第1章：代价地图（Costmap）——静态层、障碍物层、膨胀层的原理与配置
大家好，欢迎来到《机器人局部路径规划与避障策略实战》的第一章。
今天咱们聊聊代价地图。嗯，这玩意儿是机器人导航的基石。你想想看，机器人要走路，它得知道哪里能走、哪里不能走。代价地图就是干这个的。
我个人习惯把代价地图比作一张「热力图」。越红的地方越危险，越绿的地方越安全。机器人规划路径时，会尽量走绿色的区域，绕着红色的地方走。
1.1 代价地图是什么？
说白了，代价地图就是一个二维网格。每个格子（我们叫它cell）都有一个数值，代表这个位置的风险程度。
- 0：绝对安全，随便走
- 1-99：有风险，数值越大越危险
- 100：致命障碍，绝对不能走
我在项目中遇到过一个问题：有次机器人死活绕不过一个柱子，后来发现是代价地图的膨胀半径设得太小了。机器人以为自己能挤过去，结果卡住了。嗯，这就是代价地图没配好的典型例子。
1.2 三层结构：静态层、障碍物层、膨胀层
ROS的代价地图是分层的。为什么要分层？因为不同来源的信息更新频率不一样。你想想看，墙壁是固定的，但行人会动。如果混在一起处理，效率会很低。
1.2.1 静态层（Static Layer）
静态层，顾名思义，就是那些不会动的东西。比如墙壁、柱子、家具。这些信息通常来自预先建好的地图（比如SLAM建出来的栅格地图）。
配置参数很简单：
static_layer:
enabled: true
map_topic: "/map"
first_map_only: false
subscribe_to_updates: true这里有个坑：first_map_only 如果设为 true，地图就只加载一次。如果后面地图更新了，它不会重新订阅。我建议设成 false，除非你确定地图永远不会变。
1.2.2 障碍物层（Obstacle Layer）
障碍物层处理的是动态障碍物。比如行人、其他机器人、突然出现的箱子。它通过传感器数据（激光雷达、深度相机）实时更新。
配置示例：
obstacle_layer:
enabled: true
observation_sources: laser_scan_sensor
laser_scan_sensor:
sensor_frame: base_laser
data_type: LaserScan
topic: /scan
marking: true
clearing: true
min_obstacle_height: 0.0
max_obstacle_height: 2.0我曾经踩过一个坑：min_obstacle_height 和 max_obstacle_height 没设对。结果机器人把地面上的反光点当成了障碍物，原地打转。后来我把最小高度设成了0.1米，问题就解决了。
1.2.3 膨胀层（Inflation Layer）
膨胀层是干嘛的？它把障碍物「吹大」一圈。为什么要这么做？因为机器人有体积，不能贴着障碍物走。膨胀层就是给机器人留出安全距离。
核心参数就两个：
| 参数 | 说明 | 建议值 |
|---|---|---|
| inflation_radius | 膨胀半径，影响范围 | 机器人半径的1.5倍 |
| cost_scaling_factor | 代价衰减速度 | 10.0（默认） |
你想想看，inflation_radius 设得太大，机器人会绕远路；设得太小，容易撞墙。我个人习惯是先设成机器人半径的1.5倍，然后根据实际效果微调。
核心要点：膨胀层不是真的把障碍物变大了，而是给障碍物周围的格子赋值。离障碍物越近，代价越高。这样路径规划算法就会自动避开。
1.3 三层如何协同工作？
这三层是叠加的。最终代价地图 = 静态层 + 障碍物层 + 膨胀层。
举个例子：
- 静态层告诉你「这里有一堵墙」
- 障碍物层告诉你「墙前面有个人」
- 膨胀层告诉你「墙和人周围1米内别靠近」
机器人看到的就是一张完整的风险地图。
小技巧：调试时可以用 rviz 的 Costmap 显示插件。把三层分别显示出来，看看哪一层出了问题。我调试时经常这么干，一眼就能看出问题在哪。
1.4 配置实战：一个完整的代价地图配置
下面是一个完整的YAML配置，我直接贴出来：
global_costmap:
global_frame: map
robot_base_frame: base_footprint
update_frequency: 5.0
publish_frequency: 2.0
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"}
local_costmap:
global_frame: odom
robot_base_frame: base_footprint
update_frequency: 10.0
publish_frequency: 5.0
static_map: false
rolling_window: true
width: 6.0
height: 6.0
resolution: 0.05
plugins:
- {name: obstacle_layer, type: "costmap_2d::ObstacleLayer"}
- {name: inflation_layer, type: "costmap_2d::InflationLayer"}注意看，全局代价地图用了静态层，局部代价地图没用。因为局部地图是滚动窗口，不需要全局地图。嗯，这里要记住：局部地图只关心周围几米的情况。
警告：局部代价地图的 rolling_window 如果设为 true，必须设置 width 和 height。我见过有人忘了设，结果地图大小变成0，机器人直接罢工。
1.5 避坑指南
最后分享几个我踩过的坑：
- 地图更新频率太高：我曾经把
update_frequency设成50Hz，结果CPU跑满，机器人卡成PPT。后来改成10Hz，一切正常。 - 传感器帧不对：
sensor_frame必须和TF树里的一致。否则障碍物位置会偏移，机器人会对着空气绕圈。 - 膨胀半径和机器人尺寸不匹配：如果机器人是圆形，膨胀半径设成半径的1.2倍就够了。如果是矩形，要按对角线算。
好了，这一章就到这里。代价地图是路径规划的基础，理解透了三层结构，后面学路径规划算法会轻松很多。下一章我们聊聊全局路径规划，到时候见。