第2章：Costmap2D基础：全局代价地图与局部代价地图

大家好，我是你们的导航调参讲师。今天咱们聊聊代价地图——这玩意儿可以说是Nav2的「眼睛」和「皮肤」。没有它，机器人就是个睁眼瞎，到处乱撞。

我记得刚入行那会儿，总觉得代价地图就是个简单的黑白栅格图。直到有一次，机器人在走廊里莫名其妙地绕远路，我才意识到——嗯，这里面的门道深着呢。

2.1 什么是代价地图？

说白了，代价地图就是一张二维网格图。每个格子（我们叫它cell）都存着一个数值，代表这个位置「好不好走」。

• 0：自由空间，随便走
• 100：障碍物，别碰
• 0~100之间：越靠近障碍物，数值越高

你想想看，如果只有0和100两种值，那机器人就像在走迷宫——要么能走，要么不能走。但现实世界哪有这么简单？

2.2 全局 vs 局部：两套地图各司其职

Nav2里有两套代价地图，很多人一开始搞混。我简单解释一下：

对比项	全局代价地图	局部代价地图
范围	整个已知地图	机器人周围一小块
更新频率	低（几秒一次）	高（几十毫秒一次）
用途	规划长距离路径	实时避障、局部路径调整
分辨率	可低一些（省内存）	通常较高（精细避障）

我个人的习惯是：全局地图分辨率设0.05米，局部设0.025米。这样全局规划快，局部避障精细。

2.3 膨胀层与障碍物层

代价地图由多个「层」叠加而成。最常用的两层是：

障碍物层（Obstacle Layer）

这层负责把传感器数据（激光雷达、深度相机等）转成障碍物标记。说白了，就是「看到啥就标啥」。

我曾经遇到过一个坑：激光雷达安装角度偏了5度，结果障碍物层一直把地面当成墙。机器人原地转圈，死活不走。后来一查，是传感器帧和基座标系没对齐。

膨胀层（Inflation Layer）

这层才是避障的精髓。它把障碍物周围的格子也标上代价，让机器人「不敢靠近」。

膨胀层有两个关键参数：

• inflation_radius：膨胀半径。机器人中心到障碍物的最小距离。
• cost_scaling_factor：代价衰减速度。值越大，代价下降越快。

2.4 代价地图的更新机制

代价地图不是静态的——它一直在变。更新机制分三步：

1. 传感器数据输入：激光雷达扫描一圈，得到障碍物点云
2. 标记与清除：新扫描到的障碍物标记上，之前扫到但这次没扫到的清除掉
3. 膨胀计算：对标记的障碍物做膨胀，生成渐变代价

这里有个关键点：清除机制。如果机器人看到障碍物移走了（比如行人走开），代价地图必须及时清除旧标记。否则机器人会一直绕着「幽灵障碍物」走。

2.5 知识体系总览

下面这张图帮你理清本章的核心逻辑：

2.6 实战建议

最后，给你几个我踩过坑后总结的建议：

• 先调障碍物层，再调膨胀层：如果障碍物都检测不准，膨胀层再完美也没用
• 用rviz2可视化调试：打开代价地图显示，一眼就能看出问题——比如障碍物偏移、膨胀太大
• 注意坐标系：传感器帧、基座标系、地图帧必须对齐。我见过太多人栽在这上面