机器人导航学习历程（一）简介

机器人导航简介

  导航可以说是机器人最基本的功能之一，简单来说，导航就是机器人基于地图，实现从起始点前进到目标点的过程，这个过程中要求不发生碰撞并满足自身动力学模型（如不超过速度、加速度等限制）。

  将导航的任务进行细分，首先机器人在未知环境中需要使用激光传感器（或者是深度传感器）进行地图构建，然后根据构建的地图进行定位，有了地图和定位的基础，就可以根据目标点以及感知的障碍物信息进行路径规划了。我们可以将导航的要素归纳如下：

• 地图
• 定位
• 感知
• 路径规划。

地图

  下面这张图是ROS中的一个地图，其实也就是一张普通的灰度图像。图像上的黑色像素表示障碍物，白色像素表示可行区域，灰色是未探索的区域。

  一般来说，地图是通过SLAM(同时定位与建图)来构建的，这里就不展开了。

定位

  定位是对机器人位置和姿态（一般简称位姿）的测量或估计，简单来说，通过定位，机器人可以知道自己在哪儿以及所面朝的方向。

感知

  机器人是通过传感器来感知周围环境的。下面三个图是机器人常用的传感器，从左至右分别是超声波传感器，激光雷达，深度摄像头（与传统的摄像头区别在于加入了深度信息，可以测量像素点距离摄像头的距离）。

  通过这些传感器的数据，就可以对墙壁、路障等障碍物进行感知识别。

ROS导航框架

  这是ROS wiki上的一张图，介绍了ROS导航的整体工作框架：

  白色是已经提供给你的节点，灰色是可选的，蓝色是根据平台的差异而不同的节点。

  首先，navigation框架里面的核心是中间的move_base，这是导航最重要的一个package，它负责运动规划，这里面有global planner和local planner，把路径规划问题分解为全局和局部两部分来解决，而这两个planner做出决策，要参考全局和局部的costmap代价地图。然后move_base还包括了一些recovery behaviors，让机器人在某些情况下，比如说碰到障碍物，卡住，会采取一些恢复措施。

  我们先把move_base看成一个整体进行一定程度的简化，如下图所示。可以认为move_base就是一个路径规划的工具，然后分析move_base需要什么输入，然后它能输出给我们什么数据。

  有这么几个数据是必须给的，一个是TransForms(tf)，路径规划当然得知道各个坐标系的变换关系了，尤其是当前机器人在地图的什么位置。那其中必不可少的是map->odom->base之间的tf，还有base到其他各个机器人零部件的tf。

  还有就是Odemetry(odem)的数据，刚才tf只提供了位置和方向信息，但是实际路径规划，还要考虑速度和角速度，所以这里专门有一个odom来提供位置方向、线速度、角速度。这个odom注意，是一个topic，不是tf里的odom frame。类似的还有map，既是tf里的frame，也是一个topic。

  除了odom之外，还有一个Laser，可以是激光雷达，可以是深度摄像头的点云，主要是用来帮助构建costmap，实现避障。

  所以你需要提供的数据，通常来说就是这么几个，/map，/tf， /scan， /odom，以及目标点的信息。

  那navigation 输出什么呢？很简单，输出的就是路径规划算出来的当前速度，/cmd_vel。

Navigation Stack

Navigation Stack是一个ROS的功能包集，里面包含了ROS在路径规划、定位、地图、异常行为恢复等方面的package，如下表所示。这么多package，你可能会觉得很乱，不过不用担心，在使用中其实还是比较简单的。

参考资料

[1] http://wiki.ros.org/move_base

[2] http://wiki.ros.org/navigation