Nav-SLAM: 2D激光雷達實現SLAM.

一份快速使用move_base構建機器人自主導航指南(因爲本人比較急着使用，於10天成功實現了一份基礎路徑規劃和建圖導航系統於機器人上)

1. 各博客move_base包配置路徑規劃集錦

• Mapping中各個座標系的定義

http://www.pianshen.com/article/6085172252/

• tf中static_transform_publisher靜態座標轉換

https://blog.csdn.net/tiancailx/article/details/78910317?utm_source=blogxgwz8

• 很早之前古月居的move_base包講解（年久失修…）

http://www.guyuehome.com/270

• ros by examples learning 書籍仿真測試

https://www.e-learn.cn/content/qita/593891

• move_base動態障礙物避障和路徑規劃參數調試

https://blog.csdn.net/sunyoop/article/details/78201761?utm_source=blogxgwz6
https://www.cnblogs.com/hong2016/p/6838315.html
https://blog.csdn.net/lingchen2348/article/details/79830098
https://blog.csdn.net/Enterenvy/article/details/90699274
https://www.cnblogs.com/lizhensheng/p/11117583.html#%E5%9F%BA%E6%9C%AC%E8%B0%83%E5%8F%82%E6%8C%87%E5%8D%97

• move_base各文件中的參數分別標註

https://blog.csdn.net/Travis_X/article/details/84486765

• 代價地圖參數

https://www.jianshu.com/p/b4a5da7eccc1
https://www.cnblogs.com/hong2016/p/6838315.html

2. 實地測試記錄

• 第一點： 弄清各個座標的定義

理論理想座標框架: map->odom->base_link->base_laser;

實際測試你要弄清楚的座標轉換:

odom -> base_link;  // 里程計估計的位姿實時獲取

map->base_link;  // (機器人定位估計就是這個座標轉換)

// 還剩下兩個靜態座標系轉換:

base_link -> base_laser // 機器人中心到激光雷達座標系的安裝位置轉換;

base_footprint (這個tf並不嚴格要求存在，但有些文件中會出現) // 它是base_link在2d平面上的投影。

• 第二點：弄清各個參數文件的關係及各個參數代表的意思

一般來說會有4個文件:

base_local_planner_params.yaml
costmap_common_params.yaml
global_costmap_params.yaml
local_costmap_params.yaml

各個參數的詳細意思可參考此博客 。

幾個重要的參數(機器人能夠達到指定目標地的關鍵):

 yaw_goal_tolerance: 關於角度誤差
 xy_goal_tolerance： 距離誤差
 
robot_radius : 機器人半徑
inflation_radius： 膨脹半徑   // 在不同的環境下這兩個參數要做適當調整，才能取得好的效果


 static_map: false 
 rolling_window: true # 局部地圖  // 在代價地圖中，明確局部使用滑動窗口，全局使用靜態地圖；

• 第三點 : 深入拓展研究（全局+局部都可換成不同的路徑規劃算法來優化機器人運動策略）

  (隱去不發表…)

3. rplidar A2 gmapping測試（附錄鏈接備用.）

創客智造(Gmapping)

多個目標導航測試

rplidar A2 全套雷達測試案例

navigation包wiki文檔