核心概念：代价地图、膨胀层、障碍物层
各位同学好，今天我们来聊聊导航避障里最核心的三个概念。说实话，我见过不少新手在这上面栽跟头——地图建得挺漂亮，机器人一跑起来就撞墙。问题出在哪？多半是对代价地图的理解不够深。
我个人习惯把代价地图比作一张「风险热力图」。它不像我们平时用的栅格地图，只告诉你哪里是墙、哪里是空地。代价地图会给每个格子打分——越靠近障碍物，分数越高，机器人就越不敢靠近。嗯，这个思路其实很符合人的直觉：你走路时也会离墙远一点，对吧？
一、代价地图（Costmap）到底是什么？
代价地图本质上是一张二维栅格图，每个格子存一个0到255的数值。0代表完全自由，255代表致命障碍。中间的值呢？就是不同程度的「危险警告」。
我在项目中遇到过这样一个坑：有一次调试AGV小车，明明激光雷达扫到了障碍物，机器人还是直直撞上去。后来一查，原来是代价地图的更新频率太低，障碍物已经出现在地图上，但代价地图还没来得及刷新。所以记住：代价地图不是静态的，它是实时更新的动态图层。
核心要点：代价地图 = 静态地图层 + 障碍物层 + 膨胀层。这三层叠加在一起，才构成机器人真正用来规划路径的「决策地图」。
代价地图的更新流程大致是这样的：
- 传感器（激光雷达、深度相机）采集环境数据
- 障碍物层将传感器数据转换成栅格障碍物
- 膨胀层在障碍物周围生成「危险区域」
- 静态地图层提供已知的固定障碍物信息
- 三层叠加，生成最终的代价地图
你想想看，如果没有膨胀层，机器人规划出来的路径可能紧贴着墙走。一旦定位有点偏差，或者控制不够精准，砰——撞上了。所以膨胀层不是可有可无的，它是安全冗余的保障。
二、膨胀层（Inflation Layer）——给障碍物穿上「防护服」
膨胀层的作用说白了就是：把障碍物「变胖」。但这不是简单的像素扩张，而是有梯度的。
我习惯把膨胀层分为三个区域：
| 区域名称 | 代价范围 | 含义 |
|---|---|---|
| 致命障碍区 | 253-255 | 机器人中心不能进入 |
| 内切圆区 | 128-252 | 机器人本体可能擦碰 |
| 外切圆区 | 1-127 | 建议保持距离 |
这里有个关键参数——膨胀半径（inflation_radius）。我曾经犯过一个错误：为了追求路径平滑，把膨胀半径设得特别大。结果呢？机器人过窄门时直接判定「此路不通」，绕了一大圈。后来我学乖了，膨胀半径一般设为机器人宽度的1.2倍左右，既能保证安全，又不会太保守。
我的调参习惯：先设一个较大的膨胀半径（比如0.5米），观察机器人在狭窄通道的表现。如果频繁绕路，就逐步减小。如果出现擦碰，就增大。每次调整0.05米，跑一遍测试场景。
膨胀层的代价计算公式其实不复杂：
// 伪代码：膨胀代价计算
cost = exp(-(distance - inscribed_radius) / decay_factor) * 255
其中：
- distance: 当前格子到障碍物的距离
- inscribed_radius: 内切圆半径（机器人本体半径）
- decay_factor: 衰减系数（越小，代价下降越快）为什么要用指数衰减？因为越靠近障碍物，代价应该急剧上升，给规划器一个强烈的「别过来」信号。而远离障碍物时，代价平缓下降，不影响路径的平滑性。
三、障碍物层（Obstacle Layer）——传感器的「翻译官」
障碍物层负责把传感器数据翻译成代价地图能理解的栅格信息。它是最动态的一层，因为传感器数据是实时变化的。
我记得有一次做室内巡检机器人，用的是2D激光雷达。障碍物层参数没调好，机器人把地毯上的阴影也当成障碍物了。后来发现是障碍物高度阈值设得太低，把地面反射也纳入了考虑。
障碍物层有几个关键参数：
- observation_sources：定义使用哪些传感器（激光、深度相机、声纳等）
- obstacle_range：障碍物检测的最大距离，超过这个距离的障碍物不纳入代价地图
- raytrace_range：射线追踪范围，用于清除传感器和障碍物之间的「假障碍」
避坑指南：我曾经把obstacle_range设得比raytrace_range还小，结果传感器明明扫到了障碍物，但代价地图上就是不显示。因为障碍物还没进入检测范围，但射线追踪已经把障碍物后面的区域标记为「自由」了。正确的做法是：raytrace_range > obstacle_range，一般大0.5米左右。
障碍物层的更新机制很有意思。它不是简单地把传感器数据「画」到地图上，而是做了两件事：
- 标记（Mark）：在传感器检测到障碍物的位置，把栅格值设为255
- 清除（Clear）：在传感器和障碍物之间的区域，把栅格值设为0
为什么要清除？因为障碍物可能移动了。比如一个人刚才站在那，现在走开了。如果不清除，代价地图上会留下「幽灵障碍物」。清除机制就是让地图能「忘记」旧的障碍物。
四、三层如何协同工作？
我画了一张图来展示这三层的关系：
从这张图可以看得很清楚：静态地图层是基础，提供固定环境信息；障碍物层是动态的，负责实时更新；膨胀层是安全层，给所有障碍物加上「缓冲带」。三层叠加后，规划器才能做出既安全又高效的路径决策。
实际项目中，我建议你按这个顺序调参：
- 先调障碍物层，确保传感器数据能正确映射到代价地图上
- 再调膨胀层，找到安全性和通过性的平衡点
- 最后调静态地图层，确认已知障碍物没有遗漏或偏移
一句话总结：代价地图是机器人的「安全感知」基础，膨胀层是「安全冗余」，障碍物层是「实时感知」。三者缺一不可，配合好了，你的机器人才能走得稳、走得准。
好了，核心概念就讲到这里。下一节我们会深入代码层面，看看这些参数在ROS中到底怎么配置。到时候我会拿一个实际的项目案例，带大家一步步调参。