4. 代价地图（Costmap）深度解析：全局代价地图与局部代价地图的配置，膨胀层、障碍物层、静态层的作用与参数调优

代价地图，说白了就是机器人对周围环境的“风险评分图”。每个栅格都有一个代价值，值越高，机器人越不敢走。我刚开始接触 Nav2 时，觉得这玩意儿就是个简单的黑白图——能走和不能走。后来被现实狠狠教育了一顿，才发现里面的门道深着呢。

今天咱们就把代价地图拆开揉碎，从全局到局部，从三层核心插件到参数调优，一次性讲透。

  核心认知： 代价地图不是一张静态图片，而是一个实时更新的“风险热力图”。它由多个层叠加而成，每一层负责一种信息来源。

4.1 全局代价地图 vs 局部代价地图

这两个东西，名字像，但职责完全不同。我见过不少新手把它们混为一谈，结果调参调得怀疑人生。

对比维度	全局代价地图	局部代价地图
作用范围	整个已知地图	机器人周围（通常 3-5 米）
更新频率	低（几秒一次或手动触发）	高（每个控制周期更新）
分辨率	可低一些（0.05-0.1m）	通常较高（0.02-0.05m）
主要用途	全局路径规划（A* / Dijkstra）	局部轨迹规划（DWA / TEB）
滚动窗口	否，固定地图	是，跟随机器人移动

我个人习惯把全局代价地图想象成“战略地图”，局部代价地图则是“战术地图”。战略上要看到全局，但不用太精细；战术上必须看清脚下，反应要快。

我的经验： 全局代价地图的分辨率不要设得太高。0.05m 已经够用，再高只会增加计算量，对路径质量提升有限。局部代价地图倒是可以设到 0.025m，尤其是当机器人需要穿过窄门时。

4.2 三层核心插件：静态层、障碍物层、膨胀层

代价地图的“层”机制，是 Nav2 最优雅的设计之一。每一层只负责一件事，最后叠加出最终结果。咱们一层一层说。

4.2.1 静态层（Static Layer）

静态层，说白了就是“先验地图”。它读取预先建好的 SLAM 地图（通常是 occupancy grid），把已知的墙壁、固定障碍物标记出来。

关键参数就几个：

map_topic：地图话题名，默认 map
first_map_only：是否只加载第一张地图。设为 false 时，地图更新会实时反映到代价地图上
subscribe_to_updates：是否订阅地图更新。如果你在动态环境中，建议打开

嗯，这里要注意：静态层不是一成不变的。我记得有一次在仓库项目里，货架布局经常调整，我们就把 subscribe_to_updates 设为 true，配合一个地图更新服务，效果很好。

4.2.2 障碍物层（Obstacle Layer）

这是最“活”的一层。它从激光雷达、深度相机、声纳等传感器实时读取数据，把检测到的障碍物标记到代价地图上。

配置时，我建议重点关注这几个参数：

参数	说明	推荐值
`observation_sources`	传感器源列表，如 `scan`、`pointcloud`	根据实际传感器配置
`obstacle_range`	障碍物最大检测距离	2.5 - 4.0 米
`raytrace_range`	射线追踪清除距离（用于清除误报）	3.0 - 5.0 米
`track_unknown_space`	是否追踪未知区域	`true`（推荐）

我曾经踩过的坑： 把 obstacle_range 设得太大（比如 10 米），结果远处的噪点也被当成障碍物，机器人动不动就急刹车。后来我把它限制在 3 米以内，配合 raytrace_range 做清除，问题就解决了。

4.2.3 膨胀层（Inflation Layer）

膨胀层，就是给障碍物“加一圈安全距离”。它把障碍物周围的栅格按距离赋予不同的代价值，越靠近障碍物，代价值越高。

膨胀层的核心参数：

inflation_radius：膨胀半径。机器人中心到障碍物的最小安全距离
cost_scaling_factor：代价衰减因子。值越大，代价随距离衰减越快

这两个参数怎么调？我一般这样操作：

先把 inflation_radius 设为机器人半径 + 0.1m 的余量
然后调 cost_scaling_factor，默认 10.0。如果机器人太靠近障碍物，就降低这个值（让代价衰减更平缓）
如果机器人路径太保守、绕远路，就适当减小 inflation_radius

  调参口诀： 半径管“能不能过”，衰减管“敢不敢贴”。过窄门时，半径要小、衰减要快；走宽通道时，半径可以大一点，让路径更平滑。

4.3 参数调优实战：一个典型配置

下面是我在一个差速轮机器人上用的配置，经过多次迭代，效果比较稳定。你可以拿它当起点，再根据实际情况微调。

# global_costmap_params.yaml
global_costmap:
  global_frame: map
  robot_base_frame: base_footprint
  update_frequency: 1.0
  publish_frequency: 0.5
  resolution: 0.05
  static_map: true
  plugins:
    - {name: static_layer, type: "nav2_costmap_2d::StaticLayer"}
    - {name: inflation_layer, type: "nav2_costmap_2d::InflationLayer"}
  inflation_layer:
    inflation_radius: 0.55
    cost_scaling_factor: 10.0

# local_costmap_params.yaml
local_costmap:
  global_frame: odom
  robot_base_frame: base_footprint
  update_frequency: 5.0
  publish_frequency: 2.0
  resolution: 0.025
  rolling_window: true
  width: 4.0
  height: 4.0
  plugins:
    - {name: obstacle_layer, type: "nav2_costmap_2d::ObstacleLayer"}
    - {name: inflation_layer, type: "nav2_costmap_2d::InflationLayer"}
  obstacle_layer:
    observation_sources: scan
    scan:
      topic: /scan
      max_obstacle_height: 2.0
      clearing: true
      marking: true
      data_type: "LaserScan"
      obstacle_range: 2.5
      raytrace_range: 3.0
  inflation_layer:
    inflation_radius: 0.4
    cost_scaling_factor: 8.0

你看，全局代价地图我用了静态层 + 膨胀层，没有障碍物层。为什么？因为全局规划不需要实时传感器数据，它只需要知道“哪里是墙”就够了。局部代价地图则用了障碍物层 + 膨胀层，实时响应周围动态障碍物。

小技巧： 局部代价地图的 width 和 height 不要设得太大。4x4 米对大多数室内机器人已经足够。设大了，计算量上去了，反应反而变慢。

4.4 常见问题与避坑指南

机器人贴着墙走： 检查 inflation_radius 是不是太小了。我一般建议至少设到机器人半径的 1.2 倍。
机器人频繁急停： 大概率是障碍物层参数问题。试试减小 obstacle_range，或者增大 raytrace_range 来清除误报。
全局路径穿墙： 检查静态层是否加载了正确的地图，或者 first_map_only 是否设为了 false 导致地图被覆盖。
局部代价地图不更新： 确认 update_frequency 是否够高，以及传感器数据是否正常发布。

我曾经遇到的一个诡异问题： 机器人每次经过某个区域都会突然绕大圈。排查了半天，发现是那个区域的地图上有几个“幽灵障碍物”——SLAM 建图时留下的噪点。解决方案：在静态层中把 map_topic 换成经过滤波处理的地图，或者在障碍物层中增加 filter 插件。

代价地图的调参，说白了就是平衡“安全”和“效率”。太保守，机器人走不动；太激进，容易撞。我的建议是：先让机器人能安全跑起来，再一点点放开参数，直到找到那个平衡点。

📚 课程目录

4. 代价地图（Costmap）深度解析：全局代价地图与局部代价地图的配置，膨胀层、障碍物层、静态层的作用与参数调优

4.1 全局代价地图 vs 局部代价地图

4.2 三层核心插件：静态层、障碍物层、膨胀层

4.2.1 静态层（Static Layer）

4.2.2 障碍物层（Obstacle Layer）

4.2.3 膨胀层（Inflation Layer）

4.3 参数调优实战：一个典型配置

4.4 常见问题与避坑指南