一份快速使用move_base构建机器人自主导航指南(因为本人比较急着使用，于10天成功实现了一份基础路径规划和建图导航系统于机器人上)
1. 各博客move_base包配置路径规划集锦
- Mapping中各个座标系的定义
http://www.pianshen.com/article/6085172252/
- tf中static_transform_publisher静态座标转换
https://blog.csdn.net/tiancailx/article/details/78910317?utm_source=blogxgwz8
- 很早之前古月居的move_base包讲解（年久失修…）
http://www.guyuehome.com/270
- ros by examples learning 书籍仿真测试
https://www.e-learn.cn/content/qita/593891
- move_base动态障碍物避障和路径规划参数调试
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各文件中的参数分别标注
https://blog.csdn.net/Travis_X/article/details/84486765
- 代价地图参数
https://www.jianshu.com/p/b4a5da7eccc1
https://www.cnblogs.com/hong2016/p/6838315.html
2. 实地测试记录
- 第一点： 弄清各个座标的定义
理论理想座标框架: map->odom->base_link->base_laser;
实际测试你要弄清楚的座标转换:
odom -> base_link; // 里程计估计的位姿实时获取
map->base_link; // (机器人定位估计就是这个座标转换)
// 还剩下两个静态座标系转换:
base_link -> base_laser // 机器人中心到激光雷达座标系的安装位置转换;
base_footprint (这个tf并不严格要求存在，但有些文件中会出现) // 它是base_link在2d平面上的投影。
- 第二点：弄清各个参数文件的关系及各个参数代表的意思
一般来说会有4个文件:
base_local_planner_params.yaml
costmap_common_params.yaml
global_costmap_params.yaml
local_costmap_params.yaml
各个参数的详细意思可参考此博客 。
几个重要的参数(机器人能够达到指定目标地的关键):
yaw_goal_tolerance: 关于角度误差
xy_goal_tolerance： 距离误差
robot_radius : 机器人半径
inflation_radius： 膨胀半径 // 在不同的环境下这两个参数要做适当调整，才能取得好的效果
static_map: false
rolling_window: true # 局部地图 // 在代价地图中，明确局部使用滑动窗口，全局使用静态地图；
-
第三点 : 深入拓展研究（全局+局部都可换成不同的路径规划算法来优化机器人运动策略）
(隐去不发表…)