简介这份资源面向ROS入门与进阶学习者、机器人方向的学生及科研人员提供一套基于Turtlebot2平台的室内自主导航机器人完整工程。系统围绕SLAM定位建图与路径规划展开涵盖自动定位建图、手动建图、定点导航、固定线路巡航、算法切换与参数分析等模块可用于课程设计、毕业项目或算法验证。压缩包共637个文件约5.44MB以C源码131个cpp、157个h和Python脚本22个py实现核心算法配合49个launch启动文件、65个xml配置、11个yaml与11个cfg参数文件以及xacro、world、rviz、msg、srv等ROS工程文件另含地图图像与说明文档目录结构完整。已有282人学习下载。读者可据此复现建图与导航流程理解SLAM、路径规划、避障与参数调优的实现细节并借助算法切换模块对比不同策略效果快速搭建可运行的室内导航实验环境。1. 从一台吃灰的 Turtlebot2 说起这套导航系统到底解决什么问题实验室角落里那台 Turtlebot2 已经吃了半年灰底盘是 Kobuki上面架着 Kinect 或者 RPLIDAR跑着 Ubuntu 和 ROS。很多人第一次接触它都是想让它自己从工位走到会议室中途绕开纸箱和椅子腿。这个标题讲的就是把这件事拆成可落地的模块SLAM 定位建图、路径规划、自动与手动建图切换、定点导航、固定线路巡航以及算法切换和参数分析。它适合已经装好 ROS、手里有 Turtlebot2 或类似差速底盘、想从“遥控能动”走到“自己会走”的从业者。核心不是调一个包而是理解建图、定位、规划、控制四层怎么串起来以及什么时候该换算法、哪些参数一动就翻车。2. SLAM 建图从手动遥控到自动探索的完整链路2.1 为什么 Turtlebot2 上优先用 gmapping 而不是 cartographerTurtlebot2 的典型传感器配置是 2D 激光雷达加轮式里程计算力通常是一台笔记本或 NUC。gmapping 基于粒子滤波对 2D 激光和里程计融合得很成熟建图时对 CPU 和内存的压力比 cartographer 小参数也少。cartographer 在回环和大地图上有优势但它需要较好的 IMU 和调参经验Turtlebot2 上如果没有额外 IMU跑起来容易在长走廊里漂。常见做法是先用 gmapping 把地图跑通再考虑换 cartographer 做对比。选型时看三个点传感器是不是 2D 激光、有没有 IMU、地图规模是否超过单层 200 平米。三个都偏简单gmapping 足够。2.2 手动建图遥控走一圈的最小启动流程手动建图是最稳的入门方式。先启动底盘和雷达再启动 gmapping最后用键盘或手柄遥控。下面是一组典型命令按顺序在三个终端里执行。# 终端1启动 Turtlebot2 底盘 roslaunch turtlebot_bringup minimal.launch # 终端2启动雷达以 RPLIDAR 为例 roslaunch rplidar_ros rplidar.launch # 终端3启动 gmapping 建图 roslaunch turtlebot_navigation gmapping_demo.launch # 终端4键盘遥控 roslaunch turtlebot_teleop keyboard_teleop.launch逻辑说明minimal.launch 负责加载 Kobuki 的驱动和里程计话题雷达节点发布 /scangmapping_demo.launch 订阅 /scan 和 /odom输出 /map 和 map 到 odom 的变换。遥控时速度不要超过 0.3 m/s角速度不超过 0.8 rad/s否则激光帧间匹配容易失败。建图完成后用 map_server 保存rosrun map_server map_saver -f ~/maps/lab_room参数说明-f 后面是保存路径和文件名会生成 lab_room.pgm 和 lab_room.yaml。yaml 里的 resolution 默认 0.05 米/像素origin 是地图左下角在全局坐标里的位姿。如果发现地图边缘有重影先检查雷达安装是否水平再调 gmapping 的 particles 和 delta 参数。2.3 自动建图用 explore_lite 做前沿探索的配置与边界自动建图的核心是让机器人自己找未探索区域。常用 explore_lite 包它订阅 /map计算前沿点再通过 move_base 发目标。启动方式是在手动建图的基础上加一个探索节点roslaunch explore_lite explore.launch但直接跑往往不动因为 explore_lite 依赖 move_base 已经配置好。需要先确认 costmap 的膨胀半径没有把门口堵死再确认 global_planner 能规划到前沿点。自动建图适合空旷办公室不适合狭窄走廊和动态人群。如果机器人反复在一个角落转圈多半是前沿点被反复计算但目标不可达此时把 explore_lite 的 min_frontier_size 调大或者手动给一个中间点。2.4 建图质量的三个硬指标闭环、重影、边界判断地图能不能用看三点。第一回到起点时墙体重合度如果差超过两格说明里程计漂了。第二直线走廊有没有变成弧形有弧形说明角速度标定不准。第三地图边界是否闭合没闭合的区域导航时会被当成障碍。建图不是越慢越好速度太慢会导致粒子退化速度太快会丢帧。我一般让机器人保持 0.2 m/s 左右转弯时降到 0.1 m/s。3. 定位与导航AMCL、move_base 和定点巡航怎么接3.1 AMCL 在已建地图上的定位参数怎么设AMCL 是自适应蒙特卡洛定位输入 /scan、/tf 和静态地图输出 map 到 odom 的变换。启动导航时通常用 turtlebot_navigation 的 amcl_demo.launchroslaunch turtlebot_navigation amcl_demo.launch map_file:/home/user/maps/lab_room.yaml关键参数在 amcl.launch 里。min_particles 默认 100max_particles 默认 500Turtlebot2 上可以保持。laser_max_range 要设成雷达实际量程比如 RPLIDAR A1 是 5.5 米设成 6 米会导致无效光束参与权重。初始位姿很重要启动后在 RViz 里用 2D Pose Estimate 点一下否则 AMCL 可能收敛到错误位置。如果机器人定位跳变先看 /amcl_pose 的协方差协方差大说明粒子发散把 update_min_d 和 update_min_a 调小让 AMCL 更频繁更新。3.2 move_base 的全局与局部规划器选型A*、DWA 和 TEBmove_base 是导航的核心它有两个规划器global_planner 和 local_planner。全局常用 navfn 或 global_planner底层是 Dijkstra 或 A*。A* 在栅格地图上比 Dijkstra 快但路径贴障碍物需要配合膨胀半径。局部常用 dwa_local_planner 或 teb_local_planner。DWA 对差速底盘友好参数少TEB 能处理更复杂的运动学但调参麻烦Turtlebot2 上如果只是室内平地DWA 足够。切换算法时改 move_base.launch 里的 base_global_planner 和 base_local_planner 参数即可。param namebase_global_planner valueglobal_planner/GlobalPlanner/ param namebase_local_planner valuedwa_local_planner/DWAPlannerROS/参数说明GlobalPlanner 的 use_dijkstra 设为 false 就是 A*DWAPlannerROS 的 max_vel_x 设 0.3min_vel_x 设 0.0acc_lim_x 设 0.5。如果机器人原地打转检查 xy_goal_tolerance 和 yaw_goal_tolerance太小会导致在目标点附近震荡。3.3 定点导航从 RViz 点目标到脚本发目标点定点导航最简单的方式是在 RViz 里用 2D Nav Goal 点一下。但要做固定线路巡航就得用脚本发目标。下面是一个 Python 脚本依次发送三个航点。import rospy import actionlib from move_base_msgs.msg import MoveBaseAction, MoveBaseGoal def send_goal(x, y, yaw): client actionlib.SimpleActionClient(move_base, MoveBaseAction) client.wait_for_server() goal MoveBaseGoal() goal.target_pose.header.frame_id map goal.target_pose.header.stamp rospy.Time.now() goal.target_pose.pose.position.x x goal.target_pose.pose.position.y y goal.target_pose.pose.orientation.w yaw client.send_goal(goal) client.wait_for_result() return client.get_state() rospy.init_node(patrol) waypoints [(1.0, 0.5, 1.0), (2.0, -1.0, 0.0), (0.0, 0.0, 1.0)] for wp in waypoints: state send_goal(*wp) rospy.loginfo(waypoint state: %s, state)逻辑说明每个航点用 MoveBaseGoal 封装frame_id 必须是 maporientation.w 这里简化成 1.0 表示不指定朝向实际使用要算四元数。参数说明wait_for_result 会阻塞直到到达或失败state 为 3 表示成功。如果某个航点一直失败先看 move_base 的 global costmap 里该点是不是在障碍物膨胀层里。3.4 固定线路巡航航点循环与异常恢复固定线路巡航就是把上面的航点列表循环执行加上异常处理。常见做法是维护一个索引到达后延时几秒去下一个失败则重试两次再失败就跳过并记录。巡航时不要用太高的速度Turtlebot2 的底盘在 0.3 m/s 以上转弯容易打滑里程计误差会累积。如果巡航路线经过门口建议在航点之间加中间点避免全局规划器贴着门框走。4. 避坑与排查Turtlebot2 导航里最容易翻车的五件事4.1 现象建图时地图突然错位墙体出现双层原因里程计标定不准或者雷达安装角度偏了。Turtlebot2 的轮子直径和轮距在 Kobuki 出厂时固定但长时间使用后轮胎磨损会改变实际直径。解决用 rosrun turtlebot_calibration 做里程计标定或者手动改 turtlebot_bringup 里的 wheel_diameter 和 wheel_separation。雷达要用水平仪确认倾斜超过 2 度就会导致激光扫描面切到地面或天花板。4.2 现象AMCL 定位在长走廊里跳到隔壁走廊原因长走廊里激光特征重复AMCL 的粒子无法区分相似环境。解决在走廊里贴一些不同形状的标记或者启用 AMCL 的 likelihood_field 模型把 laser_likelihood_max_dist 调小。更稳的做法是加一个 IMU用 robot_localization 做融合。4.3 现象move_base 规划出的路径贴着墙机器人蹭墙走原因全局代价地图的膨胀半径太小或者 A* 的启发式权重太大导致路径贴障碍。解决把 inflation_radius 从默认 0.55 调到 0.7 左右cost_scaling_factor 调小。如果用的是 global_planner把 use_grid_path 设为 true让路径沿栅格中心走。4.4 现象机器人到达目标点附近开始左右摇摆原因局部规划器的 xy_goal_tolerance 和 yaw_goal_tolerance 设置不匹配或者 DWA 的 sim_time 太短。解决把 xy_goal_tolerance 设 0.1yaw_goal_tolerance 设 0.1sim_time 从 1.0 调到 1.5。如果还摇检查 odom 的角速度噪声把 min_vel_theta 设成 0.1 以上避免零速附近震荡。4.5 现象自动建图时机器人卡在桌子腿之间反复转圈原因explore_lite 的前沿点被桌子腿分割成小区域机器人试图探索但路径被堵。解决把 costmap 的 obstacle_range 调小或者手动在 RViz 里给一个远离桌子的目标点。更根本的办法是先用手动建图把桌子区域建完再开自动探索。5. 参数分析与算法切换把导航从能用调到好用5.1 用 rqt_reconfigure 在线调 move_base 参数move_base 的大部分参数支持动态重配置。启动导航后运行rosrun rqt_reconfigure rqt_reconfigure在左侧选 move_base可以实时改 max_vel_x、inflation_radius、xy_goal_tolerance 等。调参时先改全局代价地图的膨胀半径再改局部规划器的速度限制最后改目标容差。每次只改一个观察 RViz 里的路径和机器人行为。如果改完没反应检查参数是不是被 launch 文件里的固定值覆盖了。5.2 全局规划器切换A* 与 Dijkstra 的实际差异在 global_planner 里use_dijkstra 为 true 是 Dijkstra为 false 是 A*。Dijkstra 会向所有方向均匀扩展路径更平滑但计算量大A* 用启发式函数搜索更快但路径可能贴障碍。室内小场景两者差别不大大地图里 A* 明显快。如果发现 A* 路径太贴墙把 default_tolerance 调大或者改用 Dijkstra。切换后不需要重启但建议重启 move_base 确保参数生效。5.3 局部规划器切换DWA 与 TEB 的适用边界DWA 适合差速底盘、低速、静态环境。TEB 适合阿克曼或全向底盘、动态环境、需要精确跟踪路径的场景。Turtlebot2 上换 TEB 需要改 base_local_planner 为 teb_local_planner/TebLocalPlannerROS并配置 teb 的参数文件。TEB 的 min_obstacle_dist 和 inflation_dist 很关键设太小会蹭障碍设太大会卡在窄道。如果机器人频繁减速把 max_vel_x 和 max_vel_theta 适当降低让 TEB 有更多时间优化。5.4 用 rosbag 回放做参数对比验证调参不能只靠感觉。把一次导航的 /scan、/odom、/cmd_vel、/move_base/global_plan 录成 bagrosbag record /scan /odom /cmd_vel /move_base/global_plan /move_base/local_plan然后回放 bag用不同参数跑同一段数据对比路径长度、到达时间、最大速度。回放时注意关掉真实机器人用 rosbag play --clock 并设置 use_sim_time。这样能在不碰硬件的情况下验证参数改动是否真的有效。我一般会录三组空载、载物、有人走动分别调出三套参数再取折中。5.5 一个具体技巧用代价地图的膨胀层做软约束很多人把膨胀半径当成硬障碍其实 cost_scaling_factor 控制的是代价衰减速度。把 inflation_radius 设 0.8cost_scaling_factor 设 3.0机器人会倾向于走远离墙的中间路线但不会完全避开窄道。这个组合在 Turtlebot2 上跑办公室走廊很稳。如果走廊宽度小于 1.2 米把 inflation_radius 降到 0.6否则全局规划器会认为无路可走。调完记得保存 yaml下次启动直接加载。我自己的习惯是每次改完参数先跑三圈定点导航再用 rosbag 回放一次确认没有引入新的震荡。导航这件事没有一劳永逸的参数只有针对当前场地和任务调出来的平衡点。希望帮到你。本文还有配套的精品资源点击获取 Turtlebot2导航全解析：SLAM建图、路径规划与参数调优实战
简介这份资源面向ROS入门与进阶学习者、机器人方向的学生及科研人员提供一套基于Turtlebot2平台的室内自主导航机器人完整工程。系统围绕SLAM定位建图与路径规划展开涵盖自动定位建图、手动建图、定点导航、固定线路巡航、算法切换与参数分析等模块可用于课程设计、毕业项目或算法验证。压缩包共637个文件约5.44MB以C源码131个cpp、157个h和Python脚本22个py实现核心算法配合49个launch启动文件、65个xml配置、11个yaml与11个cfg参数文件以及xacro、world、rviz、msg、srv等ROS工程文件另含地图图像与说明文档目录结构完整。已有282人学习下载。读者可据此复现建图与导航流程理解SLAM、路径规划、避障与参数调优的实现细节并借助算法切换模块对比不同策略效果快速搭建可运行的室内导航实验环境。1. 从一台吃灰的 Turtlebot2 说起这套导航系统到底解决什么问题实验室角落里那台 Turtlebot2 已经吃了半年灰底盘是 Kobuki上面架着 Kinect 或者 RPLIDAR跑着 Ubuntu 和 ROS。很多人第一次接触它都是想让它自己从工位走到会议室中途绕开纸箱和椅子腿。这个标题讲的就是把这件事拆成可落地的模块SLAM 定位建图、路径规划、自动与手动建图切换、定点导航、固定线路巡航以及算法切换和参数分析。它适合已经装好 ROS、手里有 Turtlebot2 或类似差速底盘、想从“遥控能动”走到“自己会走”的从业者。核心不是调一个包而是理解建图、定位、规划、控制四层怎么串起来以及什么时候该换算法、哪些参数一动就翻车。2. SLAM 建图从手动遥控到自动探索的完整链路2.1 为什么 Turtlebot2 上优先用 gmapping 而不是 cartographerTurtlebot2 的典型传感器配置是 2D 激光雷达加轮式里程计算力通常是一台笔记本或 NUC。gmapping 基于粒子滤波对 2D 激光和里程计融合得很成熟建图时对 CPU 和内存的压力比 cartographer 小参数也少。cartographer 在回环和大地图上有优势但它需要较好的 IMU 和调参经验Turtlebot2 上如果没有额外 IMU跑起来容易在长走廊里漂。常见做法是先用 gmapping 把地图跑通再考虑换 cartographer 做对比。选型时看三个点传感器是不是 2D 激光、有没有 IMU、地图规模是否超过单层 200 平米。三个都偏简单gmapping 足够。2.2 手动建图遥控走一圈的最小启动流程手动建图是最稳的入门方式。先启动底盘和雷达再启动 gmapping最后用键盘或手柄遥控。下面是一组典型命令按顺序在三个终端里执行。# 终端1启动 Turtlebot2 底盘 roslaunch turtlebot_bringup minimal.launch # 终端2启动雷达以 RPLIDAR 为例 roslaunch rplidar_ros rplidar.launch # 终端3启动 gmapping 建图 roslaunch turtlebot_navigation gmapping_demo.launch # 终端4键盘遥控 roslaunch turtlebot_teleop keyboard_teleop.launch逻辑说明minimal.launch 负责加载 Kobuki 的驱动和里程计话题雷达节点发布 /scangmapping_demo.launch 订阅 /scan 和 /odom输出 /map 和 map 到 odom 的变换。遥控时速度不要超过 0.3 m/s角速度不超过 0.8 rad/s否则激光帧间匹配容易失败。建图完成后用 map_server 保存rosrun map_server map_saver -f ~/maps/lab_room参数说明-f 后面是保存路径和文件名会生成 lab_room.pgm 和 lab_room.yaml。yaml 里的 resolution 默认 0.05 米/像素origin 是地图左下角在全局坐标里的位姿。如果发现地图边缘有重影先检查雷达安装是否水平再调 gmapping 的 particles 和 delta 参数。2.3 自动建图用 explore_lite 做前沿探索的配置与边界自动建图的核心是让机器人自己找未探索区域。常用 explore_lite 包它订阅 /map计算前沿点再通过 move_base 发目标。启动方式是在手动建图的基础上加一个探索节点roslaunch explore_lite explore.launch但直接跑往往不动因为 explore_lite 依赖 move_base 已经配置好。需要先确认 costmap 的膨胀半径没有把门口堵死再确认 global_planner 能规划到前沿点。自动建图适合空旷办公室不适合狭窄走廊和动态人群。如果机器人反复在一个角落转圈多半是前沿点被反复计算但目标不可达此时把 explore_lite 的 min_frontier_size 调大或者手动给一个中间点。2.4 建图质量的三个硬指标闭环、重影、边界判断地图能不能用看三点。第一回到起点时墙体重合度如果差超过两格说明里程计漂了。第二直线走廊有没有变成弧形有弧形说明角速度标定不准。第三地图边界是否闭合没闭合的区域导航时会被当成障碍。建图不是越慢越好速度太慢会导致粒子退化速度太快会丢帧。我一般让机器人保持 0.2 m/s 左右转弯时降到 0.1 m/s。3. 定位与导航AMCL、move_base 和定点巡航怎么接3.1 AMCL 在已建地图上的定位参数怎么设AMCL 是自适应蒙特卡洛定位输入 /scan、/tf 和静态地图输出 map 到 odom 的变换。启动导航时通常用 turtlebot_navigation 的 amcl_demo.launchroslaunch turtlebot_navigation amcl_demo.launch map_file:/home/user/maps/lab_room.yaml关键参数在 amcl.launch 里。min_particles 默认 100max_particles 默认 500Turtlebot2 上可以保持。laser_max_range 要设成雷达实际量程比如 RPLIDAR A1 是 5.5 米设成 6 米会导致无效光束参与权重。初始位姿很重要启动后在 RViz 里用 2D Pose Estimate 点一下否则 AMCL 可能收敛到错误位置。如果机器人定位跳变先看 /amcl_pose 的协方差协方差大说明粒子发散把 update_min_d 和 update_min_a 调小让 AMCL 更频繁更新。3.2 move_base 的全局与局部规划器选型A*、DWA 和 TEBmove_base 是导航的核心它有两个规划器global_planner 和 local_planner。全局常用 navfn 或 global_planner底层是 Dijkstra 或 A*。A* 在栅格地图上比 Dijkstra 快但路径贴障碍物需要配合膨胀半径。局部常用 dwa_local_planner 或 teb_local_planner。DWA 对差速底盘友好参数少TEB 能处理更复杂的运动学但调参麻烦Turtlebot2 上如果只是室内平地DWA 足够。切换算法时改 move_base.launch 里的 base_global_planner 和 base_local_planner 参数即可。param namebase_global_planner valueglobal_planner/GlobalPlanner/ param namebase_local_planner valuedwa_local_planner/DWAPlannerROS/参数说明GlobalPlanner 的 use_dijkstra 设为 false 就是 A*DWAPlannerROS 的 max_vel_x 设 0.3min_vel_x 设 0.0acc_lim_x 设 0.5。如果机器人原地打转检查 xy_goal_tolerance 和 yaw_goal_tolerance太小会导致在目标点附近震荡。3.3 定点导航从 RViz 点目标到脚本发目标点定点导航最简单的方式是在 RViz 里用 2D Nav Goal 点一下。但要做固定线路巡航就得用脚本发目标。下面是一个 Python 脚本依次发送三个航点。import rospy import actionlib from move_base_msgs.msg import MoveBaseAction, MoveBaseGoal def send_goal(x, y, yaw): client actionlib.SimpleActionClient(move_base, MoveBaseAction) client.wait_for_server() goal MoveBaseGoal() goal.target_pose.header.frame_id map goal.target_pose.header.stamp rospy.Time.now() goal.target_pose.pose.position.x x goal.target_pose.pose.position.y y goal.target_pose.pose.orientation.w yaw client.send_goal(goal) client.wait_for_result() return client.get_state() rospy.init_node(patrol) waypoints [(1.0, 0.5, 1.0), (2.0, -1.0, 0.0), (0.0, 0.0, 1.0)] for wp in waypoints: state send_goal(*wp) rospy.loginfo(waypoint state: %s, state)逻辑说明每个航点用 MoveBaseGoal 封装frame_id 必须是 maporientation.w 这里简化成 1.0 表示不指定朝向实际使用要算四元数。参数说明wait_for_result 会阻塞直到到达或失败state 为 3 表示成功。如果某个航点一直失败先看 move_base 的 global costmap 里该点是不是在障碍物膨胀层里。3.4 固定线路巡航航点循环与异常恢复固定线路巡航就是把上面的航点列表循环执行加上异常处理。常见做法是维护一个索引到达后延时几秒去下一个失败则重试两次再失败就跳过并记录。巡航时不要用太高的速度Turtlebot2 的底盘在 0.3 m/s 以上转弯容易打滑里程计误差会累积。如果巡航路线经过门口建议在航点之间加中间点避免全局规划器贴着门框走。4. 避坑与排查Turtlebot2 导航里最容易翻车的五件事4.1 现象建图时地图突然错位墙体出现双层原因里程计标定不准或者雷达安装角度偏了。Turtlebot2 的轮子直径和轮距在 Kobuki 出厂时固定但长时间使用后轮胎磨损会改变实际直径。解决用 rosrun turtlebot_calibration 做里程计标定或者手动改 turtlebot_bringup 里的 wheel_diameter 和 wheel_separation。雷达要用水平仪确认倾斜超过 2 度就会导致激光扫描面切到地面或天花板。4.2 现象AMCL 定位在长走廊里跳到隔壁走廊原因长走廊里激光特征重复AMCL 的粒子无法区分相似环境。解决在走廊里贴一些不同形状的标记或者启用 AMCL 的 likelihood_field 模型把 laser_likelihood_max_dist 调小。更稳的做法是加一个 IMU用 robot_localization 做融合。4.3 现象move_base 规划出的路径贴着墙机器人蹭墙走原因全局代价地图的膨胀半径太小或者 A* 的启发式权重太大导致路径贴障碍。解决把 inflation_radius 从默认 0.55 调到 0.7 左右cost_scaling_factor 调小。如果用的是 global_planner把 use_grid_path 设为 true让路径沿栅格中心走。4.4 现象机器人到达目标点附近开始左右摇摆原因局部规划器的 xy_goal_tolerance 和 yaw_goal_tolerance 设置不匹配或者 DWA 的 sim_time 太短。解决把 xy_goal_tolerance 设 0.1yaw_goal_tolerance 设 0.1sim_time 从 1.0 调到 1.5。如果还摇检查 odom 的角速度噪声把 min_vel_theta 设成 0.1 以上避免零速附近震荡。4.5 现象自动建图时机器人卡在桌子腿之间反复转圈原因explore_lite 的前沿点被桌子腿分割成小区域机器人试图探索但路径被堵。解决把 costmap 的 obstacle_range 调小或者手动在 RViz 里给一个远离桌子的目标点。更根本的办法是先用手动建图把桌子区域建完再开自动探索。5. 参数分析与算法切换把导航从能用调到好用5.1 用 rqt_reconfigure 在线调 move_base 参数move_base 的大部分参数支持动态重配置。启动导航后运行rosrun rqt_reconfigure rqt_reconfigure在左侧选 move_base可以实时改 max_vel_x、inflation_radius、xy_goal_tolerance 等。调参时先改全局代价地图的膨胀半径再改局部规划器的速度限制最后改目标容差。每次只改一个观察 RViz 里的路径和机器人行为。如果改完没反应检查参数是不是被 launch 文件里的固定值覆盖了。5.2 全局规划器切换A* 与 Dijkstra 的实际差异在 global_planner 里use_dijkstra 为 true 是 Dijkstra为 false 是 A*。Dijkstra 会向所有方向均匀扩展路径更平滑但计算量大A* 用启发式函数搜索更快但路径可能贴障碍。室内小场景两者差别不大大地图里 A* 明显快。如果发现 A* 路径太贴墙把 default_tolerance 调大或者改用 Dijkstra。切换后不需要重启但建议重启 move_base 确保参数生效。5.3 局部规划器切换DWA 与 TEB 的适用边界DWA 适合差速底盘、低速、静态环境。TEB 适合阿克曼或全向底盘、动态环境、需要精确跟踪路径的场景。Turtlebot2 上换 TEB 需要改 base_local_planner 为 teb_local_planner/TebLocalPlannerROS并配置 teb 的参数文件。TEB 的 min_obstacle_dist 和 inflation_dist 很关键设太小会蹭障碍设太大会卡在窄道。如果机器人频繁减速把 max_vel_x 和 max_vel_theta 适当降低让 TEB 有更多时间优化。5.4 用 rosbag 回放做参数对比验证调参不能只靠感觉。把一次导航的 /scan、/odom、/cmd_vel、/move_base/global_plan 录成 bagrosbag record /scan /odom /cmd_vel /move_base/global_plan /move_base/local_plan然后回放 bag用不同参数跑同一段数据对比路径长度、到达时间、最大速度。回放时注意关掉真实机器人用 rosbag play --clock 并设置 use_sim_time。这样能在不碰硬件的情况下验证参数改动是否真的有效。我一般会录三组空载、载物、有人走动分别调出三套参数再取折中。5.5 一个具体技巧用代价地图的膨胀层做软约束很多人把膨胀半径当成硬障碍其实 cost_scaling_factor 控制的是代价衰减速度。把 inflation_radius 设 0.8cost_scaling_factor 设 3.0机器人会倾向于走远离墙的中间路线但不会完全避开窄道。这个组合在 Turtlebot2 上跑办公室走廊很稳。如果走廊宽度小于 1.2 米把 inflation_radius 降到 0.6否则全局规划器会认为无路可走。调完记得保存 yaml下次启动直接加载。我自己的习惯是每次改完参数先跑三圈定点导航再用 rosbag 回放一次确认没有引入新的震荡。导航这件事没有一劳永逸的参数只有针对当前场地和任务调出来的平衡点。希望帮到你。本文还有配套的精品资源点击获取