ROS teb_local_planner实战：从源码编译到多机编队避障调优

1. 为什么选择TEB算法优化多机编队避障在狭窄环境中实现多机器人编队移动就像让一群人在拥挤的走廊里保持队形行走。传统DWA算法就像个固执的领队只愿意前进不愿后退遇到死胡同就卡住。而TEBTimed Elastic Band算法更像是灵活的舞者通过时空联合优化允许机器人倒车调整姿态显著提升复杂环境下的通过率。我去年在仓储物流项目中就遇到过类似问题五台AGV在货架间编队运输时领航车频繁卡在直角转弯处。实测对比发现DWA算法在3米宽通道中成功率仅65%而切换TEB后提升到92%。最关键的是TEB支持反向运动这对需要频繁调整姿态的编队场景简直是救命特性。2. 从源码到可执行TEB编译全流程详解2.1 环境准备与依赖处理推荐使用Ubuntu 18.04ROS Melodic组合这是目前最稳定的开发环境。我习惯先创建一个独立的工作空间mkdir -p ~/teb_ws/src cd ~/teb_ws/src git clone -b melodic-devel https://gitcode.com/mirrors/rst-tu-dortmund/teb_local_planner.git这里有个新手常踩的坑必须确保git clone的分支与ROS版本严格对应。有次我用noetic分支搭配Melodic编译时出现一堆兼容性错误浪费了半天排查时间。安装依赖时建议分步验证rosdep install --from-paths src --ignore-src --rosdistromelodic -r -y如果出现无法定位软件包错误大概率是rosdep缓存未更新。先执行rosdep update再重试。我在公司内网环境部署时还遇到过需要手动添加清华源的情况。2.2 选择性编译与验证为加快编译速度可以使用白名单模式单独编译TEBcatkin_make -DCATKIN_WHITELIST_PACKAGESteb_local_planner验证安装是否成功时别被网上的过时教程误导。最可靠的方法是检查插件注册rospack plugins --attribplugin nav_core正确的输出应包含类似这样的路径teb_local_planner /opt/ros/melodic/share/teb_local_planner/teb_local_planner_plugin.xml3. 多机系统中的TEB集成技巧3.1 move_base配置实战在现有导航框架中集成TEB需要修改两个关键文件。首先是move_base_params.yamlbase_local_planner: teb_local_planner/TebLocalPlannerROS controller_frequency: 10.0然后是costmap_common_params.yaml中调整机器人轮廓。多机编队时要特别注意footprint: [[-0.3,-0.2], [-0.3,0.2], [0.3,0.2], [0.3,-0.2]] # 领航车实际轮廓 inflation_radius: 0.5 # 比单机时适当增大我在实验室测试时发现跟随机器人的轮廓检测会干扰领航车。解决方案是在跟随车的local_costmap_params.yaml中添加track_unknown_space: true3.2 多机通信的特殊处理编队系统需要额外关注TF树结构。建议为每台机器人建立独立的TF前缀node pkgtf typestatic_transform_publisher namebase_to_laser args0 0 0 0 0 0 base_link laser 100 /在Gazebo仿真中可以通过设置ROS_NAMESPACE环境变量实现多机隔离测试ROS_NAMESPACErobot1 roslaunch teb_navigation navigation.launch4. 调参实战从理论到效果优化4.1 核心参数三维度调优法TEB的200参数看似复杂其实可分为三类轨迹质量参数最重要acc_lim_x: 0.5 # X轴加速度限制 max_vel_x_backwards: 0.2 # 最大后退速度 dt_ref: 0.3 # 轨迹点时间间隔避障敏感度参数min_obstacle_dist: 0.25 # 最小障碍物距离 inflation_dist: 0.4 # 膨胀距离 include_costmap_obstacles: true计算效率参数max_samples: 500 # 最大采样数 feasibility_check_no_poses: 5 # 可行性检查位姿数实测发现在仓库场景中将max_vel_x_backwards从0.1提升到0.3直角转弯成功率提高40%。但超过0.3会导致跟随机器人跟丢需要平衡。4.2 典型场景参数模板针对不同场景我总结了这些经验值场景类型关键参数组合效果预期狭窄通道min_obstacle_dist0.3, dt_ref0.5减少抖动保持直线密集动态障碍inflation_dist0.6, acc_lim_x0.8提前避让平滑急停大空间编队max_vel_x_backwards0.1保持队形稳定性有个取巧的方法先用rosrun rqt_reconfigure rqt_reconfigure动态调整找到理想值后再写入配置文件。5. 避障效果评估与问题排查5.1 可视化诊断技巧启动rviz后添加这几个关键显示项/move_base/TebLocalPlannerROS/teb_poses查看预测轨迹/move_base/global_costmap/costmap全局代价地图/move_base/local_costmap/costmap局部代价地图常见问题pattern轨迹突然中断 → 检查min_obstacle_dist是否过大机器人原地振荡 → 调低acc_lim_theta忽略动态障碍 → 确认include_dynamic_obstacles为true5.2 多机干扰解决方案跟随机器人留下鬼影障碍物的问题可以通过在local_costmap_params.yaml中添加obstacle_layer: track_unknown_space: true combination_method: 1 # 使用最大值覆盖另一种思路是修改TEB的障碍物记忆时长obstacle_poses_affected: 10 # 障碍物持续生效的周期数在最终的项目验收中经过调优的TEB系统使编队通过率从70%提升到89%特别是在2米宽的S形通道中表现突出。不过也发现当跟随车超过5台时领航车的实时性会下降这时候就需要考虑分布式规划方案了。