SLAM从入门到精通（从amcl到navigation软件栈）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】

        前面我们学习了amcl，但它只是navigation里面的一个package而已。真正的导航还包含很多的内容。举个例子来讨论下，我们假设需要一个机器人从a点走到b点，应该分成哪几个步骤来完成呢。首先，机器人需要确认下自己的位置吧，是在其他地方，还是已经在a点了？接着，机器人需要规划一条a点到b点的路径吧？规划的路径只是保证了这条道路的可行性，但小车本身的机械属性是不是可以走完这条路、每段路上的速度该如何规划，这是需要进一步细化的内容。所有这些都准备好了，下面就是机器人不停和底盘交互的过程了。

1、ros navigation的github地址

        本身navigation是一个软件栈，里面有很多的内容，地址在这，https://github.com/ros-planning/navigation。

2、软件栈的结构图

        这幅图的信息非常多，也非常重要，建议反复观看。它包含了用户层的输入、tf的输入、odom的输入、传感器的输入、map的输入，以及对外底盘的输出cmd_vel。在整个navigation最核心的部分，还包含了global_planner、global_costmap、local_planner、local_costmap，这些也是非常重要的。整个框架由move_base实现，每个细节又由具体的模块来实现。

3、全局搜路

        所谓的全局搜路，就是global_planner。这方面有很多的算法，比如迪杰斯特拉算法、a*算法等等。这种算法主要是找出一条从出发地到目的地的拓扑路。本身搜路的过程就是一个拓扑搜索的过程，并不考虑robot自身的机械性能。

4、局部搜路

        全局搜路本身只是一个简单分析一下路径实施的可行性。至于机器人究竟应该在节点之间怎么走比较好，这就是局部搜路的范畴。目前ros上面也提供了相关的局部搜路算法，比如dwa算法。和全局搜路算法相比较，局部搜路需要考虑到robot自身的一些机械素质，即规划的速度是否可以、规划的角速度是否可以、转弯半径是否可以。对于效率优先的场景而言，肯定是希望越快越好。但是对于robot来说，它本身又有自己的安全要求和设备性能瓶颈，所以这中间就有一个权衡和取舍的问题。

5、amcl定位

        这里我们看到了amcl，也就是robot定位。实际生产中，amcl定位是非常重要的。但是实际场景中，稳定输出的环境特征是非常困难的，很多时候都需要我们人为去创造、或者设计出合理的环境特征。这样才能在实际场景中稳定地运行。所以hector slam也好，gmapping slam也好，他们只是基础，但是仅仅依靠这些基础构建出来的栅格地图来定位，还是远远不够的。

6、控制目标输出

        控制目标的输出，是我们所有操作的真正目的。前面我们已经知道，所有的控制目标都可以分成线速度控制和角速度控制，所以底盘的最终目标就是实现ros系统提出的线速度、角速度目标即可。

附录

标签：SLAM从入门到精通（从amcl到navigation软件栈）