ROS功能包学习

最新推荐文章于 2025-05-16 15:20:57 发布

阿豪Jeremy

最新推荐文章于 2025-05-16 15:20:57 发布

阅读量703

点赞数 1

CC 4.0 BY-SA版权

分类专栏： ROS和PX4软件在环仿真

本文链接：https://blog.csdn.net/zhihao8013/article/details/117356430

ROS和PX4软件在环仿真专栏收录该内容

18 篇文章

订阅专栏

本文介绍了ROS中的关键模块move_base，其在路径规划中的作用以及与其配合的map_server和costmap_2D组件。详细讲解了globalplanner和localplanner的工作原理，并列举了主流的slam算法和碰撞避免库multi_robot_collision_avoidance。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ROS包查询
点击此处

ROS包介绍

move_base
map_server
costmap_2d
multi_robot_collision_avoidance

move_base
点击此处
move_base是ROS下关于机器人路径规划的中心枢纽。
功能：通过订阅激光雷达、map地图、amcl的定位等数据，然后规划出全局和局部路径，再将路径转化为机器人的速度信息
在这里插入图片描述
move_base核心的部分是框框内的部分，主要包括global planner和local planner以及一些修复机制，包括rotate_recovery和clear_cost_map_recovery。

在move_base.launch 文件中，param中有很多参数可以设置，这些参数的好坏直接决定了运动规划的性能

有人可能会问，global planner是怎么和local planner联通的呢，这里不同的算法可能使用了不同的方法，但核心都是大致相同了，都是将global planner作为local planner的一个初始参考或者优化方向。
这些在深入看两个源码时就会有更加深入的理解了。

目前ROS中可以使用的global planner主要包括：A*和Dijkstra。local planner主要有：dwa、trajectory、teb和eband等

ROS中的主流slam算法：

1.gmapping：需要激光雷达scan数据和里程计odom数据，采用的是PF（粒子滤波）。

2.hector ：基于优化的算法（解最小二乘问题），优缺点：不需要里程计，但对于雷达帧率要求很高40Hz，估计6自由度位姿，可以适应空中或者地面不平坦的情况。初值的选择对结果影响很大，所以要求雷达帧率较高。

3.Cartographer：累计误差较前两种算法低，能天然的输出协方差矩阵，后端优化的输入项。成本较低的雷达也能跑出不错的效果。

map_server
功能：通过解析slam建好的地图并发布出去

costmap_2d
功能：提供了一个2D成本图的实现，该图可以从世界中获取传感器数据，构建数据的2D或3D占用网格（取决于是否使用基于体素的实现）
代价地图主要有以下几个层：
在这里插入图片描述
注：1.全局路径规划一般需要静态层和膨胀层，因为全局规划应该只考虑到地图信息，所以一般都是静态的。
2.局部路径规划则需要考虑到实时的障碍物信息，所以需要障碍物层和膨胀层，由于定位可能存在误差，这里不把静态层放到局部路径规。