1.建图
1.1代码
建图启动按照如下命令
roslaunch turtlebot3_slam turtlebot3_slam.launch
启动的为turtlebot3_gmapping.launch文件
发现
启动的是gmapping建图
gmapping源码为
slam_gmapping
https://github.com/ros-perception/slam_gmapping
openslam_gmapping包
https://github.com/ros-perception/openslam_gmapping
其中openslam_gmapping包才是真正的算法源码包，slam_gmapping调用openslam_gmapping中的类
1.2参考书籍及论文
gmapping论文名为Improved_Techniques_for_Grid_Mapping_With_Rao-Blac
书籍参考Probabilistic Robot的P107页 ，里程计运动模型
扫描匹配
通过匹配选取最优的粒子，如果匹配失败，则返回一个默认的似然估计
原理就参考 《Probabilistic Robot》 一书的P143 页
2.导航
２.1代码
roslaunch turtlebot3_navigation turtlebot3_navigation.launch map_file:=$HOME/map.yaml发现启动的为amcl.launch和move_base.launch
amcl.launch中启动 的为amcl节点,move_base.launch启动move_base节点
导航的源码为
https://github.com/ros-planning/navigation
move_base导航采用的是局部避障的动态窗口法
在dwa_local_planner文件夹下有源码
２.2参考资料
路径规划包括全局路径规划和局部路径规划
(1)全局路径规划
turtlebot3全局路径规划采用astar或者Dijkstra算法。
首先计算潜在的路径
bool found_legal = planner_->calculatePotentials(costmap_->getCharMap(), start_x, start_y, goal_x, goal_y,
nx * ny * 2, potential_array_);然后根据GradientPath类中的getPath（梯度法？）或者GridPath类中的getPath从潜在的地图中提取路径。
getPlanFromPotential(start_x, start_y, goal_x, goal_y, goal, plan)
path_maker_->getPath(potential_array_, start_x, start_y, goal_x, goal_y, path)
（2）局部路径规划
turtlebot3局部路径规划采用动态窗口法dwa进行路径规划
其中a* 算法学习参考
https://www.redblobgames.com/pathfinding/a-star/introduction.html
https://blog.csdn.net/denghecsdn/article/details/78778769
其中Dijkstra算法参考
https://blog.csdn.net/qq_35644234/article/details/60870719
及算法导论书中相关章节
导航采用的是局部避障的动态窗口法(dynamic window approach)，论文名字为
dynamic window based approach tomobile robot motion control in the presence of moving obstacles
３.控制
３.1代码
３.2参考书籍
参考文献
https://blog.csdn.net/roadseek_zw/article/details/53316177