dfl-rlab/dddmr_navigation

解决的问题

克服传统2D导航栈（如Nav2）的局限性，使移动机器人能够在复杂3D环境中实现地图构建、定位和自主导航。具体解决了多层楼面地图构建、坡道导航以及在立体结构和3D点云地图中的障碍物避让等挑战。

工作原理

该项目提供了一个由多个专用包组成的完整导航栈：

• 地图构建： 使用 dddmr_lego_loam 进行3D地图构建与优化。
• 定位： 采用 dddmr_mcl_3dl 实现3D环境下的蒙特卡洛定位（MCL）。
• 感知： 通过 dddmr_perception_3d 处理3D感知与传感器数据。
• 规划： 利用全局规划器（dddmr_global_planner）和局部规划器（dddmr_local_planner）在3D空间中计算路径并避障。
• 运动控制： 由 dddmr_p2p_move_base 管理。

此外，还包含一个自动化的CI/CD测试套件，用于验证LiDAR配置（角度、俯仰角和变换），确保部署前点云精度和地面投影的准确性。

适用人群

需要在低成本硬件（如16线LiDAR、Jetson Orin Nano或Intel NUC）上实现3D导航能力的机器人开发者和初学者，特别是构建自定义移动平台（如Unitree Go2四足机器人）的用户。

主要亮点

• 真正的3D导航： 支持多层地图构建和坡道导航，而2D框架在此类场景中会失效。
• 自动化验证： 提供CI/CD套件，用于验证LiDAR安装几何和空间变换。
• 硬件无关性： 设计为可与多种传感器兼容，包括多个深度相机和不同型号的LiDAR。
• 支持仿真： 集成了Unitree-go2的Gazebo模型，可在仿真中测试3D导航。