ROS Navigation相关

建图

定位

导航

地图

全局规划

关于全局规划，默认插件有两个可选项，globle_planner

局部规划

在ROS中经常使用的局部规划器，有base_local_planner和dwa_local_planner，两者之间有什么区别，引用ROS answers中一个回答。如果简单来看，两者属并列关系，其实就是选择使用TrajectoryPlannerROS还是DWAPlannerROS，下边插件的引入应该是再熟悉不过了，注意看前缀，一个是dwa_local_planner/DWAPlannerROS，另一个是base_local_planner/TrajectoryPlannerROS所以是两个完全没有主从关系的，其中base_local_planner也是包含dwa选项的，不过通常还是使用独立的DWA模块。

  <arg name="base_local_planner" default="dwa_local_planner/DWAPlannerROS"/>
  <arg name="base_local_planner" default="base_local_planner/TrajectoryPlannerROS"/>

TrajectoryPlannerROS

关于两个规划器，DWAPlanner相对来说是更加细致，参数更多，也更加敏感，所以也相对更加难调，TrajectoryPlanner我会在什么时候用呢，有项目急着交，DWA又跑不出好的效果，换上立马就能跑，但是很多细节还是不够理想，推荐还是使用DWA，接下来会对DWA的参数介绍，以及一些实际调试过程中总结的经验。

DWAPlannerROS

目前只针对差动结构的移动机器人进行总结，全向轮可类比经验，接下来有点干～

1. 参数表：
   熟记都有哪些参数可调。

  acc_lim_x: 1.5                #x方向的加速度极限，单位为 meters/sec^2 (double, default: 2.5)
  acc_lim_y: 2.5                #                                  (double, default: 2.5)
  acc_lim_th: 2.4               #角加速度极限，单位为 radians/sec^2 (double, default: 3.2)

#The velocity when robot is moving in a straight line
  max_vel_trans: 0.35           #机器人最大平移速度的绝对值 (double, default: 0.55)
  min_vel_trans: 0.01           #                       (double, default: 0.1)
  max_vel_theta: 0.8            #最大角速度的绝对值，单位为 rad/s (double, default: 1.0)
  min_vel_theta: 0.15           #                             (double, default: 0.4)

#Robot Configuration Parameters
  max_vel_x: 0.35               #机器人在x方向的速度极限，单位为 meters/sec^2 (double, default: 0.55)
  min_vel_x: -0.05               #                                        (double, default: 0.0)

  max_vel_y: 0.1                #                                          (double, default: 0.1)
  min_vel_y: -0.1               #                                          (double, default: -0.1)

#Goal Tolerance Parametes 
  yaw_goal_tolerance: 0.03      #(double, default: 0.05)
  xy_goal_tolerance: 0.07       #(double, default: 0.10)
  latch_xy_goal_tolerance: true #如果锁定目标公差且机器人到达目标xy位置，机器人将简单地旋转到位，即使它在目标公差的范围内结束。
                                 #(bool, default: false)
#Forward Simulation Parameters
  sim_time: 1.7                 #给定轨迹上的点之间的间隔尺寸，单位为 meters (double, default: 1.7)
  sim_granularity: 0.025        # (double, default: 0.025)
  vx_samples: 3                 #样本数 (integer, default: 3)
  vy_samples: 10                 #(integer, default: 10)
  vth_samples: 20               #角速度的样本数 (integer, default: 20)
  controller_frequency: 20.0    #调用该控制器的频率 (double, default: 20.0)

#Trajectory Scoring Parameters
  path_distance_bias: 32.0      #控制器靠近给定路径的权重 (double, default: 32.0)
  goal_distance_bias: 24.0      # 控制器尝试达到其本地目标and控制着速度的权重。(double, default: 24.0)
  occdist_scale: 0.01           #控制器尝试避免障碍物的权重 (double, default: 0.01)
  forward_point_distance: 0.325 #从机器人中心点到另一个得分点的距离 (double, default: 0.325)
  stop_time_buffer: 0.2         #机器人在碰撞前必须停止的时间 (double, default: 0.2)
  scaling_speed: 0.25           #缩放机器人足迹的速度的绝对值，单位为m/s (double, default: 0.25)
  max_scaling_factor: 0.2       #缩放机器人足迹的最大因子 (double, default: 0.2)
  publish_cost_grid: false      # (bool, default: false)

#Oscillation Prevention Parameters
  oscillation_reset_dist: 0.05  #机器人必须运动多少米远后才能复位震荡标记 (double, default: 0.05)

#Debugging
  publish_traj_pc : true        #将规划的轨迹在RVIZ上进行可视化
  publish_cost_grid_pc: true    #将代价值进行可视化显示 (bool, default: false)
  #是否发布规划器在规划路径时的代价网格.如果设置为true,那么就会在~/cost_cloud话题上发布sensor_msgs/PointCloud2类型消息

2. 估计应用场景中需要的相关速度值
   最大速度：
   首先把max_vel_trans、max_vel_x、max_vel_theta三个速度最大值减小，角速度通常在1.0左右，平移速度与x方向速度设置相同在0.5左右，根据不同的最大速度，将加速度最大值减小，合适的加速度还和机器人的驱动密切相关，加速能力，控制周期等，不过加速度控制在大概范围就好，初步调试中相对保守的速度值，可以有效避免飞车，碰撞，毕竟机器人还是很贵的。其次平移加速度与旋转加速度的比例也会影响导航避障的表现
   最小速度：
   (1)首先min_vel_trans这个参数，它的默认速度是0.1，再通过实际表现会发现，一个较小的最小平移速度是必须的，具体它会影响低速行驶的状态，尤其是到达目标点时，最小速度过大会导致越过目标点，始终无法到达，建议可以尝试在0-0.1之间寻找合适的大小。
   (2) min_vel_x，这个参数巧妙的地方在于，是否要有负值，也就是是否允许倒车，实际使用中过高的倒车速度是极其诡异的，并且通常机器人的激光传感器都不是360度，无法避开后边的障碍物，使用过得机器人唯有turtlebot3是设置了一定的负值的，那是不是设置为0就可以，当然。但是在我的调参过程中发现，机器人在180度左右的转向，且两侧障碍物状况类似时，会出现左右摆动无法选择方向的问题，一度无解，偶然情况下我设置了0.05的后退速度，发现每次转弯会先往后退一点，然后转向也变得很好了，或许这就是玄学吧～
   (3)min_vel_theta，这个参数没有那么多道道，就是找一个相对较小的值就可以了，一般0.1、0.2都可以，默认0.4会导致最小速度过大过大，无法准确到达目标点。
   对于全向轮底盘，还需要考虑y方向的速度、加速、采样等。
3. 目标误差
   xy方向与角度允许的误差，这个就根据自己机器人大概的精度设置就可以，多试几次就可以
   latch_xy_goal_tolerance：锁定目标，这个参数可以理解为如果机器人确定自己到达那个位置点（具体指，如base_footprint与目标点坐标在误差范围对齐了），但是方向还不对，如果设置为true，这时候就可以原地旋转到达目标角度，及时产生位置上的误差就不再移动。我一般是都设置为true，具体看机器人实际表现吧。
4. 向前仿真
   这部分是非常重要的一部分
   sim_time：仿真时间，local planner会按频率向前预测，具体计算时间跟机器人上位机性能有关系，不同时间会发现预测的距离也不同了，时间越长预测距离越远，但是对障碍物的躲避变得不灵活，默认1.7，在实验中我设置到了2.0，表现还不错
   三个方向采样数量：对于不同性能的上位机，能够高速计算的点数量有区别，在大多数机器人实验中，x方向默认3表现良好，增大后主要表现为速度变化更加频繁细腻，但是整体速度相对会降低，所以我更倾向相比小一些的x值；同样对于差动轮底盘，有无y方向采样值表现并不明显；旋转采样通常设置默认表现良好
   controller_frequency：控制器频率，关于这个参数，我在不同机器人上使用了不同的参数，较高大概就是10-20，低的时候5，有些机器人使用高频率会导致机器人限制在非常低的移动速度，如果运算性能不够还会导致卡顿现象，具体可能与机器人驱动控制频率等也有关系，目前还未找到具体原因，后续更新记录
5. 轨迹打分
   这部分只调整三个参数

   cost =  path_distance_bias * (distance to path from the endpoint of the trajectory in meters) 
   + goal_distance_bias * (distance to local goal from the endpoint of the trajectory in meters) 
   + occdist_scale * (maximum obstacle cost along the trajectory in obstacle cost (0-254)
   

   path_distance_bias：控制器尝试到达给定轨迹的权重
   goal_distance_bias： 控制器尝试到达本地目标点的权重，同时控制速度
   occdist_scale：控制器尝试避开障碍物的权重
   多数情况下可以保持默认，观察规划出的路径，若机器人出现移动轨迹与规划轨迹、理想轨迹差别较大，同时出现避障困难等情况，可以适当调整，避障权重过大会导致路径规困难，容易出现卡顿，陷入较窄区域等问题

move_base

recovery_behaviors: true     # 是否允许恢复行为，恢复行为为原地旋转
shutdown_costmaps: false     # 当move_base进入inactive状态时候，决定是否停用节点的costmap (bool, default: false)
controller_frequency: 20.0   # 以Hz为单位的速率运行控制循环并向基座发送速度命令 (double, default: 20.0)
planner_patience: 5.0        # 在空间清理操作执行前，路径规划器等待多长时间（秒）用来找出一个有效规划 (double, default: 5.0)
controller_patience: 20.0    # 在空间清理操作执行前，控制器会等待多长时间（秒）用来找出一个有效控制  (double, default: 15.0)
conservative_reset_dist: 3.0 # 当在地图中清理出空间时候，距离机器人几米远的障碍将会从costmap清除  (double, default: 3.0)
planner_frequency: 5.0       # 全局路径规划器loop速率 (double, default: 0.0)
oscillation_timeout: 10.0    # 执行修复操作之前，允许的震荡时间是几秒  (double, default: 0.0)
oscillation_distance: 0.2    # 机器人需要移动多少距离才算作没有震荡 (double, default: 0.5)

recovery_behaviors：通常根据机器人形状，以及使用的场景是否宽阔来考虑是否允许原地旋转的恢复行为，有时候不规则机器人靠近墙做恢复行为是比较危险的，容易发生碰撞，相比圆形机器人不会有这个问题
controller_frequency：与之前的控制频率是同一个，不在同一层级，这个更高，设置这个即可
planner_frequency：全局路径规划器更新频率，当机器在避障表现较好时，设置一个小频率，可以锦上添花，如果本身local问题很大，再一直更新global路径，会出现离原先最优路径越来越远，直到陷入局部障碍物陷阱
conservative_reset_dist：实验中发现局部地图经常会有移动障碍物遗留，并且不会去除，只有在移动后才能清除，部分只能在恢复行为后清除，所以有一个插件是专门用来做local障碍物清除的
剩余参数用于无法行动之后的恢复行为，震荡表示机器人在很短的距离反复运动，可以设置距离、时间来判断是否为震荡以及多久后执行恢复操作
关于空间清理我还得再研究研究～