想象我們要去某個地方游玩，你是不是會先在腦海中勾勒出一條路線，然后出發(fā)前往這個地方？

人類的導航如此，那對于機器人來講，該如何實現(xiàn)導航功能呢？

1.機器人自主導航

我們先來理清自主導航的框架，其關鍵是自主定位和路徑規(guī)劃。針對這兩個核心功能，ROS提供了一套完整的框架支持，收到導航目標位置后，機器人只需要發(fā)布必要的傳感器信息，框架中的功能包即可幫助機器人完成導航。

其中，move_base功能包實現(xiàn)機器人導航中的最優(yōu)路徑規(guī)劃，amcl實現(xiàn)二維地圖中的機器人定位。

為了實現(xiàn)機器人全局最優(yōu)路徑規(guī)劃與實時避障路徑規(guī)劃，move_base需要訂閱機器人發(fā)布的深度傳感器信息（sensor_msgs/LaserScan或 sensor_msgs/PointCloud）和里程計信息（nav_msgs/Odometry），同時完整的TF坐標變換也是實現(xiàn)路徑規(guī)劃的重要基礎。

導航框架最終的輸出是控制機器人的速度指令（geometry_msgs/Twist），這就要求機器人控制節(jié)點具備解析控制指令中線速度、角速度的能力，并且控制機器人完成相應的運動。

注：

導航框架所包含的功能包很多，可以直接使用如下命令安裝：

$ sudo apt-get install ros-melodic-navigation

2.機器人定位

導航功能的順利進行，離不開機器人的精準定位。自主定位即機器人在任意狀態(tài)下都可以推算出自己在地圖中所處的位置。ROS為開發(fā)者提供了一種自適蒙特卡羅定位方法（Adaptive Monte Carlo Localization，amcl），這是一種概率統(tǒng)計方法，針對已有地圖使用粒子濾波器跟蹤一個機器人的姿態(tài)。

給定初始位姿后，AMCL會在機器人周圍隨機撒一些粒子，隨著機器人的運動，每個粒子也會實時跟隨機器人的速度更新位姿，當粒子周邊的環(huán)境狀態(tài)與機器人差距較大時，就會被逐漸淘汰，反之，則會在機器人周邊產(chǎn)生更多粒子。以此類推，粒子都集中在機器人所在位置可能性高的地方，也就是定位的結果。

為了調教以上粒子濾波算法，AMCL功能包中可配置的參數(shù)很多，一般初次上手不建議，只需要注意訂閱和發(fā)布的話題名匹配即可，感興趣的小伙伴可以在官網(wǎng)（http://wiki.ros.org/amcl）查看各個參數(shù)的詳細介紹，相關的理論算法請參考《概率機器人》一書。

3.機器人路徑規(guī)劃

機器人知道自己的位置后，如何像人一樣根據(jù)自己的經(jīng)驗規(guī)劃出一條路徑來呢？move_base功能包就是負責這樣的功能，主要由全局路徑規(guī)劃器和本地實時規(guī)劃器（局部路徑規(guī)劃器）組成。

全局規(guī)劃就好比我們依靠經(jīng)驗（或地圖數(shù)據(jù)）規(guī)劃點到點最優(yōu)路徑的過程；局部規(guī)劃可以理解為去往目的地途中，不斷調整機器人姿態(tài)、躲避障礙物，以貼合最優(yōu)路徑的過程。

全局路徑規(guī)劃常用Dijkstra算法和A*算法。Dijkstra算法深度優(yōu)先，往往可以找到全局最優(yōu)路徑，不過搜索時間長、消耗資源多，而A*算法加入了啟發(fā)函數(shù)，雖然不一定可以找到全局最優(yōu)路徑，但搜索時間更快，適合大空間范圍的規(guī)劃。移動機器人大部分是在室內有限范圍內使用，兩者搜索時間和消耗資源的差距并不明顯，一般使用Dijkstra算法即可。

本地實時規(guī)劃常用Dynamic Window Approaches（DWA）和Time Elastic Band（TEB）算法，兩種算法的核心思想如下，具體算法實現(xiàn)大家可以在網(wǎng)上搜索相關的論文。

為了完成以上這些規(guī)劃器算法的配置，move_base功能包的啟動也需要配置不少參數(shù)，比如下圖所示的這些參數(shù)文件：

包含通用配置文件（costmap_common）、全局規(guī)劃配置文件（global_costmap）、本地規(guī)劃配置文件（local_costmap）、本地規(guī)劃器（planer）、路徑規(guī)劃算法（全局base_global_planner和局部base_local_planner）和控制頻率（controller_frequency）、規(guī)劃頻率（planner_frequency）等一些參數(shù)。這些參數(shù)的詳細介紹可以去官網(wǎng)（http://wiki.ros.org/move_base）查看。

4.代價地圖的配置

人在導航去某個地方的時候可以通過眼睛和經(jīng)驗判斷哪里有墻、哪里有水坑、哪里能走和哪里不能走。機器人如何判斷呢？

move_base導航使用兩種代價地圖存儲周圍環(huán)境中的障礙信息：一種用于全局路徑規(guī)劃（global_costmap），一種用于本地實時路徑規(guī)劃（local_costmap）。兩種代價地圖需要使用一些共用的或獨立的配置文件：通用配置文件（costmap_common_params）、全局規(guī)劃配置文件（global_costmap_params）和本地規(guī)劃配置文件（local_costmap_params）。

通用配置文件costmap_common_params.yaml的代碼和關鍵參數(shù)的含義如下：

注意話題名不要設置錯了，footprint也需要根據(jù)實際機器人的大小進行設置。

全局規(guī)劃配置文件global_costmap_params.yaml的代碼和關鍵參數(shù)的含義如下：

由于我們這里是已經(jīng)有地圖了，所以將static_map設置true。若我們想使用機器人探索未知的地方并且進行建圖的話，則將static_map設置為false。

本地規(guī)劃配置文件local_costmap_params.yaml的代碼和關鍵參數(shù)的含義如下：

其中width、height、resolution參數(shù)用于設置代價地圖的長（米）、高（米）和分辨率（米/格）。rolling_window參數(shù)用來設置在機器人移動過程中是否需要滾動窗口，以保持機器人處于中心位置。

既然導航的各個問題都已經(jīng)梳理清楚，那么是否真的可以實現(xiàn)導航呢？以及在不同運動模態(tài)下，機器人的導航效果又會怎樣？接下來我們就用LIMO機器人試一試。

注：關于該機器人運動模態(tài)的配置與SLAM，請參考以下內容：

《 細數(shù)移動機器人那些常用的運動模態(tài) 》

《 如何在移動機器人中部署Gmapping SLAM算法 》

5. 差速移動機器人自主導航

打開機器人的啟動文件limo_start.launch，將use_mcnamu設置為false，如下圖所示。

局部規(guī)劃器選用的算法為TEB，由于相關參數(shù)比較多，這里就不一一展示和說明，若想了解每個參數(shù)，可以前往官網(wǎng)查看相關說明：http://wiki.ros.org/teb_local_planner

下面是一些參數(shù)的配置與介紹：

注意，當運動模式為差速運動時，y方向的速度必須設置為0。為了導航效果更好，這里將最小轉彎半徑（min_turning_radius）設置為0。

注意min_obstacle_dist不要設置的比costmap_common_params.yaml中的膨脹半徑小，不然會報錯。

然后運行下面的命令，開啟導航功能。

?

?

?

$ roslaunch limo_bringup limo_start.launch
$ roslaunch limo_bringup limo_navigation_diff.launch

啟動的rviz如圖所示，可以通過途中黃色箭頭所指的工具設定機器人的初始位姿，通過紅色箭頭所指示的工具設定機器人的目標位姿。機器人實現(xiàn)效果如下：

6. 全向移動機器人自主導航

更改LIMO機器人的運動模態(tài)，打開機器人的啟動文件limo_start.launch，將use_mcnamu設置為true，如下圖所示：

為了更好地體現(xiàn)出全向運動的效果，這里局部規(guī)劃器選用的算法為TEB。下面是一些參數(shù)的配置與介紹：

與差速模式不同，全向模式可以橫向移動，所以y方向的速度不必設置為0，而是可以設置為任意速度。

weight_kinematics_nh用于調整順應縱向運動和非順應橫向運動（掃射）之間的權衡。當此參數(shù)設置比較大時，將傾向于縱向運動；當此參數(shù)設置較小時，將更傾向于與橫向運動。weight_optimaltime參數(shù)為最優(yōu)時間權重，如果設置較大時，那么機器人會在直道上快速加速，并且路徑規(guī)劃的也會切內道。

運行下面的命令，開啟導航功能。??

?

?

$ roslaunch limo_bringup limo_start.launch
$ roslaunch limo_bringup limo_navigation_mcnamu.launch

7. 阿克曼移動機器人自主導航

更改LIMO機器人的運動模態(tài)，打開機器人的啟動文件limo_start.launch，將use_mcnamu設置為false，如下圖所示。

由于阿克曼運動只適用TEB算法，所以我們這里仍然選用TEB算法。下面是一些參數(shù)的配置與介紹：

我們這里也將y方向的速度設置為0，但是最小轉彎半徑此時不能設置為0，而是需要根據(jù)機器人的實際最小轉彎半徑來設置。為了方便測量出機器人的最小轉彎半徑，我們可以用遙控器讓機器人以最大角速度做圓周運動，然后就可以用尺子測量出機器人的最小轉彎半徑。注意設置的最小轉彎半徑不能小于最小轉彎半徑。

然后運行下面的命令，開啟導航功能。

?

$ roslaunch limo_bringup limo_start.launch

$ roslaunch limo_bringup limo_navigation_ackerman.launch

8. 總結

以上只演示了各種運動模態(tài)下使用某一種本地實時規(guī)劃算法的導航效果，每種本地實時規(guī)劃算法都有其優(yōu)缺點，各個算法介紹如下圖，可以根據(jù)需求選擇相應的算法。

編輯：黃飛

?