1. Nav2 概览与核心架构
大家好，欢迎来到《Nav2地图构建与避障调参实战》的第一章。
说实话，很多新手拿到 Nav2 第一反应就是「这玩意儿怎么这么复杂？」。一堆节点、一堆参数、还有行为树这种听起来就头大的东西。别急，我当年也是这么过来的。
这一章，我们就来拆解 Nav2 的骨架。你不需要记住所有细节，但得知道它为什么这么设计，以及每个零件是干嘛用的。
1.1 模块化设计：为什么拆开比揉在一起好？
Nav2 不是一个大铁块，而是一套乐高积木。每个功能模块独立运行，通过 ROS 2 的通信机制互相配合。
这样做的好处很明显：
- 可替换性：你觉得默认的全局规划器不好用？换一个就行，不用动其他部分。
- 可调试性：机器人撞墙了，你只需要盯着控制器和代价地图，不用从头排查到尾。
- 可扩展性：想加个「爬坡检测」功能？写个新节点插进去就行。
核心思路：Nav2 把「导航」这件事拆成了「我在哪」「去哪」「怎么去」「路上别撞」四个问题，每个问题对应一个或几个模块。
我在项目中遇到过最典型的反面教材：有人把所有逻辑写在一个节点里，结果每次改参数都要重新编译整个项目。嗯，那滋味可不好受。
1.2 生命周期节点：让机器人学会「开机自检」
你有没有想过，为什么机器人启动后不能直接跑？
因为导航系统需要初始化。比如加载地图、连接传感器、校准参数。如果这些没做完就开始规划路径，大概率会撞墙。
Nav2 引入了 生命周期节点（LifecycleNode）来解决这个问题。每个节点有四个状态：
| 状态 | 含义 | 我常用的场景 |
|---|---|---|
| Unconfigured | 刚创建，啥都没干 | 节点启动后的初始状态 |
| Inactive | 已配置，但还没开始工作 | 加载参数、订阅话题，但不处理数据 |
| Active | 正常运行 | 开始规划、控制、更新代价地图 |
| Finalized | 清理资源，准备销毁 | 关闭节点时的收尾工作 |
我个人习惯在 Inactive 阶段做一次「健康检查」——确认激光雷达有数据、里程计在发布、地图加载成功。如果哪一步失败，直接拒绝进入 Active，而不是让机器人带着故障上路。
小技巧：调试时可以用 ros2 lifecycle set /nav2_controller configure 手动触发状态切换，看看每个阶段有没有报错。
1.3 行为树：导航的「决策大脑」
行为树（Behavior Tree）是 Nav2 最让我眼前一亮的设计。它把导航决策画成了一棵树，每个节点代表一个动作或条件。
举个例子，一个简单的导航行为树可能是这样的：
- 根节点：Sequence（顺序执行）
- 子节点1：ComputePathToPose（计算路径）
- 子节点2：FollowPath（跟随路径）
- 子节点3：如果遇到障碍，执行 Recovery（恢复行为）
你想想看，这种结构的好处是什么？
- 可视化：用工具（比如 Nav2 自带的 Behavior Tree Viewer）能直接看到机器人当前在树的哪个位置。
- 可组合：想加个「先原地旋转再后退」的避障策略？在树里加个节点就行，不用改 C++ 代码。
- 可调试：机器人卡住了，看行为树就知道是「路径计算失败」还是「路径跟踪超时」。
我曾经踩过的坑：默认的行为树里，Recovery 节点会尝试「后退-旋转-前进」三次。但在狭窄走廊里，后退反而会让机器人卡得更死。后来我改成了「先旋转90度再尝试」，效果好了很多。
1.4 规划器与控制器：谁负责想，谁负责做？
这两个角色分工非常明确：
- 规划器（Planner）：负责「想」。给定起点和终点，算出一条无碰撞的路径。Nav2 默认用 NavFn 或 Smac Planner。
- 控制器（Controller）：负责「做」。沿着规划器给的路径走，同时实时避障。默认是 DWB（Dynamic Window Approach）或 Regulated Pure Pursuit。
我习惯把规划器比作「地图上的导航员」，控制器比作「实际开车的司机」。导航员说「前方500米右转」，司机得看路况决定怎么转——如果路上有坑，司机可以稍微绕一下，但大方向不变。
| 组件 | 输入 | 输出 | 我常用的算法 |
|---|---|---|---|
| 全局规划器 | 起点、终点、全局代价地图 | 全局路径（一系列位姿点） | NavFn、Smac Planner 2D |
| 局部规划器（控制器） | 全局路径、局部代价地图、里程计 | 速度指令（线速度+角速度） | DWB、Regulated Pure Pursuit |
个人经验：如果你在室内环境（走廊、房间），Regulated Pure Pursuit 比 DWB 更稳，因为它对路径的跟踪更平滑。但如果你在户外或动态障碍物多的场景，DWB 的灵活性更好。
1.5 代价地图：机器人的「危险感知图」
代价地图（Costmap）是 Nav2 里最容易被忽视但最重要的组件。说白了，它就是一张二维网格图，每个格子有一个「代价」值，表示这个位置有多危险。
- 0：自由空间，随便走。
- 1-99：有障碍物风险，越靠近障碍物代价越高。
- 100：致命障碍，不能走。
Nav2 维护了两张代价地图：
- 全局代价地图：用于全局规划，通常基于静态地图（比如 SLAM 建好的图）。更新频率低，但范围大。
- 局部代价地图：用于实时避障，基于传感器数据（激光雷达、深度相机）。更新频率高，但范围小（通常 3-5 米）。
嗯，这里要注意：代价地图的更新频率和分辨率直接影响导航效果。分辨率太高，计算量爆炸；分辨率太低，机器人可能「看不见」细小的障碍物（比如桌腿）。
我的调参原则：先保证局部代价地图能「看到」机器人周围 0.5 米内的所有障碍物，再考虑全局地图的精度。毕竟，撞上近处的障碍物比走一条「理论上最优」的路径更致命。
1.6 整体架构图：把这些零件拼起来
下面这张图展示了 Nav2 的核心组件和它们之间的数据流。你可以把它当作后续章节的「导航地图」。
从这张图你能看到：行为树是「大脑」，决定什么时候规划、什么时候控制、什么时候恢复。规划器和控制器是「左右手」，一个负责想，一个负责做。代价地图是「眼睛」，告诉它们哪里能走哪里不能走。
1.7 本章小结
这一章我们走马观花地看了 Nav2 的骨架。你不需要现在就记住所有细节，但请记住几个关键点：
- Nav2 是模块化的，每个组件可以独立替换和调试。
- 生命周期节点让系统启动更安全，不会「带病上岗」。
- 行为树是决策核心，把导航逻辑可视化、可组合。
- 规划器和控制器分工明确，一个负责全局路径，一个负责局部跟踪。
- 代价地图是导航的「危险感知图」，分全局和局部两张。