# 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)