4. 全局规划器初探：Nav2默认全局规划器NavFn原理，参数文件结构解析

全局规划器，说白了就是给机器人画一条从起点到终点的“大路”。你告诉它“我要去那里”，它就在全局代价地图上找出一条能走的路。Nav2 默认用的是 NavFn，一个基于 Dijkstra 和 A* 混合思想的规划器。我最早接触它的时候，觉得不就是个寻路嘛，后来才发现里面的门道真不少。

这一章，咱们就把它拆开看看。不搞花架子，直接聊原理、参数、还有我踩过的坑。

4.1 NavFn 到底怎么工作的？

NavFn 本质上是一个 势场规划器。它把地图看成一张网格，每个格子都有一个“代价”值。然后从目标点开始，像水波一样往外扩散，计算每个格子到目标点的最小代价路径。最后机器人沿着“梯度下降”的方向走，就能到目标。

我个人习惯把它理解成“水往低处流”。目标点就是最低点，机器人顺着坡往下滑。嗯，当然这个坡是数学上的势场。

我在项目中遇到过一个问题：当障碍物把路堵死的时候，NavFn 会绕很远的路，甚至找不到路径。后来发现是 allow_unknown 参数没开，导致未知区域直接被当成障碍。你想想看，机器人还没探索的地方就被堵死了，那肯定绕路啊。

4.2 参数文件结构解析

Nav2 的参数文件通常叫 nav2_params.yaml。全局规划器的配置放在 global_costmap 和 planner_server 下面。我习惯把参数分成三块：规划器核心参数、代价地图参数、以及插件选择。

下面是一个典型的 NavFn 参数片段，我加了注释，方便你理解。

planner_server:
  ros__parameters:
    planner_plugins: ["GridBased"]
    GridBased:
      plugin: "nav2_navfn_planner/NavfnPlanner"
      tolerance: 0.5          # 到达目标点的容忍距离 (米)
      use_astar: false        # 是否使用 A* 加速 (默认 Dijkstra)
      allow_unknown: true     # 是否允许通过未知区域
      max_iterations: 100000  # 最大迭代次数，防止死循环

参数名	默认值	说明	我的建议
tolerance	0.5	终点判定半径，机器人进入这个范围就算到达	室内设 0.3~0.5，室外可适当放大
use_astar	false	是否启用 A* 启发式搜索	地图大时建议 true，小地图 Dijkstra 更稳
allow_unknown	true	是否把未知区域当作可通行	探索阶段建议 true，已知环境设 false 更安全
max_iterations	100000	规划器最大迭代次数	一般不用改，地图超大时可增大

4.3 全局代价地图的联动

全局规划器不是孤立的。它依赖全局代价地图提供的“障碍物膨胀层”。你想想看，如果膨胀半径设得太大，机器人可能找不到路；设得太小，又容易刮蹭。我一般先设 0.3m 的膨胀半径，然后根据机器人实际尺寸微调。

下面这个例子展示了全局代价地图中与规划器相关的参数：

global_costmap:
  global_costmap:
    ros__parameters:
      robot_radius: 0.22
      inflation_layer:
        inflation_radius: 0.55
        cost_scaling_factor: 10.0
      plugins: ["static_layer", "obstacle_layer", "inflation_layer"]

注意 inflation_radius 和 cost_scaling_factor 直接影响规划器生成的路径离障碍物有多远。数值越大，路径越保守。

4.4 调试小技巧：如何观察规划器行为

调参的时候，光看机器人跑是不够的。我习惯用 RViz 打开 Path 和 Potential 显示。NavFn 可以发布势场图（如果你开启了 publish_potential 参数）。

另外，你可以在终端用 ros2 param get /planner_server GridBased.tolerance 来实时查看参数值。嗯，热加载参数也是可以的，不过那是后面章节的内容了。

我个人习惯在调试时把 max_iterations 临时设小一点（比如 10000），这样如果规划失败能快速报错，不用等半天。

4.5 避坑指南

• 路径频繁重规划？ 检查 tolerance 是否太小，或者代价地图更新太快。
• 规划失败但地图明明有路？ 看看 allow_unknown 是不是 false，以及膨胀层是否把通道堵死了。
• 规划时间过长？ 试试 use_astar: true，或者减小地图分辨率（但别低于 0.05m）。

我曾经在一个仓库项目里，机器人总是规划出奇怪的“Z”字形路径。查了两天，最后发现是全局代价地图的 static_layer 加载了过期的地图，导致障碍物位置不对。所以，有时候问题不在规划器本身，而在上游数据。