ylhan/note_sync
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

将 note 笔记库同步到 note_sync，AI_compiler 作为 submodule

Browse Source
This commit is contained in:
ylhan
2026-08-20 17:42:14 +08:00
commit 8a4210f380
44 changed files with 5080 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
ros/ros2/nav2/debug.md
+211
View File
@@ -0,0 +1,211 @@
``` bash
root@nvidia:~/ros2_ws# ros2 topic echo /goal_pose
header:
stamp:
sec: 1776912839
nanosec: 772353086
frame_id: map
pose:
position:
x: -0.2929971516132355
y: -28.93631362915039
z: 0.0
orientation:
x: 0.0
y: 0.0
z: -0.7140266359687852
w: 0.7001185350546718
---
header:
stamp:
sec: 1776912894
nanosec: 349057427
frame_id: map
pose:
position:
x: 1.0191293954849243
y: -23.940237045288086
z: 0.0
orientation:
x: 0.0
y: 0.0
z: -0.758253550259611
w: 0.6519597790651626
---
header:
stamp:
sec: 1776912930
nanosec: 59193832
frame_id: map
pose:
position:
x: -0.25821736454963684
y: -26.604511260986328
z: 0.0
orientation:
x: 0.0
y: 0.0
z: -0.7286561115363753
w: 0.6848797493872113
---
header:
stamp:
sec: 1776913007
nanosec: 811936088
frame_id: map
pose:
position:
x: -0.5403046607971191
y: -23.95861053466797
z: 0.0
orientation:
x: 0.0
y: 0.0
z: -0.7323575592769619
w: 0.6809202635917743
---
header:
stamp:
sec: 1776913105
nanosec: 601216801
frame_id: map
pose:
position:
x: -0.13717754185199738
y: -31.840221405029297
z: 0.0
orientation:
x: 0.0
y: 0.0
z: -0.6531641242066932
w: 0.7572163672618966
---
```
雷达同步问题
```
ros2_ws\src\rslidar_sdk\config\config.yaml
use_lidar_clock: false
```
```
---
⚠️ 警告1：No goal checker was specified in parameter 'current_goal_checker'. Server will use only plugin loaded
general_goal_checker
含义
这是配置缺失类警告，不影响功能，只是提示你没有显式指定当前使用的目标检查器，系统自动用了第一个加载的general_goal_check
er。
根因
ROS2 Humble及以上版本的Nav2新增了current_goal_checker强制配置项，你的配置里只定义了goal_checker插件，但没有指定当前使
用哪一个。
✅ 解决方案
在controller_server的ros__parameters下添加一行即可：
controller_server:
ros__parameters:
current_goal_checker: "general_goal_checker" # 新增这行
controller_frequency: 20.0
# ... 其他原有配置
---
⚠️ 警告2：Behavior Tree tick rate 100.00 was exceeded!
含义
这是性能类警告，行为树默认tick频率是100Hz（每10ms执行一次），现在单次tick执行时间超过了10ms，导致频率不达标。
根因
行为树中的计算密集型节点执行太慢，90%的情况是MPPI控制器计算耗时过长，小概率是系统CPU负载过高、规划器卡顿等。
✅ 排查&解决方案
1. 先看CPU占用：top 看controller_server进程的CPU占比，如果超过100%就是计算量太大
2. 优先优化MPPI参数（你的当前配置计算量过高），后面警告3会详细说
3. 实在优化不了可以调大BT的tick间隔，在bt_navigator下加：
bt_navigator:
ros__parameters:
bt_loop_duration: 20 # 从10ms改成20ms，频率降到50Hz，不推荐，优先优化控制器
---
⚠️ 警告3：Control loop missed its desired rate of 20.0000Hz
含义
这是核心性能警告，控制器要求20Hz的控制频率（每50ms输出一次速度指令），现在单次循环执行超过了50ms，频率不达标。
⚠️ 这个问题必须优先解决：控制频率低于15Hz会导致MPPI控制不稳定，甚至出现急刹、撞障碍物的情况。
根因
你的MPPI配置计算量过大，两个核心参数超标：
FollowPath:
batch_size: 2000 # 单次迭代采样2000条轨迹，计算量极大
time_steps: 56 # 每条轨迹预测56步（0.05*56=2.8秒预测时长）
- 2000的batch_size在Jetson NX级别的嵌入式平台单次计算就要60-80ms，肯定达不到50ms的要求
- 额外加重负载的配置：local costmap的obstacle_max_range: 20.0，local
costmap本身只有6m×6m，处理20米内的点云完全是浪费CPU
✅ 解决方案（按优先级）
1. 调小MPPI计算量（优先保证控制频率达标）：
FollowPath:
batch_size: 1000 # 降到800-1200，轨迹采样数减半，性能提升一倍，效果下降不明显
time_steps: 40 # 降到32-40，预测时长2秒足够，履带车速度慢不需要太长预测
2. 缩小local costmap障碍物检测范围：
# local_costmap的voxel_layer下的scan配置
obstacle_max_range: 10.0 # 从20米改成10米，足够覆盖6m的local costmap范围
3. 验证效果：改完后用ros2 topic hz /cmd_vel_nav看频率，稳定在18Hz以上就算合格
---
❌ 错误1：Failed to create a plan from potential when a legal potential was found. This shouldn't happen.
含义
这是Navfn规划器内部错误：规划器已经算出了从起点到终点的势场（理论上存在可行路径），但实际提取路径的时候失败了。
根因
结合你的配置，最可能的几个原因：
4. 可行通道太窄：你的膨胀半径是1.8m，车身本身宽1.8m，通道宽度必须大于3.6m才能通过，如果路径上有窄于这个宽度的通道，膨
胀后就没有可行空间了
5. 起点/终点落在膨胀区内：虽然势场是通的，但膨胀后的代价太高，路径提取的时候找不到合法的起点/终点
6. 膨胀半径过大：1.8m的膨胀半径刚好是车身宽度，没有冗余，稍微有点障碍物就会把通道堵死
7. 全局costmap噪点过多：点云误检的障碍物挡住了路径
✅ 排查&解决方案
8. 排查路径情况：规划失败时，在rviz上看起点到终点的通道宽度，是不是小于3.6m
9. 优化膨胀半径（如果通道普遍较窄）：
# 全局和局部costmap的inflation_radius都可以降到1.5m（只要大于车身最大半长1.2m就满足SMAC优化要求）
inflation_radius: 1.5
10. 优化Navfn参数：
GridBased:
tolerance: 1.0 # 从0.5米改成1.0米，允许终点有更大的容忍范围
11. 终极方案：换规划器：如果经常走窄通道，把Navfn换成nav2_smac_planner/SmacPlanner，对窄通道的支持好很多
12. 检查全局costmap噪点：如果有很多误检的小障碍物，调大mark_threshold过滤噪点
---
❌ 错误2：Failed to get result for follow_path in node halt!
含义
这是次生错误，不影响功能，只是日志提示：行为树在终止（halt）的时候，尝试获取follow_path节点的执行结果，但结果不存在。
根因
完全是前面的规划失败导致的连锁反应：规划失败后整个导航任务提前终止，follow_path节点还没来得及产生结果就被强制停止了。
✅ 解决方案
解决前面的规划失败问题后，这个错误会自动消失，不需要单独处理。
---
🎯 解决优先级建议
13. 【最高优先级】先解决控制循环频率不够的问题，直接影响导航安全性
14. 【次高优先级】解决规划失败的问题，影响导航可用性
15. 【低优先级】解决剩下的配置类警告，不影响功能只是优化日志
额外优化建议
你现在的voxel层mark_threshold: 10有点太高了，需要10个点才能标记障碍物，容易漏检小障碍物，建议调到3-5更合适：
voxel_layer:
mark_threshold: 3 # 从10改成3，平衡噪点过滤和小障碍物检测
```
ros/ros2/nav2/nav2.md
View File
ros/ros2/nav2/nav2_bringup_gps_demo.md
+356
View File
@@ -0,0 +1,356 @@
# Navigation2 详解：nav2_bringup 与 nav2_gps_waypoint_follower_demo
## 1. Navigation2 整体介绍
Navigation2（简称Nav2）是ROS2生态中最成熟的开源导航框架，是ROS1 Navigation Stack的官方继任者，专为移动机器人自主导航设计。
### 1.1 核心功能
- **定位**：支持AMCL、SLAM（Cartographer、SLAM Toolbox等）、GPS/RTK等多源定位
- **全局路径规划**：支持A*、Dijkstra、NavFn等多种规划算法
- **局部路径跟踪**：支持DWA、TEB、MPPI、Pure Pursuit等跟踪算法
- **避障与行为树**：通过行为树实现复杂导航逻辑，支持动态障碍物规避
- **重规划与恢复行为**：导航失败时自动执行恢复策略（旋转、回退、清图等）
- **多机器人支持**：支持命名空间隔离的多机器人导航
### 1.2 整体架构
Nav2采用模块化插件式设计，核心模块包括：
```
├── 感知层
│ ├── 传感器数据处理（LiDAR、Camera、IMU、GPS等）
│ └── 障碍物检测/语义分割
├── 定位层
│ ├── AMCL（蒙特卡洛定位）
│ ├── SLAM 建图
│ └── 多传感器融合定位
├── 地图层
│ ├── 代价地图（全局/局部）
│ ├── 图层插件（静态层、障碍层、膨胀层、社会层等）
├── 规划层
│ ├── 全局路径规划器
│ └── 平滑器
├── 控制层
│ ├── 局部路径规划器
│ └── 轨迹跟踪控制器
├── 行为决策层
│ ├── 行为树执行器
│ └── 恢复行为管理器
└── 接口层
├── RViz 可视化
├── Action/Topic API
└── 配置参数系统
```
---
## 2. nav2_bringup 包详解
nav2_bringup是Nav2的官方启动集成包，提供了开箱即用的启动文件、配置模板和参数集合，是快速部署Nav2系统的入口。
### 2.1 代码结构
```
nav2_bringup/
├── bringup/ # 启动相关核心目录
│ ├── launch/ # 启动文件集合
│ │ ├── bringup_launch.py # 主启动文件，集成所有导航模块
│ │ ├── localization_launch.py # 单独启动定位模块（AMCL/SLAM）
│ │ ├── navigation_launch.py # 单独启动导航模块（规划/控制/行为树）
│ │ ├── rviz_launch.py # 启动RViz可视化
│ │ ├── slam_launch.py # 启动SLAM建图
│ │ └── urdf_launch.py # 加载机器人URDF模型
│ ├── params/ # 参数配置文件目录
│ │ ├── nav2_params.yaml # 导航全模块默认参数
│ │ ├── nav2_params_no_odom.yaml # 无里程计场景参数
│ │ ├── nav2_slam_params.yaml # SLAM模式参数
│ │ └── robot_localization/ # 传感器融合参数模板
│ └── rviz/ # RViz配置文件
│ └── nav2_default_view.rviz # Nav2默认RViz配置
├── docker/ # Docker部署相关文件
├── scripts/ # 辅助脚本
├── CMakeLists.txt
├── package.xml
└── README.md
```
### 2.2 核心启动文件说明
#### 2.2.1 bringup_launch.py
这是最常用的一站式启动文件，集成了完整的导航流程，支持参数配置：
```python
# 关键参数
'namespace': '', # 多机器人命名空间
'use_sim_time': False, # 是否使用仿真时间
'rviz_config_file': '', # RViz配置文件路径
'params_file': '', # 导航参数文件路径
'autostart': True, # 启动后自动激活导航栈
'use_composition': True, # 使用组件化节点（减少进程数，提高性能）
'use_respawn': False, # 节点崩溃时自动重启
'map': '', # 静态地图文件路径（.yaml/.pgm）
'slam': False, # 是否启用SLAM模式
'localization_type': 'amcl' # 定位方式：amcl/slam_toolbox等
```
启动示例：
```bash
# 仿真环境启动导航
ros2 launch nav2_bringup bringup_launch.py use_sim_time:=True map:=/path/to/map.yaml
# 真机环境启用SLAM建图
ros2 launch nav2_bringup bringup_launch.py slam:=True params_file:=/path/to/my_params.yaml
```
#### 2.2.2 localization_launch.py
单独启动定位模块，适合只需要定位不需要完整导航的场景：
```bash
# 仅启动AMCL定位
ros2 launch nav2_bringup localization_launch.py map:=/path/to/map.yaml use_sim_time:=True
```
#### 2.2.3 navigation_launch.py
单独启动导航模块（规划/控制/行为树），适合定位已由其他系统提供的场景：
```bash
# 仅启动导航模块，使用已有的定位信息
ros2 launch nav2_bringup navigation_launch.py params_file:=/path/to/my_params.yaml
```
### 2.3 配置文件详解
nav2_params.yaml是核心参数配置文件，采用分层结构，每个模块单独配置：
```yaml
amcl:
ros__parameters:
base_frame_id: "base_footprint" # 机器人基坐标系
global_frame_id: "map" # 全局坐标系
odom_frame_id: "odom" # 里程计坐标系
max_particles: 2000 # 最大粒子数
min_particles: 500 # 最小粒子数
update_min_a: 0.2 # 角度变化超过0.2rad时更新
update_min_d: 0.25 # 位移超过0.25m时更新
bt_navigator:
ros__parameters:
use_sim_time: False
bt_xml_filename: "navigate_w_replanning_and_recovery.xml" # 行为树文件
global_costmap:
global_costmap:
ros__parameters:
update_frequency: 1.0
publish_frequency: 1.0
global_frame: map
robot_base_frame: base_footprint
resolution: 0.05
plugins:
- {name: static_layer, type: "costmap_2d::StaticLayer"}
- {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
local_costmap:
local_costmap:
ros__parameters:
update_frequency: 5.0
publish_frequency: 2.0
global_frame: odom
robot_base_frame: base_footprint
width: 3
height: 3
resolution: 0.05
rolling_window: true # 局部代价地图随机器人移动
planner_server:
ros__parameters:
expected_planner_frequency: 1.0
planner_plugins: ["GridBased"]
GridBased:
plugin: "nav2_navfn_planner/NavfnPlanner" # 默认使用NavFn规划器
use_astar: true # 启用A*算法
controller_server:
ros__parameters:
controller_frequency: 20.0
min_x_velocity_threshold: 0.001
min_y_velocity_threshold: 0.5
controller_plugins: ["FollowPath"]
FollowPath:
plugin: "nav2_regulated_pure_pursuit_controller/RegulatedPurePursuitController" # 默认使用Pure Pursuit控制器
```
### 2.4 最佳实践
1. **不要直接修改默认参数文件**：将nav2_params.yaml复制到自己的工作空间进行修改，通过`params_file`参数传入
2. **组件化启动**：默认启用`use_composition:=True`可以显著减少内存占用和通信开销
3. **分层配置**：将通用参数和机器人特定参数分开存放，便于维护
4. **仿真与真机分离**：使用`use_sim_time`参数区分仿真和真机环境，分别配置不同的参数值
---
## 3. nav2_gps_waypoint_follower_demo 详解
这是Nav2官方提供的室外导航示例，演示了如何结合GPS/RTK定位实现全局航点跟随功能，适用于无人车、巡检机器人等室外场景。
### 3.1 代码结构
该包位于navigation2_tutorials仓库中，结构如下：
```
nav2_gps_waypoint_follower_demo/
├── bringup/
│ ├── launch/
│ │ ├── gps_waypoint_follower_launch.py # Demo主启动文件
│ │ ├── rviz.launch.py # RViz启动
│ │ └── dual_ekf.launch.py # 双EKF传感器融合启动
│ ├── params/
│ │ ├── dual_ekf.yaml # 传感器融合参数
│ │ ├── nav2_params.yaml # 导航参数（适配GPS场景）
│ │ └── waypoint_follower_params.yaml # 航点跟随器参数
│ ├── rviz/
│ │ └── gps_waypoint.rviz # GPS导航专用RViz配置
│ └── worlds/
│ └── gps_world.world # 仿真世界文件（含GPS插件）
├── config/
│ └── sample_waypoints.yaml # 示例航点配置文件
├── src/
│ └── gps_waypoint_logger.cpp # 航点到达日志节点（可选）
├── CMakeLists.txt
├── package.xml
└── README.md
```
### 3.2 核心组件说明
GPS航点跟随系统主要由三个核心部分组成：
1. **传感器融合模块**（robot_localization）：融合GPS、IMU、轮式里程计数据，输出全局定位
2. **导航栈模块**：基于全局定位进行路径规划和跟踪
3. **航点跟随器**：按照预设的GPS航点序列依次导航
#### 3.2.1 双EKF传感器融合
demo使用两个扩展卡尔曼滤波器（EKF）实现多传感器融合：
```yaml
# dual_ekf.yaml 核心配置
ekf_filter_node_odom:
ros__parameters:
frequency: 30.0
sensor_timeout: 0.1
two_d_mode: true
publish_tf: true
odom_frame: odom
base_link_frame: base_link
world_frame: odom
# 融合IMU和轮式里程计，输出odom->base_link变换
imu0: /imu/data
odom0: /wheel/odometry
ekf_filter_node_map:
ros__parameters:
frequency: 30.0
sensor_timeout: 0.1
two_d_mode: true
publish_tf: true
odom_frame: odom
base_link_frame: base_link
world_frame: map
# 融合GPS数据，输出map->odom变换
odom1: /gps/fix
odom1_differential: false
odom1_relative: false
```
- 第一个EKF（odom系）：融合IMU和轮式里程计，提供短时间内高精度的局部定位，无漂移
- 第二个EKF（map系）：融合GPS数据，提供全局绝对定位，修正长期漂移
#### 3.2.2 导航参数适配（nav2_params.yaml）
GPS导航场景需要对默认导航参数进行调整：
```yaml
amcl:
ros__parameters:
# GPS导航场景下禁用AMCL，使用EKF融合提供定位
use_sim_time: False
# AMCL相关参数全部注释或删除
global_costmap:
global_costmap:
ros__parameters:
# GPS模式下不使用静态地图，使用动态生成的代价地图
plugins:
- {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
- {name: inflation_layer, type: "costmap_2d::InflationLayer"}
# 代价地图大小足够覆盖所有航点范围
width: 1000
height: 1000
resolution: 0.1
rolling_window: false # 全局代价地图固定，不随机器人移动
origin_x: -500
origin_y: -500
planner_server:
ros__parameters:
# 使用适合长距离规划的算法
GridBased:
plugin: "nav2_navfn_planner/NavfnPlanner"
use_astar: true
allow_unknown: true # 允许在未知区域规划路径
controller_server:
ros__parameters:
# 使用适合高速行驶的控制器
FollowPath:
plugin: "nav2_mppi_controller/MPPIController" # 或者TEB控制器
max_vel_x: 5.0 # 室外场景允许更高速度
```
#### 3.2.3 航点跟随器配置
```yaml
# waypoint_follower_params.yaml
waypoint_follower:
ros__parameters:
loop: False # 航点是否循环执行
waypoint_timeout: 300.0 # 单个航点导航超时时间（秒）
stop_on_failure: True # 某个航点导航失败时停止
action_server_name: "follow_waypoints"
# 航点到达阈值
goal_tolerance_x: 0.5
goal_tolerance_y: 0.5
goal_tolerance_yaw: 0.25
```
### 3.3 航点配置
sample_waypoints.yaml是预设的GPS航点文件，格式如下：
```yaml
waypoints:
- latitude: 37.7749
longitude: -122.4194
yaw: 0.0 # 到达后的朝向（弧度）
frame_id: "wgs84" # GPS坐标系
- latitude: 37.7750
longitude: -122.4195
yaw: 1.57
frame_id: "wgs84"
- latitude: 37.7751
longitude: -122.4196
yaw: 3.14
frame_id: "wgs84"
```
航点使用WGS84坐标系（标准GPS坐标），也可以配置为UTM坐标系。
### 3.4 运行流程
1. **启动仿真/真机驱动**：加载机器人模型、传感器驱动、GPS插件
2. **启动传感器融合**：`ros2 launch nav2_gps_waypoint_follower_demo dual_ekf.launch.py`
3. **启动导航栈**：`ros2 launch nav2_gps_waypoint_follower_demo gps_waypoint_follower_launch.py`
4. **加载航点**：`ros2 run nav2_waypoint_follower waypoint_follower --ros-args -p waypoint_file:=/path/to/sample_waypoints.yaml`
5. **启动航点跟随**：通过RViz发送FollowWaypoints action请求，或者用命令行启动：
```bash
ros2 action send_goal /follow_waypoints nav2_msgs/action/FollowWaypoints "{waypoints: []}"
```
### 3.5 关键注意事项
1. **GPS信号质量**：室外场景下需要确保GPS信号良好，RTK定位能达到厘米级精度，普通GPS只有米级精度，可能影响导航效果
2. **坐标系转换**：需要正确配置WGS84到UTM再到机器人本地坐标系的转换参数
3. **航点规划**：航点之间需要有可行路径，避免有障碍物阻挡
4. **动态障碍物**：室外场景需要配置合适的障碍物检测和避障参数
5. **TF树检查**：确保`map->odom->base_link`的TF变换正确发布，这是GPS导航的基础
---
## 4. 常用调试技巧
1. **查看TF树**：`ros2 run tf2_tools view_frames`，检查坐标系变换是否正确
2. **检查定位质量**：`ros2 topic echo /gps/fix` 查看GPS信号质量，`ros2 topic echo /odometry/filtered` 查看融合后的定位输出
3. **可视化调试**：在RViz中显示全局/局部代价地图、规划路径、当前目标点等信息
4. **参数动态调整**：使用`ros2 param`命令动态修改参数，无需重启导航栈
5. **日志分析**：查看`/tf`, `/cmd_vel`, `/plan`等话题的输出，排查导航失败原因
---
## 参考资料
- [Navigation2 官方文档](https://navigation.ros.org/)
- [nav2_bringup 源码](https://github.com/ros-navigation/navigation2/tree/main/nav2_bringup)
- [GPS Waypoint Follower 教程](https://navigation.ros.org/tutorials/docs/gps_waypoint_follower.html)
- [navigation2_tutorials 仓库](https://github.com/ros-navigation/navigation2_tutorials)