1. TEB算法调参入门从原理到实战第一次接触TEB算法时我被它复杂的参数列表吓到了。作为一个在ROS导航中广泛使用的局部路径规划算法TEBTime Elastic Band确实需要花些功夫才能掌握。但经过几个项目的实战我发现只要理解了核心原理调参其实并不像看起来那么可怕。TEB算法的核心思想是把机器人的运动轨迹看作一条有弹性的带子。这条带子由一系列位姿点组成每个点都受到各种力的作用有的力让它尽量缩短优化时间有的力让它远离障碍物还有的力让它保持平滑。调参的本质就是调整这些力的相对大小让机器人在不同场景下都能找到最优路径。举个例子weight_optimaltime这个参数控制的就是缩短带子的力。我刚开始调参时把它设得很小结果机器人总是慢悠悠地绕大圈后来大胆调高后机器人开始切内道转弯效率明显提升。但调太高又会导致它太莽撞差点撞上障碍物。这种参数间的平衡就是调参的艺术。2. 环境配置与基础调参2.1 准备工作搭建测试环境在开始调参前我强烈建议先搭建一个可控的测试环境。我的做法是在Gazebo中创建一个简单的场景一条直道加几个障碍物。这样可以快速验证参数变化的效果而不用每次都让真机满场跑。一个小技巧是暂时屏蔽速度指令先专注于路径规划效果。在launch文件中加入remap from/cmd_vel to/cmd_vel_temp /这样机器人会保持静止你可以专心观察规划的路径是否合理。记得调试完要删除这行代码2.2 全局路径优化打好基础很多人一上来就调局部路径参数这其实是个误区。我吃过亏后才明白好的全局路径是成功的一半。在costmap_common_params.yaml中这几个参数特别关键参数默认值作用调优建议robot_radius0.15机器人半径实测值应略大于实际尺寸inflation_radius0.2障碍物膨胀范围从0.3开始尝试cost_scaling_factor15.0障碍物代价衰减系数锯齿路径时调大我常用的调试方法是先把inflation_radius设得较大比如0.5然后逐步减小直到路径既不会撞上障碍物又能充分利用空间。在RViz中理想的膨胀区域应该呈现从障碍物向外渐变的颜色。3. TEB核心参数详解3.1 避障相关参数调优避障是TEB算法最核心的功能之一。在teb_local_planner_params.yaml中这几个参数直接影响避障效果min_obstacle_dist: 0.3 # 最小避障距离 inflation_dist: 0.5 # 静态障碍物缓冲区 dynamic_obstacle_inflation_dist: 0.6 # 动态障碍物缓冲区我的经验法则是min_obstacle_dist设为机器人半径的1.5-2倍对于动态障碍物缓冲区要比静态的大20%-30%。有一次调试扫地机器人项目时发现它总是对突然出现的人反应过度就是因为这两个参数设置不合理。3.2 轨迹优化权重参数权重参数决定了TEB算法对不同优化目标的重视程度。最重要的几个权重参数包括weight_optimaltime时间优化权重weight_kinematics_forward_drive前进方向偏好weight_obstacle避障权重这里有个实用技巧先单独调每个权重观察它对轨迹的影响。比如把weight_optimaltime从1调到10你会明显看到轨迹变得更激进而增加weight_obstacle则会让轨迹更保守。找到平衡点后再微调其他参数。4. 高级调参技巧与实战案例4.1 动态障碍物处理策略在实际项目中动态障碍物是最难处理的。除了调整dynamic_obstacle_inflation_dist外我还发现这两个技巧很管用在拥挤环境中适当降低max_global_plan_lookahead_dist建议0.5-1.0米让机器人更关注近处的障碍物对于快速移动的障碍物可以启用prediction_include_dynamic_obstacles参数去年做一个仓储机器人项目时就是因为没处理好动态障碍物导致机器人在人多的时段频繁急停。后来通过调整这些参数流畅度提升了60%以上。4.2 特殊场景调参方案不同场景需要不同的参数组合。这是我总结的几个典型场景的调参思路狭窄通道场景增加weight_optimaltime建议5-7减小inflation_dist但不能小于机器人半径降低max_vel_x建议0.3-0.5m/s开阔空间场景可以适当降低weight_obstacle增大max_vel_x和acc_lim_x增大max_global_plan_lookahead_dist记得每次调参后要做完整测试包括直线行走、直角转弯、静态避障和动态避障等基本场景。我习惯用rosbag记录测试过程方便对比不同参数的效果。5. 常见问题排查与性能优化5.1 典型问题解决方案问题1机器人卡在角落不动检查inflation_dist是否过大尝试增大weight_optimaltime确认全局路径是否可达问题2轨迹抖动严重降低max_vel_x和max_vel_theta增加weight_kinematics_forward_drive检查传感器数据是否稳定问题3避障反应迟钝减小min_obstacle_dist增加weight_obstacle确认costmap更新频率5.2 性能优化建议当机器人性能有限时可以调整这些参数降低计算负载减少horizon_reduction_min_samples最小轨迹点数增加dt_ref轨迹点时间间隔禁用full_pose_goal参数在树莓派上部署时通过这些调整我把计算耗时从200ms降到了80ms效果非常明显。但要注意过度优化可能会影响路径质量需要在性能和效果间找到平衡。调参是个需要耐心的过程我建议每次只改1-2个参数做好记录逐步逼近最优解。遇到瓶颈时不妨回头看看算法原理往往会有新的启发。记住没有放之四海皆准的最优参数只有最适合你具体场景的参数组合。