TEB参数优化实战：精准控制机器人半径与运动方向

1. TEB参数优化入门为什么需要控制机器人半径刚接触TEB局部路径规划的朋友可能会疑惑为什么非要精确控制机器人半径这得从实际场景说起。想象一下仓储物流机器人在货架间穿行的场景——两侧货架间距可能只有1米左右而机器人本体宽度0.6米。如果不设置合理的半径参数机器人可能会计算路径时误判可通过的狭窄区域转弯时机械臂与货架发生剐蹭紧急避障时预留空间不足导致急停我在去年部署AGV项目时就踩过这个坑。当时机器人总在90度直角转弯处卡住后来发现是默认参数将机器人视为质点处理完全没考虑实际物理尺寸。通过调整以下两个关键参数问题迎刃而解radius直接定义机器人外接圆半径适合对称型机器人。在yaml中添加robot: radius: 0.45 # 单位米min_obstacle_dist更灵活的设置方式定义机器人中心到障碍物的最小距离。比如机器人宽度0.8米希望两侧各留0.1米安全距离则应设obstacles: min_obstacle_dist: 0.5 # (0.8/2)0.1实测发现当机器人外形复杂时比如带升降平台的型号建议同时配置footprint参数配合使用。我曾用激光测距仪实测过仅用radius参数时机器人旋转时末端执行器会超出设定半径约8-12cm。2. 两种半径设置方案的深度对比2.1 直接定义radius参数这是最直观的方法适合大多数轮式机器人。在teb_local_planner_params.yaml中添加robot: radius: 0.36 # 根据实际尺寸调整优势计算效率高路径规划时按圆形处理碰撞检测参数意义明确直接对应物理尺寸局限只适用于近似圆形的机器人轮廓无法处理非对称结构比如单侧机械臂去年给某电商仓库改造旧款机器人时就遇到圆形参数不适用的情况——他们的机器人带着一个偏置的扫码枪支架。这时就需要改用第二种方案。2.2 通过min_obstacle_dist间接控制这个方法更灵活本质是设置障碍物与机器人中心的缓冲距离obstacles: min_obstacle_dist: 0.6 # 安全距离该值-机器人半宽关键点需要提前测量机器人最大外扩尺寸建议配合footprint参数使用robot: footprint: [[-0.3,-0.4], [-0.3,0.4], [0.3,0.4], [0.3,-0.4]] # 矩形轮廓实测数据对比参数组合直角转弯成功率计算耗时(ms)仅radius82%12radiusfootprint95%18min_obstacle_dist88%15组合使用97%22建议在狭窄通道场景使用组合方案虽然计算量稍大但安全性显著提升。有个取巧的做法——在简单区域只用radius当检测到狭窄空间时动态切换完整配置。3. 禁止倒车的工程实现方案很多物流场景要求单向行驶比如装配线输送但TEB官方文档确实没有直接禁止倒车的参数。经过多个项目验证这三个方法最有效3.1 权重控制法调整kinematics参数组optimization: weight_kinematics_forward_drive: 1000 # 默认10原理将该权重设为极大值建议500-1000当存在正向路径时优化器会优先选择注意这不能完全禁止倒车只是大幅降低概率3.2 速度约束法配合全局规划器设置robot: max_vel_x_backwards: 0.01 # 最小非零值 acc_lim_x: 0.5 min_turning_radius: 1.0这样即使算法生成倒车指令实际执行速度也会被限制到近乎静止。在汽车制造厂的案例中配合RFID地标使用成功实现了单向流水线运输。3.3 轨迹后处理法通过costmap插件二次过滤def modifyTrajectory(self, trajectory): for point in trajectory: if point.velocity.x -0.001: # 检测倒车 return False # 废弃轨迹 return True这个方案需要一定开发量但能100%杜绝倒车。我在医疗机器人项目中使用时还增加了声光报警功能当检测到无法前进时立即通知人工处理。4. 实战配置模板与调优技巧分享一个经过多场景验证的yaml配置模板TebLocalPlannerROS: # 半径设置 robot: radius: 0.4 footprint: [[-0.35,-0.25], [-0.35,0.25], [0.35,0.25], [0.35,-0.25]] # 禁止倒车配置 optimization: weight_kinematics_forward_drive: 800 robot: max_vel_x_backwards: 0.01 min_turning_radius: 0.9 # 狭窄通道专用参数 obstacles: min_obstacle_dist: 0.55 inflation_dist: 0.15调优经验先用RViz的Publish Point工具测试单点路径规划逐步减小min_obstacle_dist直到出现碰撞警告在2D仿真中尝试不同weight_kinematics值真实环境测试时准备急停开关有个容易忽略的参数——penalty_epsilon它控制优化器的严格程度。在物流分拣场景中从默认0.1调到0.05后路径平滑度提升了40%。建议每次只调整一个参数用rosbag记录测试数据对比效果。