pdist_scale和gdist_scale参数对move_base路径规划的影响
影响move_base路径规划的参数众多,这次单独来看看两个比较重要的参数:pdist_scale和gdist_scale
基本含义(来自《ROS入门实例》):
pdist_scale: 全局路径规划和到达目的位置之间的权重。这个参数比gdist_scale大时,机器人更倾向于考虑全局路径规划。
gdist_scale: 到达目的位置和全局路径规划之间的权重。这个参数比pdist_scale大时,机器人会更加考虑到达目标位置,而不管这段路在全局路径规划中是否是必须的。
形象点儿的解释:
pdist_scale大时,机器人更愿意走捷径(看重全局规划)。
gdist_scale大时,机器人只求到达目标,走点远路无所谓(看重本地规划)。
仿真验证:
ROS下需要安装turtlebot机器人功能包并下载rbx1功能包。
打开仿真机器人turtlebot
roslaunch rbx1_bringup fake_turtlebot.launch
打开一幅现有地图,这里使用了一幅空地图
roslaunch rbx1_nav fake_move_base_blank_map.launch
使用rqt_reconfigure来调节参数,运行
rosrun rqt_reconfigure rqt_reconfigure
在其他参数不变的情况下,第一组实验pdist_scale>gdist_scale
此时给机器人指定一个目标点:(绿色路径为全局规划路径,蓝色路径为本地规划路径)
第二组实验pdist_scale<gdist_scale
此时给机器人指定一个目标点:
两组对比可以发现,第一组中,机器人较为忠实的沿着绿色路径运动,即绿色路径的参考价值更大,这样走的好处是路径最优,能够快速到达目标;
第二组中,机器人没有严格按照绿色路径运动,但最终也到达了目标,只是走的有些远,这样走的好处是,避开障碍物的能力较强,若前方有障碍物,机器人不会被全局路径束缚住,较为灵活。
以上是个人见解,具体数值还需针对自己的实验环境进行调整。
上一篇: TensorFlor数据统计
下一篇: python 操作Redis数据库