1. 引言

1.1 为什么需要自主导航？

想象一个仓库机器人——它需要在货架之间穿梭，精准取货，同时避开突然出现的叉车和行人。或者一辆无人驾驶汽车，需要在复杂交通中安全行驶数百公里。这些场景的背后，都依赖一套精心设计的自主导航系统（Autonomous Navigation System）。

自主导航解决的核心问题，可以简单概括为三个问题：

1. 我在哪？（Localization，定位）
2. 周围有什么？（Perception + Mapping，感知与建图）
3. 我该怎么走？（Planning + Control，规划与控制）

这三个问题环环相扣，共同构成了机器人导航的完整闭环。

1.2 导航算法栈概览

一个完整的机器人导航系统，数据从传感器出发，经过层层处理，最终驱动执行器运动。下图展示了导航算法栈的整体数据流：

flowchart LR
    subgraph Sensors["传感器层"]
        L[激光雷达\nLiDAR]
        C[相机\nCamera]
        I[IMU]
        O[里程计\nOdometry]
    end

    subgraph Perception["感知层"]
        PF[点云滤波\nPoint Cloud Filter]
        FE[特征提取\nFeature Extraction]
        SF[传感器融合\nSensor Fusion]
    end

    subgraph LocalizationMapping["定位与建图层"]
        LOC[定位\nLocalization\nEKF/PF/NDT]
        MAP[建图/SLAM\nMapping/SLAM]
    end

    subgraph Planning["规划层"]
        GP[全局规划\nGlobal Planner\nA*/RRT*]
        LP[局部规划\nLocal Planner\nDWA/TEB]
        CM[代价地图\nCostmap]
    end

    subgraph Control["控制层"]
        PT[路径跟踪\nPath Tracking\nPure Pursuit/LQR]
    end

    subgraph Actuator["执行层"]
        ACT[底盘驱动\nChassis Drive]
    end

    Sensors --> Perception
    Perception --> LocalizationMapping
    LocalizationMapping --> Planning
    CM --> Planning
    Planning --> Control
    Control --> Actuator
    Actuator -->|里程计反馈| Perception

1.3 传统导航 vs. 学习型导航

在深度学习兴起之前，机器人导航主要依赖模块化、可解释的传统算法栈。每个模块职责清晰，可以独立调试和优化。本文将系统介绍这套算法栈的核心组件。

本文聚焦传统算法栈。如需了解端到端学习导航（VLN/VLA），请参考本站 VLN综述 系列。

2. 感知（Perception）

感知是导航系统的”眼睛”。传感器采集原始数据，经过处理后为定位、建图和规划提供可靠输入。

2.1 传感器类型与特性对比

激光雷达（LiDAR）

激光雷达通过发射激光脉冲并测量返回时间（Time of Flight, ToF）来计算距离。它能在任意光照条件下工作，输出精确的空间点云（Point Cloud）。

2D LiDAR（如 Hokuyo UTM-30LX、SICK TiM）每次扫描输出一个平面上的极坐标点集，适合室内平坦环境。3D LiDAR（如 Velodyne VLP-16、Ouster OS1）通过多线旋转扫描，输出完整的三维点云，是自动驾驶感知的核心传感器。

深度相机（Depth Camera / RGB-D）

RGB-D 相机（如 Intel RealSense D435、Microsoft Kinect）通过结构光或飞行时间（ToF）原理，同时获取彩色图像和每个像素的深度值。主要局限在于：室外强光会干扰结构光，且探测距离有限（通常 0.3–6m）。

IMU 与轮式里程计

IMU（惯性测量单元） 集成了陀螺仪（测角速度）和加速度计（测线加速度），输出频率高（100–1000 Hz），但误差会随时间积分累积（漂移）。

轮式里程计 通过车轮编码器计算位移，在平坦路面上精度良好，但在打滑或不平整路面上会产生累积误差。

两者的共同特点：短期精度高，长期使用需要与其他传感器融合校正。

2.2 感知数据处理

点云滤波

原始点云通常包含噪声和无关点，需要预处理：

体素滤波（Voxel Grid Filter）：将点云空间划分为规则的小立方体（体素），每个体素内的点用质心替代。这样既保留了点云的整体形状，又大幅降低了点云密度，提升后续处理速度。

半径滤波（Radius Outlier Removal）：对每个点，检查其半径 r 范围内的邻近点数量。若邻近点数不足阈值，则认为该点是噪声并删除。适合去除孤立噪点。

直通滤波（Pass Through Filter）：直接截取感兴趣区域的点云，例如只保留地面以上 0.1m 到 2m 高度范围内的点。

矩形拟合检测（Rectangle Fitting Detection）

基于激光雷达点云进行障碍物框估计：将聚类后的障碍物点云拟合为最小外接矩形（Minimum Bounding Rectangle），从而估计障碍物的长宽、朝向和中心位置。这是自动驾驶中障碍物感知的经典方法，常用于车辆检测。

特征提取

在视觉 SLAM 和相机标定中，特征提取至关重要：

• 角点特征（Corner）：如 FAST（速度极快）、Harris（经典）
• 描述子（Descriptor）：如 ORB（旋转不变 + 二进制，速度快）、SIFT（尺度/旋转不变，精度高但慢）
• 线特征（Line）：用于结构化室内环境（走廊、墙壁）

2.3 传感器外参标定

当系统使用多个传感器时，必须知道它们之间的相对位姿关系（外参，Extrinsic Parameters），才能将不同传感器的数据转换到同一坐标系。

基于 UKF 的外参估计：利用无迹卡尔曼滤波（UKF） 对外参进行在线估计。与标定板离线标定相比，这种方法可以在机器人运动过程中动态估计并修正外参，适合传感器安装位置可能微小变化的场景。

传感器时间同步

多传感器系统除了空间标定（外参）之外，时间同步同样至关重要。如果不同传感器的数据时间戳未对齐，会导致数据”不同步”——例如用 0.1 秒前的 IMU 姿态去处理当前帧激光点云，在机器人高速运动时误差不可忽略。

硬件触发同步（Hardware Trigger）：通过电路信号使所有传感器在同一时刻采样。例如 GPS 的 PPS（每秒脉冲）信号作为主时钟，触发相机快门和激光雷达扫描。这是精度最高的方法，时间误差可低至微秒级，但需要专用硬件电路支持。

软件时间戳插值（Software Interpolation）：当硬件触发不可行时，通过高精度系统时钟（如 NTP/PTP）为每个传感器数据包打时间戳，然后在软件层按时间戳对齐数据。常见做法是 IMU 数据按线性插值对齐至最近的激光帧时刻。

时间戳不对齐对 SLAM 的影响：激光雷达在一帧扫描期间（约 100 ms）机器人持续运动，若不使用 IMU 时间戳做运动补偿（Motion Distortion Correction），扫描点云会出现畸变（Distortion）——前半帧和后半帧点云错位，严重影响扫描匹配精度。LIO-SAM 等紧耦合方案正是通过 IMU 预积分解决这一问题。

2.4 传感器融合

单一传感器往往存在局限，融合多个传感器可以取长补短。

EKF（扩展卡尔曼滤波）融合：将不同频率、不同误差特性的传感器数据（如 IMU 高频姿态 + GPS 低频位置 + 里程计位移）统一融合。EKF 通过预测步骤（用运动模型预测状态）和更新步骤（用传感器观测修正预测）交替进行。

UKF（无迹卡尔曼滤波）融合：EKF 用一阶线性化近似非线性系统，而 UKF 用Sigma 点采样更精确地近似非线性变换的均值和协方差，在高非线性场景下精度更高。

EKF 传感器融合数据流（以多传感器机器人为例）：

flowchart LR
    subgraph Sensors["传感器输入"]
        IMU["IMU\n100–1000 Hz\n高频，短期精确"]
        ODO["轮式里程计\n50–200 Hz\n平坦路面好"]
        GPS["GPS/RTK\n1–10 Hz\n全局坐标，低频"]
        LID["激光雷达匹配\n10–40 Hz\n中频，可给位置修正"]
    end

    subgraph EKF["EKF 融合核心"]
        P["预测步骤\n用运动模型 + 里程计/IMU\n协方差 P 增大"]
        U["更新步骤\nKalman Gain K\n协方差 P 减小"]
    end

    OUT["融合后位姿\n位置 + 速度 + 朝向\n高频输出"]

    IMU -->|预测| P
    ODO -->|预测| P
    GPS -->|更新| U
    LID -->|更新| U
    P --> U
    U --> OUT
    OUT -->|滑动反馈| P

3. 定位（Localization）

定位解决的是”我在哪”的问题：给定一张地图，机器人需要实时估计自身在地图中的位置和朝向（即位姿 Pose = 位置 + 朝向）。

3.1 问题定义

定位问题可以分为两类：

• 全局定位（Global Localization）：机器人不知道初始位置，需要从头确定自身位姿。难度最大，粒子滤波擅长处理这类问题。
• 位姿跟踪（Pose Tracking）：已知近似初始位姿，在运动过程中持续修正。EKF/UKF 擅长处理这类问题。
• 绑架问题（Kidnapped Robot Problem）：机器人在运动中被突然移动到陌生位置，需要重新定位。

3.2 EKF 定位

直觉理解：想象你蒙眼走路，靠步数和转弯角度估计自己的位置（这是”预测”）；每当你摘下眼罩瞥一眼地图上的路标，就用路标位置来修正你的估计（这是”更新”）。EKF（Extended Kalman Filter）做的就是这件事的数学版本。

状态向量：$\mathbf{x} = [x, y, \theta]^T$（位置 + 朝向）

两步走：

1. 预测步骤（Predict）：利用运动模型（如里程计数据）预测下一时刻的位姿，同时误差协方差增大（不确定性增加）：

1. 更新步骤（Update）：利用传感器观测（如激光雷达看到路标）修正预测，误差协方差减小（不确定性降低）：

其中 $\mathbf{K}_t$ 是卡尔曼增益，决定了相信预测还是相信观测。

卡尔曼增益 K 的直觉理解：想象你朋友告诉你”你现在在图书馆门口”，但你的步数估计说你在图书馆里面。你该信谁？K 的大小决定了这个权衡：

• K → 1（相信观测）：传感器噪声低、预测不确定性大时 → 观测修正权重大
• K → 0（相信预测）：传感器噪声高时 → 少修正，主要靠运动模型

其中 $\mathbf{P}$ 是预测不确定性（越大 → K 越大 → 越信传感器），$\mathbf{R}$ 是传感器噪声（越大 → K 越小 → 越信预测）。下图展示了不确定性椭圆在预测→更新过程中的变化：

适用场景：已知地图、已知初始位置、低非线性系统。计算效率高，适合实时运行。

3.3 UKF 定位

与 EKF 的区别：EKF 用泰勒展开对非线性函数做一阶线性化近似，在高非线性系统中误差较大。UKF（Unscented Kalman Filter）则通过精心选取的Sigma 点集来近似非线性变换后的概率分布，无需求导，精度更高。

Sigma 点采样：从当前均值和协方差中提取 $2n+1$ 个 Sigma 点，通过非线性函数传播后，重新计算均值和协方差。

✅ 比 EKF 精度高，尤其适合运动模型非线性较强的场景 ❌ 计算量比 EKF 略大（约为 EKF 的 2–3 倍）

3.4 粒子滤波定位（Particle Filter）

直觉理解：用成千上万个”粒子”（每个粒子代表一个可能的位姿假设）来表示机器人位置的概率分布。每个粒子都根据运动模型移动（加入随机噪声），然后根据传感器观测给每个粒子打分（权重），越接近真实观测的粒子权重越高。最后通过重采样（Resampling）淘汰权重低的粒子，复制权重高的粒子。

AMCL（Adaptive Monte Carlo Localization）：ROS 中广泛使用的粒子滤波定位包，支持自适应粒子数量（定位收敛后减少粒子节省计算）。

下图展示了 MCL 算法的三个核心阶段：

MCL 算法流程：

flowchart TD
    INIT["初始化：\n均匀撒粒子\n（全局定位）\n或高斯分布\n（已知初始位姿）"]
    MOTION["运动更新（采样）\n按运动模型移动每个粒子\n加入随机运动噪声"]
    OBS["观测加权\n用传感器数据（激光/RGB-D）\n为每个粒子计算观测概率\nwt = p(zt | xt, map)"]
    NORM["归一化\n所有粒子权重之和 = 1"]
    RESAMP["重采样\n按权重有放回地采样 N 个粒子\n（低权重被淘汰，高权重被复制）"]
    EST["位姿估计\n取权重最大粒子 / 加权均值"]
    NEXT["下一时刻"]

    INIT --> MOTION
    MOTION --> OBS
    OBS --> NORM
    NORM --> RESAMP
    RESAMP --> EST
    EST --> NEXT
    NEXT -->|新运动指令| MOTION

重采样细节：朴素随机重采样会引入粒子多样性损失（同一粒子被多次复制）。系统重采样（Systematic Resampling） 通过在 $[0, 1/N]$ 内取一个随机起点，然后均匀间隔采样 N 次，保证每个区间恰好采样一次，有效避免多样性损失，计算复杂度仍为 $O(N)$。

AMCL 自适应粒子数（KLD 采样）：固定粒子数既浪费计算（定位收敛后粒子不需要那么多），又不安全（初始化时粒子太少可能漏掉真实位置）。KLD 采样 根据当前粒子集覆盖的状态空间体积，动态计算所需粒子数量：状态空间探索越充分（覆盖的网格越多），需要的粒子数越少。AMCL 中典型范围为 100–5000 个粒子。

✅ 支持全局定位（多假设并行，能处理绑架问题） ✅ 对非线性系统友好，不需要线性化 ❌ 粒子数量多时计算开销大 ❌ 在高维状态空间中效率下降（维度诅咒）

3.5 基于扫描匹配的定位

扫描匹配是另一类定位思路：直接将当前激光雷达扫描与参考地图（或上一帧扫描）对齐，求解位姿变换。

NDT（正态分布变换，Normal Distributions Transform）

思路：将参考点云空间划分为规则网格，每个格子内的点用正态分布（均值 + 协方差）来表示。当前扫描的点云在这些正态分布中的概率就是匹配得分，通过优化位姿使得匹配概率最大。

✅ 对点云密度变化鲁棒 ✅ 计算效率高（尤其是三维场景） ✅ 是自动驾驶定位（HDMap-based Localization）的主流方法之一

ICP（迭代最近点，Iterative Closest Point）

思路：将当前点云与目标点云中最近的点对匹配，计算最小化匹配点对距离的刚体变换（旋转 + 平移），然后迭代重复直到收敛。

✅ 简单直观，精度高（收敛后） ❌ 对初始位姿敏感，容易陷入局部最优 ❌ 计算复杂度较高，实时性受点云密度影响 ❌ 在重复结构（如走廊）中容易退化

3.6 定位方法对比汇总

4. 建图（Mapping & SLAM）

SLAM（同步定位与建图，Simultaneous Localization and Mapping） 解决了一个”先有鸡还是先有蛋”的问题：定位需要地图，建图又需要知道位置。SLAM 的目标是在没有先验地图的情况下，同时完成定位和建图。

4.1 地图表示形式

不同场景需要不同的地图表示：

二值占据栅格地图（Binary Occupancy Grid Map）

将环境空间划分为等大小的方格（通常 5–20 cm/格），每格存储一个概率值，表示该格是否被占据（有障碍 = 1，可通行 = 0，未探索 = 0.5）。这是室内机器人导航中最常用的地图格式，ROS map_server 直接支持。

代价地图（Costmap）

在占据栅格基础上，对障碍物周围区域膨胀（Inflation）出一层代价层：离障碍物越近，代价越高。这样路径规划时机器人会自动保持与障碍物的安全距离，无需额外碰撞检查。ROS Navigation Stack 的 costmap_2d 支持多层代价地图（静态层 + 障碍物层 + 膨胀层）。

势场地图（Potential Field Map）

将目标点视为”势能最低点”，障碍物视为”斥力源”，整个空间形成一个势能场。机器人沿梯度下降方向运动即可找到路径。直觉上类似于球在斜面上自然滚向最低点。主要缺点：容易陷入局部极小值（Local Minimum）。

NDT 地图（NDT Map）

前文提到的正态分布变换地图，适合高精度自动驾驶场景。每个格子存储点云的统计分布，而非原始点，大幅压缩存储空间同时保持定位精度。

OctoMap（八叉树三维地图）

OctoMap 是三维机器人建图的事实标准，ROS 中的 octomap_server 包直接支持。其核心思想：用八叉树（Octree）递归细分三维空间，每个叶节点代表一个体素（Voxel），存储该体素的占据概率。

空间细分原理：

graph TD
    R["🌐 根节点<br/>整个空间"]
    R --> N1["📦 子节点 1<br/>空间的 1/8"]
    R --> N2["📦 子节点 2<br/>空间的 1/8"]
    R --> ND["… 共 8 个子节点"]
    R --> N8["📦 子节点 8<br/>空间的 1/8"]
    N1 --> L1["🟩 叶节点（体素）<br/>已足够小，停止细分"]
    N1 --> L2["🟥 叶节点（体素）<br/>已足够小，停止细分"]
    N2 --> N21["📦 继续细分<br/>子节点的 1/8"]
    N21 --> L3["🟨 叶节点（体素）"]

    style R fill:#4a90d9,color:#fff,stroke:#2c6fad
    style N1 fill:#6db8f2,color:#fff,stroke:#4a90d9
    style N2 fill:#6db8f2,color:#fff,stroke:#4a90d9
    style N8 fill:#6db8f2,color:#fff,stroke:#4a90d9
    style ND fill:#ccc,color:#555,stroke:#aaa
    style N21 fill:#a8d4f5,color:#333,stroke:#6db8f2
    style L1 fill:#52c41a,color:#fff,stroke:#389e0d
    style L2 fill:#ff4d4f,color:#fff,stroke:#cf1322
    style L3 fill:#faad14,color:#fff,stroke:#d48806

🟩 自由体素 　🟥 占据体素 　🟨 未知体素 　深色节点 = 仍可继续细分

体素大小（分辨率）通常设为 5–20 cm，可按需调整。

占据概率更新（Bayesian 更新）：每次激光/深度传感器的光线穿过一个体素时，更新该体素的占据对数概率（Log-Odds）：

累积多次观测后，体素被分类为：占据（occupied）、自由（free）、未知（unknown）。

内存效率：OctoMap 只存储占据和自由节点，未知空间不占内存。大规模室内场景（200m²、10cm分辨率）通常只需几十 MB，远优于直接存储三维占据栅格。

✅ 三维障碍物感知（无人机避障、机械臂抓取规划） ✅ 支持动态更新（障碍物移除后概率衰减） ❌ 不保留颜色/语义信息（需扩展为 ColorOctoMap / SemanticOctoMap）

拓扑地图（Topological Map）

前述所有地图（占据栅格、NDT、OctoMap）都是度量地图（Metric Map）——精确记录空间的几何信息。而拓扑地图完全不同：它将环境抽象为节点（地点）+ 边（连通关系）的图结构，不关心精确几何。

graph LR
    A["入口大厅"] -->|"走廊 15m"| B["办公区 A"]
    A -->|"楼梯"| C["二楼"]
    B -->|"走廊 8m"| D["会议室"]
    B -->|"走廊 8m"| E["休息区"]
    C -->|"走廊 20m"| F["办公区 B"]

节点通常对应语义地点（房间、门口、走廊交叉点），边记录相邻节点之间的可达关系（有时附距离/方向信息）。

实际应用中的混合方案：大多数实际系统采用拓扑-度量混合地图（Hybrid Topological-Metric Map）：拓扑层做跨房间的高层路径规划（选择经过哪些节点），度量层在每个节点附近做精细局部导航和避障。典型实现如 ROS 的 topological_navigation 包。

4.2 SLAM 问题概述

SLAM 的输入是传感器数据流（激光扫描序列 / 图像序列 + 里程计），输出是：

1. 轨迹（Trajectory）：机器人历史运动路径
2. 地图（Map）：环境的空间表示

SLAM 系统通常分为前端（Front-end） 和后端（Back-end） 两部分：

flowchart LR
    subgraph Frontend["前端（数据关联）"]
        A[传感器数据] --> B[特征提取\n扫描匹配]
        B --> C[位姿初始估计\n里程计]
    end

    subgraph Backend["后端（优化）"]
        C --> D[因子图构建]
        D --> E[回环检测\nLoop Closure]
        E --> F[图优化\ng2o / GTSAM]
    end

    F --> G[优化后轨迹\n+ 全局地图]

SLAM vs. 纯定位（Localization）：SLAM 是”边建图边定位”，适用于未知环境的首次探索。一旦地图建好并保存，后续部署只需在已知地图上做纯定位——输入传感器数据，输出机器人在已知地图中的位姿，无需维护或更新地图。纯定位的计算量远低于 SLAM：激光方案用 AMCL（自适应蒙特卡洛定位，粒子滤波）或 NDT 定位，视觉方案用 重定位（Relocalization）。实际产品部署中，绝大多数机器人处于”纯定位模式”，SLAM 只在建图阶段或环境发生重大变化时才启动。

4.3 激光 SLAM

Cartographer（Google）

项目主页

Google 开源的激光 SLAM 系统，支持 2D 和 3D 建图。核心思想：

• 子图（Submap）：将扫描数据分段插入局部子图，每个子图维护自身的一致性
• 扫描匹配：新扫描来了，先用 CSM（相关扫描匹配）给一个初始位姿，再用 Ceres Solver 做精细优化
• 回环检测：当机器人回到之前探索区域时，通过暴力搜索匹配检测回环，消除累积误差

✅ 支持实时 2D/3D 建图 ✅ 大规模室内场景效果优秀 ✅ ROS 2 支持完善（cartographer_ros）

GMapping

项目主页

基于粒子滤波的 2D 激光 SLAM，每个粒子维护一个独立的栅格地图和位姿估计。使用Rao-Blackwellized 粒子滤波，将 SLAM 问题分解为条件独立的定位和建图两部分。

✅ 实现简单，适合室内小场景 ✅ 实时性好 ❌ 大场景粒子数需求大，内存开销高 ❌ 不支持 3D 建图

LOAM（LiDAR Odometry and Mapping）

Ji Zhang 等人于 2014 年提出，是 3D 激光 SLAM 的里程碑工作。核心思路：

• 从点云中提取边缘线特征（Edge）和平面特征（Planar）
• 利用这两类特征做扫描匹配，估计帧间位姿
• 分离出高频里程计（Odometry）和低频建图（Mapping）两个线程并行运行

作者项目主页

LeGO-LOAM

项目主页

LOAM 的轻量化版本，专为地面移动机器人优化。利用地面分割，只使用地面点和非地面点中提取的特征，大幅降低计算量，可在嵌入式平台（如 Jetson）实时运行。

LIO-SAM

项目主页

紧耦合激光惯性里程计，将 LiDAR 和 IMU 数据在因子图框架下联合优化。通过 IMU 预积分提供点云去畸变和初始位姿估计，再用激光匹配修正，精度和鲁棒性均优于松耦合方案。

LIO-SAM 紧耦合架构（IMU 预积分 + LiDAR 因子图）：

flowchart LR
    subgraph Input["输入数据"]
        IMU2["IMU\n高频 ~200 Hz"]
        LID2["3D LiDAR\n10–20 Hz"]
        GPS2["GPS（可选）\n全局约束"]
    end

    subgraph Frontend2["前端"]
        PREINT["IMU 预积分\n帧间姿态初值\n点云去畸变"]
        FEAT["特征提取\n边缘线特征\n平面特征"]
        SCAN["扫描匹配\n特征点→地图点\nLM 优化"]
    end

    subgraph Backend2["后端（GTSAM 因子图）"]
        FG["因子图"]
        IMUFac["IMU 预积分因子"]
        LIDFac["LiDAR 里程计因子"]
        GPSFac["GPS 因子（可选）"]
        LOOP2["回环检测因子\nKd-tree 搜索"]
        OPT2["iSAM2 增量优化"]
    end

    OUT2["优化后轨迹\n+ 全局点云地图"]

    IMU2 --> PREINT
    LID2 --> FEAT
    PREINT --> SCAN
    FEAT --> SCAN
    GPS2 --> GPSFac
    SCAN --> LIDFac
    PREINT --> IMUFac
    IMUFac --> FG
    LIDFac --> FG
    GPSFac --> FG
    LOOP2 --> FG
    FG --> OPT2
    OPT2 --> OUT2

4.4 视觉 SLAM

视觉 SLAM 使用相机代替激光雷达，成本更低但对光照更敏感。

ORB-SLAM3

目前最成熟的视觉 SLAM 系统之一，支持单目 / 双目 / RGB-D / 鱼眼相机 + IMU。

项目主页

关键技术：

• 特征提取：ORB（Oriented FAST and Rotated BRIEF） 描述子，快速且旋转不变
• 跟踪：当前帧与地图点匹配，用 PnP 求位姿
• 局部建图：维护一个局部地图，进行 Bundle Adjustment 优化
• 回环检测：基于词袋模型（Bag of Words, BoW） 的外观相似性检测

ORB-SLAM3 三线程架构：

flowchart TB
    CAM["相机输入\n（单目/双目/RGB-D/鱼眼）"]

    subgraph T1["线程①：Tracking（跟踪，实时）"]
        ORB_EXT["ORB 特征提取"]
        POSE_EST["位姿估计\n地图点匹配→PnP\n恒速模型初值"]
        TRACK_ST{"跟踪成功?"}
        RELOC["重定位\nBoW 检索候选帧\nPnP + RANSAC"]
    end

    subgraph T2["线程②：Local Mapping（局部建图，稍慢）"]
        KF_INSERT["关键帧插入"]
        MAP_PT["地图点三角化\n新地图点创建"]
        LOCAL_BA["局部 Bundle Adjustment\n共视关键帧 + 地图点联合优化"]
        KF_CULL["关键帧剔除\n90% 地图点被其他帧观测 → 删除冗余 KF"]
    end

    subgraph T3["线程③：Loop Closing（回环，更慢）"]
        BOW_DETECT["BoW 回环检测\n相似帧候选"]
        GEOM_VERIFY["几何一致性验证\nEssential Matrix 检验"]
        LOOP_FUSE["回环融合\n地图点合并"]
        GLOBAL_BA["全局 Bundle Adjustment\ng2o / 图优化"]
    end

    CAM --> ORB_EXT
    ORB_EXT --> POSE_EST
    POSE_EST --> TRACK_ST
    TRACK_ST -->|"否"| RELOC
    TRACK_ST -->|"是，且满足关键帧条件"| KF_INSERT
    KF_INSERT --> MAP_PT
    MAP_PT --> LOCAL_BA
    LOCAL_BA --> KF_CULL
    KF_INSERT --> BOW_DETECT
    BOW_DETECT --> GEOM_VERIFY
    GEOM_VERIFY --> LOOP_FUSE
    LOOP_FUSE --> GLOBAL_BA

关键帧选择策略：ORB-SLAM3 不是每帧都插入关键帧，而是按以下条件触发：① 距上一关键帧时间超过阈值；② 当前帧可以观测到的地图点数量下降到阈值以下（跟踪变弱）；③ 局部地图中不存在太多待处理的关键帧（避免积压）。这种策略确保关键帧在空间和时间上均匀分布，避免冗余。

地图点管理：每个地图点记录其被哪些关键帧观测到、在每帧中的 ORB 描述子（取均值作为代表描述子）。地图点分为局部地图点（近期关键帧所见）和全局地图点（完整历史）。跟踪时只使用局部地图点做匹配（速度快），BA 优化时只优化共视关键帧（局部 BA）。

丢失跟踪后的重定位：当连续帧跟踪失败时，系统进入重定位模式：① 用当前帧的 BoW 向量在关键帧数据库中检索相似帧；② 对候选帧用 PnP+RANSAC 验证几何一致性；③ 找到匹配帧后恢复位姿，重新初始化跟踪。BoW 检索速度极快（O(1) 量级），毫秒内可完成。

✅ 精度高，支持多种相机类型 ✅ 大规模场景中的闭环检测能力强 ❌ 纯视觉在弱光 / 快速运动下容易丢失跟踪

VINS-Mono / VINS-Fusion

香港科技大学开源的视觉惯性 SLAM 系统。将相机和 IMU 紧耦合，通过非线性优化（滑动窗口 BA） 联合估计位姿。VINS-Fusion 进一步支持双目和 GPS 融合，是自动驾驶和无人机领域的常用方案。

✅ 紧耦合，精度高 ✅ 对相机纯旋转、弱纹理场景鲁棒性更好 ✅ 支持在线外参标定

DSO（直接稀疏里程计）

项目主页

直接法代表作，不提取特征点，直接最小化图像像素灰度的光度误差（Photometric Error）。

与特征法（ORB-SLAM3）的对比：

RTAB-Map（Real-Time Appearance-Based Mapping）

项目主页

由 IntRoLab 开源，是目前 ROS 生态中使用最广泛的多模态图优化 SLAM 系统，同时支持 RGB-D 相机、双目相机和 3D LiDAR 输入，输出占据栅格地图和稠密点云地图。

核心设计：基于外观的记忆管理

RTAB-Map 最独特之处在于其在线记忆管理机制（Memory Management）：系统将关键帧分为”工作记忆（Working Memory, WM）”和”长期记忆（Long-Term Memory, LTM）”。当 WM 中的节点数超过上限，最久未被访问的节点被转入 LTM（类似操作系统的内存换页）。回环检测时只在 WM 内搜索，保证实时性；检测到回环后从 LTM 中唤醒相关节点参与优化。这一机制使 RTAB-Map 能在大规模长时间建图中保持实时（>1 Hz）运行。

关键技术模块：

• 外观回环检测：基于词袋模型（BoW）对关键帧提取 SURF/ORB 特征，计算帧间相似度；超过阈值则触发几何验证（PnP + RANSAC）
• 图优化后端：使用 g2o / GTSAM 对位姿图进行全局优化，消除累积漂移
• 多传感器前端：
  • RGB-D 模式：ICP 点云匹配 + 视觉里程计（VO）
  • 激光模式：ICP / NDT 扫描匹配
  • 双目模式：视差深度估计 + VO
• 输出地图：2D 占据栅格地图（可直接用于 ROS Navigation Stack）+ 3D 彩色点云

flowchart LR
    subgraph Input["输入"]
        RGBD["RGB-D / 双目\n/ 3D LiDAR"]
        IMU2["IMU（可选）"]
    end

    subgraph Frontend["前端：里程计"]
        VO["视觉/激光里程计\nICP / VO"]
    end

    subgraph Memory["记忆管理"]
        WM["工作记忆 WM\n（最近 N 帧关键帧）"]
        LTM["长期记忆 LTM\n（历史关键帧，休眠）"]
        WM <-->|"换入/换出"| LTM
    end

    subgraph Loop["回环检测"]
        BOW2["BoW 相似度检索\n（仅 WM 内）"]
        GEO["几何验证\nPnP + RANSAC"]
    end

    subgraph Backend["后端：图优化"]
        PG["位姿图\ng2o / GTSAM"]
    end

    subgraph Output["输出地图"]
        OCC["2D 占据栅格地图"]
        PC["3D 彩色点云"]
    end

    RGBD --> VO
    IMU2 --> VO
    VO -->|"新关键帧"| WM
    WM --> BOW2
    BOW2 --> GEO
    GEO -->|"回环约束"| PG
    VO -->|"里程计约束"| PG
    PG --> OCC
    PG --> PC

✅ 多传感器支持，RGB-D/双目/LiDAR 一套系统通吃 ✅ 输出标准占据栅格地图，与 ROS Navigation Stack 无缝对接 ✅ 在线记忆管理，适合长时间大规模建图 ✅ 内置 3D 点云地图，可用于抓取、三维重建等下游任务 ❌ 默认参数对大场景内存消耗较高，需调优 Mem/STMSize 等参数 ❌ 纯视觉模式在弱纹理 / 弱光环境下可靠性下降

稠密视觉建图（Dense Visual Mapping）

ORB-SLAM3 和 DSO 输出的都是稀疏/半稠密点云，无法直接用于抓取规划、三维重建等下游任务。稠密建图系统输出完整的三维表面模型，代价是更高的计算量。

TSDF 地图表示

截断符号距离函数（Truncated Signed Distance Function, TSDF） 是稠密建图的核心地图表示。将空间划分为体素网格，每个体素存储：

• SDF 值：该体素到最近表面的有符号距离（正=表面外侧，负=内侧，零=表面）
• 权重：累积观测的置信度

其中 $\delta$ 为截断距离，$d(v)$ 为体素中心到最近表面的距离。多帧深度图融合后，通过Marching Cubes 算法在 TSDF=0 处提取三角网格，即为重建的三维表面。

KinectFusion

微软研究院 2011 年提出，第一个基于 RGB-D 相机实时稠密重建的系统，完全在 GPU 上运行。

流程：

flowchart LR
    RGBD["RGB-D 帧"] --> ICP["ICP 位姿估计\n（点面 ICP，GPU）"]
    ICP --> TSDF_UPD["TSDF 体素更新\n（GPU 并行写入）"]
    TSDF_UPD --> MC["Marching Cubes\n表面提取"]
    MC --> MESH["三角网格"]

• 前端：用 GPU 点面 ICP 实时估计相机位姿（无特征提取，直接对齐深度图点云）
• 建图：将深度图沿光线方向投影，更新 TSDF 体素（GPU 并行，速度极快）
• 限制：地图分辨率固定、场景大小受 GPU 显存限制（通常 3m³ 以内）；无回环检测，长时间漂移明显

ElasticFusion

ICCV 2015，在 KinectFusion 基础上加入弹性形变（Elastic Deformation） 机制，通过 Surfel（有向面元） 代替体素存储地图，并支持非刚性全局优化：

• Surfel 地图：每个 Surfel 存储位置、法向量、颜色、半径、置信度
• 弹性回环：检测到回环后，不是刚性平移地图，而是对地图施加非刚性弹性形变，使历史帧平滑对齐
• 效果：适用于中等规模室内场景（单个房间），重建质量远优于 KinectFusion

稠密视觉建图对比

神经隐式 SLAM（Neural Implicit SLAM）

2021 年以来，NeRF 和 3D Gaussian Splatting 引入 SLAM，带来了全新的地图表示范式——不再用离散体素或点云，而是用神经网络隐式编码场景的几何和外观。

NeRF 基础回顾

神经辐射场（NeRF） 用一个 MLP 将空间坐标和视角方向映射为颜色和体密度：

通过体渲染（Volume Rendering）积分得到像素颜色，与真实图像对比计算光度损失，反向传播优化网络权重。优化后的网络即为场景的”隐式地图”，可从任意视角渲染新视图。

iMAP（2021）

第一个将 NeRF 用于实时 SLAM 的系统。用单个 MLP 同时优化相机位姿和场景表示：

• 跟踪：固定网络权重，优化当前帧位姿（最小化渲染误差）
• 建图：固定位姿，优化网络权重（用历史关键帧更新隐式地图）
• 限制：单个 MLP 容量有限，大场景细节丢失；速度慢，无法实时

NICE-SLAM（2022）

引入多分辨率特征网格（Multi-Resolution Feature Grid） 替代单一 MLP，解决 iMAP 的容量瓶颈：

• 粗、中、细三层特征网格，分别捕捉不同尺度的几何信息
• 局部更新：只更新当前观测到的网格区域，避免全局遗忘
• 速度比 iMAP 快，适用于中等规模室内场景（TUM、Replica 数据集）

3D Gaussian Splatting SLAM（2023-2024）

3DGS-SLAM 用三维高斯椭球（3D Gaussian） 代替 NeRF 的体密度场，渲染速度提升 100 倍以上（实时渲染 >30 fps），催生了一批实时 SLAM 系统：

NeRF/3DGS SLAM 与传统 SLAM 对比：

展望：神经隐式 SLAM 目前在定位精度和实时性上仍落后于传统 SLAM，但其输出的高质量可渲染地图对具身 AI（embodied AI）的视觉感知、仿真数据生成具有独特价值，是当前研究热点。

4.5 SLAM 后端优化

SLAM 前端给出每帧的位姿初始估计，但由于噪声累积，长时间运行后误差会越来越大。后端优化的目标是全局一致性。

Bundle Adjustment（BA）直觉理解

Bundle Adjustment（光束平差法） 是视觉 SLAM 后端优化的核心，目标是同时调整相机位姿和三维地图点的位置，使所有地图点在所有相机帧中的重投影误差（Reprojection Error）最小。

直觉类比：想象你有多张从不同角度拍摄同一场景的照片，以及场景中路标的初始3D坐标（有误差）。BA 就是同时微调每张照片的相机位置/朝向，以及每个路标的3D坐标，使得”按相机参数计算出来的路标投影点”与”实际在照片中看到的特征点位置”的偏差之和最小。

其中 $P_i$ 是相机位姿，$X_j$ 是地图点3D坐标，$u_{ij}$ 是观测到的图像坐标，$\pi(\cdot)$ 是投影函数。

Local BA vs. Global BA 的权衡：

• Local BA（ORB-SLAM3 实时优化）：只优化最近的共视关键帧和它们观测到的地图点，计算量小，可实时运行（毫秒级）。缺点：全局漂移不能通过局部 BA 消除。
• Global BA（回环后触发）：优化整个地图的所有关键帧和地图点，全局一致性好。缺点：计算量与地图规模成正比，大场景可能需要数秒甚至数分钟，只能离线或在回环检测触发后执行一次。

因子图（Factor Graph）与图优化

将 SLAM 问题建模为因子图：节点（变量）表示机器人位姿和地图点，边（因子）表示传感器约束（如相邻帧之间的相对位姿、回环约束）。求解过程就是找到使所有约束误差之和最小的变量估计值。

graph LR
    X0((X0)) -->|里程计| X1((X1))
    X1 -->|里程计| X2((X2))
    X2 -->|里程计| X3((X3))
    X3 -->|里程计| X4((X4))
    X4 -->|回环检测| X0
    X0 -->|GPS| G0[GPS因子]
    X2 -->|LiDAR| L0[激光因子]
    style X0 fill:#4a9,color:#fff
    style X4 fill:#4a9,color:#fff
    style G0 fill:#fa4,color:#fff
    style L0 fill:#fa4,color:#fff

回环检测（Loop Closure Detection）

回环检测的任务：判断机器人是否回到了之前探索过的地方，从而添加回环约束消除累积误差。整个流程分为两个阶段：外观检索（快速召回候选帧）和几何验证（剔除误召回）。

阶段一：外观检索 —— 词袋模型（Bag of Words）

视觉 SLAM 中最主流的回环检索方案，由 DBoW2 / DBoW3 库实现（ORB-SLAM 系列、RTAB-Map 均基于此）。

（1）离线：构建视觉词典

在大量图像上提取 ORB / BRIEF 描述子，用 k-means 聚类（通常为层次化 k 叉树）将高维描述子空间量化为 $K$ 个”视觉单词（visual word）”。词典一旦训练完成即固化，运行时无需更新。

原始描述子空间（128维浮点 or 256位二进制）
        ↓  层次化 k-means
视觉词典（树形结构，叶节点 = visual word）

（2）在线：图像 → BoW 向量

对每帧关键帧提取 ORB 描述子，将每个描述子量化到最近的视觉单词，统计词频，加权得到一个稀疏向量：

其中 TF-IDF 权重 $= \text{tf}(w, f) \times \log\frac{N}{n_w}$，$N$ 为数据库总帧数，$n_w$ 为包含单词 $w$ 的帧数。常见单词（如边缘角点）权重低，稀有单词（如独特纹理）权重高。

（3）候选帧检索

新关键帧到来时，用其 BoW 向量与数据库中所有帧做余弦相似度比较，取 Top-K 帧作为回环候选。由于向量稀疏且词典查表为 $O(1)$，检索速度极快（毫秒量级）。

关键限制：BoW 是纯外观方法，相似的光照/场景会产生误召回（false positive），因此必须经过几何验证。

阶段二：几何一致性验证 —— RANSAC

对 BoW 召回的每个候选帧，验证当前帧与候选帧之间的3D几何是否自洽。

（1）特征点匹配

对当前帧与候选帧，基于 ORB 描述子做暴力匹配（Brute-Force Matching），得到一批对应点对 ${(p_i, p_i’)}$。

（2）RANSAC 估计本质矩阵 / 单应矩阵

由于匹配点对中含有大量外点（outlier）（遮挡、重复纹理导致的误匹配），直接用所有点求解会得到错误的几何关系。RANSAC 的做法：

重复 N 次：
  1. 随机采样最小点集（本质矩阵需 5 点，单应矩阵需 4 点）
  2. 用最小点集求解 E 或 H 矩阵
  3. 统计满足 E/H 的内点（inlier）数量
返回内点数最多的解

本质矩阵 $E$（纯旋转+平移场景，无平面假设）满足对极约束：

其中 $R$ 为旋转矩阵，$t^\wedge$ 为平移向量的反对称矩阵。

（3）内点数阈值判断

• 内点数 $\geq$ 阈值（如30）→ 确认回环，计算当前帧相对候选帧的相对位姿 $T_{loop}$，将其作为约束加入位姿图
• 内点数不足 → 拒绝候选，本次不产生回环

flowchart LR
    KF["新关键帧"] --> BOW["BoW 检索\nTop-K 候选帧"]
    BOW --> MATCH["ORB 描述子\n暴力匹配"]
    MATCH --> RANSAC["RANSAC\n估计 E / H"]
    RANSAC --> CHECK{"内点数 ≥ 阈值?"}
    CHECK -->|"是"| LOOP["确认回环\n加入位姿图约束"]
    CHECK -->|"否"| REJECT["拒绝候选"]
    LOOP --> OPT["触发全局图优化\n（g2o / GTSAM）"]

激光 SLAM 的回环检测

激光 SLAM 没有图像，不能用 BoW，常用以下方案：

Scan Context 是近年激光回环检测的主流方案：将3D点云投影到俯视极坐标格子，每个格子记录最大高度值，生成固定尺寸的2D矩阵作为”点云指纹”。两帧之间的相似度通过列移位搜索实现旋转不变性，检索速度远快于逐帧 ICP。

主要后端优化库

• g2o（General Graph Optimization）：通用图优化库，ORB-SLAM2/3 使用
• GTSAM（Georgia Tech Smoothing and Mapping）：因子图优化库，LIO-SAM 使用
• iSAM2（Incremental Smoothing and Mapping 2）：GTSAM 中的增量式优化算法，支持实时更新而无需每次重新优化整个图

4.6 激光 vs. 视觉 SLAM 对比

RTAB-Map 横跨两列：支持激光和视觉双模态输入，精度和适用场景介于两者之间，是 ROS 生态中覆盖面最广的开箱即用方案。

4.7 SLAM 退化场景与实际部署挑战

SLAM 系统在实验室环境下往往表现良好，但在真实部署中会遭遇各种退化场景，导致定位失败或地图错误。理解这些场景并有针对性地选择算法，是工程化的关键。

4.7.1 几何退化（Geometric Degeneracy）

长廊退化（Corridor Degeneracy）：激光 SLAM 在长走廊中面临严峻挑战。走廊两侧墙壁高度对称，激光点云沿走廊方向的特征几乎一致，导致沿走廊方向的位移无法被约束（扫描匹配的法方向约束缺失）。表现为：沿走廊方向漂移，横向定位良好。

对策：

• 结合 IMU 或轮式里程计约束沿走廊方向运动
• 使用 3D LiDAR 利用天花板和地面结构补充约束
• LIO-SAM 的 IMU 预积分在退化方向提供约束

开阔室外退化：大型停车场、田野等缺少立体结构的环境，激光点云稀疏，NDT/ICP 收敛困难。对策：融合 GPS 全局约束。

4.7.2 动态环境挑战

SLAM 假设环境是静态的，但现实中行人、车辆、移动家具会产生动态干扰：

• 假地图点：动态障碍物被错误地建入静态地图
• 跟踪失败：大量动态物体导致扫描匹配失效
• 回环误检：场景布局变化后 BoW 召回错误关键帧

对策：

• 点云动态物体滤除（基于运动一致性检测）
• 语义分割过滤动态类别（行人、车辆）的点云
• 视觉 SLAM 中使用运动分割（Motion Segmentation）

4.7.3 光照与天气影响（视觉 SLAM）

视觉 SLAM 对光照极为敏感：

对策：

• 视觉惯性 SLAM（VINS-Mono/ORB-SLAM3 IMU 模式）：IMU 在特征跟踪失败时维持短期定位
• HDR 相机或主动照明（结构光）适应光照变化
• 事件相机（Event Camera）对运动模糊免疫，是当前研究热点

4.7.4 长期地图维护与场景变化

长期部署面临地图老化问题：季节变化（落叶、积雪）、装修改造、家具移动等都会使原始地图失效。

对策策略：

• 增量式地图更新：当传感器观测与现有地图不一致超过阈值时，触发局部地图更新
• 多地图管理（ORB-SLAM3 支持）：在场景切换或跟踪丢失时创建新子地图，恢复后合并
• 语义地图：用语义标签（门/墙/柱）替代原始点，语义特征比几何特征更稳定

4.7.5 嵌入式平台计算约束

机器人往往搭载算力有限的嵌入式平台（Jetson Nano / Xavier / Orin），而完整 SLAM 系统对算力要求较高：

实践建议：

• 优先使用轻量化系统：LeGO-LOAM（嵌入式友好）、AMCL（低算力定位）
• 前端（特征提取、扫描匹配）尽量在 GPU 加速
• 后端优化可降频运行（10 Hz 前端 + 1–2 Hz 后端 BA）
• 使用 iSAM2 增量优化避免全图重优化

注：视觉 SLAM 真实部署中的更多细节（与 TITS 2026 相关的场景适应性研究）将在后续补充。

4.8 常用数据集汇总

5. 路径规划（Path Planning）

路径规划解决”我该怎么走”的问题：在已知（或局部已知）的地图中，找到从起点到终点的无碰撞路径。

5.1 全局路径规划——搜索类

搜索类算法在离散化的栅格地图上搜索最优路径。

Dijkstra 算法

思路：从起点出发，像涟漪扩散一样，按照代价从小到大的顺序逐步探索所有可达节点，直到找到终点。保证找到代价最小的路径（最优性）。

✅ 保证最优解 ❌ 无方向性，在大地图上扩展节点数量大，效率低 ❌ 时间复杂度 $O(V \log V + E)$，$V$ 为节点数，$E$ 为边数

A*（A-Star）算法

思路：在 Dijkstra 基础上加入启发函数 h(n)（估计当前节点到终点的代价，通常用欧几里得距离或曼哈顿距离），让搜索有明确的方向性，优先探索”看起来更接近终点”的节点。

其中 $g(n)$ 是起点到节点 $n$ 的实际代价，$h(n)$ 是启发函数估计值。

✅ 保证最优解（当 $h(n)$ 不高估实际代价时） ✅ 比 Dijkstra 快得多（方向性搜索） ❌ 在高维空间（如3D）计算量仍然较大

启发函数 h(n) 的选择：不同的启发函数适用于不同的移动约束：

可采纳（Admissible）：$h(n)$ 永远不高估真实代价，保证 A* 找到最优解。若 $h(n) = 0$ 则退化为 Dijkstra（最慢最优），$h(n)$ 越大越快但可能过高估失去最优性。

下图展示了 A* 在 10×10 栅格上的搜索过程：

双向 A（Bidirectional A）

同时从起点和终点双向搜索，当两个搜索波前相遇时停止。平均搜索节点数约为单向 A* 的一半，适合起终点相距较远的情况。

Hybrid A（混合 A）

标准 A* 的问题：在栅格上寻路，忽略了车辆的运动学约束。一辆汽车不能原地侧移，它有最小转弯半径。

Hybrid A* 的改进：将车辆的连续状态空间（$x, y, \theta$）离散化，每个节点扩展时考虑可执行的转向操作（如不同曲率的圆弧），确保生成的路径对非完整约束车辆（差速轮式/阿克曼）实际可行。

✅ 生成运动学可行路径 ✅ 适合停车场景、狭窄通道 ❌ 计算量比标准 A* 大 ❌ 需要结合 Reeds-Shepp 曲线等后处理平滑

A* 算法工程优化

在实际工程落地（如自动驾驶或移动机器人）中，原始 A* 生成的路径往往存在节点冗余、拐角尖锐等问题。主流的优化策略包括：

1. 自适应启发函数权重： 引入动态权重系数 $\lambda$，使启发函数随位置变化： \(f(n) = g(n) + (1 + \lambda \cdot \frac{d_{to\_end}}{d_{total}})h(n)\) 在靠近起点时增大权重以提升搜索速度（类似贪婪搜索）；在靠近终点时降低权重以保证路径的最优性。

2. 路径精简（Douglas-Peucker 算法）： A* 产生的原始路径通常包含大量共线的冗余节点。利用 Douglas-Peucker (DP) 算法可以在保持路径拓扑特征的前提下，剔除不必要的中间点，极大地简化路径描述，提升后续轨迹平滑的效率。

3. 二次平滑（B-样条曲线）： 针对精简后的关键点，利用 B-样条（B-Spline） 或五次多项式进行拟合。这能将 A* 的折线路径转化为连续、高阶可导的平滑弧线，确保其符合底盘的动力学约束（如向心加速度限制）。

Fast Marching Method（快速行进法，FMM）

思路：FMM 由 J.A. Sethian 于 1996 年提出，将路径规划问题建模为波前传播问题。从目标点出发向四周传播”时间波前”，记录波到达每个栅格的最短时间 $T(\mathbf{x})$，构建一张全局到达时间场；规划时，从起点沿 $-\nabla T$ 方向梯度下降，即可得到全局最优路径。

程函方程（Eikonal Equation）：

其中 $T(\mathbf{x})$ 为波从目标到达点 $\mathbf{x}$ 的最小时间（路径代价），$F(\mathbf{x}) > 0$ 为该点的传播速度——自由空间 $F=1$，障碍物边缘附近 $F \to 0$，通过代价地图的距离变换赋值可自然融合地形代价。

核心算法步骤（窄带推进，类 Dijkstra）：

1. 初始化：目标点 $T_{goal}=0$，所有其他节点 $T=\infty$；将目标点加入最小堆
2. 弹出堆顶（当前最小 $T$ 的节点），标记为”已确定”

3. 对每个未确定的邻居，用 Eikonal 更新公式计算候选到达时间：

   设 $T_h = \min(T_{左}, T_{右})$，$T_v = \min(T_{上}, T_{下})$（取相邻方向中已确定的最小值），则：

   \[T_{new} = \begin{cases} \dfrac{T_h + T_v + \sqrt{2/F^2 - (T_h - T_v)^2}}{2} & \text{若 } |T_h - T_v| < 1/F \\ \min(T_h, T_v) + \dfrac{1}{F} & \text{否则（退化为单侧更新）} \end{cases}\]
4. 若 $T_{new}$ 更小，则将该邻居插入（或更新）最小堆
5. 重复步骤 2–4，直至堆空

路径提取：从起点出发，沿 $-\nabla T$ 方向执行梯度下降。由于 Eikonal 方程保证 $T$ 场单调无局部极小值，梯度下降一定能收敛至目标点，生成全局最优路径。

✅ 路径天然平滑：连续波前传播，无栅格锯齿 ✅ 一次构建，全图可查：$T$ 场建好后任意起点均可直接梯度下降，适合多次查询同一目标 ✅ 通过 $F(\mathbf{x})$ 自然融合非均匀地形代价（斜坡、地面类型等） ✅ 全局最优（连续空间意义），不存在传统势场法的局部极小问题 ❌ 无法使用启发函数加速，必须遍历整张地图，$O(N \log N)$（$N$ 为栅格总数） ❌ 不适合超大地图的单次单终点规划（A* 更快） ❌ 分辨率低时梯度下降路径仍有轻微锯齿，需后处理平滑

与其他算法对比：

典型应用：地形路径规划（漫游车非均匀地面）、ROS navfn 全图势场构建、图像距离变换与骨架提取、计算机图形学测地线距离计算。

Fast Marching Square（FM²）

FM² 由 Garrido 等人（2006）在 FMM 基础上提出，核心思想是两次串联的 FMM，通过构造一个与障碍物距离成正比的速度场，让波前自动”绕开”危险区域，规划出天然安全的平滑路径。

两阶段算法：

1. 第一阶段——构造速度场 $W(\mathbf{x})$：以所有障碍物栅格为源点（$T=0$）运行 FMM，得到全图每个点到最近障碍物的到达时间距离场；将该距离场归一化后作为速度场：

   \[W(\mathbf{x}) = f\!\left(d_{\text{obs}}(\mathbf{x})\right), \quad W \in (0,\,1]\]

   距障碍物越近，$W(\mathbf{x})$ 越小（速度越低）；自由空间中心处 $W \to 1$。

2. 第二阶段——路径规划：以目标点为源点、以 $W(\mathbf{x})$ 为传播速度再次运行 FMM，计算到达时间场 $T(\mathbf{x})$；从起点沿 $-\nabla T$ 梯度下降即得路径。

为何路径天然安全：障碍物附近 $W$ 低 → 波传播慢 → $T$ 值高 → 梯度下降时自动绕向 $W$ 大（远离障碍物）的”高速区”，无需任何后处理即可保持安全裕量。

✅ 路径安全性由速度场内生保证，无需膨胀障碍物或设置安全半径参数 ✅ 两次 FMM 均保证全局最优，路径平滑 ✅ 适用于任意维度空间（机械臂高维规划同样适用） ❌ 两次全图 FMM，计算量为标准 FMM 的两倍 ❌ 速度场可能在狭窄通道中将速度压得过低，导致路径过度保守

主要变体：

5.2 全局路径规划——采样类

采样类算法通过随机采样构建路径，不需要显式栅格化地图，适合高维空间和复杂几何约束场景。

RRT（快速随机扩展树，Rapidly-exploring Random Tree）

思路：从起点生长一棵树，每次随机采一个点，找到树上最近的节点，向随机点方向延伸一小步，如果没有碰撞就加入树。当树的某个节点足够接近终点时，路径即找到。

核心步骤：

1. 初始化：树 $\mathcal{T}$ 仅含起点 $x_{start}$
2. 随机采样 $x_{rand} \sim \mathcal{U}(\mathcal{X})$（有时以一定概率 $p_{goal} \approx 5\%$ 直接采终点，加速收敛）
3. 最近邻 $x_{near} = \arg\min_{x \in \mathcal{T}} |x - x_{rand}|$
4. 步进 $x_{new} = x_{near} + \delta \cdot \frac{x_{rand} - x_{near}}{|x_{rand} - x_{near}|}$，其中 $\delta$ 为步长（step_size）
5. 碰撞检测：若 $x_{near} \to x_{new}$ 无障碍，则将 $x_{new}$ 加入树，边权为 $\delta$
6. 重复直到 $|x_{new} - x_{goal}| < \epsilon$

关键参数 step_size：过大则跨越障碍物失败，过小则收敛极慢，通常取地图对角线的 1%–5%。

✅ 天然处理高维空间（机械臂规划） ✅ 不需要栅格化 ❌ 不保证最优性（找到的路径通常较曲折） ❌ 最终路径需要额外平滑处理（常用 B-Spline 或 Shortcut 平滑）

RRT*

RRT 的改进版，在标准 RRT 基础上增加了两个关键步骤：近邻选父（Choose Parent） 和 重连（Rewiring）。

Choose Parent：不再直接用最近邻作为父节点，而是在半径 $r$ 的近邻集合 $\mathcal{X}_{near}$ 中，选择到起点代价最低的节点作为父节点：

Rewiring：将 $x_{new}$ 加入树后，检查 $\mathcal{X}{near}$ 中的每个节点 $x{near}$：若经过 $x_{new}$ 能降低 $x_{near}$ 的路径代价，则断开 $x_{near}$ 的旧父边，改由 $x_{new}$ 作为父节点。

搜索半径 $r$ 随采样点数 $n$ 缩小：$r(n) = \gamma \left(\frac{\log n}{n}\right)^{1/d}$（$d$ 为空间维度），保证渐近最优的同时控制计算量。

✅ 渐近最优性（采样越多路径越好） ✅ 与 RRT 共享相同的采样框架，易于实现 ❌ 每次新增节点需遍历近邻集合，单步时间复杂度 $O(\log n)$ 高于 RRT 的 $O(1)$ ❌ 收敛速度慢，实时规划时可能采样时间不够

双向 RRT（Bidirectional RRT）

从起点 $x_{start}$ 和终点 $x_{goal}$ 各生长一棵 RRT* 树（$\mathcal{T}_a$、$\mathcal{T}_b$），每次迭代交替扩展两棵树：

1. 对 $\mathcal{T}a$ 执行一步 RRT* 扩展，得到新节点 $x{new}$
2. 尝试将 $x_{new}$ 连接到 $\mathcal{T}b$ 中距其最近且路径无碰撞的节点 $x{b,near}$
3. 若连接成功，合并两条子路径得到候选完整路径；保留代价最小的完整路径
4. 两棵树角色互换（$\mathcal{T}_a \leftrightarrow \mathcal{T}_b$），继续迭代优化

优势来源：两棵树”对向生长”，有效避免了单向树在宽阔空间中的盲目扩散，搜索体积从 $O(r^d)$ 降为 $O(2 \cdot (r/2)^d)$，收敛速度比单向 RRT* 快约一个数量级。

Informed RRT*

进一步改进：当找到一条初始解 $c_{best}$ 后，将采样限制在椭圆区域内。该椭圆的两个焦点为 $x_{start}$ 和 $x_{goal}$，长半轴为 $a = c_{best}/2$，短半轴为：

直觉：只有椭圆内的点才可能使路径代价低于 $c_{best}$（椭圆的定义恰好是到两焦点距离之和 $\leq c_{best}$）。随着路径不断优化，$c_{best}$ 减小，椭圆持续收缩，采样越来越”精准”，避免在无效区域浪费采样。

采样时将标准圆内的均匀随机点 $x_{ball} \sim \mathcal{U}(\mathcal{B}^d)$ 通过仿射变换映射到椭圆坐标系：$x_{rand} = C \cdot L \cdot x_{ball} + x_{center}$，其中 $C$ 是旋转矩阵（使椭圆主轴对准 $x_{start} \to x_{goal}$ 方向），$L = \text{diag}(a, b, \ldots, b)$。

5.3 局部路径规划（动态避障）

全局规划假设地图是静态的，而现实中会有动态障碍物（行人、其他机器人）。局部规划在机器人运动过程中实时重新规划，处理动态障碍。

DWA（动态窗口法，Dynamic Window Approach）

思路：在机器人当前速度周围的可达速度窗口（受加速度限制）中采样速度指令 $(v, \omega)$，用运动模型预测每条轨迹，根据目标方向 + 速度 + 障碍物距离综合打分，选择最优速度指令执行。

动态窗口的构造：速度空间 $(v, \omega)$ 需同时满足三个约束，取交集：

• 速度限制：$v \in [v_{min}, v_{max}]$，$\omega \in [\omega_{min}, \omega_{max}]$
• 动态窗口（加速度限制）：$v \in [v_c - \dot{v}{max} \cdot \Delta t,\ v_c + \dot{v}{max} \cdot \Delta t]$，$\omega$ 类似
• 可达性约束：轨迹上距离最近障碍物的距离 $> 0$（且机器人能在到达障碍物前制动）

评分函数：

三个分量的含义：

• $\text{heading}$：轨迹终点朝向与目标点方向的夹角差（越小越好，鼓励机器人转向目标）
• $\text{dist}$：轨迹上离最近障碍物的最小距离（越大越好，鼓励远离障碍）
• $\text{velocity}$：线速度 $v$ 本身（越大越好，鼓励快速前进）
• $\sigma(\cdot)$ 为归一化函数，$\alpha, \beta, \gamma$ 为权重

✅ 计算快（ms 级），适合实时避障 ✅ ROS dwa_local_planner 开箱即用 ❌ 速度搜索空间有限，在狭窄通道中容易失败 ❌ 只考虑短期轨迹（约 1–3 s），无法处理需要”绕路”的障碍

改进变体：模糊 DWA (Fuzzy DWA)
传统 DWA 的评价权重（$\alpha, \beta, \gamma$）是固定的，难以兼顾”高速行驶”与”狭窄避障”。模糊 DWA 引入模糊推理机，以目标距离和最近障碍物距离为输入，动态调整采样权重。例如：当障碍物极近时，大幅提高 $\beta$（避障权重）并降低 $\gamma$（速度权重），使避障行为更丝滑、不生硬。

TEB（时间弹性带，Timed Elastic Band）

思路：将路径视为一段”橡皮筋”，加入时间维度后变成”时间弹性带”。TEB 将局部规划问题建模为一个稀疏非线性最小二乘优化：

状态表示：路径由一系列带时间戳的位姿序列表示 $\mathcal{B} = {x_i, \Delta T_i}_{i=1}^{n}$，其中 $x_i = (p_x, p_y, \theta)$，$\Delta T_i$ 是相邻路点间的时间间隔。

优化目标（多约束加权求和）：

各约束项的含义：

优化采用 g2o 稀疏图优化框架：每个路点为节点，每个约束为边，利用 Levenberg–Marquardt 或 Gauss-Newton 迭代求解，通常 10–30 次迭代即可收敛。

✅ 生成平滑、运动学可行的轨迹 ✅ 支持动态障碍物（将障碍物也建模为图中的节点） ✅ 支持倒车（允许 $v < 0$） ❌ 计算量比 DWA 大，约 50–200 ms ❌ 参数调优复杂（约束权重 $\gamma_k$ 间相互影响） ❌ 对初始路径质量敏感，全局规划结果差时局部可能陷入局部最优

势场法（Potential Field Method）

最简单直观的局部避障方法：终点产生引力场，障碍物产生斥力场，机器人沿势场梯度方向下降移动。

引力势（抛物线型，距目标越远引力越大）：

斥力势（当距障碍物 $d(q, O) < Q^*$ 时生效）：

机器人受到的合力为负梯度：$F(q) = -\nabla U_{att}(q) - \nabla U_{rep}(q)$，沿合力方向移动。

局部极小值的成因：在障碍物密集区域，某点的引力方向与斥力恰好大小相等、方向相反，梯度为零，机器人陷入”假终点”。

缓解方法：随机扰动（Random Walk）、增加全局目标的势权重、结合全局规划引路等。

✅ 实现简单，计算极快（O(障碍物数量)） ✅ 可生成连续的力指令，适合与控制器直接耦合 ❌ 局部极小值问题（机器人可能卡在引力和斥力平衡点） ❌ 狭窄通道中障碍物两侧斥力叠加，合力垂直于通道方向，机器人无法通行 ❌ 靠近目标时引力趋近零，若仍有斥力，机器人可能无法到达终点

MPPI（模型预测路径积分）

模型预测路径积分（Model Predictive Path Integral）思路：属于模型预测控制（MPC） 的随机变体。在当前时刻，向前采样大量随机控制序列（通过 GPU 并行采样），用运动模型仿真每条轨迹的未来状态，根据轨迹代价计算信息论加权平均作为当前控制输出，然后滑动时间窗口重复。

算法流程：

1. 当前控制序列 $U = {u_0, u_1, \ldots, u_{T-1}}$，采样 $K$ 条扰动序列 $\epsilon^{(k)} \sim \mathcal{N}(0, \Sigma)$
2. 对每条轨迹 $k$，并行前向仿真 $T$ 步，计算代价： \(S^{(k)} = \sum_{t=0}^{T-1} \left[ c(x_t^{(k)}) + \lambda \, u_t^\top \Sigma^{-1} \epsilon_t^{(k)} \right] + \phi(x_T^{(k)})\) 其中 $c(x_t)$ 为状态代价（碰撞惩罚、偏航偏差等），$\phi$ 为终端代价，$\lambda$ 为温度参数
3. 计算每条轨迹的指数权重（代价越低权重越大）： \(w^{(k)} = \frac{\exp\!\left(-\frac{1}{\lambda} S^{(k)}\right)}{\sum_{j=1}^K \exp\!\left(-\frac{1}{\lambda} S^{(j)}\right)}\)
4. 加权平均更新控制序列：$u_t \leftarrow u_t + \sum_k w^{(k)} \epsilon_t^{(k)}$
5. 执行 $u_0$，滑动窗口前移一步，重复

温度参数 $\lambda$ 控制”探索-利用”权衡：$\lambda \to 0$ 时几乎只用代价最低的轨迹（贪婪），$\lambda \to \infty$ 时所有轨迹权重相等（纯随机）。

✅ 无需求解最优控制问题（只需前向仿真，无梯度） ✅ 天然支持非线性系统和非凸代价函数（如碰撞的阶跃代价） ✅ GPU 并行采样（$K$ 可达 $10^3$–$10^4$），可处理复杂障碍物分布 ❌ 需要相对精确的运动模型（仿真误差积累会导致轨迹偏差） ❌ 计算量较大，通常需要 GPU 才能达到实时控制频率（$\geq 10$ Hz）

参数设置指南：

MPPI 的核心参数可以分为三组：采样规模、探索强度、代价设计。

① 采样规模：$K$（轨迹数）× $T$（预测步数）× $dt$（步长）

三者共同决定了计算量和规划质量，是最先需要确定的参数。

经验：先固定 $dt = 0.05$ s，将 $T \times dt$ 设为机器人以最大速度通过最长障碍物走廊所需时间的 1.5 倍，再根据 GPU 算力决定 $K$。

② 探索强度：$\lambda$（温度）与 $\Sigma$（噪声协方差）

$\Sigma$ 决定轨迹扰动的幅度，$\lambda$ 决定高代价轨迹被压制的程度。

调节思路：$\sigma_v, \sigma_\omega$ 先设为速度上限的 30%–50%，然后通过仿真观察轨迹束（trajectory bundle）的覆盖范围。若轨迹全堆在一起就加大噪声，若轨迹极度发散就减小。$\lambda$ 在 0.1–1.0 之间调，障碍物密集场景用小值（更保守），开阔场景用大值（更平滑）。

③ Critics（评分器）——Nav2 MPPI 的代价插件体系

Nav2 的 nav2_mppi_controller 将代价函数 $c(x_t)$ 拆分为一组可插拔的 Critic 插件，每个 Critic 独立计算一项分数，最终加权求和：

每个 Critic 可通过 enabled: true/false 单独开关，weight 控制其在总代价中的占比。Nav2 内置的 Critics 如下：

权重量级关系：障碍物类（ObstaclesCritic + CostCritic）的权重之和通常应大于路径跟踪类（PathAlignCritic + PathFollowCritic），否则机器人会为了贴路径而撞向动态障碍。

调参顺序建议：

1. 只保留 ObstaclesCritic + CostCritic，调到机器人能绕过障碍不碰撞
2. 加入 PathAlignCritic + PathFollowCritic，调到机器人能跟随全局路径
3. 加入 GoalCritic + GoalAngleCritic，确保到达目标时姿态正确
4. 按需加入 TwirlingCritic / PreferForwardCritic，修复特定运动缺陷
5. 不要同时调多个权重，每次只改一个，观察行为变化后再继续

对应 YAML 配置示例：

FollowPath:
  plugin: "nav2_mppi_controller::MPPIController"
  batch_size: 2000
  time_steps: 56
  model_dt: 0.05
  vx_std: 0.5
  wz_std: 0.5
  temperature: 0.3
  critics:
    - plugin: "nav2_mppi_controller::ObstaclesCritic"
      enabled: true
      weight: 10.0
    - plugin: "nav2_mppi_controller::PathAlignCritic"
      enabled: true
      weight: 14.0
    - plugin: "nav2_mppi_controller::GoalCritic"
      enabled: true
      weight: 5.0
    - plugin: "nav2_mppi_controller::TwirlingCritic"
      enabled: true
      weight: 10.0

全身碰撞检测（Whole-Body Collision Checking）

前面的 DWA / TEB / 势场法 / MPPI 都把机器人近似成一个点或一个圆，再把障碍物按固定半径膨胀。对圆形底盘（扫地机、圆形 AGV）这个近似是精确的；但对四足机器人、叉车、长条形 AGV 这类长宽比大的本体，膨胀半径取哪个值都是错的：

（示例本体取 0.70 m × 0.31 m，接近 Unitree Go2 的机身尺寸）

思路：用少量几何基元覆盖机器人本体，让碰撞区域随朝向一起变化。四足机器人上的常见做法是双圆柱覆盖：沿身体纵轴放两个竖直圆柱，把占用地图按圆柱半径和上下净空预先膨胀，于是”全身碰撞检测”就退化成查询两个圆心所在体素这两次点查询——代价与点模型几乎相同，精度却接近矩形模型。

关键参数：

$d_{up}$ 和 $d_{down}$ 这一对是 2.5D 高程图做不到的事：高程图把桌面拍扁成”地形”，桌子底下能不能钻过去根本表达不出来；而上下净空明确区分了”头顶有东西但够高”和”脚下有东西但够矮”。

朝向从哪来？ 如果把 yaw 也作为优化变量，状态维度和求解复杂度都会上去。更省的做法是从位置轨迹的局部切线诱导出朝向：

其中 $Q_i$ 是 B 样条控制点，$Q_{i+1} - Q_{i-1}$ 是局部运动方向的有限差分近似。

为什么可以这么做：四足机器人的航向本可以与运动方向解耦，但让机身朝向对齐运动方向，恰好能把窄道里的横向投影降到最小——这既是执行时最自然的行为（控制器跟踪轨迹切线即可），也让碰撞检测与实际执行保持一致，不需要任何额外的 yaw 控制变量。

地面机器人的 3D 规划：z 方向梯度抑制

直接把地面机器人当成”能飞的 3D 刚体”来优化，会出现一个荒谬的结果：规划器发现从障碍物上方跨过去路径最短，于是把轨迹往上抬。对无人机这没问题，对必须靠接触支撑的地面机器人则完全不可执行。

正确做法是让避障主要发生在水平方向，竖直方向只跟随地形趋势：

1. 高度正则化初始化——先用多项式生成初始路径，再按累计水平弧长把高度重新线性分配到起点与局部目标之间。$xy$ 投影保持不变，$z$ 变成沿水平行进距离的线性剖面，作为优化前的稳定竖直基线。
2. 投影 A* 引导——检测到碰撞段后，不在完整 3D 栅格里搜索绕行路径，而是限制在一张由两端点高度插值出来的倾斜搜索面上搜。每个搜索节点只用”水平栅格坐标 + 插值高度”表示，搜索空间从 3D 降到 2.5D，且天然贴合地形坡度。
3. z 梯度抑制——优化更新时压掉竖直分量，把排斥力全部转化为横向变形。

没有这一步，3D 规划器在楼梯场景会给出”从障碍上方飞过”的短路径；有了它，轨迹保留楼梯诱导的爬升趋势，同时横向绕开障碍。

局部地图边界与死胡同恢复

长程导航时，机器人只维护一张以自身为中心的滑动占用地图（固定大小的循环缓冲区，地图平移时只重置换出的地址、保留重叠区域，做到零拷贝）。这带来一个 DWA/TEB 同样会遇到的老问题：当子目标落在新观测到的障碍之后、或者干脆在地图边界之外时，局部规划器会卡死。

边界回退（boundary fallback）策略把”规划失败”转换成”有界的恢复动作”：

1. 在滑动地图边界外临时加一层一体素宽的虚拟自由层，仅用于生成假设路径，不视为可执行自由空间；
2. 若目标在地图内不可达，允许 A* 搜索进入虚拟层；
3. 取假设路径离开滑动地图的那个边界体素作为回退目标，替换原局部目标；
4. 在真实滑动地图内用全身碰撞检测生成最终路径。

效果是：机器人不会在死胡同里原地抖动，而是朝地图边界走一段、把新区域纳入观测，下一轮重规划自然脱困。

✅ 碰撞精度接近矩形/多边形模型，代价接近点模型（每个检测点只查 2 个体素） ✅ 上下净空显式区分头顶障碍与可跨越矮障，2.5D 高程图做不到 ✅ 朝向由轨迹切线诱导，不增加优化变量 ✅ 滑动地图 + 边界回退，长程导航下内存有界且能脱困 ❌ 双圆柱仍是保守覆盖，对形状更不规则的本体（带机械臂的移动平台）精度不够 ❌ 依赖稠密点云与高频里程计（典型配置为 3D LiDAR + LIO），纯 2D 激光雷达平台无法使用 ❌ 相比 DWA/TEB 的纯 2D 代价地图，3D 占用栅格的内存与更新开销明显更高

什么时候需要它：机器人长宽比 > 2、且工作环境里存在与机身尺寸同量级的窄通道或头顶悬挂结构（桌子、货架、管道）时。如果是圆形底盘在开阔室内跑，各向同性膨胀就够了，上这套只是徒增开销。

代表实现：SCAN-Planner（arXiv:2606.19555，代码）在 Unitree Go2 + Livox Mid-360 + FAST-LIO2 上验证了上述组合，全部模块在 Jetson Orin NX 上实时运行。仿真对比中（MARSIM，40 m × 20 m，100–500 个随机障碍，每组 50 次试验）：

真机长程测试包括三层办公楼跨楼层巡检（149 m / 251 s）和校园级末端配送（367 m / 589 s，全局路由由商用导航地图提供，局部规划由本方法承担）。

5.4 代价地图（Costmap）层次结构

ROS1 vs ROS2：costmap_2d 插件在两个版本中架构相同（分层叠加、同名层插件），配置 YAML 的命名空间写法略有差异。Nav2 新增了 VoxelLayer（3D 体素障碍）和 SpeedLimitLayer（区域限速）两个层，其余概念完全一致。

costmap_2d 采用分层叠加架构，多层代价地图按顺序合并，最终取每个栅格的最大代价值：

代价值定义

每个栅格存储一个 uint8（0–255）代价值，含义如下：

Footprint（机器人轮廓）

Footprint 是机器人在 XY 平面内的 2D 多边形轮廓，是代价地图计算危险区域的基础。由此派生出两个半径：

• 内切圆半径 $r_{ins}$：能放进 footprint 的最大圆半径。机器人中心距障碍物 $\leq r_{ins}$ 时一定碰撞，对应 INSCRIBED（253）代价
• 外接圆半径 $r_{circ}$：能覆盖 footprint 的最小圆半径。机器人中心距障碍物在 $(r_{ins}, r_{circ}]$ 之间时可能碰撞（取决于朝向）

配置示例：

# 圆形机器人（简单）
robot_radius: 0.22

# 非圆形机器人（多边形 footprint）
footprint: [[-0.25, -0.20], [-0.25, 0.20], [0.25, 0.20], [0.25, -0.20]]

膨胀层代价公式

其中 $d$ 为到最近障碍物的距离，$r_{inf}$ 为 inflation_radius，$k$ 为 cost_scaling_factor。

参数直觉：

• inflation_radius 越大 → 障碍物”影响范围”越宽，狭窄通道更难通行，但路径更安全
• cost_scaling_factor 越大 → 代价衰减越陡，紧贴障碍物的惩罚高但远离后迅速降低
• 推荐值：inflation_radius = $r_{ins}$ + 0.1–0.3 m（安全余量视定位精度和速度而定）

全局代价地图 vs 局部代价地图

两套代价地图独立配置、服务于不同规划器：

关键差异：局部代价地图不加载静态层，因为静态层是全局一致的大地图，加载进小窗口反而会把窗口外的”已知障碍”遗漏。局部地图只信任当前传感器视野内的实时数据。

5.5 规划算法对比汇总

6. 路径跟踪（Path Tracking）

路径规划给出了一条理想路径，而路径跟踪控制器的任务是让机器人实际跟随这条路径运动。由于真实世界存在噪声、模型误差和外界干扰，控制器需要实时计算修正量。

6.1 纯追踪控制

纯追踪控制（Pure Pursuit）直觉理解：想象你开车，目光盯着前方一个固定距离（预瞄距离 Look-ahead Distance $L_d$）的目标点，不断调整方向盘朝它转。这就是 Pure Pursuit 的思路。

核心公式：

其中：

• $\delta$ = 前轮转角（控制量）
• $L$ = 轴距
• $\alpha$ = 目标点方向与车辆航向的夹角
• $L_d$ = 预瞄距离（通常取当前速度的 1–2 倍时间内行驶的距离）

✅ 实现极其简单 ✅ 对路径噪声鲁棒（天然平滑效果） ❌ 预瞄距离需要人工调参 ❌ 高速时跟踪误差大（纯几何控制，忽略动力学）

预瞄距离 $L_d$ 调参实践建议：

$L_d$ 是 Pure Pursuit 唯一需要调的关键参数，对性能影响极大：

速度自适应调参（Adaptive Pure Pursuit）：使用 $L_d = k \cdot v$，其中典型 $k$ 值为：

• 室内机器人（最高 1 m/s）：$k \approx 1.5$–$2.0$
• 仓储 AGV（最高 2 m/s）：$k \approx 1.0$–$1.5$
• 自动驾驶（最高 30 km/h）：$k \approx 0.5$–$1.0$

另一实践技巧：设置 $L_d$ 的最小值（如 0.3 m），避免低速时预瞄距离趋近于零导致震荡。

6.2 自适应追踪控制

自适应追踪控制（Adaptive Pure Pursuit）将预瞄距离 $L_d$ 与速度动态关联：

其中 $k$ 是比例系数，$v$ 是当前速度。速度快时预瞄远（稳定），速度慢时预瞄近（精确）。这解决了固定预瞄距离在不同速度下表现差异大的问题。

6.3 后轮反馈控制

后轮反馈控制（Rear Wheel Feedback）以车辆后轴中点为跟踪参考点（而非前轴或重心），直接消除后轮在参考路径上的横向误差和航向误差。后轮反馈控制（Rear Wheel Feedback）相比 Pure Pursuit 有更严格的数学收敛保证。

6.4 Stanley 控制器

斯坦福大学自动驾驶团队（用于 DARPA 挑战赛）提出的控制律，以前轴中点为参考：

其中：

• $\psi_e$ = 航向误差
• $e$ = 前轴到路径的横向偏差
• $k$ = 增益系数
• $v$ = 当前速度

第一项修正航向偏差，第二项修正横向偏差。速度越快，横向误差修正量越小（避免高速急转）。

✅ 精度优于 Pure Pursuit ✅ 低速（停车）时的精度表现好 ❌ 在极低速时 $\arctan(k \cdot e / v)$ 项趋于饱和，需要处理 ❌ 不显式考虑路径曲率

6.5 LQR 路径跟踪

线性二次调节器（Linear Quadratic Regulator）将路径跟踪问题建模为最优控制问题。在车辆线性化模型下，LQR 求解最小化如下代价函数的最优控制律：

其中 $\mathbf{e}_t$ 是跟踪误差（横向偏差 + 航向误差），$u_t$ 是控制输入（转向角），$\mathbf{Q}$ 和 $\mathbf{R}$ 是权重矩阵（调参关键：$\mathbf{Q}$ 大表示”更重视减小误差”，$\mathbf{R}$ 大表示”更重视平稳控制”）。

✅ 理论上最优，精度高 ✅ 系统响应平滑 ❌ 依赖精确的线性化模型 ❌ $\mathbf{Q}$、$\mathbf{R}$ 矩阵调参需要经验

6.6 路径跟踪算法对比汇总

7. 机器人运动学模型（Kinematic Models）

路径规划和运动控制的所有算法，其速度约束、轨迹曲率、控制变量都建立在特定运动学模型之上。不同底盘结构对应截然不同的状态方程，直接决定了哪些规划/跟踪算法可用、约束如何建模。本章系统梳理三类主流模型。

7.1 差分驱动模型（Differential Drive）

机构特征

差分驱动底盘由两个独立驱动轮（左轮 $\omega_L$、右轮 $\omega_R$）和若干从动万向轮组成，通过两轮转速差实现转向。典型平台：TurtleBot、Husky、室内移动机器人。

运动学方程

设轮半径为 $r$，轮距（左右轮中心距）为 $2b$，则：

机器人在世界坐标系下的状态 $\mathbf{q} = [x, y, \theta]^\top$ 满足：

写成矩阵形式：

控制输入为线速度 $v$ 和角速度 $\omega$，通过逆运动学解算得到各轮转速：

约束与特性

对规划算法的影响

• DWA：速度采样空间为 $(v, \omega)$ 二维矩形，可支持原地旋转，无最小转弯半径约束。
• TEB：可直接约束 $v$、$\omega$ 及其导数（加速度），差分模型优化自由度高。
• Pure Pursuit / LQR：通常将 $\omega$ 作为控制输出，直接控制角速度即可。

7.2 阿克曼转向模型（Ackermann Steering）

机构特征

阿克曼底盘仿照汽车转向几何设计：后轮驱动，前轮转向；两前轮绕各自转向节转动，理想情况下四轮瞬时旋转中心共线，消除轮胎侧滑。典型平台：自动驾驶乘用车、AgileX Scout、Jackal（小型四轮差速/阿克曼混合）。

几何关系

设轴距（前后轴中心距）为 $L$，前轮等效转角为 $\delta$，则转弯半径为：

内外侧实际前轮转角满足（完整阿克曼条件）：

其中 $W$ 为轮距。工程上通常用单一等效前轮角 $\delta$ 近似。

运动学方程（自行车模型近似）

将前后轮各合并为单轮，得到经典自行车模型：

控制输入为纵向速度 $v$ 和前轮转角 $\delta$，曲率 $\kappa = \tan\delta / L$。

离散化（前向欧拉，步长 $\Delta t$）：

约束与特性

对规划算法的影响

• Hybrid A*：以 $(x, y, \theta)$ 为状态，用阿克曼运动方程展开节点，生成曲率连续路径，直接可跟踪。

• TEB：需开启阿克曼模式，约束 $

  \delta

  \le \delta_{\max}$ 和 $\dot{\delta}$ 上限，轨迹最小曲率半径有限。

• Pure Pursuit / Stanley：输出前轮转角 $\delta$，是为阿克曼车辆专门推导的跟踪控制律。
• MPC：以自行车模型为预测模型，约束 $\delta$ 和 $\dot{\delta}$，适合高速精确跟踪。

7.3 全向轮模型（Omnidirectional / Holonomic）

机构特征

全向底盘利用特殊轮结构（Mecanum 轮或全向轮）实现平面内任意方向的独立平移，无需旋转机身。典型结构：

典型平台：仓储 AMR（亚马逊 Kiva 类）、实验室移动操作机器人（HSR、TIAGo）。

四轮 Mecanum 运动学方程

设四轮布局为矩形，半轴距 $l_x$（纵向）、$l_y$（横向），轮半径 $r$，辊子与轮轴夹角 $45°$，则逆运动学（机器人速度 → 轮速）：

轮编号约定：$\omega_1$=左前，$\omega_2$=右前，$\omega_3$=左后，$\omega_4$=右后。

正运动学（轮速 → 机器人速度）取上矩阵伪逆（满秩时为 $\frac{1}{4}$ 倍转置）：

世界坐标系下状态方程（含航向角 $\theta$）：

三轮全向运动学方程

三轮互成 $120°$，设第 $i$ 轮安装角为 $\phi_i = 120°(i-1)$：

其中 $d$ 为轮子到底盘中心的距离。逆解：

约束与特性

对规划算法的影响

• 全局规划：可直接使用标准 A* / Dijkstra 在栅格地图规划，路径无曲率约束，任意方向可达。
• DWA：速度空间扩展为 $(v_x, v_y, \omega_z)$ 三维，或等效为 $(v, \theta_{vel}, \omega_z)$，采样空间更大。
• 路径跟踪：无需复杂跟踪控制律，可用简单 PID 分别控制 $x$、$y$、$\theta$ 三个通道，独立解耦。
• MPC：预测模型为线性（忽略打滑），约束为各轮转速上限，设计比阿克曼更简单。

7.4 三类模型综合对比

工程选型原则：室内窄道优先差分（转弯灵活、成本低）；室外高速优先阿克曼（稳定性好、轮胎模型成熟）；需要横移的仓储/操作场景选全向轮（效率高，但需补偿打滑）。

8. 运动控制（Motion Control）

路径跟踪（第6章）解决的是”朝哪个方向走”的几何问题，而运动控制解决的是”如何精确执行这些指令”的动态问题——需要考虑系统模型、物理约束、扰动抑制和最优性。本章介绍机器人导航中常用的模型化控制方法。

8.1 PID 控制

PID（比例-积分-微分，Proportional-Integral-Derivative）是工程中应用最广泛的控制器，也是理解更复杂控制算法的基础。

控制律：

其中 $e(t)$ 是误差（如横向偏差或航向误差），三项分别：

• P（比例）：当前误差越大，修正力度越大；响应快但可能超调
• I（积分）：消除稳态误差（积累历史误差）；过大会振荡
• D（微分）：预测误差变化趋势，抑制超调；对噪声敏感

离散形式（实际代码中使用）：

✅ 实现简单，调参直观 ✅ 不需要系统模型（纯经验调参） ❌ 参数固定，难以适应非线性和时变系统 ❌ 无法显式处理约束（如最大转速、最大转向角）

8.2 模糊 PID 控制（Fuzzy PID）

模糊 PID 是 PID 的直接进化：保留 PID 的反馈回路结构，引入模糊推理机（Fuzzy Inference System） 对 $K_p, K_i, K_d$ 三个增益进行在线自整定，从而让控制器自动适应不同工况。

系统结构

flowchart LR
    E["e(t)\n误差"] --> FIS
    DE["ė(t)\n误差变化率"] --> FIS
    subgraph FIS["模糊推理机"]
        F1[模糊化\nFuzzification] --> F2[规则推理\nRule Inference]
        F2 --> F3[去模糊化\nDefuzzification]
    end
    FIS -->|ΔKp, ΔKi, ΔKd| ADD["参数更新\nKp = Kp₀+ΔKp\nKi = Ki₀+ΔKi\nKd = Kd₀+ΔKd"]
    ADD --> PID["PID 控制律\nu(t)"]
    PID --> Plant["被控对象"]
    Plant -->|y(t)| FB(( ))
    FB --> E
    FB --> DE

模糊化（Fuzzification）

将连续的误差 $e$ 和误差变化率 $\dot{e}$ 映射到 7 个语言变量（模糊集）：

每个语言变量对应一个隶属度函数（通常用三角形或梯形函数），连续输入值经过隶属度计算得到对每个语言变量的”归属程度”。

模糊规则（Rule Base）

规则形式为 IF $e$ is A AND $\dot{e}$ is B THEN $\Delta K_p$ is C。以 $\Delta K_p$ 为例，典型规则表（7×7）：

规则直觉：误差大（NB/PB）时需要加大比例增益（$\Delta K_p$ 取 PB），快速拉回；误差趋近零（ZO）时应减小比例、增大微分以防超调。$\Delta K_i$ 和 $\Delta K_d$ 的规则表设计逻辑类似但目标不同。

去模糊化（Defuzzification）

最常用的重心法（Centroid Method）：

其中 $\mu_j$ 是第 $j$ 条规则的激活强度，$c_j$ 是对应输出模糊集的中心值。最终得到精确的 $\Delta K_p$、$\Delta K_i$、$\Delta K_d$ 增量，叠加到基础值上：

与固定 PID 的核心差异

✅ 无需精确模型：纯经验规则驱动，适合难以建模的非线性系统 ✅ 计算高效：一次模糊推理仅需查表 + 插值，µs 级，适合嵌入式平台 ✅ 鲁棒性强：对参数摄动、外部扰动的抑制优于固定增益 PID ❌ 规则表需要领域经验设计，规则数量随输入维度指数增长（7×7=49 条/增益） ❌ 缺乏严格的最优性和稳定性证明（对比 LQR/MPC）

8.3 MPC（模型预测控制，Model Predictive Control）

MPC 是目前自动驾驶和高精度机器人控制中最受关注的方法之一。核心思想：在每个控制周期内，基于当前状态和系统模型，求解一个有限时域优化问题，输出一段最优控制序列，但只执行第一步，然后在下一周期重新求解——即”滚动优化、反馈校正“。

优化问题形式：

其中：

• $N$ = 预测时域（Prediction Horizon），典型值 10–30 步
• $\mathbf{Q}, \mathbf{R}$ = 状态误差和控制量的权重矩阵（$\mathbf{Q}$ 大 → 优先减小跟踪误差；$\mathbf{R}$ 大 → 优先减小控制幅度）
• $\mathcal{X}, \mathcal{U}$ = 状态约束和控制约束（如最大速度、最大转向角）
• $\mathbf{P}$ = 终端代价矩阵（保证闭环稳定性）

✅ 显式处理约束：速度上限、加速度限制等物理约束直接写入优化约束 ✅ 多步前瞻：预测未来 $N$ 步，在弯道前提前减速，而不是等到曲率增大才反应 ✅ 统一框架：路径跟踪、速度规划、软避障可在同一个优化问题中处理 ❌ 计算量大，需要高效 QP/NLP 求解器（OSQP、CasADi+IPOPT） ❌ 依赖精确系统模型，模型失配会影响性能 ❌ 调参复杂（$N$、$\mathbf{Q}$、$\mathbf{R}$、约束边界、终端集）

线性 MPC vs. 非线性 MPC（NMPC）：

8.4 控制器对比汇总

9. 完整导航栈集成

9.1 坐标系与 TF 树

导航栈各模块（传感器、定位、规划、控制）之间的数据交换，都需要明确”这个位姿/点是相对哪个坐标系的”。ROS 用 TF2 库统一管理这棵变换树。

四个核心坐标系

TF 树结构与各模块的关系：

flowchart TB
    MAP["🗺️ map\n全局一致固定系\n原点 = 建图起始点"]
    ODOM["📍 odom\n里程计积分系\n连续但会漂移"]
    BASE["🤖 base_link\n机器人底盘中心"]
    LIDAR["📡 lidar_link"]
    CAM["📷 camera_link"]
    IMU["🔄 imu_link"]

    SLAM["SLAM / AMCL\n定位节点"]
    WHEEL["轮式里程计\n/ IMU融合"]
    URDF["URDF\n静态变换"]

    MAP -->|"T_map^odom\n修正漂移（跳变）"| ODOM
    ODOM -->|"T_odom^base\n连续平滑"| BASE
    BASE -->|"固定外参"| LIDAR
    BASE -->|"固定外参"| CAM
    BASE -->|"固定外参"| IMU

    SLAM -.->|发布| MAP
    WHEEL -.->|发布| ODOM
    URDF -.->|发布| BASE

    style MAP fill:#dbeafe,stroke:#3b82f6,color:#1e3a5f
    style ODOM fill:#fef9c3,stroke:#eab308,color:#713f12
    style BASE fill:#dcfce7,stroke:#22c55e,color:#14532d
    style LIDAR fill:#f3f4f6,stroke:#9ca3af,color:#374151
    style CAM fill:#f3f4f6,stroke:#9ca3af,color:#374151
    style IMU fill:#f3f4f6,stroke:#9ca3af,color:#374151
    style SLAM fill:#ede9fe,stroke:#8b5cf6,color:#4c1d95
    style WHEEL fill:#ede9fe,stroke:#8b5cf6,color:#4c1d95
    style URDF fill:#ede9fe,stroke:#8b5cf6,color:#4c1d95

为什么 map 和 odom 要分开？

• odom 保证连续性：里程计积分不会跳变，控制器能平滑跟踪
• map 保证全局一致性：SLAM 回环或 AMCL 修正会更新 map→odom，但不影响 odom→base_link 的连续性
• 若合并为一个系，每次定位修正都会使位姿瞬间跳变，导致控制器失稳

map→odom 这段变换正是定位节点的输出，它实时修正里程计的累积漂移。

齐次变换矩阵

坐标系间的变换用 $4\times4$ 齐次矩阵表示（$SE(3)$ 元素）：

链式变换：$T_{map}^{base} = T_{map}^{odom} \cdot T_{odom}^{base}$

逆变换：$T_B^A = \left(T_A^B\right)^{-1} = \begin{bmatrix} R^T & -R^T t \ \mathbf{0}^T & 1 \end{bmatrix}$

平面导航退化为 $SE(2)$，位姿 $(x, y, \theta)$ 对应：

调试技巧：ros2 run tf2_tools view_frames 可导出当前 TF 树为 PDF；ros2 run tf2_ros tf2_echo map base_link 实时打印两帧间变换。

9.2 ROS1 Navigation Stack 架构

ROS 1 的 move_base 提供了一套经典的导航栈集成方案：

flowchart TB
    subgraph MoveBase["move_base"]
        GM[全局规划器\nNavfn / GlobalPlanner] --> GCM[全局代价地图\nGlobal Costmap]
        LM[局部规划器\nDWA / TEB] --> LCM[局部代价地图\nLocal Costmap]
        GM -->|全局路径 global_plan| LM
        LM -->|速度指令 cmd_vel| VEL
        REC[恢复行为\nRecovery Behaviors]
    end

    GOAL[/目标位姿 goal/] --> MoveBase
    MAP[/静态地图 map/] --> GCM
    SCAN[/激光雷达 scan/] --> GCM & LCM
    ODOM[/里程计 odom/] --> MoveBase
    VEL[/cmd_vel/] --> Robot[机器人底盘]
    AMCL[AMCL 定位] --> MoveBase
    LM -- 卡住/超时 --> REC
    REC -- 恢复后重试 --> GM

move_base 状态机

move_base 内部是一个四状态机：

stateDiagram-v2
    [*] --> PLANNING : 收到目标
    PLANNING --> CONTROLLING : 全局路径规划成功
    PLANNING --> CLEARING : 规划失败
    CONTROLLING --> PLANNING : 局部规划请求重规划
    CONTROLLING --> CLEARING : 机器人卡住 / 超时
    CONTROLLING --> [*] : 到达目标
    CLEARING --> PLANNING : 恢复行为完成，重试
    CLEARING --> [*] : 所有恢复失败，报错

• PLANNING：调用全局规划器生成从当前位置到目标的全局路径（频率较低，默认仅在收到新目标或局部规划请求时触发）
• CONTROLLING：调用局部规划器，以约 10–20 Hz 频率持续生成 cmd_vel 并跟踪全局路径
• CLEARING：全局或局部规划失败时进入，依次执行恢复行为列表，执行完后回到 PLANNING 重试

恢复行为链（Recovery Behaviors）

move_base 默认的 recovery_behaviors 按顺序执行：

全部失败后 move_base 发布 aborted 结果并停止。

典型话题接口：

两个代价地图的频率差异：全局代价地图更新慢（仅在静态层变化时更新），局部代价地图高频更新（与传感器帧率同步，约 5–20 Hz），保证实时避障的同时不浪费计算资源。

9.3 Nav2（ROS 2）架构

Nav2 是 ROS 2 的导航栈，相比 move_base 的核心变化是用行为树替换硬编码状态机，将导航逻辑从代码解耦到可配置的 XML 文件。

五大服务器架构

flowchart TB
    BTN["BT Navigator\n（读取 BT XML，驱动整个导航流程）"]

    BTN -->|ComputePathToPose| PS["Planner Server\n全局规划\nNavFn / Smac / Theta*"]
    BTN -->|FollowPath| CS["Controller Server\n局部控制\nDWB / TEB / MPPI"]
    BTN -->|Recovery Action| RS["Recovery Server\n恢复行为\nclear_costmap / spin / wait / backup"]
    BTN -->|SmoothPath| SS["Smoother Server\n路径平滑\nSimple / Savitzky-Golay"]

    PS --> GCM["全局代价地图"]
    CS --> LCM["局部代价地图"]
    CS -->|cmd_vel| Robot["机器人底盘"]
    RS -->|原地旋转 / 后退| Robot

每个 Server 是独立的 ROS 2 节点，通过 Action 接口通信，可以单独替换插件而不影响其他模块。

生命周期节点（Lifecycle Nodes）

Nav2 所有节点均实现 ROS 2 生命周期接口，状态转换如下：

Unconfigured → Inactive → Active → Deactivating → Inactive → Finalized

• Unconfigured → Inactive（configure）：加载参数、初始化插件，不接收数据
• Inactive → Active（activate）：开始订阅话题、发布数据，进入正常工作状态
• Active → Inactive（deactivate）：停止处理，保留资源（可快速重新激活）
• 启动顺序由 nav2_lifecycle_manager 统一管理，避免节点乱序初始化导致的竞态

行为树（BT）默认导航流程

Nav2 默认 BT（navigate_w_replanning_and_recovery.xml）的简化逻辑：

flowchart TD
    START([收到导航目标]) --> PLAN[ComputePathToPose\n全局规划]
    PLAN -->|成功| FOLLOW[FollowPath\n局部控制跟踪]
    PLAN -->|失败| R1[ClearEntireCostmap\n清除局部代价地图]
    R1 --> PLAN

    FOLLOW -->|到达目标| DONE([导航成功])
    FOLLOW -->|卡住 / 超时| R2[ClearEntireCostmap\n清除局部代价地图]
    R2 --> PLAN2[重新全局规划]
    PLAN2 -->|仍失败| R3[Spin\n原地旋转 180°]
    R3 --> PLAN3[重新全局规划]
    PLAN3 -->|仍失败| R4[Wait\n等待 5 s]
    R4 --> PLAN4[重新全局规划]
    PLAN4 -->|仍失败| R5[Backup\n后退 0.3 m]
    R5 --> PLAN5[最后一次全局规划]
    PLAN5 -->|仍失败| FAIL([导航失败 / abort])

失败恢复链详解

执行顺序的设计逻辑：

• 先 ClearEntireCostmap（最轻量，只改数据，不移动）
• 再 Spin（重新感知周围环境）
• 再 Wait（给动态障碍让路）
• 最后 Backup（物理脱困，风险最高，放在末位）

每步恢复后都重新触发全局规划，只要有一步成功就跳出恢复链继续导航。全部失败后 BT 返回 FAILURE，Action Server 发布 aborted 结果。

自定义恢复行为：实现 nav2_core::Recovery 接口，在 nav2_params.yaml 的 recovery_server.plugins 列表中注册，然后在 BT XML 中添加对应节点即可。

常见恢复触发时机（实机经验）

恢复链的触发来源可分为以下四类，对应不同的根因和处置方向：

① 局部地图瞬时不可行

传感器噪声或瞬时遮挡把局部代价地图”堵死”，FollowPath 找不到合法速度（follow_path_error），直接触发恢复：

② 进度检查失败（机器人卡住）

机器人在原地微抖但累计位移不足阈值（Nav2 默认：10 s 内位移 < 0.5 m），BT 的 GoalReached 或进度检查节点判定卡住，触发恢复：

③ TF / 时序问题

map→odom→base_link 变换短时不可用（TF 超时）或时间戳不一致，控制器拿不到一致的状态估计，连续规划失败后触发恢复：

④ 全局路径可行但局部动力学不可行

全局规划（A* / Smac）给出的路径在几何上无碰撞，但局部规划器（DWA / MPPI）受速度、加速度和障碍约束，短时间内无法给出满足约束的安全控制序列：

9.4 参数调优要点

导航栈调优是模块串联的过程——上游参数错误会伪装成下游问题。建议按以下顺序调：代价地图 → 全局规划 → 局部规划 → 恢复行为。

代价地图（Costmap）

核心原则：inflation_radius $\geq$ 机器人内切圆半径，否则 LETHAL 区域不覆盖机器人足迹，路径规划器会把不可通行点当作可通行。

全局规划器（Global Planner）

Navfn / NavFn（A* / Dijkstra）：

Smac Planner（Nav2 Hybrid A*）：

局部规划器（Local Planner / Controller）

DWA（dwa_local_planner / Nav2 DWB）：

TEB（teb_local_planner）：

恢复行为（Recovery / move_base）

Nav2 核心全局参数

调优顺序建议

① 代价地图：先调 inflation_radius，确认无碰撞
       ↓
② 全局规划：确认能从 A 到 B 找到路径
       ↓
③ 局部规划：先调速度上限，再调 sim_time，最后调 bias 权重
       ↓
④ 恢复行为：触发恢复后观察机器人能否脱困，调 timeout/距离阈值
       ↓
⑤ 整体联调：在真实/仿真场景中跑完整导航，观察卡顿/振荡/绕路过多等问题

10. 传统导航 vs. 端到端深度学习导航

实践建议：

• 工厂、仓储、医疗等结构化、安全要求高的场景 → 传统导航栈
• 家庭服务、跟随导览等非结构化、需理解自然语言的场景 → 学习型导航
• 混合架构正成为趋势：用传统导航栈处理底层安全和精准控制，用 VLM/LLM 处理高层语义理解和任务分解

11. 常用开源工具与框架汇总

传感器驱动与处理

定位

SLAM

路径规划

仿真

12. 小结与展望

本文回顾

本文系统梳理了传统机器人导航算法栈的五大核心模块：

1. 感知：激光雷达 / 相机 / IMU 各有优劣，传感器融合（EKF/UKF）是提高鲁棒性的关键
2. 定位：EKF/UKF 适合实时位姿跟踪，粒子滤波（AMCL）支持全局定位，NDT/ICP 提供精确扫描匹配
3. 建图/SLAM：激光 SLAM（Cartographer、LIO-SAM）精度高、全天候可用；视觉 SLAM（ORB-SLAM3、VINS-Mono）成本低但对光照敏感；RTAB-Map 横跨多模态、开箱即用；因子图后端优化是当前主流
4. 路径规划：A* / Hybrid A* 用于全局规划，DWA / TEB 用于局部动态避障，代价地图是两者的”共同语言”
5. 路径跟踪：Pure Pursuit / Stanley 是几何方法，实现简单，适合低速场景
6. 运动控制：PID 是基础，LQR 提供最优线性控制，MPC 可显式处理约束与多步前瞻，模糊 PID 在非线性扰动下鲁棒性更强

展望

传统导航算法栈经过数十年发展已相当成熟，但仍面临挑战：

• 长廊退化、动态场景、非结构化地形：对 SLAM 鲁棒性提出更高要求
• 多机器人协同 SLAM：分布式建图与通信效率的权衡
• 语义理解缺失：传统算法缺乏”这是厨房”的语义能力，限制了在日常服务场景的应用

当前研究趋势是“传统导航 + 大模型”的混合架构：保留传统导航栈的安全性和可靠性，在任务规划和语义理解层引入 LLM/VLM，构建能够理解人类意图、在复杂现实世界中自主行动的下一代机器人系统。

关于视觉语言导航（VLN）和 VLA 大模型的内容，请参考我的博客 VLN综述 和 VLA综述 系列文章。

参考资料：Thrun et al. “Probabilistic Robotics” (2005)；LaValle “Planning Algorithms” (2006)；ROS Navigation Wiki；Cartographer Paper (ICRA 2016)；LIO-SAM (IROS 2020)；ORB-SLAM3 (T-RO 2021)；VINS-Mono (T-RO 2018)；Hybrid A (IJRR 2010)；TEB Local Planner (IROS 2013)*;http://www.autolabor.cn/usedoc/m1/navigationKit/development/slamintro; https://github.com/ShisatoYano/AutonomousVehicleControlBeginnersGuide;具身智能研究社;