关于move_base包的理解

关于move_base包的理解

move_base是ROS下关于机器人路径规划的中心枢纽。

它通过订阅激光雷达、map地图、amcl的定位等数据，然后规划出全局和局部路径，再将路径转化为机器人的速度信息，最终实现机器人导航。

上面这个图很好的展示了move_base的整个框架，下面我更加详细的介绍一下每个模块的功能及其是如何衔接的。

首先amcl模块是ROS的导航定位模块，amcl也叫自适应蒙特卡罗定位，amcl通过订阅scan、map和tf信息，发布出机器人的pose，以供move_base使用，这部分具体可以上官网看看，这里就不做详细介绍了，左下角odom，即机器人里程计信息，右上角，map，顾名思义，我们需要的先验地图信息，一般通过slam建图后保存，ROS中主流的slam算法有:

1.gmapping：需要激光雷达scan数据和里程计odom数据，采用的是PF（粒子滤波）。

2.hector ：基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但对于雷达帧率要求很高40Hz，估计6自由度位姿，可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大，所以要求雷达帧率较高。

3.Cartographer：累计误差较前两种算法低，能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。

map_server包通过解析slam建好的地图并发布出去。

右下角的传感器topic则在局部路径规划时起到作用，这部分就是costmap包起到的作用了，costmap为代价地图，目前主要的有inflation_layer、obstacle_layer、static_layer、voxel_layer四个plugins。分别为膨胀层、障碍物层、静态层和体素层。一般我们的全局路径需要静态层和膨胀层，因为全局规划应该只考虑到地图信息，所以一般都是静态的，而局部路径规划则需要考虑到实时的障碍物信息，所以需要障碍物层和膨胀层，这里你可能会有疑惑，为什么不把静态层放到局部路径规划里呢？因为我们的定位是会存在误差的，比如轮子打滑或其他情况，这个时候amcl会起到纠正作用，如果我们把静态层放到了局部中，这个定位会有问题，而且，假设当前机器人出现了定位的偏差，那么这个引入的静态层肯定是错误的，再加上局部的障碍物层（这里的障碍物层本应该和静态层重合的，但由于定位偏差，不会重合）可能会使得机器人误以为自己在障碍物层内，规划出现问题。

---

下面我们我们说说move_base核心的部分了，也就是框框内的部分，主要包括global planner和local planner以及一些修复机制，包括rotate_recovery和clear_cost_map_recovery。有人可能会问