不只是自动驾驶：用ROS Navigation给你的扫地机器人、AGV小车做个‘大脑’（低成本方案实战）

不只是自动驾驶：用ROS Navigation给你的扫地机器人、AGV小车做个‘大脑’（低成本方案实战）

当大多数人听到"ROS Navigation"时，脑海中浮现的往往是价值百万的自动驾驶汽车。但鲜为人知的是，这套强大的导航系统同样可以驱动你书桌上的扫地机器人，或是仓库里穿梭的AGV小车。本文将带你跳出高端自动驾驶的思维定式，探索如何用树莓派、低成本激光雷达和ROS Melodic/Noetic，为各种小型机器人打造经济实惠的"大脑"。

1. 为什么选择ROS Navigation栈

ROS Navigation栈最初确实是为自动驾驶设计的，但它的模块化架构使其能够适应各种移动机器人平台。与商业导航方案相比，它有三大不可替代的优势：

• 开源免费：无需支付昂贵的授权费用，特别适合预算有限的个人开发者和中小企业
• 高度可定制：从传感器融合算法到路径规划策略，每个环节都可以根据具体需求调整
• 社区支持强大：遇到问题时，全球ROS开发者社区能提供丰富的解决方案

在硬件选择上，我们推荐以下经济型配置组合：

提示：这套配置总成本可以控制在2000元以内，远低于商业AGV解决方案的十分之一。

2. 硬件搭建与基础通信

2.1 底盘与传感器集成

不同于自动驾驶汽车的复杂线控系统，小型机器人通常采用更简单的通信协议。最常见的方案是通过USB/串口连接激光雷达，GPIO控制电机驱动器。以下是典型的接线方式：

# 示例：树莓派通过GPIO控制L298N电机驱动 import RPi.GPIO as GPIO # 设置GPIO模式 GPIO.setmode(GPIO.BCM) # 定义电机控制引脚 IN1 = 17 # 电机A正转 IN2 = 18 # 电机A反转 IN3 = 22 # 电机B正转 IN4 = 23 # 电机B反转 # 初始化引脚 for pin in [IN1, IN2, IN3, IN4]: GPIO.setup(pin, GPIO.OUT) GPIO.output(pin, False)

2.2 ROS驱动层开发

为了让ROS Navigation栈能控制你的硬件，需要创建基础驱动包。关键是要正确发布/odom（里程计）和/scan（激光扫描）话题，以及配置好TF坐标系关系。典型的TF树结构如下：

map -> odom -> base_link -> laser

对应的launch文件配置示例：

<launch> <!-- 启动激光雷达节点 --> <node pkg="rplidar_ros" type="rplidarNode" name="rplidar"> <param name="serial_port" value="/dev/ttyUSB0"/> </node> <!-- 发布静态TF变换 --> <node pkg="tf" type="static_transform_publisher" name="base_to_laser" args="0.1 0 0.2 0 0 0 base_link laser 100"/> </launch>

3. 室内导航的特殊配置

3.1 成本地图(Costmap)调优

自动驾驶车辆的成本地图通常关注道路特征，而室内机器人则需要不同的参数设置。以下是costmap_common_params.yaml的关键调整项：

obstacle_layer: observation_sources: scan scan: {data_type: LaserScan, topic: scan, marking: true, clearing: true} inflation_layer: inflation_radius: 0.3 # 比汽车小得多的膨胀半径 cost_scaling_factor: 5.0 static_layer: enabled: true # 使用预先加载的静态地图

3.2 路径规划参数精简

move_base的默认配置对计算资源要求较高，在树莓派上运行时需要简化：

TrajectoryPlannerROS: max_vel_x: 0.5 # 降低最大速度 acc_lim_theta: 1.0 # 减小角加速度 path_distance_bias: 32.0 goal_distance_bias: 20.0 occdist_scale: 0.1 # 降低障碍物影响权重

注意：这些参数需要根据实际机器人尺寸和运动能力进行调整，建议先用RViz的2D Pose Estimate工具测试导航效果。

4. 实际应用场景实现

4.1 扫地机器人功能扩展

基于ROS Navigation，可以轻松实现扫地机器人的高级功能。以下是一个简单的覆盖路径规划算法：

#!/usr/bin/env python import rospy from geometry_msgs.msg import PoseStamped def create_lawnmower_pattern(start_x, start_y, width, height, spacing): goals = [] y = start_y direction = 1 while y < start_y + height: x = start_x if direction == 1 else start_x + width goals.append((x, y, 0)) x = start_x + width if direction == 1 else start_x goals.append((x, y, 0)) y += spacing direction *= -1 return goals if __name__ == '__main__': rospy.init_node('coverage_planner') pub = rospy.Publisher('/move_base_simple/goal', PoseStamped, queue_size=1) goals = create_lawnmower_pattern(0, 0, 5, 5, 0.5) for (x, y, yaw) in goals: goal = PoseStamped() goal.header.frame_id = "map" goal.pose.position.x = x goal.pose.position.y = y goal.pose.orientation.w = 1.0 pub.publish(goal) rospy.sleep(5) # 等待机器人到达目标

4.2 仓库AGV的多点巡航

对于仓库AGV应用，可以通过ROS的actionlib实现多点自主巡航。首先创建航点列表：

# waypoints.yaml waypoints: - name: loading_zone pose: {x: 1.5, y: 2.3, yaw: 0} - name: storage_A pose: {x: 3.1, y: 4.7, yaw: 1.57} - name: packaging pose: {x: 5.2, y: 1.8, yaw: 3.14}

然后编写巡航脚本：

#!/usr/bin/env python import rospy import actionlib import yaml from move_base_msgs.msg import MoveBaseAction, MoveBaseGoal def load_waypoints(file_path): with open(file_path, 'r') as f: return yaml.safe_load(f)['waypoints'] if __name__ == '__main__': rospy.init_node('waypoint_navigator') client = actionlib.SimpleActionClient('move_base', MoveBaseAction) client.wait_for_server() waypoints = load_waypoints(rospy.get_param('~waypoint_file')) while not rospy.is_shutdown(): for wp in waypoints: goal = MoveBaseGoal() goal.target_pose.header.frame_id = "map" goal.target_pose.pose.position.x = wp['pose']['x'] goal.target_pose.pose.position.y = wp['pose']['y'] goal.target_pose.pose.orientation.w = 1.0 client.send_goal(goal) client.wait_for_result()

5. 性能优化与调试技巧

在资源受限的硬件上运行ROS Navigation需要特别注意性能问题。以下是几个实测有效的优化方法：

• 降低激光雷达频率：将RPLidar的扫描频率从10Hz降到5-7Hz
• 使用VoxelGrid滤波：减少激光扫描的数据量

<node pkg="nodelet" type="nodelet" name="pcl_manager" args="manager"/> <node pkg="nodelet" type="nodelet" name="voxel_grid" args="load pcl/VoxelGrid pcl_manager"> <param name="leaf_size" value="0.05"/> <remap from="~input" to="/scan"/> </node>

• 选择性启动节点：不需要的功能如global_planner可以用局部规划器替代

调试时最常见的三个问题及解决方案：

1. TF变换缺失：使用tf_monitor检查坐标系连接
2. 定位漂移：调整amcl的odom_alpha参数
3. 路径规划失败：检查costmap的inflation_radius是否合适

在树莓派4B上的典型资源占用情况：

经过这些优化，整套系统可以在树莓派上稳定运行，为各种小型机器人提供可靠的自主导航能力。