企业官网建设流程全解析

一、核心定义

二维代价（危险度）地图（Costmap 2D）是 NAV2 导航里环境数字建模核心，把真实室内环境转换成网格栅格地图，给每一个格子打上危险代价数值，让机器人知道哪里能走、哪里不能走、哪里需要减速避让，专门用于路径规划、实时避障、边界防撞。

本质：把物理环境 → 量化成代价数值网格。

二、底层基础结构

1. 整张地图划分为均等大小正方形栅格
2. 常用栅格分辨率：0.05m ~ 0.1m（一格代表现实5 厘米～10 厘米）
3. 每个栅格只存一个代价值（0~255）
4. 分两层地图：静态层 + 动态实时层

代价数值标准（NAV2 通用）

• 0：自由区域，完全安全无障碍，全速通行
• 1~250：膨胀危险区，离障碍物越近，数值越大，机器人减速绕行
• 253：内置禁区，禁止驶入区域
• 254：致命障碍物，绝对不能碰撞
• 255：未知区域，无法判定环境，禁止通行

三、两大组成层级（NAV2 必分）

1. 静态代价地图层

由提前建好的SLAM 静态地图直接转换而来

• 固定墙体、固定家具、固定柱子
• 开机加载，运行中基本不变化
• 作用：划定整体可通行大区域

2. 动态实时代价地图层

由激光雷达实时扫描生成

• 临时行人、临时桌椅、临时堆放物
• 机器人移动过程中每秒高频刷新
• 作用：实现动态避障

四、核心三大核心原理

1. 障碍物占据原理

雷达探测到障碍物距离 → 映射到对应栅格直接把该栅格标记为254 致命障碍，禁止通行。

2. 障碍物膨胀原理（最关键）

机器人本身有物理体积，不能贴着障碍物边缘走。算法自动从障碍物向外逐层扩散抬高代价：

• 紧贴障碍：高代价，禁止靠近
• 远离障碍：低代价，正常通行作用：预留机器人安全绕行空间，防止剐蹭碰撞。

3. 未知区域判定原理

雷达扫描不到、从未探测过的区域，全部标记为255 未知，机器人默认不进入未知区域，只走已探明安全区域。

五、二维代价地图 完整输入

1. 基础输入

1. 静态栅格地图文件（pgm+yaml）
2. 地图分辨率、地图原点、地图尺寸参数
3. 机器人外形尺寸、安全膨胀半径

2. 传感器实时输入

1. 2D 激光雷达点云数据（主流）
2. 深度相机测距数据
3. 超声波测距数据

3. 坐标变换输入（TF2）

1. laser_link → base_link 坐标变换
2. base_link → map 全局定位位姿。没有 TF，雷达数据无法匹配到全局地图，代价地图直接失效。

4. 配置参数输入

• 膨胀半径、刷新频率、地图更新范围
• 障碍物阈值、清除旧障碍时效
• 全局地图尺寸、局部滑动窗口大小

六、内部运算处理流程

1. 加载静态地图，初始化全局基础代价网格
2. 接收雷达原始测距数据
3. 通过 TF 把雷达障碍物坐标转换到 map 全局坐标系
4. 将坐标匹配填入对应栅格，标记障碍物栅格
5. 执行障碍物膨胀扩散，生成安全缓冲区域
6. 清除过期消失的临时障碍物（行人走开自动消代价）
7. 合并静态层 + 动态层，生成最终融合代价地图
8. 持续高频刷新更新环境变化

七、二维代价地图 最终输出

1. 数据输出

1. 全局融合代价网格矩阵（0~255 数值矩阵）
2. 局部实时滑动代价地图（机器人周边小范围）
3. 已占用障碍栅格坐标列表
4. 可通行自由区域范围

2. 功能层面输出（供给导航使用）

1. 给全局路径规划器：输出大范围可行走路线，避开固定墙体
2. 给局部轨迹控制器：输出身边实时动态障碍，紧急绕行避障
3. 输出安全边界，防止机器人冲出房间、跌下坡道
4. 输出拥堵区域，让机器人自动减速慢行

八、全局代价地图 VS 局部代价地图

1. 全局代价地图：覆盖整张场景地图，负责长距离整体路线规划，更新慢。
2. 局部代价地图：只保留机器人周边小范围窗口，跟随机器人移动滑动，刷新极快，专门用于即时避障。

九、通俗生活化举例

把整栋房子做成网格纸：

1. 墙壁格子标成死路不能走
2. 沙发、柜子标成障碍物
3. 障碍物周围一圈画成慢行缓冲区
4. 人走过的空地标成安全道路
5. 突然进来的人实时画上临时障碍这一整张带危险等级的网格纸，就是代价地图。

十、核心作用总结

1. 完成机器人环境数字化建模
2. 区分固定环境与临时动态环境
3. 依靠代价数值实现智能避障 + 安全防撞
4. 是全局路径规划、局部运动控制唯一环境依据
5. 无代价地图，NAV2 只能定位，无法自主走路导航