**前情提要：已经建立了odom与base_footprint的关系，并可使用按键检验 **

《教程 Re:Zero ROS （六）—— 获取&编写&检验 -> odom坐标系》
https://blog.csdn.net/Lovely_him/article/details/107948765

教程 Re:Zero ROS （七/完）

—— 建图&定位&导航 - 代价地图&路径规划

1. slam_gmapping 建图

• 0）本篇大部分内容都是中科院教程中讲到过的，建议先看完中科院最后两课——第九、十课的9个视频，初步了解、建立关于这些功能包的概念。
• 1）实现，确保你电脑的ros内已经安装了slam_gmapping。如果是Ubuntu16.04/kinetic则可以直接安装在电脑内，版本不一样则可能无法直接安装在电脑上，则需要到git下载源代码到工程内编译。如果你跟着第二篇教程安装了完整的ros桌面包，应该就已经安装了slam_gmapping。
• 可以在ros安装目录下寻找搜索有没有相关的关键词的功能包，或是使用安装工具的搜索指令搜索相关软件包（软件包/功能包，一个意思）。

slam_gmapping
https://wiki.ros.org/slam_gmapping
ros-perception /slam_gmapping
https://github.com/ros-perception/slam_gmapping

• 2）如果安装了功能包，在launch启动节点就可以用了，同时配置一些参数，如下。其实大部分参数都是默认的，写出来只是方便之后调试，具体每个参数的含义可以到wiki-ros内查找。你我目前需要修改的3个参数分别是scan_topic、base_frame、odom_frame分别指激光雷达消息、机器人底盘坐标、里程计坐标。根据中科院的教程中的说明，slam_gmapping 只用到了tf树中的odom与base的关系，和激光雷达消息。然后（主要）返回tf树内map与odom坐标的关系与一张map地图。

gmapping/param
https://wiki.ros.org/gmapping
slam_gmapping参数介绍
https://blog.csdn.net/Csdn_Darry/article/details/78272464

  <arg name="scan_topic"  default="scan" />
  <arg name="base_frame"  default="base_footprint"/>
  <arg name="odom_frame"  default="odom"/>

  <node pkg="gmapping" type="slam_gmapping" name="slam_gmapping" output="screen">
    <param name="base_frame" value="$(arg base_frame)"/>   <!--底盘坐标系-->
    <param name="odom_frame" value="$(arg odom_frame)"/>   <!--里程计坐标系-->
    <param name="map_update_interval" value="0.2"/>        <!--更新时间(s)，每多久更新一次地图，不是频率-->
    <param name="maxUrange" value="20.0"/>                 <!--激光雷达最大可用距离，在此之外的数据截断不用-->
    <param name="maxRange" value="25.0"/>                  <!--激光雷达最大距离-->
    <param name="sigma" value="0.05"/>
    <param name="kernelSize" value="1"/>
    <param name="lstep" value="0.05"/>
    <param name="astep" value="0.05"/>
    <param name="iterations" value="5"/>
    <param name="lsigma" value="0.075"/>
    <param name="ogain" value="3.0"/>
    <param name="lskip" value="0"/>
    <param name="minimumScore" value="200"/>
    <param name="srr" value="0.01"/>
    <param name="srt" value="0.02"/>
    <param name="str" value="0.01"/>
    <param name="stt" value="0.02"/>
    <param name="linearUpdate" value="0.5"/>
    <param name="angularUpdate" value="0.436"/>
    <param name="temporalUpdate" value="-1.0"/>
    <param name="resampleThreshold" value="0.5"/>
    <param name="particles" value="80"/>
    <param name="xmin" value="-25.0"/>
    <param name="ymin" value="-25.0"/>
    <param name="xmax" value="25.0"/>
    <param name="ymax" value="25.0"/>

    <param name="delta" value="0.05"/>
    <param name="llsamplerange" value="0.01"/>
    <param name="llsamplestep" value="0.01"/>
    <param name="lasamplerange" value="0.005"/>
    <param name="lasamplestep" value="0.005"/>
    <remap from="scan" to="$(arg scan_topic)"/>
  </node>

• 3）真么多参数，如果直接塞进launch并不美观。所以我们将它放到另一个launch文件内（记得添加<launch>与</launch>标签），然后在car_odom.launch内载入。注意，这个和第五篇教程内的导入控制器参数时，的情况不一样。这次是启动一个节点，内含节点的参数，需要使用.launch后缀。而上次是纯参数，使用.yaml后缀。robot_gmapping.launch.xml就是存放“启动slam节点”代码的文件。

car_odom.launch

<?xml version="1.0"?>
<launch>
    <!--先启动 gazebo 并加载 模型关节消息 -->
    <include file="$(find carpack_control)/launch/car_control.launch" />

    <!-- 获取odom坐标 用户编写的Python文件 -->
    <!--node name="odom_move" pkg="carpack_move" type="odom_move.py"/-->
    <!-- 获取odom坐标 用户编写的Python文件 -->
    <node name="odom_gazebo" pkg="carpack_move" type="odom_gazebo.py"/>
    <!-- 获取odom坐标 用户编写的Python文件 -->
    <node name="odom_imu" pkg="carpack_move" type="odom_imu.py"/>
    <!-- 计算odom误差 用户编写的Python文件 -->
    <node name="odom_text" pkg="carpack_move" type="odom_text.py"/>

    <!-- SLAM Gmapping 建图 -->
    <include file="$(find carpack_move)/launch/include/robot_gmapping.launch.xml" /> 

</launch>

• 4）在看中科院的例程时，我发现launch还可以改成后缀为.launch.xml（文件开头可以不添加<?xml version="1.0"?>） ，且载入方式不变。因为后缀不是.launch，所以不能直接启动。这就实现了必须载入到其他launch才可以使用的情况，避免单独启动时发生错误。这一点在第三篇时就讲过了。 所以最终工程结构是如此。

• 

• 5）编译无误后，启动car_odom.launch和car_rviz.launch文件，建图需要在rviz中完成。如果打开rviz可能看不到Map地图，就是因为没有添加Map地图。在左下角add内找到Map添加即可，添加后左上角选择File -> Save Config保存rviz配置，以便下次打开时也有Map。

• - 6）接下来就是控制按键，走完全程后，地图就建好了。注意别撞墙，不然会建图错误，最后结果可能错位。这部分教程在另一位dalao帖子内也有简述。建图结束后使用指令保存地图（实现准备好文件夹）。最后工程结构如下。

• 注意！如果在建图时出现map地图瞬移一小段位置（视觉表现为一卡一卡的），那其实是因为odom定位偏了，发送了坐标上的跳变。所以小车相对地图的位置发生跳变，又因为地图是靠激光雷达传感器扫描的，如果偏太多时已经扫描过的地方就会和刚扫描的地方对不上，形成错位。（我写的那个odom定位就偏得挺厉害的，最夸张的时候大概能偏一两个格子单位。）

rosrun map_server map_saver -f ~/car_ws/src/carpack_move/map/map_runway

rosrun map_server map_saver -f <路径/文件名>

在ROS下搭建仿真模拟环境，编程控制小车完成定位导航仿真
https://blog.csdn.net/qq_41133375/article/details/106494744

• 
  

• 7）最后，我们打开tf树图和节点图查看一下。对比之前，多了一级map是由/slam_gmapping节点维持的关系。节点图显示了/slam_gmapping节点既向tf树发布消息也订阅tf树，符合预期想法。除了rqt_graph图内显示的4个话题外，/slam_gmapping节点还发布了其他话题和服务。可以通过wiki-ros查询其作用与使用方法。至此slam实践完毕。

• 

2.map_server 提供地图 & amcl 定位

• 0）在编写前，请确认Ubuntu的ros内有没有安装相应的功能包。可以在ros安装目录下寻找搜索有没有相关的关键词的功能包，或是使用安装工具的搜索指令搜索相关软件包。

map_server
https://wiki.ros.org/map_server/
amcl
https://wiki.ros.org/amcl/

• 1）/map_server节点用于提供地图文件。上一节我们已经使用/slam_gmapping完成建图，rviz内的地图也是由/slam_gmapping提供。这是在不知道地图，需要建图的情况下使用的。如果已知地图，则需要使用/map_server节点加载地图，向tf树发送map与odom之间的关系。之前的教程也说过，不能同时发送不同数据同一对象的tf消息给tf树，不然tf坐标关系会发送不连续的跳变。而且/slam_gmapping和/map_server都会提供/map话题，那么订阅该话题的节点则会连续的收到两幅地图，一幅已经建好的map，一幅还没建好的map。表现为rviz内Map一闪一闪的。

car_odom.launch

<!-- Map server 提供地图 -->
<arg name="map_file" default="$(find carpack_move)/map/map_runway.yaml"/>
<node name="map_server" pkg="map_server" type="map_server" args="$(arg map_file)" ns="slam"/>

• 2）amcl功能包是提供定位功能的，在中科院的教程视频中由详细提到，建议去查看。使用方法依旧是开启节点，配置参数。依旧大部分参数都是默认的依旧只需要修改开头的几个参数，分别是激光雷达的消息、 tf 树坐标系的名称，还有小车模型的起始位置。
• 如果你有留意，起始位置都是一样的（废话）。这个是因为这个坐标刚好在起跑线中，没有超过起跑线，所以是比赛要求，如果是自己编程时可以把所有起始坐标改为（0,0,0）。

robot_amcl.launch.xml

<launch>
    <arg name="use_map_topic"   default="True"/>
    <arg name="scan_topic"      default="/scan"/> 
    <arg name="initial_pose_x"  default="-0.5"/>
    <arg name="initial_pose_y"  default="0.0"/>
    <arg name="initial_pose_a"  default="0.0"/>
    <arg name="odom_frame_id"   default="odom"/>
    <arg name="base_frame_id"   default="base_footprint"/>
    <arg name="global_frame_id" default="map"/>

    <node pkg="amcl" type="amcl" name="amcl">
      <param name="use_map_topic"             value="$(arg use_map_topic)"/>
      <!-- Publish scans from best pose at a max of 10 Hz -->
      <param name="odom_model_type"           value="diff"/>
      <param name="odom_alpha5"               value="0.1"/>
      <param name="gui_publish_rate"          value="10.0"/>
      <param name="laser_max_beams"           value="810"/>
      <param name="laser_max_range"           value="-1"/>
      <param name="min_particles"             value="500"/>
      <param name="max_particles"             value="5000"/>
      <param name="kld_err"                   value="0.05"/>
      <param name="kld_z"                     value="0.99"/>
      <param name="odom_alpha1"               value="0.2"/>
      <param name="odom_alpha2"               value="0.2"/>
      <!-- translation std dev, m -->
      <param name="odom_alpha3"               value="0.2"/>
      <param name="odom_alpha4"               value="0.2"/>
      <param name="laser_z_hit"               value="0.5"/>
      <param name="laser_z_short"             value="0.05"/>
      <param name="laser_z_max"               value="0.05"/>
      <param name="laser_z_rand"              value="0.5"/>
      <param name="laser_sigma_hit"           value="0.2"/>
      <param name="laser_lambda_short"        value="0.1"/>
      <param name="laser_model_type"          value="likelihood_field"/>
      <!-- <param name="laser_model_type" value="beam"/> -->
      <param name="laser_likelihood_max_dist" value="2.0"/>
      <param name="update_min_d"              value="0.1"/>
      <param name="update_min_a"              value="0.2"/>
      <param name="odom_frame_id"             value="$(arg odom_frame_id)"/> 
      <param name="base_frame_id"             value="$(arg base_frame_id)"/> 
      <param name="global_frame_id"           value="$(arg global_frame_id)"/>
      <param name="resample_interval"         value="1"/>
      <!-- Increase tolerance because the computer can get quite busy -->
      <param name="transform_tolerance"       value="1.0"/>
      <param name="recovery_alpha_slow"       value="0.0"/>
      <param name="recovery_alpha_fast"       value="0.0"/>
      <param name="initial_pose_x"            value="$(arg initial_pose_x)"/>
      <param name="initial_pose_y"            value="$(arg initial_pose_y)"/>
      <param name="initial_pose_a"            value="$(arg initial_pose_a)"/>
      <remap from="/scan"                     to="$(arg scan_topic)"/>
      <remap from="/tf_static"                to="/tf_static"/>
    </node>
</launch>

• 3）再新建robot_amcl.launch.xml文件存放上列代码。然后，在car_odom.launch内载入。最后工程结构如下。编译 （其实ros不会编译launch文件，所以修改后不编译也可以） 无误后启动launch文件，打开gazebo与rviz，查看效果。

• 
  car_odom.launch

<?xml version="1.0"?>
<launch>
    <!--先启动 gazebo 并加载 模型关节消息 -->
    <include file="$(find carpack_control)/launch/car_control.launch" />

    <!-- 获取odom坐标 用户编写的Python文件 -->
    <!--node name="odom_move" pkg="carpack_move" type="odom_move.py"/-->
    <!-- 获取odom坐标 用户编写的Python文件 -->
    <node name="odom_gazebo" pkg="carpack_move" type="odom_gazebo.py"/>
    <!-- 获取odom坐标 用户编写的Python文件 -->
    <node name="odom_imu" pkg="carpack_move" type="odom_imu.py"/>
    <!-- 计算odom误差 用户编写的Python文件 -->
    <node name="odom_text" pkg="carpack_move" type="odom_text.py"/>

    <!-- SLAM Gmapping 建图 -->
    <!--include file="$(find carpack_move)/launch/include/robot_gmapping.launch.xml" /--> 

    <!-- Map server 提供地图 -->
    <arg name="map_file" default="$(find carpack_move)/map/map_runway.yaml"/>
    <node name="map_server" pkg="map_server" type="map_server" args="$(arg map_file)"/>

    <!-- Localization 定位 -->
    <include file="$(find carpack_move)/launch/include/robot_amcl.launch.xml" />
    
</launch>

• 4）再次打开rviz时，会发现之前完成的map地图已加载进入。我们再打开节点图与tf树图，和之前的对比一下，可以发现tf树内的map与base_footprint关系已经变为由/amcl节点提供，然后在节点图内可以发现/map话题也改为由/map_server节点提供。
• 至此，定位功能已经完成，你可以使用按键操控小车，查看其在rviz 内的运动情况。如果把gazebo比作现实世界，则rviz则是ros世界体现的ros程序内的运行情况。特别是翻车后rviz内依旧会运动，即使这个地图模型已翻天覆地。这是因为odom是通过编码器来计算的，如果轮子空转，那odom坐标就“起飞”了。建议学习者之后尝试使用激光雷达、摄像头等里程计一起计算odom坐标，尽量做到精准。
• 

3.Move base 导航

• 0）咦哟咦哟！终于到这一节了，前面做了一大堆铺垫（加载模型、计算odom、建图、定位等）都是为了这一节。在学习前，依旧需要确认你是否由安装相关的软件包。move_base节点功能是包涵在Navigtion软件包功能内的。我记得我当初安装ros桌面包时这个软件包是没有安装完全，所以跟着北邮学长教程做实验时总是开启不了导航功能。Navigtion是ros最基本的功能之一，请一定要安装完全。Navigtion下还扩展了很多其他小的插件（软件包？），下面教学中用到的几个都要安装。（因为安装途径和方法众多，所以我没有放指令，请自行百度。）

navigation
http://wiki.ros.org/navigation/
ROS 学习篇（八）机器人的导航功能－－navigation
https://blog.csdn.net/tansir94/article/details/83720740

• 1）首先，和slam与amcl一样，建立.launch.xml文件存放内容，然后在启动launch文件中引用。操作完成后工程结构如下。
• 

car_odom.launch

<!-- Move base 导航 -->
<include file="$(find carpack_move)/launch/include/move_base.launch.xml"/>

move_base.launch.xml

<!-- 
    ROS navigation stack with velocity smoother and safety (reactive) controller
-->
<launch>
    <arg name="odom_topic"      default="/odom_topic" />
    <arg name="laser_topic"     default="/scan" />
    <arg name="cmd_vel_name"    default="/motor_output" />

    <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
        <remap from="/odom"            to="$(arg odom_topic)"/>
        <remap from="/scan"            to="$(arg laser_topic)"/> 
        <remap from="/cmd_vel"         to="$(arg cmd_vel_name)"/>
    </node>
</launch>

• 2）目前需要配置的参数只有3个，分别是odom消息的话题，即之前我们编写的/odom_topic话题；激光雷达消息的话题，即由gazebo节点发布的/scan话题；发布控制输出的话题，这个是move_base节点发布的/cmd_vel话题，是根据路径规划的结果返回控制车模的线速度和角速度（或者是角度）。
• /cmd_vel话题发布的msg类型属于geometry_msgs/Twist消息，和之前编写的motor_control控制器节点接受的motor_output话题消息类型一致。可以直接将move_base节点发布的话题/cmd_vel与motor_control节点订阅的话题motor_output相连接。所以值重映射端口，因为节点/软件包内已经写好功能，我们只需要修改个参数就可以了。
• 全部修改完成后，启动gazebo与rviz。查看效果。（基本都是看rviz，gazebo只是展示给外人看的效果，调试还是得看rviz，但是看rviz又得开gazebo。所以2个launch是采取分开的。你也可以修改一下，将gazebo剥离，只开rviz启动调试。）
• - 3）通过节点图可以看到，move_base节点直接向话题发布消息，达到控制小车的目的。节点还发布和订阅了很多他话题，其作用在wiki-ros内有详细说明，其中还讲到很多其他配置参数，我们一会再介绍与配置。先打开rviz，添加一些显示配置。
• 点击左下角的add -> By topic后可以在界面内找到，多了/move_base节点发布的很多内容。我们都加载进rviz，方便我们之后调试实验时查看效果。

move_base
http://wiki.ros.org/move_base

• 
• 4）以下这段属于大概介绍，之后再详细讲解每个所用到的move_base插件。
• /move_base -> /NavfnROS -> /plan这个是全局规划插件发布的话题，全局规划路径。因为我们还没有配置参数，所以使用的是默认的NavfnROS全局规划插件。
• /move_base -> /TrajectoryPlannerROS -> /global_plan这个是局部规划插件发布的话题，跟随全局路径的局部规划路径，而下面那个/local_plan是跟随/global_plan路径的更小一级的局部规划。即模型小车计划下一个所要到达的坐标点，根据这个可以推算出/cmd_vel所需的控制消息。（根据资料的个人理解）
• /move_base -> /current_goal这个是发布的话题，小车导航移动的目标点，和订阅的目标点/move_base_simple话题差不多，两者都比较少用。这2个话题都只会显示静态的，相对于小车坐标的目标点消息 ，我还没找到哪里修改相对于地图坐标，以前试过一次，忘记怎么修改了 。
• /move_base -> /global_costmap分别是/costmap全局代价地图和/footprint设定的小车体积，默认参数是一个小圆圈，绿色显示的。这个是由全局代价地图插件生成的，之后介绍代价地图时再细讲。
• /move_base -> /local_costmap分别是/costmap局部(动态)代价地图和/footprint设定的小车体积，和全局(静态)代价地图那个一样，因为其实两者是加载了同一份默认参数。这个是由全局代价地图插件生成的，之后介绍代价地图时再细讲。
• 还有2个没在上一张截图内的/LaserScan激光雷达消息与/PoseArray（我一直以为这个是move_base发布的，今天一留意才发现原来是是amcl发布的） ，在下拉设置配置里可以选择其显示的是哪个话题的msg消息。
• 最后再把我们最主要的2个坐标系位置加载进rviz，在add -> By display type内寻找Axes添加2次，然后在配置中分别设置为tf树的map与odom。然后就能看到2个飘的很厉害的坐标原点了。在跑的时候可以观察其偏移情况，直接反映了定位效果。
• 所有都设置好后保存rviz配置，然后退出。虽然最后map代价地图好像有点乱，那是因为使用的都默认参数。最后刷新节点就发现多了很多在使用的话题。因为我把未使用和调试相关的节点话题都隐藏了，所以rviz和终端的节点&话题，还有那些只有订阅或是发布的话题都会被隐藏。现在它们都被rviz订阅了，用于显示在rviz内。所以又重新刷新出来了。
• 

4. 配置move_base参数 -> move_base_params

• 1）上面的操作后，剩下就全是配置参数的事了。只要再配置亿点点参数就可以大功告成了。因为参数只有亿点，所以我专门开个新的文件、新的文件夹存放。命名为move_base_params.yaml，然后加载进/move_base。具体操作与工程结构如下。
• 
• （掌握往节点内添加参数文件的方法，之后不会全部展示）

move_base.launch.xml

<launch>
    <arg name="odom_topic"      default="/odom_topic" />
    <arg name="laser_topic"     default="/scan" />
    <arg name="cmd_vel_name"    default="/motor_output" />

    <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
        <rosparam file="$(find carpack_move)/param/move_base_params.yaml" command="load" />
        <remap from="/odom"            to="$(arg odom_topic)"/>
        <remap from="/scan"            to="$(arg laser_topic)"/> 
        <remap from="/cmd_vel"         to="$(arg cmd_vel_name)"/>
    </node>
</launch>

• 2）在新的move_base_params.yaml参数文件内填入以下内容，每个参数的具体含义可以查看以下链接。

Setup and Configuration of the Navigation Stack on a Robot
http://wiki.ros.org/navigation/Tutorials/RobotSetup
move_base参数配置
https://blog.csdn.net/L_smartworld/article/details/88661411
【↑↑↑ 含 move_base 多个插件的参数介绍 ↑↑↑】

move_base_params.yaml

# Move base node parameters. For full documentation of the parameters in this file, please see
#
#  http://www.ros.org/wiki/move_base
#
shutdown_costmaps: false

controller_frequency: 5.0
controller_patience: 2.0


planner_frequency: 10.0  
planner_patience: 10.0

oscillation_timeout: 10.0
oscillation_distance: 0.1

# local planner - default is trajectory rollout
base_local_planner: "teb_local_planner/TebLocalPlannerROS" #"dwa_local_planner/DWAPlannerROS"   #   #dwa_local_planner/DWAPlannerROS

base_global_planner: "global_planner/GlobalPlanner" #alternatives: "navfn/NavfnROS", carrot_planner/CarrotPlanner,

clearing_rotation_allowed: false

#We plan to integrate recovery behaviors for turtlebot but currently those belong to gopher and still have to be adapted.
## recovery behaviors; we avoid spinning, but we need a fall-back replanning

recovery_behavior_enabled: true
max_planning_retries: -1

#recovery_behaviors:
  #- name: 'dwa_local_planner'
    #type: 'dwa_local_planner/DWAPlannerROS'
  #- name: 'conservative_reset1'
    #type: 'clear_costmap_recovery/ClearCostmapRecovery'
  #- name: 'aggressive_reset1'
    #type: 'clear_costmap_recovery/ClearCostmapRecovery'
  #- name: 'clearing_rotation1'
    #type: 'rotate_recovery/RotateRecovery'
  #- name: 'super_conservative_reset2'
    #type: 'clear_costmap_recovery/ClearCostmapRecovery'
  #- name: 'conservative_reset2'
    #type: 'clear_costmap_recovery/ClearCostmapRecovery'
  #- name: 'aggressive_reset2'
    #type: 'clear_costmap_recovery/ClearCostmapRecovery'
  #- name: 'clearing_rotation2'
    #type: 'rotate_recovery/RotateRecovery'

#super_conservative_reset1:
  #reset_distance: 3.0
#conservative_reset1:
  #reset_distance: 1.5
#aggressive_reset1:
  #reset_distance: 0.0
#super_conservative_reset2:
  #reset_distance: 3.0
#conservative_reset2:
  #reset_distance: 1.5
#aggressive_reset2:
  #reset_distance: 0.0

• 3）其中重点需要说明的就是base_local_planner和base_global_planner指定了全局规划器和局部规划器，如果不填写的话就是默认的NavfnROS和TrajectoryPlannerROS。该参数指定的格式：teb_local_planner/TebLocalPlannerROS和global_planner/GlobalPlanner，前面是插件的名字，斜杠后接参数文件的命名空间，即指定加载哪个参数文件。可以根据插件名字在wiki-ros查看相关插件的配置参数

teb_local_planner
http://wiki.ros.org/teb_local_planner
global_planner
http://wiki.ros.org/global_planner

• 还有就是controller_frequency&planner_frequency是关于控制和刷新频率的，（频率虽越快越好，都是实际其他部件的频率其实是由上限的，比如map与odom间定位的刷新频率为20Hz左右，而odom与base_footprint间计算的刷新频率为50Hz左右，对比我平时跑智能车时2ms中断来算频率都有200Hz。）参数的频率设置高了也没关系，只是运行时会报出警告提示：更新频率跟不上。
• 4）完成后启动gazebo与rviz查看效果。在左下角的add -> By topic内查看，可以发现之前的NavfnROS已经变为了GlobalPlanner，表示我们已经成功改变了参数，将全局路径规划器更改为GlobalPlanner。然后把rviz左边显示栏中的其中一个Map -> topic改为/move_base/GlobalPlanner/potential却发现警告错误，提示因为没有指定map。这是我们还没开始配置插件GlobalPlanner的参数，没有给它指定对应的/map话题，即没有提供地图文件。
• 
• 打开节点图也能看到之前的NavfnROS已经变为了GlobalPlanner。（需要在节点图内取消Leaf topic选项才能显示未被使用话题）
• 

5.配置 代价地图 参数 -> costmap_common_params

• 1）在讲路径规划器前还需要先配置代价地图，分别为全局(静态)代价地图global_costmap与局部(动态)代价地图local_costmap，还有通用的代价地图参数costmap_common_params。先分别创建对应的文件和修改.launch.xml文件。

• 

• 2）共有3个参数文件，其中costmap_common_params.yaml为通用参数文件，需要加载2次，然后分别挂载不同的命名空间。(我还没试过分开2个文件，分开配置不同的数据会不会好一点呢？) 然后加载局部(动态)代价地图local_costmap和全局(静态)代价地图global_costmap参数。其实这个加载顺序无影响，因为肯定是全部加载完才运行的 （类似c语言头文件那样？） 。

move_base.launch.xml

<rosparam file="$(find carpack_move)/param/costmap_common_params.yaml" command="load" ns="global_costmap" />
<rosparam file="$(find carpack_move)/param/costmap_common_params.yaml" command="load" ns="local_costmap" />
<rosparam file="$(find carpack_move)/param/local_costmap_params.yaml" command="load" />
<rosparam file="$(find carpack_move)/param/global_costmap_params.yaml" command="load" />

• 3）关于代价地图的参数配置，很主要！最主要的2类参数配置就是代价地图和路径规划。代价地图影响路径规划，路径规划影响小车实际运作 （会不会翻车） 。关于其各个参数的作用可以通过以下链接学习。

【↓↓↓ 非常详细 ↓↓↓】
学习costmap代价地图
https://blog.csdn.net/weixin_42005898/article/details/100051838
costmap_2d
http://wiki.ros.org/costmap_2d/

• 4）以下是costmap_common_params.yaml通用参数文件内容。用于设定3种不同图层的参数，在帖子学习costmap代价地图内由详细说明，推荐先阅读帖子。
• footprint就是小车的大概轮廓。可以参数名表示多边形轮廓。
• obstacle_layer设定障碍地图层，常用。
• inflation_layer设定膨胀地图层，常用。
• static_layer设定静态地图层，常用。注意是否需要修改map话题名字。
• observation_sources参数指订阅的传感器话题，我只用了基本的激光雷达，在之前的节点图中可以看到/move_base还没有订阅/scan话题的，开启并指定话题名称后应该就订阅了。（下文验证）
• obstacle_range参数和raytrace_range参数很重要，在局部(动态)代价地图中会用到这2个参数。

costmap_common_params.yaml

#---standard pioneer footprint---
#---(in meters)---
#footprint: [ [0.254, -0.0508], [0.1778, -0.0508], [0.1778, -0.1778], [-0.1905, -0.1778], [-0.254, 0], [-0.1905, 0.1778], [0.1778, 0.1778], [0.1778, 0.0508], [0.254, 0.0508] ]
footprint: [ [0.30,0.25], [-0.30,0.25], [-0.30,-0.25], [0.30,-0.25] ]

transform_tolerance: 1
map_type: costmap

obstacle_layer:
  enabled: true
  obstacle_range: 8.0
  raytrace_range: 5.0
  inflation_radius: 0.25
  track_unknown_space: false
  combination_method: 1

  observation_sources: laser_scan_sensor
  laser_scan_sensor: 
    data_type: LaserScan
    topic: scan
    marking: true
    clearing: true
    #obstacle_range: 0.2
    #raytrace_range: 8.0
    #inf_is_valid: true
    min_obstacle_height: 0.1
    max_obstacle_height: 0.3

inflation_layer:
  enabled:              true
  cost_scaling_factor:  20  # exponential rate at which the obstacle cost drops off (default: 10)
  inflation_radius:     0.35  # max. distance from an obstacle at which costs are incurred for planning paths.

static_layer:
  enabled:              true
  map_topic:            "/map"

• 5）以下是全局(静态)代价地图的参数文件内容，注意global_frame参数是地图(地图坐标)，相对的robot_base_frame参数为小车底盘坐标。中间跨了一级里程计坐标，比较特殊。
• 重点，plugins内选择加载什么图层。我早期学习时不知道局部(动态)代价地图需要加载obstacle_layer障碍图层，导致无法壁障，因为无法获取动态障碍，只能一直跟随全局路径规划。全局(静态)代价地图就不需要动态障碍图层了（之前试了一下，好像没什么效果就注释掉了）。注意添加的格式，标签type的内容是规定好的，而标签name的内容则是上一个文件——costmap_common_params.yaml内的参数命名空间的名字。不过按照推荐命名规范，应该也能猜到了，就是去掉下划线改大小写的区别。
• 需要注意的就是static_map参数，如果这个参数改成false时，还开启了obstacle_layer图层，则相对于建图效果——在已有的地图上扫描到新的障碍，将新的障碍加进行的地图内——白色自由区域变为障碍。（如果我没记错的话。建议自己实践一下。）

global_costmap_params.yaml

global_costmap:
   global_frame: /map
   robot_base_frame: /base_footprint
   update_frequency: 2.0
   publish_frequency: 0.5
   static_map: true
   rolling_window: false
   transform_tolerance: 0.1
   origin_x: -0.5
   origin_y: 0
   plugins:
     - {name: static_layer,            type: "costmap_2d::StaticLayer"}
     - {name: voxel_layer,             type: "costmap_2d::VoxelLayer"}
     - {name: inflation_layer,         type: "costmap_2d::InflationLayer"}
     #- {name: obstacle_layer,     type: "costmap_2d::ObstacleLayer"}

• 6）以下是局部(动态)代价地图参数配置，注意global_frame参数是里程计坐标，和全局(静态)代价地图的global_frame参数不一样！ 重要，plugins插件参数选择也不一样，局部(动态)代价地图不需要加载static_layer静态图层，需要加载obstacle_layer动态图层。这个至关重要，不然就无法利用obstacle_layer/observation_sources内的激光雷达来动态避障。

local_costmap_params.yaml

local_costmap:
   global_frame: /odom
   robot_base_frame: /base_footprint
   update_frequency: 5.0
   publish_frequency: 5.0
   static_map: false
   rolling_window: true
   width: 7
   height: 7
   resolution: 0.050000
   origin_x: -5.0
   origin_y: 0
   transform_tolerance: 0.1
   plugins:
    - {name: voxel_layer,      type: "costmap_2d::VoxelLayer"}
    - {name: inflation_layer,     type: "costmap_2d::InflationLayer"}
    - {name: obstacle_layer,     type: "costmap_2d::ObstacleLayer"}

• 7）完成好参数的配置后检查launch，无误后就可以启动gazebo与rviz查看实验效果。启动后就可以发现，之前局部代价地图（那个白色半透明矩形框）是在小车左上角的，配置好参数后位于小车中心了。还有全局代价地图也显示出来了，半透明黑色。因为加载了膨胀图层，沿边界膨胀了一圈。
• 然后点击rviz上方工具栏内的2D New Goal，为move_base添加一个全局路径规划的目标点。这个操作相当于往/move_base_simple/goal话题发送了一个一次消息。用户可以写一个.py文件，往/move_base_simple/goal话题发送目标点，坐到持续导航。这种功能一般用于探索未知区域，没有正在的目标点只能手动一步步探索。
• 
• 8）给了目标点后，全局路径规划与局部路径规划就开始干活了，即是我还没配置参数，它自己本身也有默认参数。/move_base节点也按预期设定好的发送控制消息，小车动起来啦！能看到小车跟着局部路径规划、全局路径规划行走。看不到下图的绿线效果（路径规划），是因为没有设置好显示对象。之前我们添加配置时选择的是默认的路径规划器生成的话题。改了move_base_params.yaml内的base_global_planner参数后，话题名称变了，所以要手动修改。修改完后别忘记保存rviz配置。在下拉的设置里除了可以修改显示的对象，还可以修改显示的颜色、粗细等，请积极探索。
• 另外我想看看不修改路径规划器 能不能跑完全程，没想到第一个拐弯就卡主了。也可能是因为我代价地图的参数调得太离谱了。这些参数都是我比赛时用的参数。
• 
• 9）查看节点图可以发现，/move_base已经订阅了激光雷达的话题，这是因为局部(动态)代价地图添加 obstacle_layer障碍层插件，该插件内订阅了/scan话题。
• 
• 10）最后再说一句，你可能会看到一大堆警告。翻译后可以得知就是因为频率不满足要求 （居然花了1秒多，我电脑又卡 ） 。你可能还会看到他警告，比如有过不了的障碍、翻车时，路径规划器都会发出警告，甚至错误。别慌，先翻译看看是工程问题，还是参数问题。
• 

6. 配置 全局路径规划器 参数 -> global_planner_params

• 0）可能有人会疑惑：NavfnROS插件与GlobalPlanner插件有什么不同。其实我也不是很清楚……在中科院的教程中只简单说明GlobalPlanner插件比较常用。在下面的帖子中有较详细的解释说明，可以参考一下。

ROS: global_planner 整体解析
https://blog.csdn.net/heyijia0327/article/details/45030929
global_planner
http://wiki.ros.org/global_planner

• 1）创建新的global_planner_params.yaml参数文件，并将参数文件加载进/move_base节点内。最后工程结果如下。
• 

move_base.launch.xml

<rosparam file="$(find carpack_move)/param/global_planner_params.yaml" command="load" />

• 2）将下列参数内容复制粘贴。查找每个参数的具体作用还是wiki-ros最好用，你会发现大部分帖子都是照搬翻译wiki-ros的内容而已。配置好后就可以直接启动gazebo与rviz查看效果了。全局路径规划参数影响不大，只要不太贴边就可以了，定位不准还贴边走，随时翻车；其次就是如果开了use_grid_path沿网格走就直接全局路径生成失败，因为赛道太小，不能沿网格走。

global_planner_params.yaml

GlobalPlanner:                                  # Also see: http://wiki.ros.org/global_planner
  old_navfn_behavior: false                     # Exactly mirror behavior of navfn, use defaults for other boolean parameters, default false
  use_quadratic: true                           # Use the quadratic approximation of the potential. Otherwise, use a simpler calculation, default true
  use_dijkstra: true                            # Use dijkstra's algorithm. Otherwise, A*, default true
  use_grid_path: false                          # Create a path that follows the grid boundaries. Otherwise, use a gradient descent method, default false
  
  allow_unknown: false                           # Allow planner to plan through unknown space, default true
                                                #Needs to have track_unknown_space: true in the obstacle / voxel layer (in costmap_commons_param) to work
  planner_window_x: 0.0                         # default 0.0
  planner_window_y: 0.0                         # default 0.0
  default_tolerance: 1.0                        # If goal in obstacle, plan to the closest point in radius default_tolerance, default 0.0
  
  publish_scale: 100                            # Scale by which the published potential gets multiplied, default 100
  planner_costmap_publish_frequency: 0.0        # default 0.0
  
  lethal_cost: 200                              # default 253
  neutral_cost: 50                              # default 50
  cost_factor: 1.0                              # Factor to multiply each cost from costmap by, default 3.0
  publish_potential: true                       # Publish Potential Costmap (this is not like the navfn pointcloud2 potential), default true
  
  visualize_potential: true

• 3）启动成功，再给一次目标点试试看。结果……还是第一个弯道卡主了。而且配置完全局路径规划器的参数后好像没什么变化。表示默认参数就差不多够用了……
• 

7. 配置 局部路径规划器 参数 -> teb_local_planner_params

• 0）关于teb_local_planner_params规划器与dwa_local_planner_params规划器的区别我也不太清楚，另一位参赛大佬写过调参心得，各位可以参考一下。
• 其中有一点至关重要！ 关于weight_optimaltime参数的，这个参数决定了局部路径规划与全局路径规划的贴合程度。如果……如果这个参数过大（默认为1，我设置0.2）就无法避障，因为大多数障碍都是放在全局路径规划上的，如果局部规划和全局规划太贴合就也会直接穿过障碍。
• 全局路径只是提供大概方向，局部路径规划才是真正控制小车的路径。局部规划会根据全局规划和局部(动态)代价地图（的障碍图层），规划出小车可以行走的路线，然后将控制消息发送至话题。

智能车竞赛——TEB轨迹规划算法的参数调试
https://www.guyuehome.com/9811

• 1）新建参数文件，修改.launch.xml文件。如下。
• 

<rosparam file="$(find carpack_move)/param/teb_local_planner_params.yaml" command="load" />

• 2）将下列参数复制粘贴。完成后就可以直接启动gazebo和rviz看看效果。因为参数我都配置好了。赶紧在终点给个目标点，然后，终于可以过第一个弯了。慢慢观察，不出意外的话是能跑完全程的。至此，本系列就差不多结束了。
• 【什么？我还没讲解每个参数的作用？请看后面的总结 （废话） 】
• - 3）你可能会看到终端由以下错误提示。这就是全局路径丢失的错误，如果局部路径丢失的话只报警告。如果长期全局路径丢失就会终止导航任务。这个时间间隔可以在move_base参数列表修改。
• 
• 4）避障实验，请手动在gazebo内添加障碍，具体方法北邮学长的教程中也有。如果避障效果不好，请考虑修改参数和，在motor_control.py关节控制器文件内添加一些判断 ，然后强行撞过去 。就当做最后的实践内容，其实应该能直接避障，因为之前教程中编写的motor_control.py关节控制器很慢，直接减小 odom里程计坐标系漂移程度，定位更加准，就能慢慢挪过去了。

智能车仿真 —— 2020室外光电组仿真指导（一）
https://blog.csdn.net/qq_37668436/article/details/107142166

• 5）最后展示move_base.launch.xml文件内容。其中多了base_frame_id等坐标名字的参数定义，按照推荐操作是：在启动节点时对参数文件内的frame_id相关参数重新定义，方便移植和避免错误。比如有些不同文件需要同一个值的参数，如果不小心只修改了一遍就报错了。在我的工程中其实由很多我自己加添加的命名空间，在做教程时都去掉了。详细内容可以到git下载我的工程查看。

move_base.launch.xml

<!-- 
    ROS navigation stack with velocity smoother and safety (reactive) controller
-->
<launch>
    
    <arg name="base_frame_id"   default="base_footprint"/>
    <arg name="odom_frame_id"   default="odom"/>
    <arg name="global_frame_id" default="map"/>
    <arg name="odom_topic"      default="/odom_topic" />
    <arg name="laser_topic"     default="/scan" />
    <arg name="cmd_vel_name"    default="/motor_output" />

    <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
        <rosparam file="$(find carpack_move)/param/move_base_params.yaml" command="load" />
        <rosparam file="$(find carpack_move)/param/costmap_common_params.yaml" command="load" ns="global_costmap" />
        <rosparam file="$(find carpack_move)/param/costmap_common_params.yaml" command="load" ns="local_costmap" />
        <rosparam file="$(find carpack_move)/param/local_costmap_params.yaml" command="load" />
        <rosparam file="$(find carpack_move)/param/global_costmap_params.yaml" command="load" />
        <rosparam file="$(find carpack_move)/param/global_planner_params.yaml" command="load" />
        <rosparam file="$(find carpack_move)/param/teb_local_planner_params.yaml" command="load" />
        <!--rosparam file="$(find carpack_move)/param/dwa_local_planner_params.yaml" command="load" />
        <rosparam file="$(find carpack_move)/param/navfn_global_planner_params.yaml" command="load" /-->
        
        <!-- reset frame_id parameters using user input data -->
        <param name="global_costmap/global_frame" value="$(arg global_frame_id)"/>
        <param name="global_costmap/robot_base_frame" value="$(arg base_frame_id)"/>
        <param name="local_costmap/global_frame" value="$(arg odom_frame_id)"/>
        <param name="local_costmap/robot_base_frame" value="$(arg base_frame_id)"/>
        <param name="DWAPlannerROS/global_frame_id" value="$(arg odom_frame_id)"/>
        <param name="TebLocalPlannerROS/odom_topic" value="$(arg odom_topic)"/>

        <remap from="/odom"            to="$(arg odom_topic)"/>
        <remap from="/scan"            to="$(arg laser_topic)"/> 
        <remap from="/cmd_vel"         to="$(arg cmd_vel_name)"/>
    </node>
</launch>

• 还有另外2个路径规划器的参数文件，可以自行尝试对比导航效果，在wiki-ros查找参数含义。

navfn_global_planner_params.yaml

NavfnROS:
  visualize_potential: false    #Publish potential for rviz as pointcloud2, not really helpful, default false
  allow_unknown: true          #Specifies whether or not to allow navfn to create plans that traverse unknown space, default true
                                #Needs to have track_unknown_space: true in the obstacle / voxel layer (in costmap_commons_param) to work
  planner_window_x: 0.0         #Specifies the x size of an optional window to restrict the planner to, default 0.0
  planner_window_y: 0.0         #Specifies the y size of an optional window to restrict the planner to, default 0.0
  
  default_tolerance: 0.0        #If the goal is in an obstacle, the planer will plan to the nearest point in the radius of default_tolerance, default 0.0
                                #The area is always searched, so could be slow for big values

dwa_local_planner_params.yaml

DWAPlannerROS:

# Robot Configuration Parameters
  max_vel_x: 0.5
  min_vel_x: 0

  max_vel_y: 0.0
  min_vel_y: 0.0

  # The velocity when robot is moving in a straight line
  max_trans_vel:  0.55
  min_trans_vel:  0.1
  trans_stopped_vel: 0.1

  max_rot_vel: 5.0
  min_rot_vel: 0.8
  rot_stopped_vel: 0.8

  acc_lim_x: 1.0
  acc_lim_theta: 2.0
  acc_lim_y: 0.0

# Goal Tolerance Parametes
  yaw_goal_tolerance: 0.3
  xy_goal_tolerance: 0.15
  latch_xy_goal_tolerance: false

# Forward Simulation Parameters
  sim_time: 0.5
  sim_granularity: 0.025
  vx_samples: 20
  vy_samples: 0
  vtheta_samples: 40

# Trajectory Scoring Parameters
  path_distance_bias: 32.0
  goal_distance_bias: 24.0
  occdist_scale: 0.1
  forward_point_distance: 0.325
  stop_time_buffer: 0.2
  scaling_speed: 0.25
  max_scaling_factor: 0.2

# Oscillation Prevention Parameters
  oscillation_reset_dist: 0.05

# Debugging
  publish_traj_pc : true
  publish_cost_grid_pc: true
  global_frame_id: odom

8.总结

• 0）至此这个系列教程就暂时告一段落了（2020年08月13日）；比完赛（2020年08月1日）后就开始写，中间因为在Ubuntu20.04实验失败中断几天，之后由在Ubuntu16.04继续实验，现在终于完成了（2020年08月13日）。算是完成了一个小小的心愿 ，我只是个仿真预赛都没有完赛的菜鸡小白。赛前”慢悠悠“准备十几天，比赛时间10分钟发车3次（第0次按错了），第三次跑到一半时间就到了。即使第三次跑完了，花了3分钟。被志愿者裁判宣布成绩无效，中间比赛还要忍受在线会议内其他人的讨论：”好慢“。那叫，还不算太惨…… 。
• 1）根据参赛大佬的帖子，关节控制器的速度给大，调整controller_racecar.yaml关节控制器参数文件的PID解锁最大速度；然后再细调一下，就能达到40s左右的时间。这成绩是应该能进线下国赛了。这就意味着，今年，学完这个教程，知道怎么建立ros仿真小车工程后，再花几天时间就调局部路径规划器的参数，就能获得”全国智能车汽车竞赛“创意组别——ros组的国赛成绩！…… 才怪呢！ 大概……因为线下赛是需要真车模，而且跑完全程，如果是第一次参赛可能还是悬。（2020年08月13日）

智能车竞赛——ROS组仿真篇
https://www.guyuehome.com/9697

• 2）之后如果还有学到新的ros知识或是需要补充的知识，会修改和补充这个系列教程。同时欢迎各位大佬指点错误。我都会虚心接受和立马修改更正 ，前提当然是你提出来问题，而不是单纯的骂 。O(∩_∩)O谢谢

《 个人空间 》
https://blog.csdn.net/Lovely_him

/*********目录*********/

• 教程 Re:Zero ROS （七/完）
• —— 建图&定位&导航 - 代价地图&路径规划
• • 1. slam_gmapping 建图
  • 2.map_server 提供地图 & amcl 定位
  • 3.Move base 导航
  • 4. 配置move_base参数 -> move_base_params
  • 5.配置 代价地图 参数 -> costmap_common_params
  • 6. 配置 全局路径规划器 参数 -> global_planner_params
  • 7. 配置 局部路径规划器 参数 -> teb_local_planner_params
  • 8.总结