3. Nav2框架解析：整体架构与核心模块
Nav2这个框架，说白了就是ROS2机器人导航的"大脑"和"四肢"组合。我最早接触Nav2时，第一反应是"怎么这么多节点？"但用久了你会发现，这种模块化设计其实非常优雅。每个模块各司其职，出了问题也好排查。
嗯，咱们先看整体架构，再拆开细聊四个核心模块：BT Navigator、Planner、Controller、Recovery。
3.1 整体架构：插件化设计的魅力
Nav2的架构，我习惯把它理解成一个"乐高积木系统"。每个模块都是一个插件，你可以自由组合、替换。比如你今天想用A*做全局规划，明天想换成Smac Planner，改个参数就行，不用动代码。
整个流程是这样的：
- 行为树导航器接收导航目标，然后像项目经理一样，调度下面的模块干活
- Planner负责"看地图，找大路"——生成全局路径
- Controller负责"看脚下，躲障碍"——跟踪局部路径
- Recovery是"救火队"——卡住了就自己想办法脱困
核心思想：Nav2把导航任务拆成了"规划-控制-恢复"三个独立环节，每个环节都可以独立替换。这种设计让调试变得非常方便——哪个环节出问题，就盯着哪个环节查。
3.2 BT Navigator：行为树导航器
BT Navigator是Nav2的大脑。它不直接控制机器人，而是用行为树来编排整个导航流程。
什么是行为树？你可以把它想象成一个"流程图+决策树"的混合体。每个节点代表一个动作或条件，节点之间用"顺序"、"选择"、"并行"等控制节点连接。
我个人习惯把行为树比作"导航剧本"——机器人按照剧本一步步演：先规划路径，再跟踪路径，如果遇到障碍就尝试恢复，恢复不了就上报失败。
实战经验：我在调试一个仓储机器人时，发现机器人每次卡住都要等5秒才触发恢复。后来查了行为树配置，发现是"等待超时"节点设得太长了。把超时从5秒改成1.5秒，问题立刻解决。所以，行为树的参数调优，往往比算法调参更立竿见影。
BT Navigator支持多种行为树模板，最常用的是navigate_to_pose和navigate_through_poses。前者是"去一个点"，后者是"经过一系列点"。
3.3 Planner：全局路径规划器
Planner的任务很简单：给你一张地图，一个起点，一个终点，算出一条能走的路。
Nav2内置了几种规划器：
| 规划器名称 | 算法核心 | 适用场景 | 我踩过的坑 |
|---|---|---|---|
| NavFn Planner | Dijkstra / A* | 通用场景，稳定可靠 | 地图大了容易慢，建议限制搜索范围 |
| Smac Planner | Hybrid-A* / Lattice | 需要考虑车辆运动学 | 参数多，调起来费劲，但效果确实好 |
| Theta* Planner | Theta* (任意角度) | 需要更平滑的路径 | 计算量比A*大，适合离线规划 |
嗯，这里要注意：Planner生成的路径是"全局参考"，它不考虑动态障碍物。动态避障是Controller的事。
曾经踩过的坑：有一次我在一个狭窄走廊里测试，Planner算出来的路径贴着墙走，机器人稍微偏一点就撞上了。后来发现是代价地图的膨胀半径设得太小。记住：Planner的路径质量，很大程度上取决于代价地图的参数。
3.4 Controller：局部路径控制器
Controller是真正"开车"的模块。它拿到Planner给的全局路径，然后结合实时传感器数据，算出速度指令（线速度+角速度），让机器人沿着路径走。
Nav2里最常用的两个控制器：
- DWB Controller（Dynamic Window Approach的升级版）：它会模拟未来几秒内的各种速度组合，选一条最安全、最接近目标路径的。我一般用这个，因为它对动态障碍物的反应比较灵敏。
- Regulated Pure Pursuit：纯追踪算法的改进版。它会在路径上选一个"前瞻点"，然后控制机器人追着那个点走。优点是参数少、调起来简单；缺点是在狭窄空间里容易来回摆动。
你想想看，Controller其实是在做"平衡"——既要跟得上全局路径，又要躲得开突然出现的障碍物。这个平衡点，往往需要通过实际跑车来调。
我的调试习惯：先让机器人走一条没有障碍物的直线，调好PID参数。然后加一个静态障碍物，调避障参数。最后才上动态障碍物。一步步来，别想一口吃成胖子。
3.5 Recovery：异常恢复机制
Recovery模块，说白了就是"机器人自救指南"。当Controller发现走不动了（比如被障碍物卡住、路径被完全堵死），就会触发恢复行为。
Nav2内置了几种恢复行为：
- 旋转恢复：原地转一圈，重新扫描周围环境。很多时候，转一下就能找到新路。
- 后退恢复：向后倒退一段距离，给重新规划留出空间。
- 清除代价地图：把代价地图上的"记忆"清掉，重新从传感器获取数据。有时候是地图上的"幽灵障碍"导致卡住。
我曾经在一个工厂项目里遇到过：机器人每次经过一个金属货架旁边就会卡住。查了半天，发现是激光雷达在金属表面产生了多路径反射，导致代价地图上出现了一个"假障碍"。后来加了清除代价地图的恢复行为，问题就解决了。
关键点：恢复行为不是万能的。如果连续触发恢复超过一定次数（默认3次），BT Navigator会判定导航失败，上报错误。这时候就需要人工介入了。
3.6 模块间的协作流程
最后，咱们串一下整个流程：
- 用户下发导航目标（比如"去坐标(5, 3)"）
- BT Navigator启动行为树，先调用Planner
- Planner查询全局代价地图，算出一条全局路径
- BT Navigator把路径交给Controller
- Controller结合局部代价地图和传感器数据，实时计算速度指令
- 如果Controller发现路径被堵，触发Recovery
- Recovery尝试自救，成功后重新规划或继续跟踪
- 到达目标点，BT Navigator返回成功
这个流程看起来简单，但每个环节都有很多细节。后面几章我们会逐个模块深入调试。记住一句话：Nav2的调试，本质上是"代价地图参数 + 行为树配置 + 算法参数"三者的平衡。