4、代价地图配置：全局代价地图与局部代价地图、膨胀层参数、障碍物层与静态层

代价地图，说白了就是机器人对周围环境的「风险认知图」。你想想看，机器人要导航，它得知道哪里能走、哪里不能走、哪里最好绕着走。代价地图就是干这个的。

ROS 里把代价地图分成了两种：全局代价地图和局部代价地图。我刚开始接触时也觉得麻烦，后来才明白——这俩分工完全不同。

4.1 全局代价地图 vs 局部代价地图

全局代价地图，负责「宏观规划」。它覆盖整个已知环境，分辨率可以低一些，更新频率也不用太快。全局路径规划器（比如 A*、Dijkstra）就在这张图上找出一条从起点到终点的最优路径。

局部代价地图，负责「微观避障」。它只关注机器人周围一小块区域（通常是 3-5 米半径），分辨率高，更新快。局部规划器（比如 DWA、TEB）在这张图上实时调整速度，避开突然出现的障碍物。

我做过一个项目，在仓库里跑 AGV。一开始我把全局地图分辨率设得很高，结果规划一次路径要算好几秒，机器人走走停停。后来我明白了——全局地图不需要那么精细，够用就行。

对比项	全局代价地图	局部代价地图
覆盖范围	整个已知地图	机器人周围（3-5m）
分辨率	较低（0.05-0.1m）	较高（0.02-0.05m）
更新频率	低（1-5Hz）	高（10-50Hz）
主要用途	全局路径规划	局部避障与速度控制
数据来源	静态地图 + 长期障碍物	实时传感器 + 短期障碍物

我的习惯：全局地图分辨率设 0.05m，局部地图设 0.025m。如果环境特别拥挤，局部分辨率可以再提到 0.02m，但别低于 0.015m，否则计算量会爆炸。

4.2 代价地图的三层结构

代价地图不是一张简单的灰度图。它由三层叠加而成：静态层、障碍物层、膨胀层。每一层都有自己的职责。

我画了张图，帮你理清这三层的关系：

这三层叠加在一起，最终生成一张完整的代价地图。静态层提供基础环境信息，障碍物层实时更新动态物体，膨胀层给所有障碍物加上「安全距离」。

4.3 静态层配置

静态层是最简单的一层。它直接从预先建立的地图（通常是 pgm/yaml 文件）加载数据。配置时主要关注两个参数：

map_topic：地图话题名称，默认是 /map
first_map_only：是否只加载第一张地图。设为 true 可以避免地图被后续数据覆盖

我建议把 first_map_only 设为 true。有一次我在调试时忘了设这个，结果机器人跑着跑着，静态地图被传感器数据覆盖了，导航直接崩了。

静态层典型配置：

static_layer:
  enabled: true
  map_topic: "/map"
  first_map_only: true
  unknown_cost_value: 0
  lethal_cost_threshold: 100

4.4 障碍物层配置

障碍物层是实时避障的核心。它订阅传感器数据，把检测到的障碍物标记到代价地图上。

配置时要注意几个关键参数：

参数	默认值	说明
observation_sources	空	传感器列表，如 "laser_scan_sensor"
clearing	true	是否清除传感器视野内的旧障碍物
marking	true	是否标记传感器检测到的新障碍物
obstacle_range	2.5	障碍物标记的最大距离（米）
raytrace_range	3.0	障碍物清除的最大距离（米）

这里有个坑：obstacle_range 和 raytrace_range 的差值。如果 raytrace_range 比 obstacle_range 大太多，传感器视野边缘的障碍物会被错误清除。我建议差值控制在 0.5m 以内。

我曾经踩过的坑：有一次我把 obstacle_range 设成 5m，raytrace_range 设成 6m。结果机器人把远处的墙壁当成「已清除」，直接撞上去了。后来我把差值缩到 0.5m，问题解决。

4.5 膨胀层参数详解

膨胀层，说白了就是给障碍物「加一圈安全区」。它把障碍物周围的代价从 0 逐渐增加到 255（致命代价），让规划器主动避开。

膨胀层有三个核心参数：

inflation_radius：膨胀半径（米）。障碍物周围这个半径内的区域都会产生代价
cost_scaling_factor：代价衰减因子。值越大，代价衰减越快
inflation_layer：是否启用膨胀层

代价的计算公式是这样的：

cost = 255 * exp(-(distance - inscribed_radius) * cost_scaling_factor)

其中 distance 是当前点到障碍物的距离，inscribed_radius 是机器人内切圆半径。

我一般这样调：

先把 inflation_radius 设成机器人半径的 1.5 倍
再把 cost_scaling_factor 设成 10.0
如果机器人离障碍物太近，增大 cost_scaling_factor
如果路径太绕，减小 inflation_radius

我的经验：在狭窄走廊里，inflation_radius 设太大机器人会卡住。我一般设 0.3-0.5m，配合 cost_scaling_factor 10-15，效果不错。

4.6 参数调优实战

调参不是一蹴而就的。我总结了一套流程，你可以试试：

先调静态层：确保地图加载正确，没有空洞或错位
再调障碍物层：让机器人原地转一圈，看传感器数据是否正确映射到代价地图
最后调膨胀层：让机器人走一段直路，观察它离障碍物的距离

调参时可以用 rviz 实时查看代价地图。把 /move_base/global_costmap/costmap 和 /move_base/local_costmap/costmap 话题显示出来，颜色越红代表代价越高。

完整配置示例（global_costmap_params.yaml）：

global_costmap:
  global_frame: map
  robot_base_frame: base_footprint
  update_frequency: 5.0
  publish_frequency: 2.0
  width: 20.0
  height: 20.0
  resolution: 0.05
  static_map: true
  plugins:
    - {name: static_layer, type: "costmap_2d::StaticLayer"}
    - {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
    - {name: inflation_layer, type: "costmap_2d::InflationLayer"}

完整配置示例（local_costmap_params.yaml）：

local_costmap:
  global_frame: odom
  robot_base_frame: base_footprint
  update_frequency: 20.0
  publish_frequency: 10.0
  width: 4.0
  height: 4.0
  resolution: 0.025
  static_map: false
  rolling_window: true
  plugins:
    - {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
    - {name: inflation_layer, type: "costmap_2d::InflationLayer"}

注意看，全局代价地图用了 static_map: true，局部代价地图用了 rolling_window: true。这就是我前面说的——全局地图覆盖整个环境，局部地图跟着机器人走。

嗯，代价地图的配置就这些。记住一个原则：全局地图求稳，局部地图求快。稳是指地图稳定、不频繁更新；快是指响应快、能及时避障。把握好这个度，你的导航系统就不会出大问题。

📚 课程目录

4、代价地图配置：全局代价地图与局部代价地图、膨胀层参数、障碍物层与静态层

4.1 全局代价地图 vs 局部代价地图

4.2 代价地图的三层结构

4.3 静态层配置

4.4 障碍物层配置

4.5 膨胀层参数详解

4.6 参数调优实战