激光SLAM系統框架
在激光SLAM系統中，Gmapping獲取掃描的激光雷達信息以及里程計數據可動態的生成2D柵格地圖。導航包則利用這個柵格地圖，里程計數據和激光雷達數據做出適合的路徑規劃和定位，最後轉換爲機器人的速度指令。下圖爲激光SLAM系統的框架，方框裏爲傳感器獲得的數據或者生成的數據，橢圓裏爲ROS節點。
1、建圖系統框架
（1） 數據輸入
在ROS GMapping包中，獲取激光和里程計數據傳入openslam GMapping包中，爲新一時刻的建圖做準備。
（2）運動模型
根據t-1時刻的粒子位姿以及里程計數據，預測t時刻的粒子位姿，在初始值的基礎上增加高斯採樣的noisypoint。
（3）掃描匹配
對每個粒子執行掃描匹配算法，GMapping默認採用30個採樣粒子。掃描匹配的作用是找到每個粒子在t時刻位姿的最佳座標。爲後面每個粒子權重更新做準備。如果此處掃描匹配失敗，則粒子權重更新則採用默認的似然估計。
（4）建議分佈
混合了運動模型和觀測模型的建議分佈，根據上一步掃描匹配獲得的最佳座標，圍繞該座標取若干位置樣本（距離差值小於某閾值）計算均值與方差，使得當前粒子位置滿足該均值方差的高斯分佈。
（5）權重計算
對各個粒子的權重進行更新，更新之後還需進行歸一化操作。注意：重採樣前更新過一次，重採樣後又更新過一次。
（6）重採樣
使用Neff判斷是否進行重採樣（重採樣頻率越高，粒子退化越嚴重，即粒子多樣性降低，導致建圖精確度降低，有必要設定一個判定值改善粒子退化問題）。
（7）粒子維護地圖
每個粒子都維護了屬於自己的地圖，即運動軌跡。該步驟執行的操作是更新每個粒子維護的地圖。
（8）地圖更新
在ros中進行地圖更新。先得到最優的粒子（使用權重和 weightSum判斷 ），得到機器人最優軌跡，地圖膨脹更新。
2、導航系統框架
導航系統總結來看可以分爲數據收集層（傳感器數據收集）、全局規劃層（global_planner）、局部規劃層（local_planner）、行爲層（結合機器人狀態和上層指令給出機器人當前行爲）、控制器層（與下位機通信）。
機器人使用navigation棧導航時，move_base這個模塊負責整個navigation 行爲的調度, 包括初始化costmap與planner, 監視導航狀態適時更換導航策略等[監視導航狀態、適時更換導航策略等]. 涉及到行爲的控制, move_base 具體實現就是有限狀態機, 定義了若干recovery_behavior , 指定機器人導航過程中出問題後的行爲. 具體的邏輯流程如下：
（1）move_base首先啓動了global_planner和local_planner兩個規劃器，負責全局路徑規劃和局部路徑規劃，通過costmap組件生成自己的代價地圖(global_costmap和local_costmap)。
（2）通過全局路徑規劃，計算出機器人到目標位置的全局路線，實現的方法是基於柵格地圖的cost搜索找最優。
（3）然後通過局部規劃，負責做局部避障的規劃，具體navigation中實現的算法是Dynamic Windows Approach，具體流程是：
1.由移動底盤的運動學模型得到速度的採樣空間
2.在採樣空間中, 計算每個樣本的目標函數
3.得到期望速度, 插值成軌跡輸出
（4）在機器人運行過程中，根據機器人的狀態做出規劃（喚醒規劃器），操作（計算合法速度併發布），清理（recovery_behavior）等操作。