软件包摘要
amcl是机器人在2D中移动的概率定位系统。它实现了自适应（或KLD采样）蒙特卡罗定位方法，其使用粒子滤波器来针对已知的地图跟踪机器人的姿势。
算法
许多算法及其参数在本文中有详细描述。用户是建议检查有更多的细节。使用以下算法：
sample_motion_model_odometry，
beam_range_finder_model，
likelihood_field_range_finder_model，
Augmented_MCL和 KLD_Sampling_MCL。
如目前实现的，该节点仅与激光扫描和 激光地图。它可以扩展到使用其他传感器数据。
例子
要在base_scan主题上使用激光数据进行本地化：
amcl scan：= base_scan- 1
节点amcl
amcl接收基于激光的地图，激光扫描和变换消息，并输出姿态估计。在启动时，amcl根据提供的参数初始化其粒子滤波器。注意，由于默认值，如果没有设置参数，则初始过滤器状态将是以（0,0,0）为中心的中等大小的粒子云。
订阅主题
（1）scan （sensor_msgs / LaserScan）
激光扫描数据。
（2））tf（tf / tfMessage）
tf转换。
（3）initialpose（geometry_msgs / PoseWithCovarianceStamped）
用于（重新）初始化粒子滤波器的平均值和协方差。
（4）map（nav_msgs / OccupancyGrid）
当设置了use_map_topic参数时，AMCL订阅此主题以检索用于基于激光的本地化的映射。
发布主题
（1）amcl_pose（geometry_msgs / PoseWithCovarianceStamped）
机器人在地图上的估计姿态，具有协方差。
（2）particlecloud（geometry_msgs / PoseArray）
由过滤器维护的姿态估计集合。
（3）tf（tf / tfMessage）
从odom发布的tf变换（可通过〜odom_frame_id参数被重新映射），以映射。
服务
（1）global_localization（std_srvs / Empty）
启动全局定位，其中所有粒子随机分散通过地图中的自由空间。
呼叫服务
（1）static_map（nav_msgs / GetMap）
amcl调用此服务来检索用于基于激光的本地化的映射; 启动阻止从这个服务获取地图。
参数
有三个类别的ROS 参数可用于配置amcl节点：总体过滤器，激光模型和里程计模型。
1、总体过滤器参数：
（1）〜min_particles（int，默认值：100）
最小允许的颗粒数。
（2）〜max_particles（int，default：5000）
允许的最大粒子数。
（3）〜kld_err（double，默认值：0.01）
真实分布和估计分布之间的最大误差。
（4）〜kld_z（double，默认：0.99）
（1-p）的上标准正常分位数，其中p是估计的失谐上的误差将小于kld_err的概率。
（5）〜update_min_d（double，默认值：0.2米）
执行过滤器更新之前需要执行平移运动。
（6）〜update_min_a（double，default：π/ 6.0 radians）
执行过滤器更新之前需要执行旋转运动。
（7）〜resample_interval（int，default：2）
重新采样之前所需的过滤器更新数。
（8）〜transform_tolerance（double，默认为0.1秒）
将发布的变换后期化的时间，以指示此变换在未来有效。
（9）〜recovery_alpha_slow（double，默认值：0.0（禁用））
慢平均权重滤波器的指数衰减率，用于决定何时通过添加随机姿态来恢复。良好的值可能为0.001。
（10）〜recovery_alpha_fast（double，默认值：0.0（禁用））
快速平均权重滤波器的指数衰减率，用于决定何时通过添加随机姿态来恢复。好的值可能为0.1。
（11）〜initial_pose_x（double，默认值：0.0米）
初始姿态均值（x），用于初始化具有高斯分布的滤波器。
（12）〜initial_pose_y（double，默认值：0.0米）
初始姿态平均值（y），用于初始化具有高斯分布的滤波器。
（13）〜initial_pose_a（double，默认值：0.0弧度）
初始姿态平均（偏航），用于初始化具有高斯分布的滤波器。
（14）〜initial_cov_xx（double，默认值：0.5 * 0.5米）
初始姿态协方差（x * x），用于初始化具有高斯分布的滤波器。
（15）〜initial_cov_yy（double，默认值：0.5 * 0.5米）
初始姿态协方差（y * y），用于初始化具有高斯分布的滤波器。
（16）〜initial_cov_aa（double，默认值：（π/ 12）*（π/ 12）弧度）
初始姿态协方差（yaw * yaw），用于初始化具有高斯分布的滤波器。
（17）〜gui_publish_rate（double，默认值：-1.0 Hz）
发布可视化扫描和路径的最大速率（Hz），禁用-1.0。
（18）〜save_pose_rate（double，默认值：0.5 Hz）
在变量〜initial_pose_ 和〜initial_cov_ 中存储参数服务器的最后估计姿态和协方差的最大速率（Hz）。此保存的姿势将用于后续运行以初始化过滤器。-1.0禁用。
（19）〜use_map_topic（bool，default：false）
当设置为true时，AMCL将订阅地图主题，而不是进行服务调用以接收其地图。
（20）〜first_map_only（bool，default：false）
当设置为true时，AMCL将只使用它订阅的第一个映射，而不是每次接收到新的映射时更新。
2、激光模型参数
注意，无论使用哪个混合权重，应该总和为1.波束模型使用4个：z_hit，z_short，z_max和z_rand。likelihood_field模型仅使用2个：z_hit和z_rand。
（1）〜laser_min_range（double，默认值：-1.0）
要考虑的最小扫描范围; -1.0将导致使用激光器报告的最小范围。
（2）〜laser_max_range（double，默认值：-1.0）
要考虑的最大扫描范围; -1.0将导致使用激光器报告的最大范围。
（3）〜laser_max_beams（int，默认值：30）
在更新过滤器时要在每次扫描中使用多少均匀间隔的光束。
（4）〜laser_z_hit（double，默认值：0.95）
模型的z_hit部分的混合重量。
（5）〜laser_z_short（double，默认值：0.1）
模型的z_short部分的混合重量。
（6）〜laser_z_max（double，默认值：0.05）
模型的z_max部分的混合物重量。
（7）〜laser_z_rand（double，默认值：0.05）
模型的z_rand部分的混合重量。
（8）〜laser_sigma_hit（double，默认值：0.2米）
在模型的z_hit部分中使用的高斯模型的标准偏差。
（9）〜laser_lambda_short（double，default：0.1）
模型的z_short部分的指数衰减参数。
（10）〜laser_likelihood_max_dist（double，默认：2.0米）
在地图上做障碍物充气的最大距离，用于likelihood_field模型。
（11）〜laser_model_type（string，default：“likelihood_field”）
使用哪个模型，beam，likelihood_field或likelihood_field_prob（与likelihood_field相同，但包含beamkip功能，如果已启用）。
3、里程计模型参数
如果〜odom_model_type是“diff”，那么我们使用Probabilistic Robotics 的sample_motion_model_odometry算法，p136; 这个模型使用噪声参数odom_alpha_1到odom_alpha4。
如果〜odom_model_type是“omni”，那么我们使用一个自定义模型用于一个全方位的基础，它使用odom_alpha_1到odom_alpha_5。前四个参数的含义与“diff”模型的含义相似。第五个参数捕获机器人垂直于观察到的行进方向平移（不旋转）的倾向。
发现并修复了一个错误。但是固定旧模型将改变或破坏已经调谐的机器人系统的本地化，因此新的固定里程计模型被添加为新类型“差分校正”和“全向校正”。odom_alpha参数的默认设置只适合旧模型，对于新模型，这些值可能需要更小，请参阅http://answers.ros.org/question/227811/tuning-amcls-diff-corrected-和全向校正后的模型。
（1）〜odom_model_type（string，default：“diff”）
使用哪个模型，“diff”，“omni”，“diff-corrected”或“omni-corrected”。
（2）〜odom_alpha1（double，默认值：0.2）
根据机器人运动的旋转分量指定里程表旋转估计中的预期噪声。
（3）〜odom_alpha2（double，默认值：0.2）
根据机器人运动的平移分量，指定里程表旋转估计中的预期噪声。
（4）〜odom_alpha3（double，默认值：0.2）
从机器人运动的平移分量中指定odometry的翻译估计中的预期噪声。
（5）〜odom_alpha4（double，默认值：0.2）
根据机器人运动的旋转分量指定odometry的翻译估计中的预期噪声。
（6）〜odom_alpha5（double，默认值：0.2）
与翻译相关的噪声参数（仅在模型为“omni”时使用）。
（7）〜odom_frame_id（string，default：“ odom ”）
用于odometry的帧。
（8）〜base_frame_id（string，default：“base_link”）
用于机器人基座的框架
（9）〜global_frame_id（string，default：“map”）
由本地化系统发布的坐标系的名称
（10）〜tf_broadcast（bool，default：true）
将此值设置为false可防止amcl发布全局框架和odometry框架之间的变换。
转换
amcl将输入的laser scans转换为odometry帧（〜odom_frame_id）。因此，必须存在从tf树的路径，其中将激光扫描从帧发布到里程表帧。
实现细节：在接收到第一激光扫描时，amcl查找激光器的帧和基本帧（〜base_frame_id）之间的变换，并且将其永久锁存。因此amcl不能处理相对于基座移动的激光器。
下图显示了使用odometry和amcl的本地化之间的差异。在操作期间，amcl 估计基本帧（〜base_frame_id）相对于全局帧（〜global_frame_id）的变换，但是它仅公开全局帧和里程表帧（〜odom_frame_id）之间的变换。本质上，这种变换解释了使用航位推算发生的漂移。发布的变换是未来的日期。
