第四章：参数总览——move_base参数架构与关键参数清单
说实话，很多新手拿到move_base，第一反应就是「参数好多啊」。我当年也是这样，看着launch文件里几十个参数，完全不知道从哪下手。后来踩了不少坑，才慢慢理清这套参数体系的脉络。
这一章，我就带你把这个参数架构彻底搞明白。说白了，move_base的参数就三大块：全局规划、局部规划、代价地图。你把这三大块摸透了，调参就有了方向感。
4.1 move_base参数架构全景
先看整体结构。我习惯把move_base想象成一个三层架构：
核心逻辑层：move_base节点本身，负责调度全局和局部规划器
规划器层：global_planner + local_planner，一个负责大方向，一个负责细节
地图层：global_costmap + local_costmap，给规划器提供环境信息
嗯，这里要注意，每个层都有自己的参数文件。我见过有人把所有参数塞进一个yaml里，结果改一个参数要找半天。我个人建议按功能拆成四个文件：
config/
├── move_base_params.yaml # 核心调度参数
├── global_planner_params.yaml # 全局规划参数
├── local_planner_params.yaml # 局部规划参数
├── costmap_common_params.yaml # 代价地图公共参数
├── global_costmap_params.yaml # 全局代价地图参数
└── local_costmap_params.yaml # 局部代价地图参数这样拆开，你改局部规划的时候，根本不用碰全局的东西。我在项目里一直这么用，团队协作时也清晰很多。
4.2 核心调度参数（move_base_params.yaml）
这部分参数控制move_base节点本身的行为。我挑几个最关键的说说：
| 参数名 | 默认值 | 说明 |
|---|---|---|
| base_global_planner | navfn/NavfnROS | 全局规划器类型，可选global_planner/GlobalPlanner |
| base_local_planner | base_local_planner/TrajectoryPlannerROS | 局部规划器类型，常用dwa_local_planner/DWAPlannerROS |
| controller_frequency | 20.0 | 局部规划器的控制频率（Hz） |
| planner_frequency | 0.0 | 全局规划频率，0表示只在需要时规划 |
| max_planning_retries | -1 | 规划失败最大重试次数，-1表示无限重试 |
我的经验：controller_frequency别设太高。我曾经设到30Hz，结果机器人原地抖动，CPU占用飙到90%。后来降到10Hz，反而更稳。你想想看，传感器数据更新频率就那么多，控制频率再高也是白算。
4.3 全局规划参数（global_planner_params.yaml）
全局规划说白了就是「看地图，找路径」。我常用的参数：
GlobalPlanner:
allow_unknown: false # 是否允许通过未知区域
default_tolerance: 0.5 # 目标点容差（米）
visualize_potential: false # 是否可视化势场
use_dijkstra: true # true用Dijkstra，false用A*
use_quadratic: true # 使用二次近似
use_grid_path: false # 是否生成网格路径
old_navfn_behavior: false # 是否兼容旧版navfn这里有个坑：allow_unknown设成true，机器人可能会往没探索过的地方走。我曾经在仓库里测试，机器人直接冲着未知区域去了，结果撞到货架。嗯，建议设成false，除非你的地图已经完整建好了。
至于Dijkstra和A*的选择：Dijkstra保证最优，但慢；A*快，但不一定最优。我个人的习惯是，室内小场景用A*，室外大场景用Dijkstra。为什么？室内路径短，A*那点误差无所谓；室外路径长，Dijkstra的全局最优能省不少冤枉路。
4.4 局部规划参数（local_planner_params.yaml）
局部规划是避障的核心。我用DWA（Dynamic Window Approach）举例：
DWAPlannerROS:
# 机器人速度限制
max_vel_x: 0.5
min_vel_x: -0.1
max_vel_y: 0.0
min_vel_y: 0.0
max_vel_trans: 0.5
min_vel_trans: 0.1
max_vel_theta: 1.0
min_vel_theta: 0.3
# 加速度限制
acc_lim_x: 2.5
acc_lim_y: 0.0
acc_lim_theta: 3.2
# 轨迹评分权重
path_distance_bias: 32.0 # 路径跟随权重
goal_distance_bias: 24.0 # 目标趋向权重
occdist_scale: 0.02 # 障碍物惩罚权重
# 前向模拟参数
sim_time: 1.5 # 模拟时间（秒）
sim_granularity: 0.025 # 模拟步长（米）
vx_samples: 6 # x方向速度采样数
vtheta_samples: 20 # 角速度采样数避坑指南：我曾经把occdist_scale设成0.5，结果机器人离障碍物老远就开始绕路，在走廊里走S形。后来降到0.02，路径就直了。这个参数要跟path_distance_bias配合调，说白了就是「贴边走」和「远离墙」之间的平衡。
4.5 代价地图参数（costmap_common_params.yaml）
代价地图是规划器的「眼睛」。我把它分成三部分：
4.5.1 障碍物层参数
obstacle_layer:
enabled: true
obstacle_range: 2.5 # 障碍物最大检测距离（米）
raytrace_range: 3.0 # 射线追踪最大距离（米）
inflation_radius: 0.55 # 膨胀半径（米）
track_unknown_space: false # 是否追踪未知空间
observation_sources: laser_scan_sensor
laser_scan_sensor:
data_type: LaserScan
topic: /scan
marking: true
clearing: true
min_obstacle_height: 0.0
max_obstacle_height: 2.0这里inflation_radius是关键。设大了，机器人过窄门会卡住；设小了，容易蹭到墙。我一般设成机器人宽度的1/3左右。比如机器人宽0.6米，我就设0.2米。
4.5.2 膨胀层参数
inflation_layer:
enabled: true
cost_scaling_factor: 10.0 # 代价衰减因子
inflation_radius: 0.55 # 必须跟obstacle_layer一致cost_scaling_factor控制代价从障碍物边缘向外衰减的速度。值越大，衰减越快，机器人越敢靠近障碍物。我遇到过有人设成100，结果代价几乎不衰减，机器人离墙老远就停住了。
4.5.3 静态地图层参数
static_layer:
enabled: true
map_topic: /map
first_map_only: false # 是否只使用第一帧地图
subscribe_to_updates: true # 是否订阅地图更新4.6 全局与局部代价地图的差异
全局代价地图和局部代价地图虽然参数结构类似，但用途不同：
| 属性 | 全局代价地图 | 局部代价地图 |
|---|---|---|
| 尺寸 | 整个地图 | 机器人周围小范围 |
| 更新频率 | 低（几秒一次） | 高（10Hz以上） |
| 分辨率 | 可低一些 | 尽量高 |
| 滚动窗口 | 否 | 是（跟随机器人） |
我举个例子你就明白了：全局代价地图像一张城市地图，告诉你从A到B的大致路线；局部代价地图像车载雷达，实时告诉你前面有没有车、要不要变道。两个缺一不可。
4.7 参数调优的通用原则
最后，分享几个我总结的调参原则：
- 一次只改一个参数。改完测试，记录效果。我见过有人同时改5个参数，出了问题根本不知道是哪个引起的。
- 从安全开始。先把速度设慢、膨胀半径设大，确保机器人不会撞。然后再逐步优化效率。
- 用bag包回放测试。别让机器人在真实环境里反复跑，用rosbag录一段数据，离线调参效率高得多。
- 关注计算资源。参数设得太精细，CPU扛不住。我遇到过sim_time设成3秒，结果控制周期从50ms变成200ms，机器人反应迟钝。
核心要点：move_base参数调优不是玄学，是有章可循的。先理解架构，再逐个参数调试，最后用数据验证。你按这个流程走，地图精度和避障效果都能稳步提升。
这张图把move_base的参数架构梳理清楚了。从上到下，核心节点调度规划器，规划器依赖代价地图，代价地图又由多个图层叠加而成。每个层级都有对应的参数文件，调参时按图索骥就行。
好了，这一章我们把参数架构和关键清单过了一遍。下一章开始，我会带你逐个参数实战调试，看看每个参数到底怎么影响地图精度和避障效果。