1. FAR Planner核心原理与仿真环境搭建
FAR Planner作为基于动态可见度图的路径规划算法,其核心在于实时构建和更新环境的多边形表示。我在实际部署中发现,这种表示方法比传统栅格地图更节省内存资源,特别是在处理大范围场景时优势明显。规划器采用双线程架构:主线程负责路径搜索,辅助线程以20%的CPU占用率持续更新可见度图,这种设计让我的树莓派4B也能流畅运行。
搭建仿真环境时,推荐使用官方提供的Autonomous Exploration Development Environment。最近在Ubuntu 22.04上测试时,需要特别注意ROS Noetic的依赖项变化。除了基础的libusb-dev,还需要额外安装:
bash复制sudo apt install libpcl-dev ros-noetic-navigation ros-noetic-tf2-sensor-msgs
编译过程中最常见的坑是mesh文件下载失败。实测发现可以通过修改download_environments.sh脚本中的下载源来解决:
bash复制# 替换原下载链接为国内镜像
wget https://ghproxy.com/https://github.com/HongbiaoZ/autonomous_exploration_development_environment/raw/main/src/vehicle_simulator/meshes/environments.zip
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 真机部署的五大关键适配
2.1 传感器数据接口改造
真实机器人通常使用Velodyne或Livox雷达,与仿真环境的虚拟传感器输出存在差异。需要修改vehicle_simulator/launch/system_real_robot.launch文件中的点云话题映射。最近帮客户部署时,发现Livox雷达需要特别添加以下转换:
xml复制<node pkg="pointcloud_to_laserscan" type="pointcloud_to_laserscan_node" name="pc2scan">
<remap from="cloud_in" to="/livox/lidar"/>
<param nam
