最近在做一個項目被迫要涉及到navigation的源碼，作為一個調包俠的我真是頭大，本着甲方就是爸爸的原則硬着頭皮來啃源碼。
第一步就是move_base了，
一般需要這三個包navigation，navigation_msgs，rbx1，直接上github搜就行，如果要利用arbotix仿真的話，安裝指令
sudo apt-get install ros-kinetic-arbotix*
編譯可能會出現找不到一些庫的情況，參考https://blog.csdn.net/banzhuan133/article/details/88998433
首先來看一下rqt_graph圖的結構，我是在仿真環境下跑的
一般對實際機器人來說，map_server是與slam一起的，來建立全局或者局部的地圖，/tf和/odom都是用來做坐标變換的，簡單來說就是move_base這個節點訂閱map，tf，goal來完成路徑規劃，并釋出cmd_vel，footprint是機器人的輪廓，一般是固定的。
關于move_base的源碼講解，這個老哥講得很清楚，就不重複造輪子了
http://www.cnblogs.com/sakabatou/p/8297479.html
大緻了解move_base的原理之後呢，就可以上手跑仿真實驗了，
roslaunch rbx1_bringup fake_turtlebot.launch
roslaunch rbx1_nav fake_move_base_map_with_obstacles.launch
rosrun rviz rviz -d `rospack find rbx1_nav`/nav_obstacles.rviz
在rviz下，直接用滑鼠標明2D navigation goal就可以指定目标了，但是，你可能會發現效果不太好，比如，瘋狂原地打轉，走S型，繞大圈等現象，這個時候，别急着看源碼，因為我看完源碼才發現，咱們這點問題，完全通過調參就可以解決，而且參數接口人家都開放好了。當然，讀源碼對了解整個move_base架構是很有幫助的。這裡主要對幾個參數配置文檔(yaml)做一點補充。
主要涉及到的有如下四個
其中，costmap的三個大同小異，看字面意思大概就能了解什麼意思，而且一般也不做改動，咱們主要來看兩個planner
controller_frequency: 3.0
recovery_behavior_enabled: false
clearing_rotation_allowed: false
TrajectoryPlannerROS:
max_vel_x: 0.5
min_vel_x: 0.1
max_vel_y: 0.0 # zero for a differential drive robot
min_vel_y: 0.0
max_vel_theta: 1.0
min_vel_theta: -1.0
min_in_place_vel_theta: 0.4
escape_vel: -0.1
acc_lim_x: 3.5 #1.5
acc_lim_y: 0.0 # zero for a differential drive robot
acc_lim_theta: 4.2 #1.2
holonomic_robot: false
yaw_goal_tolerance: 0.15 #0.1 # about 6 degrees
xy_goal_tolerance: 0.05 # 5 cm
latch_xy_goal_tolerance: false
pdist_scale: 0.4 #0.4
gdist_scale: 0.8 #0.8
meter_scoring: true
heading_lookahead: 0.325
heading_scoring: false
heading_scoring_timestep: 0.8
occdist_scale: 0.05
oscillation_reset_dist: 0.05
publish_cost_grid_pc: false
prune_plan: true
sim_time: 3.5 #1.0
sim_granularity: 0.1 #0.05
angular_sim_granularity: 0.1
vx_samples: 8
vy_samples: 0 # zero for a differential drive robot
vtheta_samples: 20
dwa: true
simple_attractor: false
機器人自身參數部分
max_vel_x, min_vel_x, max_vel_y, min_vel_y, max_vel_theta, min_vel_theta, acc_lim_x, acc_lim_y, acc_lim_theta：線速度，角速度，加速度的最大最小值
min_in_place_vel_theta：原地最大角速度
escape_vel：逃逸速度，必須是負值，這個速度可以了解為機器人陷入死胡同的回退速度
holonomic_robot：是否為全向機器人
yaw_goal_tolerance，xy_goal_tolerance：目标精度，實際肯定不可能以點為精度，到達目标某個範圍内視作到達目标
latch_xy_goal_tolerance：一般都為false，如果為true是什麼意思呢？就是當進入xy_goal_tolerance範圍内後會設定一個鎖，此後即使在旋轉調整yaw的過程中跳出xy_goal_tolerance，也不會進行xy上的調整。
前向仿真部分
contriller_frequency：控制器更新頻率，一般設為3~5之間，越高對計算機負載要求越高。
sim_time：前向仿真時間
sim_granularity, angular_sim_granularity：前向仿真時間步長（米），角速度前向步長（弧度）
vx_samples, vy_samples, vtheta_samples：速度采樣數
評價函數部分
cost的計算邏輯如下
cost =
pdist_scale * (distance to path from the endpoint of the trajectory in map cells or meters depending on the meter_scoring parameter)
+ gdist_scale * (distance to local goal from the endpoint of the trajectory in map cells or meters depending on the meter_scoring parameter)
+ occdist_scale * (maximum obstacle cost along the trajectory in obstacle cost (0-254))
pdist_scale，gdist_scale：path和goal的權重，前者大更靠近全局路徑，後者大更靠近全局目标
meter_scoring：計算系數時統一上面那兩個參數的機關為米，一般都是true，false時機關為cells
occdist_scale：避障系數
heading_lookhead：對不同的旋轉角，最多向前看幾米。
heading_scoring_timestep：對不同的軌迹，每次前向仿真時間步長
dwa：是否選擇DWA，false的話會選擇Trajectory Rollout
publish_cost_grid_pc：是否釋出計算後的cost話題
知道了這些參數的意思，我們再回到最初的話題，怎麼來調參
比如跑大圓是什麼原因呢？
因為上述計算cost采用的是endpoint，是以，如果前向仿真時間過長的話，endpoint就會比較遠，圓弧半徑就會比較大。
同理，如果過小，會造成走S型，甚至來回震蕩的情況。一般來說，如果地形越複雜，sim_time大一些（一般不超過5.0）效果比較好。
再比如說，增大pdist_scale和gdist_scale可以更快地讓機器人靠近全局路徑和目标，但同樣的，陷入局部陷阱後也更難跳出來。
還有一些參數是理論上是越精細越好，但是同樣的對算力的要求越高，比如vx_sample，vth_samples，sim_granularity。
關鍵還是控制變量+多實驗+多分析。
這裡其實我還有一個問題沒解決，就是sim_time和heading_scoring_timestep的關系，希望由搞懂的朋友告知一下。