规划器之base_local_planner算法汇总

global_planner:

A*、Dijstra、prm、人工势场、单元分解、快速搜索树（RRT）等

local_planner:

base_local_planner、dwa_local_planner、teb_local_planner、eband_local_planner、asr_ftc_local_planner、dwb_local_planner

---------------------------------------------------------------------------------------------------------------------------------------

1.base_local_planner(或者TrajectoryPlannerROS)

base_local_planner::TrajectoryPlannerROS对象是base_local_planner::TrajectoryPlanner对象的ROS封装，在初始化时指定的ROS命名空间使用，继承了nav_core::BaseLocalPlanner接口。它是move_base默认的局部规划包。该软件包提供了对平面上本地机器人导航的轨迹展开和动态窗口方法的实现。根据计划遵循和成本图，控制器生成速度命令以发送到移动基站。该软件包支持完整和非完整机器人，可以表示为凸多边形或圆形的任何机器人足迹，并将其配置公开为可在启动文件中设置的ROS参数。此包的ROS包装器遵循nav_core包中指定的BaseLocalPlanner接口。与dwa_local_planner思路接近。

唯一区别是DWA与“TrajectoryPlanner”的不同之处在于如何对机器人的控制空间进行采样。在给定机器人的加速度极限的情况下，TrajectoryPlanner在整个前向模拟周期内从可实现的速度集合中进行采样，而DWA在给定机器人的加速度极限的情况下仅针对一个模拟步骤从可实现的速度集合中进行采样。在实践中，我们发现DWA和轨迹展示在我们的所有测试中都具有相同的性能，并建议使用DWA来提高效率，因为其样本空间更少。

2.dwa_local_planner

dwa_local_planner::DWAPlannerROS对象是dwa_local_planner::DWAPlanner对象的ROS封装，在初始化时指定的ROS命名空间使用，继承了nav_core::BaseLocalPlanner接口。

dwa_local_planner包提供了一个控制器，用于驱动在所述平面上的移动基座。该控制器用于将路径规划器连接到机器人。使用地图，规划器为机器人创建从一个起点到目标位置的运动轨迹。在此过程中，计划员至少在机器人周围创建一个值函数，表示为网格图。该值函数编码遍历网格单元的成本。控制器的工作是使用此值函数来确定要发送给机器人的dx，dy，dtheta速度。

动态窗口方法（DWA）算法的基本思想如下：

在机器人的控制空间（dx，dy，dtheta）中进行离散采样

对于每个采样速度，从机器人的当前状态执行正向模拟，以预测如果采样速度在某个（短）时间段内应用会发生什么。

评估（得分）由前向模拟产生的每个轨迹，使用包含以下特征的度量：接近障碍物，接近目标，接近全局路径和速度。丢弃非法轨迹（与障碍物碰撞的轨迹）。

选择得分最高的轨迹并将相关的速度发送到移动底盘。

冲洗并重复。

 

3.teb_local_planner（本质是插件）

teb_local_planner则是2D导航堆栈的base_local_planner的插件。实现了一个在线优化的本地轨迹规划器，用于导航和控制移动机器人，作为ROS 导航包的插件。全局规划器生成的初始轨迹在运行时期间进行优化，最小化轨迹执行时间（时间最优目标）， 与障碍物分离并符合动力学约束，例如满足最大速度和加速度。当前的实施符合非完整机器人（差动驱动和类似汽车的机器人）的运动学。自Kinetic以来，包括对完整机器人的支持。

通过求解稀疏的标量化多目标优化问题，可以有效地获得最优轨迹。用户可以为优化问题提供权重，以便在目标冲突的情况下指定行为。

 

4.eband_local_planner（本质是插件）

 eband_local_planner实现了base_local_planner的插件。它在SE2流形上实现了弹性带方法。

      此ROS move_base本地规划器的原始实现仅支持全向（完整）机器人。

      修改了当前版本以与差分驱动器一起使用。将differential_drive设置为false以启用横向/完整运动，但该模式已经过很长时间的测试，应该被认为是实验性的。

     在到达目标位置和目标之前计算速度时，差动驱动机器人可以处于三种动作之一：

    1：机器人在目标位置的横向公差（xy_goal_tolerance）内，并且在适当位置旋转以达到目标方向。

    2：机器人在目标位置的横向公差之外，则必须朝向目标移动。给定机器人的方向以及弹性带中下一个点的方向，机器人首先计算这两个位置之间的差异。如果该差值小于参数rotation_threshold_multiplier，则机器人执行线性和角速度分量以朝向频带中的下一个点弧。一旦机器人靠近目标位置，使得到目标的x和y距离小于0.6 * xy_goal_tolerance，然后进入步骤1.这里选择0.6，因为机器人在开始之前接近目标而不是公差要求最后一个转弯，因为最后一个转弯可能会导致机器人稍微偏离位置。

     3：如果在前一步骤中计算的差值大于参数rotation_threshold_multiplier，则机器人就位，直到差值变小，并且机器人可以执行动作2。

 

5.asr_ftc_local_planner

该软件包提供了 "Follow the Carrot" 算法的实现，以便在平面上进行本地机器人导航。根据全局规划器和成本图，局部规划生成速度命令以发送到移动平台。此规划器的参数也可动态重新配置。此包实现本地计划程序的asr_nav_core接口（而不是nav_core）。为此，必须调整标准的move_base和nav_core（查看kapitel 3.1 Needed Packages）。

“追随胡萝卜”刨床试图尽可能准确地遵循全球计划。根据全球计划，它计算速度命令以达到该计划中的某个点。因为它使用全球计划来绕过计划需要不断更新的障碍。

相位分解，在设定新目标后，规划器将其分解为三个相位：

1.当场旋转到全局规划方向。

2.驶向目标。

3.当场旋转到目标方向。

优点

• 快速驾驶：机器人尽可能快地达到最大速度。
• 参数很少：只能设置11个参数。
• 几个混蛋：机器人试图以最大速度不断开车。
• 对于小房间：机器人密切关注全局计划，没有循环（如dwa_local_planner）。因此它可以在小房间内无碰撞地行驶。
• 通过全球计划驱动障碍：保证找到解决障碍的方法。
• 处理时间短

限制

• 仅适用于圆形机器人。
• 只有差动驱动机器人。
• 仅向前驱动（而不是向后）。

 

6.dwb_local_planner

     这个本地规划器实现重写并扩展了dwa_local_planner它的功能，因此它在逻辑上被称为dwb_local_planner。目标是通过pluginlib或直接扩展实现类，使尽可能多的部分功能可自定义。

    当地规划人员的目标是采用全球计划和本地成本图，并产生命令速度，这可能会使机器人移动到目标。dwa和dwb都通过采样来做到这一点，即生成合理的速度命令并在各种度量上评估它们并选择具有最佳得分的命令，直到机器人达到其目标。

    评估的形式至关重要。假设我们正在评估给定的命令，看它是否与costmap中的任何障碍物发生碰撞。关键问题是机器人将使用命令驱动的位置。为此，您需要知道机器人的位置和速度，此外还需要考虑机器人的运动学。为此，我们不是单独评估速度，而是评估不仅包含速度的轨迹，而且包含一些我们预期机器人可以驱动的样本姿势的数组。

    导航堆栈仅能够在2.5尺寸导航（即X，Y和θ），因此大多数的接口处理的geometry_msgs/Pose2D和nav_2d_msgs/Twist2D，而不是更普通的Pose和Twist。

 

参考文献：

1.base_local_planner(或者TrajectoryPlannerROS)

2.dwa_local_planner

3.teb_local_planner

4.eband_local_planner

5.asr_ftc_local_planner

6.dwb_local_planner

7.路径规划算法 总结

8.local_planner比较 学习笔记（一）