move_base是ROS下關于機器人路徑規劃的中心樞紐。它通過訂閱激光雷達、map地圖、amcl的定位等數據，然后規劃出全局和局部路徑，再將路徑轉化為機器人的速度信息，最終實現機器人導航。這里又要盜官網的圖了。

?

上面這個圖很好的展示了move_base的整個框架，下面我更加詳細的介紹一下每個模塊的功能及其是如何銜接的。

首先左上角的amcl模塊是ROS的導航定位模塊，amcl也叫自適應蒙特卡羅定位，amcl通過訂閱scan、map和tf信息，發布出機器人的pose，以供move_base使用，這部分具體可以上官網看看，這里就不做詳細介紹了，左下角odom，即機器人里程計信息，右上角，map，顧名思義，我們需要的先驗地圖信息，一般通過slam建圖后保存，ROS中主流的slam算法有:

1.gmapping：需要激光雷達scan數據和里程計odom數據，采用的是PF（粒子濾波）。

2.hector ：基于優化的算法（解最小二乘問題），優缺點：不需要里程計，但對于雷達幀率要求很高40Hz，估計6自由度位姿，可以適應空中或者地面不平坦的情況。初值的選擇對結果影響很大，所以要求雷達幀率較高。

3.Cartographer：累計誤差較前兩種算法低，能天然的輸出協方差矩陣，后端優化的輸入項。成本較低的雷達也能跑出不錯的效果。

好了，就不展開了，map_server包通過解析slam建好的地圖并發布出去。右下角的傳感器topic則在局部路徑規劃時起到作用，這部分就是costmap包起到的作用了，costmap為代價地圖，目前主要的有inflation_layer、obstacle_layer、static_layer、voxel_layer四個plugins。分別為膨脹層、障礙物層、靜態層和體素層。一般我們的全局路徑需要靜態層和膨脹層，因為全局規劃應該只考慮到地圖信息，所以一般都是靜態的，而局部路徑規劃則需要考慮到實時的障礙物信息，所以需要障礙物層和膨脹層，這里你可能會有疑惑，為什么不把靜態層放到局部路徑規劃里呢？因為我們的定位是會存在誤差的，比如輪子打滑或其他情況，這個時候amcl會起到糾正作用，如果我們把靜態層放到了局部中，這個定位會有問題，而且，假設當前機器人出現了定位的偏差，那么這個引入的靜態層肯定是錯誤的，再加上局部的障礙物層（這里的障礙物層本應該和靜態層重合的，但由于定位偏差，不會重合）可能會使得機器人誤以為自己在障礙物層內，規劃出現問題。

下面我們我們說說move_base核心的部分了，也就是框框內的部分，主要包括global planner和local planner以及一些修復機制，包括rotate_recovery和clear_cost_map_recovery。有人可能會問，global planner是怎么和local planner聯通的呢，這里不同的算法可能使用了不同的方法了，但核心都是大致相同了，都是將global planner作為local planner的一個初始參考或者優化方向。這些在深入看兩個源碼時就會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。目前自我感覺teb local planner效果會好點，有時間會詳細的介紹一樣該算法的思路，下面我把我的關于move_base的一些配置放到下面。

首先，啟動move_base的launch，包括解析map，move_base和amcl定位三個部分，這構成了一個完整的框架，下面我們主要來看move_base.launch里的配置。

<launch>
?
? <param name="use_sim_time" value="false" />
??
? <!-- EDIT THIS LINE TO REFLECT THE NAME OF YOUR OWN MAP FILE?
? ? ? ?Can also be overridden on the command line -->
? <arg name="map" default="test_map.yaml" />
?
? <!-- Run the map server with the desired map -->
? <node name="map_server" pkg="map_server" type="map_server" args="$(find dart_nav)/maps/dart.yaml"/>?
?
? <!-- Start move_base ?-->
? <include file="$(find dart_nav)/launch/tb_move_base_test.launch" />
?
? <!-- Fire up AMCL -->
? <include file="$(find dart_nav)/launch/tb_amcl.launch" />?
?
?
</launch>
下面是move_base.launch內的配置：

<launch>
? <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen" clear_params="true">
? ? <rosparam file="$(find dart_nav)/config1/costmap_common_params.yaml" command="load" ns="global_costmap" />
? ? <rosparam file="$(find dart_nav)/config1/costmap_common_params.yaml" command="load" ns="local_costmap" />
? ? <rosparam file="$(find dart_nav)/config1/local_costmap_params.yaml" command="load" />
? ? <rosparam file="$(find dart_nav)/config1/global_costmap_params.yaml" command="load" />
? ? <rosparam file="$(find dart_nav)/config1/teb_local_planner_params.yaml" command="load" />
?
? ? ?<param name="base_global_planner" value="global_planner/GlobalPlanner"/>?
? ? ?<param name="planner_frequency" value="1.0" />
? ? ?<param name="planner_patience" value="5.0" />
?
? ? ?<param name="base_local_planner" value="teb_local_planner/TebLocalPlannerROS" />
? ? ?<param name="controller_frequency" value="15.0" />
? ? ?<param name="controller_patience" value="15.0" />
?<rosparam file="$(find dart_nav)/config1/costmap_conversion_params.yaml" command="load" />
?
? </node>
??
</launch>
如上所示，我使用的是global_planner這個包，它默認使用的是dijkstra，當然也可以使用A*全局路徑規劃，局部路徑規劃我使用的是teb，同樣需要配置上面第3行到第7行的一些yaml，這些yaml是costmap和planner的一些配置文件。我們來主要看一下local_costmap_params.yaml和global_costmap_params.yaml。這里配置了上面提到的各個層（layers）的使用。

local_costmap_params.yaml:

local_costmap:
? ?global_frame: /odom
? ?robot_base_frame: /base_link
? ?update_frequency: 3.0
? ?publish_frequency: 1.0
? ?static_map: false
? ?rolling_window: true
? ?width: 6.0
? ?height: 6.0
? ?resolution: 0.05
? ?transform_tolerance: 1.0
? ?map_type: costmap
? ?plugins:
? ? ?- {name: obstacle_layer, type: "costmap_2d::VoxelLayer"}
# ? ? - {name: social_layer, ? ? ? ?type: "social_navigation_layers::ProxemicLayer"} ??
# ? ? - {name: social_pass_layer, ? ? ? ?type: "social_navigation_layers::PassingLayer"} ?
# ? ? - {name: static_layer, type: "costmap_2d::StaticLayer"}?
? ? ?- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
?
? #Configuration for the sensors that the costmap will use to update a map ??
? ?obstacle_layer:
? ? ?observation_sources: scan ?
? ? ?scan: {data_type: LaserScan, topic: /scan, marking: true, clearing: true, expected_update_rate: 0}?
? ?inflation_layer:?
? ? ? inflation_radius: 0.35
這里由于是局部層，所以我們要把static_map設為fasle，我們并不希望使用靜態的地圖，因為這不利于我們的局部避障，rollung_window設為true。下面的plugins就為各個層的設置了，在局部路徑規劃中我們只需要考慮障礙物的信息就可以了，不需要考慮我們之前slam建立的靜態地圖，所有我們添加了兩個圖層，即障礙物層和障礙物的膨脹層，下面這個很重要，我們需要聲明我們的障礙物層的數據來源，即scan，要把topic對應你的scan的topic，否則你可能發現rviz里的local_costmap沒有數據，這就是你沒有聲明的原因。最后兩行為設置膨脹層的半徑大小。

global_planner_params.yaml:

global_costmap:
? ?global_frame: /map
? ?robot_base_frame: /base_footprint
? ?update_frequency: 1.0
? ?publish_frequency: 0
? ?static_map: true
? ?rolling_window: false
? ?resolution: 0.05
? ?transform_tolerance: 1.0
? ?map_type: costmap
? ?plugins:
# ? ? - {name: obstacle_layer, type: "costmap_2d::VoxelLayer"}
? ? ?- {name: static_layer, type: "costmap_2d::StaticLayer"}?
? ?
? ? ?- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
? ?inflation_layer:?
? ? ? inflation_radius: 0.35
如上，由于在全局路徑規劃中，我們只應該考慮靜態地圖，即我們之前slam建立好的地圖，所以我們把static_map設為true，rolling_window設為false，再看plugins:有兩個層，靜態層和膨脹層，這樣就完成了global的yaml的配置，如果你需要把障礙物層也添加到全局地圖中，plugins加入，同時別忘了在下面聲明數據來源，但我個人不推薦將障礙物層加入到global中來。

下面就是我使用的teb的local_planner的yaml了：

TebLocalPlannerROS:
?
?odom_topic: odom
?map_frame: /odom
?
?# Trajectory
?
?teb_autosize: True
?dt_ref: 0.3
?dt_hysteresis: 0.1
?global_plan_overwrite_orientation: True
?max_global_plan_lookahead_dist: 3.0
?feasibility_check_no_poses: 5
?
?# Robot
?
?max_vel_x: 0.4
?max_vel_x_backwards: 0.15
?max_vel_theta: 0.4
?acc_lim_x: 2.0
?acc_lim_theta: 1.0
?min_turning_radius: 0.0
# footprint_model/type: "circular"
# footprint_model/radius: 0.40 # for type "circular"
?
?# GoalTolerance
?
?xy_goal_tolerance: 0.15
?yaw_goal_tolerance: 0.2
?free_goal_vel: False
?
?# Obstacles
?
?min_obstacle_dist: 0.45
?include_costmap_obstacles: True
?costmap_obstacles_behind_robot_dist: 1.0
?obstacle_poses_affected: 30
?costmap_converter_plugin: ""
?costmap_converter_spin_thread: True
?costmap_converter_rate: 5
?
?# Optimization
?
?no_inner_iterations: 5
?no_outer_iterations: 4
?optimization_activate: True
?optimization_verbose: False
?penalty_epsilon: 0.1
?weight_max_vel_x: 2
?weight_max_vel_theta: 1
?weight_acc_lim_x: 1
?weight_acc_lim_theta: 1
?weight_kinematics_nh: 1000
?weight_kinematics_forward_drive: 1
?weight_kinematics_turning_radius: 1
?weight_optimaltime: 1
?weight_obstacle: 300 ? #50
?weight_dynamic_obstacle: 10 # not in use yet
?alternative_time_cost: False # not in use yet
?
?# Homotopy Class Planner
?
?enable_homotopy_class_planning: False
?enable_multithreading: True
?simple_exploration: False
?max_number_classes: 4
?roadmap_graph_no_samples: 15
?roadmap_graph_area_width: 5
?h_signature_prescaler: 0.5
?h_signature_threshold: 0.1
?obstacle_keypoint_offset: 0.1
?obstacle_heading_threshold: 0.45
?visualize_hc_graph: False
這里沒什么好說的，簡單介紹一下teb算法，teb是一個基于圖優化的局部路徑規劃，了解slam的應該都知道BA（bundle adjustment），這里類似，是通過把路徑問題構建成一個圖優化的問題，然后通過g2o開源庫求解優化，teb中是通過對全局路徑規劃的點（A*或dijkstra）進行優化，也就是最小化誤差，這里的誤差項為速度，加速度，避障，追蹤全局路徑等等，最后優化出最優的局部路徑，最近在研究teb的算法，有時間再開一個博客，上面大多都是自己的想法，如果有什么問題或錯誤，歡迎糾正。
---------------------?
作者：需要努力的阿蒙?
來源：CSDN?
原文：https://blog.csdn.net/shenghuaijing3314/article/details/80005629?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的一些关于ROS中move_base的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。