一、课程导论：为什么避障参数影响地图精度？课程目标与学习路径

1.1 一个让我印象深刻的教训

先讲个我自己的故事。

几年前，我在做一个仓储机器人的项目。当时建图效果一直不理想——地图上全是鬼影，墙角歪歪扭扭，走廊宽度忽大忽小。我折腾了三天，调了激光雷达的帧率、改了IMU的协方差、甚至怀疑是电机编码器坏了。

结果呢？

问题出在避障参数上。准确地说，是代价地图的膨胀半径设得太大了。机器人为了「安全」，离墙老远就开始绕行，导致激光点云和里程计的对齐出现系统性偏差。说白了，避障参数把建图过程「带偏了」。

从那以后，我养成了一个习惯：调地图精度之前，先看一眼避障参数。

1.2 避障参数和地图精度，到底有什么关系？

你可能会想：「避障是避障，建图是建图，两码事吧？」

嗯，表面上看确实如此。避障负责让机器人别撞墙，建图负责让地图更准确。但在实际系统中，这两者共用一套传感器数据、同一个代价地图、甚至同一个路径规划器。

我列几个常见的「串扰」场景：

• 代价地图膨胀半径：设得太大，机器人离障碍物太远，激光雷达扫不到墙根，地图边缘模糊
• 障碍物轨迹预测时间：设得太长，机器人提前绕行，导致路径偏离真实走廊中线
• 安全距离阈值：设得太保守，机器人频繁急停，造成IMU震动噪声增大
• 动态障碍物过滤窗口：设得太短，把静态墙误判为动态物体，地图上出现空洞

你看，每个参数都在「保护机器人安全」和「保证建图精度」之间做权衡。这个平衡点找不好，地图精度就上不去。

1.3 课程目标：让你成为参数调优的「明白人」

这门课的目标很明确——让你理解每个避障参数背后的物理意义，知道调它到底在调什么。

具体来说，学完这门课，你应该能：

1. 看懂参数：面对一个陌生的参数文件，能说出每个参数影响建图的哪个环节
2. 诊断问题：地图出现鬼影、漂移、空洞时，能快速定位到是哪个避障参数导致的
3. 动手调优：根据实际场景（窄走廊、开阔大厅、动态人流），给出合理的参数组合
4. 避免踩坑：知道哪些参数是「雷区」，调了会引发连锁反应

1.4 学习路径：我们怎么走？

这门课一共10章，我按「从原理到实战」的顺序来组织。

先看一张整体框架图，帮你建立全局认知：

这张图展示了课程的递进关系。从原理到实战，每一步都围绕「避障参数如何影响建图精度」这个核心问题展开。

1.5 你需要准备什么？

这门课不是零基础入门。我假设你已经：

• 用过ROS，知道怎么启动launch文件、查看topic
• 跑过至少一种SLAM算法（比如gmapping、cartographer、hector）
• 对代价地图（costmap）有基本概念

如果你还不太熟，也没关系。每章我会给一些「快速上手」的提示，帮你补上必要的背景知识。

1.6 一个小练习，帮你热身

在正式开始之前，我建议你做一件事：

打开你手头项目的代价地图配置文件（通常是 costmap_common_params.yaml），找到下面这几个参数：

inflation_radius: 0.55
cost_scaling_factor: 10.0
obstacle_range: 2.5
raytrace_range: 3.0

先别急着改。问自己三个问题：

1. 这些参数分别控制什么？
2. 如果我把 inflation_radius 从0.55改成1.0，建图结果会怎么变？
3. 如果我把 obstacle_range 从2.5改成5.0，又会怎样？

带着这些问题进入下一章。等你学完第3章，再回头看这几个参数，你会发现自己已经能「看穿」它们了。

好，我们开始吧。