Smac 2D Planner

由Smac 2D-A*生成的路径。

<name> 是为此类型选择的相应规划插件的标识符。

参数

<name>.容差

类型

默认

双精度

0.125
描述

请求的目标姿势和路径结束点之间的距离容差（以米为单位）。

<name>.downsample_costmap

类型

默认

布尔值

False
描述

是否将代价地图降采样到另一个分辨率以进行搜索。

<name>.downsampling_factor

类型

默认

int

1
描述

代价地图降采样的乘数因子（例如，如果2 downsample_factor 的代价地图为5cm，则输出为10cm）。

<name>.允许未知区域

类型

默认

布尔值

True
描述

是否允许在未知空间中进行穿越/搜索。

<name>.max_iterations

类型

默认

int

1000000
描述

在超过最大搜索迭代次数之前进行搜索的最大次数，如果设为-1，则不限制计算时间。

<name>.max_on_approach_iterations

类型

默认

int

1000
描述

在搜索到达``tolerance``范围内的最大迭代次数之后，如果无法找到精确路径，则返回具有最佳启发式的近似路径。

<name>.max_planning_time

类型

默认

双精度

2.0
描述

规划的最长时间（以秒为单位）。

<name>.cost_travel_multiplier

类型

默认

双精度

2.0
描述

用于搜索的成本乘数，以避开高成本区域。较大的值将更准确地放置在走道的中心（如果存在非`FREE`成本潜力场），但计算时间会稍长。为了优化速度，1.0是一个合理的值。合理的折中值为2.0。值为0.0将有效地禁用避开障碍物，并表现得像一个朴素的二进制搜索A*算法。

<name>.使用最终接近方向

类型

默认

布尔值

false
描述

如果为true，则由规划器生成的路径的最后姿势的方向将设置为接近方向，即连接路径的最后两个点的向量的方向。

<name>.smoother.max_iterations

类型

默认

int

1000
描述

平滑器用于平滑路径的最大迭代次数，以限制潜在的计算量。

<name>.smoother.w_smooth

类型

默认

双精度

0.3
描述

平滑器应用于平滑数据点的权重。

<name>.smoother.w_data

类型

默认

双精度

0.2
描述

平滑器应用于保留原始数据信息的权重。

<name>.smoother.tolerance

类型

默认

双精度

1e-10
描述

平滑会话终止的参数容差变化量。

示例

planner_server:
  ros__parameters:
    planner_plugins: ["GridBased"]
    use_sim_time: True

    GridBased:
      plugin: "nav2_smac_planner/SmacPlanner2D"
      tolerance: 0.125                      # tolerance for planning if unable to reach exact pose, in meters
      downsample_costmap: false             # whether or not to downsample the map
      downsampling_factor: 1                # multiplier for the resolution of the costmap layer (e.g. 2 on a 5cm costmap would be 10cm)
      allow_unknown: true                   # allow traveling in unknown space
      max_iterations: 1000000               # maximum total iterations to search for before failing (in case unreachable), set to -1 to disable
      max_on_approach_iterations: 1000      # maximum number of iterations to attempt to reach goal once in tolerance
      max_planning_time: 2.0                # max time in s for planner to plan, smooth
      cost_travel_multiplier: 2.0           # Cost multiplier to apply to search to steer away from high cost areas. Larger values will place in the center of aisles more exactly (if non-`FREE` cost potential field exists) but take slightly longer to compute. To optimize for speed, a value of 1.0 is reasonable. A reasonable tradeoff value is 2.0. A value of 0.0 effective disables steering away from obstacles and acts like a naive binary search A*.
      use_final_approach_orientation: false # Whether to set the final path pose at the goal's orientation to the requested orientation (false) or in line with the approach angle so the robot doesn't rotate to heading (true)
      smoother:
        max_iterations: 1000
        w_smooth: 0.3
        w_data: 0.2
        tolerance: 1e-10