【ROS】ros导航navigation模块学习

物竞天择，优胜劣汰；苟不自新，何以获存。——梁启超

1. ros导航

ros机器人有个导航功能，类似自动驾驶车辆的规控部分，即根据地图（上一部分）和感知信息，获取自身定位，并规划出到达目的地的最优路径，并将指令发布出去。

ROS的导航是指ROS机器人在环境中行驶的过程。ROS中通常使用AMCL (自适应蒙特卡罗定位器)来定位机器人，并使用Costmap和全局规划算法进行路径规划。以下是ROS导航的主要组件：

1. 传感器：机器人需要安装适当的传感器，如激光雷达、摄像头、IMU等，以获取环境信息。
2. 地图构建：机器人需要在运动区域内扫描环境以生成地图。可以使用激光雷达和SLAM算法来构建地图。
3. 定位：机器人需要通过传感器数据融合（激光雷达、IMU等），实现定位。ROS中提供了AMCL算法，通过数据融合实现机器人的定位。
4. 路径规划：机器人需要在已构建好的地图上规划一条到达目标点的路径。ROS中提供了全局规划算法（如Dijkstra、A*等）来实现路径规划。
5. 路径跟踪：机器人需要在规划好的路径上运动，同时需要对障碍物进行避让。ROS中提供了局部路径规划算法（如DWA、EBF等）来实现路径跟踪。
6. 运动控制：机器人需要执行速度和方向控制，以沿着已规划好的路径行进。ROS中的navigation stack提供了运动控制的接口和API。

地图构建的部分在上一节slam已经提过，这一节主要是定位和规控。

2. 2d导航

2d导航常用算法有：

1. Dijkstra算法：基于图论的寻路算法，用于寻找两点之间的最短路径。它从起点开始，一步一步地向外扩张，直到扩张到目标点为止。
2. A*算法：是一种基于评估函数的启发式寻路算法，能够更加高效地搜索到最短路径。它通过估算从当前节点到目标节点的路径长度，来决定下一步走哪条路径。
3. DWA算法：是一种基于反馈控制的运动规划算法，能够实时计算出机器人在当前环境中的最优轨迹。它通过不断调整机器人的速度和方向，以适应环境的变化和机器人的约束条件。
4. EBF算法：是一种基于经验贝叶斯优化的路径规划算法，能够较好地处理环境的动态变化和非凸障碍物。它通过不断优化半高程地图，以减少轨迹的运动成本。
5. AMCL算法：AMCL算法是一种自适应蒙特卡洛定位算法，可用于3D导航中的机器人位置估计。与2D导航不同的是，AMCL需要融合多种传感器数据，如激光雷达、IMU、RGB-D相机等，实现机器人位置的高精度估计。
6. MoveIt算法：MoveIt是一种运动规划框架和库，为机器人提供路径规划、运动控制、碰撞检测等功能。
7. Move_base算法：是ROS中常用的机器人导航库，它提供了一套完整的导航系统包括路径规划、本地路径跟踪、机器人状态估计等功能。Move_base由多种算法组成

源码：https://github.com/ros-planning/navigation

源码中包含了amcl和move_base功能包，可直接使用或二次开发。

3. 3d导航

ros中关于3d导航的功能包。

源码：https://github.com/ros-planning/3d_navigation

以上。