课程导入：学习目标、课程结构、ROS2与路径规划概述
1.1 为什么需要学习ROS2路径规划
移动机器人从A点安全、高效地移动到B点，是自主导航最核心的能力之一。无论是仓储物流中的AGV、餐厅里的送餐机器人，还是户外巡检的无人车，其底层都依赖一套完整的路径规划系统。ROS2作为新一代机器人中间件，凭借其分布式通信、实时性支持和工业级可靠性，已成为机器人开发的主流框架。掌握ROS2下的路径规划，意味着你能够独立搭建从传感器数据到运动指令的完整导航链路，这是迈向高级机器人工程师的关键一步。
本课程不局限于调用现成API，而是深入剖析路径规划的内部机制，从全局地图构建、代价地图膨胀，到全局路径搜索与局部轨迹优化，再到控制指令下发，每一环节都会结合代码与仿真进行验证。学完本课程，你将具备以下能力：
- 理解ROS2 Navigation2（Nav2）框架的整体架构与核心模块职责。
- 掌握代价地图（Costmap）的图层结构、膨胀半径与障碍物处理逻辑。
- 熟练配置并调优全局规划器（NavFn、Smac Planner）与局部规划器（DWB、Regulated Pure Pursuit）。
- 能够使用Gazebo仿真环境搭建测试场景，并完成真实机器人导航部署。
- 具备路径规划常见故障（规划失败、抖动、穿越障碍）的系统排查能力。
1.2 课程整体结构与学习路径
本课程共30章，按照“基础→核心→进阶→实战”四个阶段递进。前5章帮助你建立ROS2导航的宏观认知与环境准备；第6～15章深入Nav2框架的各个功能包，从代价地图到行为树，逐层拆解；第16～22章聚焦算法原理与参数调优，涵盖全局与局部规划器的对比实验；第23～28章进入实战环节，包括多机器人协同、动态避障以及真实机器人部署；最后两章进行综合项目复盘与常见问题速查。下表展示了各阶段的核心主题与对应章节范围：
| 阶段 | 章节范围 | 核心内容 |
|---|---|---|
| 基础入门 | 第1～5章 | ROS2环境搭建、TF变换、传感器数据可视化、导航框架总览 |
| 核心机制 | 第6～15章 | 代价地图图层、规划器插件、行为树导航、恢复行为 |
| 算法进阶 | 第16～22章 | A*/Dijkstra原理、Smac Hybrid-A*、DWB参数深度调优 |
| 实战部署 | 第23～28章 | 多机器人协同、动态避障、真实机器人部署与调试 |
| 复盘总结 | 第29～30章 | 综合项目复盘、高频故障速查表 |
建议你按照章节顺序学习，因为后续章节会频繁引用前面建立的概念。如果你已有ROS1基础，可以重点关注ROS2中通信机制（DDS）与参数管理的变化，以及Nav2相较于move_base的架构改进。
1.3 ROS2与路径规划的核心概念
在正式进入代码之前，我们需要建立几个关键认知。ROS2中的路径规划并非单一节点，而是一组协同工作的功能包集合，统称为Nav2。其核心设计思想是模块化与插件化：每个功能模块（如全局规划器、局部规划器、代价地图）都通过插件接口实现，用户可以根据机器人特性选择或编写不同的算法实现，而无需修改框架本身。
整个导航流程可以概括为以下步骤：
- 地图输入：加载预先构建的静态地图（SLAM生成或手工绘制），作为全局参考。
- 定位：通过AMCL（自适应蒙特卡洛定位）或Cartographer等提供机器人在全局地图中的位姿。
- 代价地图构建：将静态地图、传感器实时障碍物、膨胀区域等多层信息融合为2D代价地图。
- 全局规划：在代价地图上搜索从当前位置到目标点的最优路径（考虑路径长度与代价）。
- 局部规划：根据全局路径和实时传感器数据，生成机器人实际执行的速度指令（线速度与角速度）。
- 控制执行：将速度指令发送给底盘驱动节点，完成运动闭环。
下面这张图展示了Nav2框架中核心节点与数据流的关系，帮助你建立整体架构印象：
从图中可以看到，行为树（BT Navigator）是导航决策的核心调度器，它根据目标点和当前状态，依次调用全局规划器计算路径，再交给局部规划器生成速度指令。代价地图则贯穿全局与局部两层，为规划器提供障碍物信息。这种分层设计使得系统具备良好的扩展性——你可以替换任意一个插件而不影响其他模块。
1.4 典型应用场景与课程案例
为了让你更直观地理解路径规划的实际作用，我们来看一个典型的仓储物流场景。假设一台AGV需要在货架间穿梭，将货物从A区搬运到B区：
- 全局规划：AGV根据仓库地图，规划出一条从当前位置到B区的粗路径，避开货架、立柱等静态障碍。
- 局部规划：在行驶过程中，如果前方突然出现工作人员或临时堆放的货物，局部规划器会实时调整轨迹，绕开动态障碍后重新回到全局路径上。
- 恢复行为：如果AGV被完全困住（例如被叉车挡住），行为树会触发恢复策略——原地旋转、后退重试，甚至重新规划全局路径。
本课程的核心实战项目将围绕一个差速驱动机器人展开，在Gazebo仿真环境中搭建包含静态障碍、移动障碍和狭窄通道的测试场地。你将逐步实现从建图、定位到自主导航的完整流程，并最终完成一个“多点巡检”任务——机器人按照预设顺序依次到达多个目标点，并在每个点停留数秒。这个项目会综合运用课程中几乎所有知识点，帮助你形成系统性的工程思维。
1.5 常见误区与学习提醒
ros2 run tf2_tools view_frames 检查TF树，并确认 odom→base_link 与 map→odom 的变换发布正常。
另一个常见问题是混淆全局规划与局部规划的职责。全局规划器负责在已知地图上寻找最优路径，计算频率较低（通常1～5Hz）；局部规划器则负责实时避障与轨迹跟踪，计算频率较高（10～20Hz）。如果局部规划器频繁报错“无法找到有效轨迹”，往往是因为全局路径过于贴近障碍物，或者局部代价地图的传感器数据更新不及时，而不是局部算法本身的问题。