1、概述
ROS的二维导航功能包，简单来说，就是根据输入的里程计等传感器的信息流和机器人的全局位置，通过导航算法，计算得出安全可靠的机器人速度控制指令。但是，如何在特定的机器人上实现导航功能包的功能，却是一件较为复杂的工程。作为导航功能包使用的必要先决条件，机器人必须运行ROS，发布tf变换树，并发布使用ROS消息类型的传感器数据。同时，为了让机器人更好的完成导航任务，开发者还要根据机器人的外形尺寸和性能，配置导航功能包的一些参数。
2、硬件要求
尽管导航功能包设计得尽可能通用，但是仍然对机器人的硬件有以下三个要求：
（1）导航功能包仅对差分等轮式机器人有效，并且假设机器人可直接使用速度指令进行控制，速度指令的格式为：x方向速度、y方向速度、速度向量角度。
（2）导航功能包要求机器人必须安装有激光雷达等二维平面测距设备。
（3）导航功能包以正方型的机器人为模型进行开发，所以对于正方形或者圆形外形的机器人支持度较好，而对于其他外形的机器人来讲，虽然仍然可以正常使用，但是表现则很有可能不佳。
3、机器人配置
导航功能包的结构如上图所示，在自己的机器人平台上实现自主导航，简单来说，就是按照上图将需要的功能按照需求完成即可。其中白色的部分是ROS功能包已经完成的部分，不需要我们去实现，灰色的是可选的部分，也由ROS完成，在使用中根据需求使用，需要关注的重点部分是蓝色部分，这些需要我们根据输入输出的要求完成相应的功能。
3.1、ROS
首先，请确保你的机器人安装了ROS框架。
3.2、tf变换(sensortransforms)
导航功能包要求机器人以tf树的形式发布各个相关参考系的变换关系。
3.3、传感器信息(sensor sources)
导航功能包需要采集机器人的传感器信息，以达到实时避障的效果。这些传感器要求能够通过ROS发布
sensor_msgs/LaserScan或者sensor_msgs/PointCloud 格式的消息，也就是二维雷达信息或者三维点云数据。ROS社区已经支持大部分激光雷达、Kinect等设备的驱动，可以直接使用社区提供的驱动功能包发布满足要求的传感器信息。如果你使用的传感器没有ROS支持，或者你想使用自己的驱动，也可以自己将传感器信息封装成要求的格式。
3.4、里程计信息(odometrysource)
导航功能包要求机器人发布nav_msgs/Odometry格式的里程计信息，同时在也要发布相应的tf变换。
3.5、机器人控制器（base_controller）
导航功能包最终的输出是针对机器人geometry_msgs/Twist格式的控制指令，这就要求机器人控制节点具备解析控制指令中速度、角度的能力，并且最终通过这些指令控制机器人完成相应的运动目标。
3.6、地图（map_server）
地图并不是导航功能所必需的。
4、导航功能包集的配置
在满足以上条件的前提下，我们来针对导航功能进行一些配置。
4.1、创建一个功能包
首先，我们需要创建一个功能包，用来存储导航需要用到的所有的配置文件和launch启动文件。在创建功能包的时候，我们需要添加相关的所有依赖，包括机器人配置中使用到的功能包，当然不要忘记了move_base功能包，因为该包有很多我们后面需要用到的接口。找到合适的位置，输入以下命令来创建包：
catkin_create_pkg my_robot_name_2dnav move_base my_tf_configuration_depmy_odom_configuration_dep my_sensor_configuration_dep
4.2、创建机器人启动文件
现在，我们已经有了一个存储各种文件的工作空间，下一步，我们来创建一个机器人启动文件，用来启动机器人配置中所提到的所有硬件，并发布相应的消息和变换关系。
打开编辑器，输入以下格式的内容，并保存为my_robot_configuration.launch命名的文件：
<launch>
<nodepkg="sensor_node_pkg" type="sensor_node_type"name="sensor_node_name" output="screen">
<paramname="sensor_param" value="param_value" />
</node>
<nodepkg="odom_node_pkg" type="odom_node_type"name="odom_node" output="screen">
<paramname="odom_param" value="param_value" />
</node>
<nodepkg="transform_configuration_pkg"type="transform_configuration_type"name="transform_configuration_name" output="screen">
<paramname="transform_configuration_param" value="param_value"/>
</node>
</launch>
让我们来详细的解读以上内容的含义：
<launch>
<nodepkg="sensor_node_pkg" type="sensor_node_type"name="sensor_node_name" output="screen">
<paramname="sensor_param" value="param_value" />
这部分代码用来启动机器人的传感器，根据以上格式，修改你所使用到的传感器驱动包名称、类型、命名等信息，并且添加驱动包节点需要使用到的参数。当然，如果你需要使用多个传感器，可以使用相同的方法，启动多个传感器的驱动节点。
<node pkg="odom_node_pkg"type="odom_node_type" name="odom_node"output="screen">
<paramname="odom_param" value="param_value" />
</node>
这部分代码用来启动机器人上的里程计，根据需要修改功能包名、类型、节点名、参数。
<nodepkg="transform_configuration_pkg"type="transform_configuration_type"name="transform_configuration_name" output="screen">
<paramname="transform_configuration_param" value="param_value"/>
</node>
这部分代码需要启动机器人相关的坐标变换。
4.3、代价地图的配置 (local_costmap)& (global_costmap)
导航功能包使用两种代价地图存储周围环境中的障碍信息，一种用于全局路径规划，一种用于本地路径规划和实时避障。两种代价地图需要使用一些共同和独立的配置文件：通用配置文件，全局规划配置文件，本地规划配置文件。以下将详细讲解这三种配置文件：
（1）通用配置文件（Common Configuration (local_costmap) &(global_costmap)）
代价地图用来存储周围环境的障碍信息，其中需要注明地图关注的机器人传感器消息，以便于地图信息进行更行。针对两种代价地图通用的配置选项，创建名为costmap_common_params.yaml的配置文件：
obstacle_range: 2.5
raytrace_range: 3.0
footprint: [[x0, y0], [x1, y1], ... [xn, yn]]
#robot_radius: ir_of_robot
inflation_radius: 0.55
observation_sources: laser_scan_sensor point_cloud_sensor
laser_scan_sensor: {sensor_frame: frame_name, data_type: LaserScan, topic: topic_name, marking: true, clearing: true}
point_cloud_sensor: {sensor_frame: frame_name, data_type: PointCloud, topic: topic_name, marking: true, clearing: true}
详细解析以上配置文件的内容：
obstacle_range: 2.5 raytrace_range: 3.0
这两个参数用来设置代价地图中障碍物的相关阈值。obstacle_range参数用来设置机器人检测障碍物的最大范围，设置为2.5意为在2.5米范围内检测到的障碍信息，才会在地图中进行更新。raytrace_range参数用来设置机器人检测自由空间的最大范围，设置为3.0意为在3米范围内，机器人将根据传感器的信息，清除范围内的自由空间。
footprint: [[x0, y0], [x1, y1], ... [xn, yn]] #robot_radius: ir_of_robot inflation_radius: 0.55
这些参数用来设置机器人在二维地图上的占用面积，如果机器人外形是圆形，则需要设置机器人的外形半径。所有参数以机器人的中心作为坐标（0，0）点。inflation_radius参数是设置障碍物的膨胀参数，也就是机器人应该与障碍物保持的最小安全距离，这里设置为0.55意为为机器人规划的路径应该与机器人保持0.55米以上的安全距离。
observation_sources: laser_scan_sensorpoint_cloud_sensor
observation_sources参数列出了代价地图需要关注的所有传感器信息，每一个传感器信息都将在后边列出详细信息。
laser_scan_sensor: {sensor_frame: frame_name, data_type:LaserScan, topic: topic_name, marking: true, clearing: true}
以激光雷达为例，sensor_frame标识传感器的参考系名称，data_type表示激光数据或者点云数据使用的消息类型，topic_name表示传感器发布的话题名称，而marking和clearing参数用来表示是否需要使用传感器的实时信息来添加或清楚代价地图中的障碍物信息。
（2）全局规划配置文件（Global Configuration (global_costmap)）
全局规划配置文件用来存储用于全局代价地图的配置参数，我们使用global_costmap_params.yaml来命名，内容如下：
global_costmap: global_frame: /map robot_base_frame: base_link update_frequency: 5.0 static_map:true
global_frame参数用来表示全局代价地图需要在那个参考系下运行，这里我们选择了map这个参考系。robot_base_frame参数表示代价地图可以参考的机器人本体的参考系。update_frequency参数绝地全局地图信息更新的频率，单位是Hz。static_map参数决定代价地图是否需要根据map_server提供的地图信息进行初始化，如果你不需要使用已有的地图或者map_server，最好将该参数设置为false。
（3）本地规划配置文件（Local Configuration (local_costmap)）
本地规划配置文件用来存储用于本地代价地图的配置参数，命名为local_costmap_params.yaml，内容如下：
local_costmap: global_frame: odom robot_base_frame: base_link update_frequency: 5.0 publish_frequency: 2.0 static_map:false rolling_window: true width: 6.0 height: 6.0 resolution:0.05
"global_frame", "robot_base_frame","update_frequency", 和 "static_map"参数的意义与全局规划配置文件中的参数相同。publish_frequency设置代价地图发布可视化信息的频率，单位是Hz。rolling_window参数是用来设置在机器人移动过程中是否需要滚动窗口，以保持机器人处于中心位置。"width," "height," 和"resolution" 设置设置代价地图长（米）、高（米）和分辨率（米/格）。分辨率可以设置的与静态地图不同，但是一般情况下两者是相同的。
4.4 本地规划器配置
本地规划器base_local_planner的主要作用是根据规划的全局路径，计算发布给机器人的速度指令。该规划器需要我们根据机器人的规格，配置一些相应的参数。我们创建名为base_local_planner_params.yaml的配置文件：
TrajectoryPlannerROS: max_vel_x: 0.45 min_vel_x: 0.1 max_vel_theta: 1.0 min_in_place_vel_theta: 0.4 acc_lim_theta: 3.2 acc_lim_x: 2.5 acc_lim_y: 2.5 holonomic_robot: true
该配置文件声明了机器人的本地规划采用Trajectory Rollout算法。第一段设置了机器人的速度阈值，第二段设置了机器人的加速度阈值。
4.5 为导航功能包创建一个启动文件
到此为止，我们已经创建完毕所有需要用到的配置文件，接下来我们需要创建一个启动文件，来启动所有需要的功能。创建move_base.launch的文件：
<launch> <masterauto="start"/> <!-- Runthe map server --> <nodename="map_server" pkg="map_server"type="map_server" args="$(find my_map_package)/my_map.pgm my_map_resolution"/> <!---Run AMCL --> <includefile="$(find amcl)/examples/amcl_omni.launch" /> <nodepkg="move_base" type="move_base" respawn="false"name="move_base" output="screen"> <rosparam file="$(find my_robot_name_2dnav)/costmap_common_params.yaml"command="load" ns="global_costmap" /> <rosparam file="$(findmy_robot_name_2dnav)/costmap_common_params.yaml" command="load"ns="local_costmap" /> <rosparam file="$(findmy_robot_name_2dnav)/local_costmap_params.yaml" command="load" /> <rosparam file="$(findmy_robot_name_2dnav)/global_costmap_params.yaml" command="load"/> <rosparam file="$(findmy_robot_name_2dnav)/base_local_planner_params.yaml"command="load" /> </node> </launch>
在该配置文件中，你需要修改的只有map-server输入的地图，以及如果使用差分驱动的机器人，需要修改"amcl_omni.launch"成"amcl_diff.launch" 。
4.6 AMCL功能包的设置
AMCL有许多的参数设置，会影响机器人的定位效果，具体参考amcldocumentation。
5、运行导航功能包
现在，我们已经完成了所有需要的工作，最后一步，运行启动文件，开始导航之旅：
roslaunch my_robot_configuration.launch roslaunch move_base.launch
现在导航功能包应该已经可以顺利运行了，但这绝对不是结束，因为你只能从终端里看到一端乱蹦的代码，如何使用更友好的方式进行机器人导航呢？如果你想使用UI界面，请参考rviz and navigationtutorial，如果你想使用代码，请参考Sending SimpleNavigation Goals 。
----------------------------------------------------------------
欢迎大家转载我的文章。
转载请注明：转自古-月
欢迎继续关注我的博客