【ROS2】【机器人导航navigation2】参数调整分析

一、概述

在之前的笔记分析了nav2的启动文件，发现所有实际控制机器人的节点都需要params_file文件，也就是/opt/ros/humble/share/nav2_bringup/params/ nav2_params.yaml
所以要实际控制机器人导航需要修改params_file文件

二、参数文件总览

比较重要的是这几个节点
- planner_server节点的参数，用于设置路径规划器（global planner）的参数，如地图、规划器类型、规划时间等。
- controller_server节点的参数，用于设置控制器（local planner）的参数，如速度、加速度、PID参数等。
- recoveries_server节点的参数，用于设置恢复行为（recovery behaviors）的参数，如障碍物避让、路径重新规划等。
- bt_navigator节点的参数，用于设置行为树（behavior tree）导航器的参数，如行为树的文件路径、调试模式等。
  通过修改nav2_params.yaml文件中的这些参数，可以调整导航栈的行为，以适应不同的场景和需求。

三、重要节点参数分析

1. planner_server节点

负责全局路径规划，即根据地图和目标点，生成一条从起始点到目标点的路径。下面是详细解释：
- expected_planner_frequency：路径规划的频率，即规划器每秒钟生成的路径数。默认值为0.0，表示不限制频率。
- use_sim_time：是否使用仿真时间，如果为true，则使用ROS的仿真时间，否则使用系统时间。默认值为true。
- planner_plugin：路径规划器的插件名称，即使用哪个路径规划器实现路径规划。默认值为grid_based，即使用基于栅格地图的路径规划器。也可以设置为其他插件名称，例如navfn、navfn_planner、teb_local_planner等。
- GridBased插件
  - allow_unknown：是否允许路径规划经过未知区域。默认值为false。
  - tolerance：路径规划器的默认容忍误差，即机器人到达目标点的最大距离误差。默认值为0.5米。
  - use_astar：是否使用A*算法进行路径规划。默认值为false。

2. controller_server节点

负责本地路径跟随，即根据路径规划器生成的全局路径，在局部范围内生成机器人的运动轨迹。
- use_sim_time：是否使用仿真时间，如果为true，则使用ROS的仿真时间，否则使用系统时间。默认值为true。
- controller_frequency：控制器的控制频率。默认值为20.0赫兹。
- min_x_velocity_threshold：机器人在x轴最小线速度。默认值为0.001
- min_y_velocity_threshold：机器人在y轴最小线速度。默认值为0.5
- min_theta_velocity_threshold：机器人的最小旋转角速度。默认值为0.001
- failure_tolerance：机器人执行导航任务时容忍的失败次数。如果机器人在执行导航任务时达到了设定的失败次数，controller_server节点会认为该导航任务失败，停止机器人的运动并返回失败信息。默认值为0.3
- progress_checker_plugin：用于指定机器人在沿着全局路径移动时的路径跟踪插件。该参数的默认值为progress_checke。
- goal_checker_plugins：用于指定机器人在执行导航任务时的目标检测插件。该参数的默认值为general_goal_checker
- controller_plugins：用于指定机器人在执行导航任务时的运动控制插件。该参数的默认值为FollowPath
- progress_checker插件
  - progress_checker插件会根据机器人当前位置和全局路径信息，计算机器人需要沿着全局路径移动的下一个位置，并将该位置作为机器人的目标位置进行控制。
    - required_movement_radius：用于控制机器人沿着全局路径移动时的偏差容忍度。该参数的默认值为0.5m。
    - movement_time_allowance：用于控制机器人沿着全局路径移动时的时间容忍度。该参数的默认值为10s，即机器人在沿着全局路径移动时允许的时间为10s。如果机器人在沿着全局路径移动的时间超过了该时间，progress_checker插件会认为机器人超时了，需要及时调整机器人的运动控制，以确保机器人能够按照预定时间内完成导航任务。
- general_goal_checker插件会根据机器人当前位置和目标点信息，计算机器人需要到达的最终目标点，并将该点作为机器人的目标位置进行控制。
  - stateful 参数用于指定该插件是否需要维护状态信息。如果设置为 True，该插件会在机器人到达目标位置时将状态信息存储下来，以便后续的任务调度和统计分析。
  - xy_goal_tolerance 参数用于控制机器人到达目标位置时的位置精度。该参数的默认值为0.25m，即机器人到达目标位置时允许的位置误差范围为0.25m。
  - yaw_goal_tolerance 参数用于控制机器人到达目标位置时的方向精度。该参数的默认值为0.25rad，即机器人到达目标位置时允许的方向误差范围为0.25rad。
- FollowPath插件会根据机器人当前位置和全局路径信息，计算机器人需要采取的线速度和角速度，运用了dwb算法，并将这些速度作为机器人的控制指令进行下发。
  - min_vel_x: 最小线速度
  - min_vel_y: 最小侧向速度
  - max_vel_x: 最大线速度
  - max_vel_y: 最大侧向速度
  - max_vel_theta: 最大角速度
  - min_speed_xy: 最小平面速度，通常为0
  - max_speed_xy: 最大平面速度，和max_vel_x相同
  - min_speed_theta: 最小角速度，通常为0
  - acc_lim_x: x方向加速度限制
  - acc_lim_y: y方向加速度限制
  - acc_lim_theta: 角加速度限制
  - decel_lim_x: x方向减速度限制
  - decel_lim_y: y方向减速度限制
  - decel_lim_theta: 角减速度限制
  - vx_samples: 线速度采样数，用于搜索最优解
  - vy_samples: 侧向速度采样数，用于搜索最优解
  - vtheta_samples: 角速度采样数
  - sim_time: 模拟时间，用于计算轨迹
  - linear_granularity: 线性路径的分辨率，即路径中相邻两个点之间的距离，单位为m。
  - rotational_granularity: 旋转路径的分辨率，即路径中相邻两个点之间的角度，单位为rad。
  - transform_tolerance: 机器人状态变换的容忍度，即机器人位置和姿态在传递过程中的误差容忍度。
  - xy_goal_tolerance: xy平面的目标容差
  - trans_stopped_velocity: 线速度小于该值，机器人被认为已停止
  - short_circuit_trajectory_evaluation: 是否提前结束轨迹评估
  - stateful: 是否保留状态信息
  - critics: 用于评估轨迹的批评家。这是一个评估器，它根据各种因素对轨迹进行评估，以确定其质量。它是自主导航系统中的一个重要组成部分，因为它可以帮助机器人决定最佳路径。
  - BaseObstacle.scale: 障碍物评估批评家的权重。这个参数用于调整障碍物评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注避开障碍物，而不是其他因素。
  - PathAlign.scale: 路径对齐评估批评家的权重。这个参数用于调整路径对齐评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注路径对齐，而不是其他因素。
  - PathAlign.forward_point_distance: 前向点的距离，用于计算路径对齐误差。这个参数用于计算机器人当前位置与路径的偏差，以便评估路径对齐性。
  - GoalAlign.scale: 目标对齐评估批评家的权重。这个参数用于调整目标对齐评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注目标对齐，而不是其他因素。
  - GoalAlign.forward_point_distance: 前向点的距离，用于计算目标对齐误差。这个参数用于计算机器人当前位置与目标的偏差，以便评估目标对齐性。
  - PathDist.scale: 路径距离评估批评家的权重。这个参数用于调整路径距离评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注路径的距离，而不是其他因素。
  - GoalDist.scale: 目标距离评估批评家的权重。这个参数用于调整目标距离评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注目标的距离，而不是其他因素。
  - RotateToGoal.scale: 转向目标评估批评家的权重。这个参数用于调整转向目标评估批评家对轨迹的影响程度。如果这个值越高，那么机器人将更加关注转向目标，而不是其他因素。
  - RotateToGoal.slowing_factor: 减速因子，用于减速到目标。这个参数用于控制机器人接近目标时的速度。如果这个值越高，那么机器人将减速得更快。
  - RotateToGoal.lookahead_time: 前瞻时间，用于计算转向目标误差。这个参数用于计算机器人当前位置与目标的角度差，以便评估转向目标的精度。如果这个值越高，那么机器人将更加关注转向目标的精度

【ROS2】【机器人导航navigation2】参数调整分析相关推荐

《动手学ROS2》第十章章节介绍机器人导航NAV2
本系列教程作者:小鱼公众号:鱼香ROS QQ交流群:139707339 教学视频地址:小鱼的B站完整文档地址:鱼香ROS官网版权声明:如非允许禁止转载与商业用途. 第十章机器人导航NAV2 千 ...
服务机器人常用的定位导航技术及优缺点分析
http://www.rosclub.cn/thread-37.html# 服务机器人常用的定位导航技术及优缺点分析自主定位导航是机器人实现智能化的前提之一,是赋予机器人感知和行动能力的关键因素.如 ...
ROS2机器人编程简述新书推荐-A Concise Introduction to Robot Programming with ROS2
参考链接: https://github.com/fmrico/book_ros2 封面: 简介: ROS2机器人编程简明教程使用ROS2进行机器人编程的简明介绍为读者提供了通过编程实现机器人所需的 ...
机器人导航两篇顶级会议论文解析
机器人导航两篇顶级会议论文解析一．一种用于四旋翼无人机室内自主导航的卷积神经网络特征检测算法标题:A Convolutional Neural Network Feature Detection ...
cox风险回归模型参数估计_信用风险管理：分类模型和超参数调整
cox风险回归模型参数估计 The final part aims to walk you through the process of applying different classificati ...
ROS导航之参数配置和自适应蒙特卡罗定位
我们的机器人使用两种导航算法在地图中移动:全局导航(global)和局部导航(local).这些导航算法通过代价地图来处理地图中的各种信息,导航stack使用两种costmaps http://www ...
mlp参数调整_0基础搞懂自动驾驶传统算法与深度学习的鸿沟-PID控制算法与MLP优化方法...
0基础搞懂自动驾驶传统算法与深度学习的鸿沟这个专题核心是要思考如何让rule-base的自动驾驶算法逐步提升为data-driven的算法,从而尽可能的提升软件的泛化性.数据驱动的逻辑代替控制,规划, ...
机器人导航答辩记录半成品-60分模板-
<机器人技术创新与实践>答辩记录表姓名学号专业班级题目机器人导航实践地点时间完成项目时间和答辩内容:(围绕使用镜像/仿真/导航机器人遇到的问题和解决思路) 1. 为何学习 ...
结构光相机国产、非国产统计参数对比分析
结构光相机国产.非国产统计参数对比分析 1. Kinect v1 Kinect v1深度相机拥有一个RGB彩色摄像头,一个红外线CMOS摄像机和一个红外发射器.相机的红外线CMOS摄像机和红外发射器以 ...

【ROS2】【机器人导航navigation2】参数调整分析

一、概述

二、参数文件总览

三、重要节点参数分析

1. planner_server节点

2. controller_server节点

【ROS2】【机器人导航navigation2】参数调整分析相关推荐

最新文章

热门文章