在move_base功能包的move_base节点中已经封装完毕了，但是还不可以直接调用，因为算法虽然已经封装了，但是该功能包面向的是各种类型支持ROS的机器人，不同类型机器人可能大小尺寸不同，传感器不同，速度不同，应用场景不同…最后可能会导致不同的路径规划结果，那么在调用路径规划节点之前，我们还需要配置机器人参数。具体实现如下:

1、先编写launch文件
2、编写配置文件
3、集成导航相关的launch文件
4、测试

3.3.1 launch文件

配置move_base功能包

<launch>
    <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen" clear_params="true">
        <remap from="map" to="/projected_map" />
        <rosparam file="$(find livox_mapping)/param/costmap_common_params.yaml" command="load" ns="global_costmap" />
        <rosparam file="$(find livox_mapping)/param/costmap_common_params.yaml" command="load" ns="local_costmap" />
        <rosparam file="$(find livox_mapping)/param/local_costmap_params.yaml" command="load" />
        <rosparam file="$(find livox_mapping)/param/global_costmap_params.yaml" command="load" />
        <rosparam file="$(find livox_mapping)/param/base_local_planner_params.yaml" command="load" />
    </node>
</launch>

3.3.2 yaml参数文件

costmap_common_params.yaml
该文件是move_base 在全局路径规划与本地路径规划时调用的通用参数，包括:机器人的尺寸、距离障碍物的安全距离、传感器信息等。配置参考如下:

#机器人几何参，如果机器人是圆形，设置 robot_radius,如果是其他形状设置 footprint
robot_radius: 0.12 #圆形
# footprint: [[-0.12, -0.12], [-0.12, 0.12], [0.12, 0.12], [0.12, -0.12]] #其他形状

obstacle_range: 3.0 # 用于障碍物探测，比如: 值为 3.0，意味着检测到距离小于 3 米的障碍物时，就会引入代价地图
raytrace_range: 3.5 # 用于清除障碍物，比如：值为 3.5，意味着清除代价地图中 3.5 米以外的障碍物


#膨胀半径，扩展在碰撞区域以外的代价区域，使得机器人规划路径避开障碍物
inflation_radius: 0.2
#代价比例系数，越大则代价值越小
cost_scaling_factor: 3.0

#地图类型
map_type: costmap
#导航包所需要的传感器
observation_sources: scan
#对传感器的坐标系和数据进行配置。这个也会用于代价地图添加和清除障碍物。例如，你可以用激光雷达传感器用于在代价地图添加障碍物，再添加kinect用于导航和清除障碍物。
scan: {sensor_frame: laser, data_type: LaserScan, topic: scan, marking: true, clearing: true}

local_costmap_params.yaml
该文件用于局部代价地图参数设置:

local_costmap:
  global_frame: odom #里程计坐标系
  robot_base_frame: base_footprint #机器人坐标系

  update_frequency: 10.0 #代价地图更新频率
  publish_frequency: 10.0 #代价地图的发布频率
  transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间

  static_map: false  #不需要静态地图，可以提升导航效果
  rolling_window: true #是否使用动态窗口，默认为false，在静态的全局地图中，地图不会变化
  width: 3 # 局部地图宽度 单位是 m
  height: 3 # 局部地图高度 单位是 m
  resolution: 0.05 # 局部地图分辨率 单位是 m，一般与静态地图分辨率保持一致

global_costmap_params.yaml
该文件用于全局代价地图参数设置:

global_costmap:
  global_frame: map #地图坐标系
  robot_base_frame: base_footprint #机器人坐标系
  # 以此实现坐标变换

  update_frequency: 1.0 #代价地图更新频率
  publish_frequency: 1.0 #代价地图的发布频率
  transform_tolerance: 0.5 #等待坐标变换发布信息的超时时间

  static_map: true # 是否使用一个地图或者地图服务器来初始化全局代价地图，如果不使用静态地图，这个参数为false.

base_local_planner_params
基本的局部规划器参数配置，这个配置文件设定了机器人的最大和最小速度限制值，也设定了加速度的阈值。

TrajectoryPlannerROS:

# Robot Configuration Parameters
  max_vel_x: 0.5 # X 方向最大速度
  min_vel_x: 0.1 # X 方向最小速速

  max_vel_theta:  1.0 # 
  min_vel_theta: -1.0
  min_in_place_vel_theta: 1.0

  acc_lim_x: 1.0 # X 加速限制
  acc_lim_y: 0.0 # Y 加速限制
  acc_lim_theta: 0.6 # 角速度加速限制

# Goal Tolerance Parameters，目标公差
  xy_goal_tolerance: 0.10
  yaw_goal_tolerance: 0.05

# Differential-drive robot configuration
# 是否是全向移动机器人
  holonomic_robot: false

# Forward Simulation Parameters，前进模拟参数
  sim_time: 0.8
  vx_samples: 18
  vtheta_samples: 20
  sim_granularity: 0.05

3.4 小车模型urdf

开启小车urtf模型节点

视频展示