Skip to content

algorithm_research_references.md

Latest commit

 

History

History
457 lines (356 loc) · 26 KB

algorithm_research_references.md

File metadata and controls

457 lines (356 loc) · 26 KB
Raw

Algorithm Research References

课程设计参考论文与算法文献 —— 按技术模块分类 检索日期：2026-06-11

A. 高程地图构建 — Elevation Map Construction from 3D Point Clouds

核心论文

A1. Probabilistic Terrain Mapping for Mobile Robots with Uncertain Localization

  • Authors: Péter Fankhauser, Michael Bloesch, Marco Hutter
  • Venue: IEEE Robotics and Automation Letters (RA-L), Vol. 3, No. 4, pp. 3019–3026, 2018
  • DOI: 10.1109/LRA.2018.2849506
  • 贡献: 提出将 3D LiDAR/点云测量概率性融合为 2.5D 栅格地图的方法，同时考虑定位不确定性。每个栅格存储高程估计和方差，通过 Bayes 更新增量融合新测量。定位协方差驱动方差增长——这是 elevation_mapping ROS 包的理论基础。
  • 与本项目关系: 直接对应 UAV 3D 点云 → UGV 高程栅格地图转换步骤。

A2. Robot-Centric Elevation Mapping with Uncertainty Estimates

  • Authors: Péter Fankhauser, Michael Bloesch, Christian Gehring, Marco Hutter, Roland Siegwart
  • Venue: International Conference on Climbing and Walking Robots (CLAWAR), 2014
  • DOI: 10.3929/ethz-a-010173654
  • 贡献: 提出"以机器人为中心"的高程建图概念——地图随机器人移动，仅维护局部区域，避免全局地图的内存和漂移问题。
  • 与本项目关系: UGV 机载 LiDAR 局部高程地图的构建方法参考。

ROS 软件包

包 来源 功能
elevation_mapping github.com/ANYbotics/elevation_mapping (BSD-3) 从 3D 点云生成 2.5D 高程栅格地图（ROS 1 Noetic，源码编译）
grid_map sudo apt install ros-noetic-grid-map 通用多层栅格地图库，支持高程/法向量/粗糙度/可通行性等多层叠加
grid_map_pcl 上述 grid_map 的子包 将 3D PCL 点云转换为 2.5D 栅格，处理多高程层（植被/树冠过滤——取最低聚类中心为地面高程）

关键算法：Multi-Elevation Handling (grid_map_pcl)

当 UAV 俯视采集的点云中包含树冠、建筑物等高空结构时，每个 (x,y) 栅格可能包含多个高程值。grid_map_pcl 的处理流程：

  1. 点云降采样 + 离群点过滤
  2. 对每个 (x,y) 列内的点进行 Z 轴欧几里得聚类
  3. 取最低聚类中心作为地面高程（对森林/杂乱环境鲁棒）

高程地图相关其他方法

论文 年份 贡献
Bayer & Faigl, "Terrain Modeling in 3D Mapping for Autonomous Navigation in Multi-Layered Environments," Springer, 2025 2025 将 2.5D 高程地图扩展为支持多层结构（天桥/隧道）的高分辨率 3D 地图
Fu et al., "Traversability Analysis of Quadruped Robot Based on Sparse Point Cloud in Rough Terrain," 2022 2022 从稀疏点云提取四类地形特征：台阶高度、表面坡度、表面粗糙度、植被密度

B. 地形可通行性分析 — Terrain Traversability Estimation

核心论文

B1. Navigation Planning for Legged Robots in Challenging Terrain

  • Authors: Martin Wermelinger, Péter Fankhauser, Remo Diethelm, Philipp Krüsi, Roland Siegwart, Marco Hutter
  • Venue: 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
  • DOI: 10.1109/IROS.2016.7759199
  • 贡献: 从高程地图计算**坡度（slope）、粗糙度（roughness）、台阶高度（step height）*三类地形特征，构建可通行性地图（traversability map），然后用 RRT 采样规划器优化路径长度和安全性。在四足机器人 StarlETH 上验证。
  • 与本项目关系: 本项目的核心算法参考——我们将此方法适配到轮式 Husky UGV（参数化不同，但三种地形特征的计算方法直接复用）。

三种特征的计算方法：

  1. 坡度（Slope）： 从表面法向量与垂直轴的夹角计算：slope = arccos(normal_z)，设最大可通行坡度阈值（如 25°）
  2. 粗糙度（Roughness）： 邻域内高度的标准差
  3. 台阶高度（Step Height）： 相邻栅格的最大高程差

可通行性代价公式（通用模式）：

t_ij = α · (1 − slope/s_max) + β · (1 − roughness/r_max)

超过台阶高度阈值的区域直接标记为不可通行。

B2. A Survey of Traversability Estimation for Mobile Robots

  • Authors: Christoforos Sevastopoulos, Stasinos Konstantopoulos
  • Venue: arXiv:2204.10883, 2022
  • 贡献: 全面综述——覆盖基于几何（高程图、坡度、粗糙度、台阶高度）、传统 ML、和深度学习的可通行性估计方法。最适合作为课程报告中的 survey 引用。
  • 与本项目关系: 为我们的"基于几何的可通行性分析"方法选择提供文献支撑。

B3. Terrain Traversability Analysis Methods for Unmanned Ground Vehicles: A Survey

  • Authors: P. Papadakis
  • Venue: Engineering Applications of Artificial Intelligence, Vol. 26, Issue 4, pp. 1373–1385, 2013
  • 贡献: UGV 地形可通行性分析的奠基性综述，覆盖基于几何、视觉和混合方法的可通行性评估。
  • 与本项目关系: 经典引用，论证几何方法的成熟性和可靠性。

ROS 软件包

包 来源 功能
traversability_estimation github.com/leggedrobotics/traversability_estimation Wermelinger 等人 IROS 2016 论文的开源实现，包含 4 种滤波器：表面法向量、坡度、粗糙度、台阶高度
grid_map_filters ros-noetic-grid-map 的子包 YAML 配置的滤波器链：法向量计算 → 孔洞填充 → 平滑 → 数学表达式滤波（边缘检测、粗糙度、可通行性评分）→ 阈值分类

基于 Husky 的实际验证

B4. Local Traversability Assessment in an Unmanned Ground Vehicle: An Analysis of Mobility on the UGV Husky

  • Authors: Getahun
  • Venue: KTH Master's Thesis, 2023
  • 贡献: 从 Husky 的几何尺寸推导出坡度、粗糙度、台阶高度的几何阈值公式。在真机和仿真上对比验证。直接适用于本项目的 Husky 平台。

2022 年后的趋势

方法 代表论文 特点
Hybrid (几何 + 语义) Leung et al., "Hybrid Terrain Traversability Analysis in Off-road Environments," 2022 LiDAR 几何特征 + 相机语义分割（草地/泥地/沥青分类），融合判断可通行性
Deep Learning / Self-Supervised 多个 2023–2025 工作 从经验学习可通行性，减少对手动调参的依赖
Multi-modal Fusion "Traversability Analysis for UGVs Based on Multi-modal Information Fusion," IEEE, 2023 LiDAR + 相机 + IMU 的多模态融合标准
Benchmark Yang et al., "Benchmark and Analysis of Autonomous Robot Path Planning Performance in Rough Terrain," 2025 使用 2.5D 高程地图 + slope/roughness 对 DWA、TEB、RPP、MPPI 四种局部规划器在崎岖地形上进行基准测试

C. 空-地协同 SLAM / 建图 — Air-Ground Collaborative Mapping

核心综述论文

C1. Air-Ground Collaborative Robots for Fire and Rescue Missions: Towards Mapping and Navigation Perspective

  • Authors: Ying Zhang, Haibao Yan, et al.
  • Venue: arXiv:2412.20699, December 2024 (18 pages, 20 figures)
  • 贡献: 系统综述空-地协作机器人的建图和导航方向。提出了 UAV 建图 + UGV 导航的耦合框架。覆盖三个核心技术领域：UAV 建图、UAV/UGV 协同定位、UGV 导航。按 UAV/UGV 数量分类系统架构。
  • 与本项目关系: 直接对标——本项目的场景（UAV 建图 → UGV 导航）与该综述的框架完全一致，可作为报告中的顶层架构引用。

C2. Heterogeneous Agents, Unified Missions: A Survey and Taxonomy on Air–Ground Cooperative Systems

  • Authors: Yusong Zhou, Jin Zhao, Nianyi Sun, et al.
  • Venue: Robotics and Autonomous Systems (Elsevier), 2025/2026 (online)
  • 覆盖期: 2015–2025
  • 贡献: 提出三层 AGHS 架构：决策层 → 实施层 → 应用层。覆盖技术包括：定位、路径规划、感知、多源融合、任务分配、通信。提出部署分类：L1（集中式）、L2（混合式）、L3（分布式自治）。
  • 与本项目关系: 为异构机器人团队的架构设计提供理论依据。

C3. 视觉空地协作SLAM综述 (Visual Air-Ground Cooperative SLAM Review)

  • Authors: (CETC Wuhu Diamond Aircraft & Shenyang Aerospace University)
  • Venue: 电光与控制 (Electronics Optics & Control), 2025, Vol. 32, No. 11, p. 71
  • 贡献: 综述视觉 SLAM（ORB-SLAM、VINS 等）在空地异构机器人团队中的应用。分析视觉 SLAM 相对于 LiDAR 在多智能体协作中的优势。
  • 与本项目关系: 如果 UAV 使用视觉建图方案（如视觉里程计 + 点云重建），可引用。

协同 SLAM 框架（技术参考）

框架 特点 适用性
CCM-SLAM 集中式协同 SLAM，多 UAV 共享地图 中心节点管理全局地图的场景
COVINS 视觉-惯性协同 SLAM，支持多智能体 UAV + UGV 共享视觉特征
Swarm-SLAM 去中心化，鲁棒性强 通信不可靠的室外场景
ColAG Collaborative Air-Ground framework for perception-limited UGVs 直接对标：UAV 弥补 UGV 感知盲区

代表性的应用研究

C4. A Distributed Multi-Robot Collaborative SLAM Method Based on Air–Ground Cross-Domain Cooperation

  • Venue: MDPI Drones, 2025, Vol. 9, No. 7, 504
  • 贡献: 提出基于空地跨域协作的分布式多机器人协同 SLAM 方法。

C5. Air-Ground Collaboration With SPOMP: Semantic Panoramic Online Mapping and Planning

  • Venue: IEEE Transactions on Field Robotics, 2024
  • DOI: 10.1109/...
  • 贡献: 语义全景在线建图与规划——UAV 提供语义标注的全景地图，UGV 使用该地图进行语义感知导航。

C6. Research on Disaster Environment Map Fusion Construction and Reinforcement Learning Navigation Technology Based on Air–Ground Collaborative Multi-Heterogeneous Robot Systems

  • Venue: MDPI Sensors, 2025, Vol. 25, No. 16, 4988
  • 贡献: 灾后环境空地协同多异构机器人建图融合 + 强化学习导航。

D. GPS-IMU-里程计多源融合定位 — Multi-Sensor Fusion for Outdoor Localization

核心方法

D1. robot_localization: Dual-EKF with navsat_transform_node

虽然 robot_localization 包本身没有对应的单一学术论文，但其融合方法基于经典的 EKF 多传感器融合理论：

  • 基础理论: S. Thrun, W. Burgard, D. Fox, Probabilistic Robotics, MIT Press, 2005（Chapter 3: Gaussian Filters, Chapter 7: Mobile Robot Localization）
  • ROS 实现: T. Moore, D. Stouch, robot_localization package, github.com/cra-ros-pkg/robot_localization
  • 关键方法: 双 EKF 架构 + navsat_transform_node 将 GPS WGS84 坐标转换为 UTM 局部笛卡尔坐标系

双 EKF 架构

本地 EKF (ekf_odom)
├── 世界坐标系: odom
├── 输入: 轮式里程计 (velocity) + IMU (orientation, angular velocity, linear acceleration)
├── 输出: odom → base_link (平滑、局部精确)
└── GPS: 不融合（避免 GPS 跳变污染局部位姿）

navsat_transform_node
├── 输入: /gps/fix (NavSatFix) + /imu/data + /odometry/filtered (本地 EKF 输出)
├── 功能: WGS84 (lat/lon/alt) → UTM 笛卡尔坐标
└── 输出: /odometry/gps (nav_msgs/Odometry)

全局 EKF (ekf_map)
├── 世界坐标系: map
├── 输入: 轮式里程计 + IMU + /odometry/gps
├── 输出: map → odom (全局漂移修正)
└── 特点: two_d_mode: false（3D 模式，支持高程估计）

系统验证与工程参考

D2. VAULT: A Mobile Mapping System for ROS 2-based Autonomous Robots

  • Authors: (multiple)
  • Venue: arXiv:2506.09583, 2025
  • 贡献: ROS 2 的移动建图系统，融合 GNSS + 视觉-惯性里程计 + IMU 通过 EKF，使用 RTAB-Map 实现室外 SLAM。
  • 与本项目关系: 室外多传感器融合的工程实践参考。

D3. CMU MRSD 2026 Localization Subsystem

  • Venue: CMU MRSD Project, 2026
  • 贡献: 在 Clearpath Warthog 上使用 navsat_transform_node + 双 EKF 融合 GPS + 轮式里程计 + IMU，用于农业种植场景。
  • 与本项目关系: 与本项目相同的平台（Clearpath 系列）+ 相同的定位架构。

D4. Husarion UGV Localization

  • 包: husarion_ugv_localization (ROS index)
  • 贡献: 出厂即提供双 EKF GPS 融合配置——工程化的最佳实践参考。

常见问题与对策

问题 根因 对策
GPS 报告低协方差但实际偏移数米 传感器"欺骗"滤波器 膨胀 GPS 测量协方差；拒绝协方差 > 阈值的 fix
IMU yaw 与 GPS 推算航向矛盾 磁力计未校准 / 磁偏角错误 双 EKF 配置中关闭 IMU yaw 融合，改用 GPS 位置差分推算航向
冷启动时轨迹"荒谬" UTM 坐标系收敛需时间 前几秒仅输出本地 EKF 结果，等待全局 EKF 收敛
REP-103 朝向约定不匹配 IMU yaw=0 指向北而非东（REP-103 要求） 配置 yaw_offset: 1.5707963

E. 地形感知导航：代价图层集成 — Terrain-Aware Navigation Costmap Integration

核心论文

E1. Layered Costmaps for Context-Sensitive Navigation

  • Authors: David V. Lu, Dave Hershberger, William D. Smart
  • Venue: 2014 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Chicago
  • DOI: 10.1109/IROS.2014.6942636
  • Citations: ~188
  • 贡献: 提出**分层代价地图（Layered Costmap）**架构——将单一的整体代价图拆分为语义独立的有序图层列表，通过两阶段更新（updateBounds + updateValues）合成最终代价图。在 PR2 + Gazebo 上验证。
  • 与本项目关系: 本项目架构设计的理论基础——我们将地形可通行性作为一个独立的 costmap_2d::Layer 插件加入层级代价地图，与其他图层（obstacle, static_map, inflation）并行工作。

两种技术路线对比

方案 A: grid_map_costmap_2d 桥接 方案 B: mesh_navigation
核心思想 将 3D 地形可通行性"降维"为 2D 栅格代价图层 用 3D 三角形网格代替 2D 栅格，直接在网格面上规划
代价计算 坡度 > 阈值 → 在 2D costmap 中标记为高代价/致命障碍 在每个网格顶点直接计算几何属性（坡度、粗糙度、高度差、净空）
规划器 标准 move_base（全局 A* + 局部 DWA） Move Base Flex + CVP/DijkstraMeshPlanner
ROS 兼容性 ROS 1 Noetic 原生支持 ROS 2 为主（ROS 1 noetic 分支可用但不活跃）
工程复杂度 低—中（使用现有包或写一个 Layer 插件） 高（需要迁移至 MBF 框架）
适用性 本项目首选——快速实现，标注 move_base 生态 更强大但超过课程设计时间预算

地形 → 代价转换函数

参考 M4 多模态机器人系统的实际实现：

C(T) = 0                                    if T ≥ T_high (0.85)
C(T) = |20 × (T_high − T) / (T_high − T_crit)|   if T_crit ≤ T < T_high
C(T) = |100 − 80 × T / T_crit|                  if T < T_crit (0.60)

其中：

  • T_high = 0.85 → 完全可通行（cost = 0）
  • T_crit = 0.60 → 危险地形边界
  • T < 0.60 → cost 范围 20–100（致命障碍）

全局规划器的地形代价

A* 边代价（参考 M4 系统的 Energy-Aware A*）：

c_ij = d_ij · (1 + w_t · T_ij + C_d)
  • d_ij: 欧几里得距离（直线 1.0，对角线 1.414）
  • T_ij: costmap 中归一化的可通行性代价
  • w_t = 20: 地形惩罚权重（可调参数）
  • C_d: 单位距离能耗

可通行性计算流程（grid_map_filters 滤波器链）

# 基于 YAML 配置的滤波器链（不写 C++ 代码的方案）
filter_chain:
  - type: SurfaceNormalFilter        # 表面法向量 → 坡度
  - type: InpaintFilter              # 孔洞填充
  - type: MeanFilter                 # 平滑/模糊
  - type: MathExpressionFilter       # 粗糙度 = |高程 - 平滑高程|
  - type: MathExpressionFilter       # 可通行性 = f(slope, roughness)
  - type: ThresholdFilter            # 二值化可通行/不可通行

F. 汇总：本项目可引用的论文清单

课程报告推荐引用（按重要程度排列）

# 论文 引用场景
1 Fankhauser et al., "Probabilistic Terrain Mapping for Mobile Robots with Uncertain Localization," RA-L 2018 §3 高程地图构建方法
2 Wermelinger et al., "Navigation Planning for Legged Robots in Challenging Terrain," IROS 2016 §3 地形可通行性分析方法
3 Sevastopoulos & Konstantopoulos, "A Survey of Traversability Estimation for Mobile Robots," arXiv 2022 §2 相关工作综述
4 Lu et al., "Layered Costmaps for Context-Sensitive Navigation," IROS 2014 §3 代价地图分层架构
5 Zhang et al., "Air-Ground Collaborative Robots for Fire and Rescue Missions," arXiv 2024 §1 引言与系统架构
6 Zhou et al., "Heterogeneous Agents, Unified Missions: A Survey and Taxonomy on Air–Ground Cooperative Systems," RAS 2025 §2 相关工作综述
7 Thrun, Burgard, Fox, Probabilistic Robotics, MIT Press 2005 §3 多传感器融合理论基础
8 Fankhauser et al., "Robot-Centric Elevation Mapping with Uncertainty Estimates," CLAWAR 2014 §3 高程地图构建方法
9 Getahun, "Local Traversability Assessment on the UGV Husky," KTH Thesis 2023 §4 平台相关参数设定
10 Papadakis, "Terrain Traversability Analysis Methods for UGVs: A Survey," EAAI 2013 §2 经典综述引用

BibTeX 参考

@article{fankhauser2018probabilistic,
  title={Probabilistic Terrain Mapping for Mobile Robots with Uncertain Localization},
  author={Fankhauser, P{\'e}ter and Bloesch, Michael and Hutter, Marco},
  journal={IEEE Robotics and Automation Letters},
  volume={3},
  number={4},
  pages={3019--3026},
  year={2018},
  doi={10.1109/LRA.2018.2849506}
}

@inproceedings{wermelinger2016navigation,
  title={Navigation Planning for Legged Robots in Challenging Terrain},
  author={Wermelinger, Martin and Fankhauser, P{\'e}ter and Diethelm, Remo and Kr{\"u}si, Philipp and Siegwart, Roland and Hutter, Marco},
  booktitle={2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2016},
  doi={10.1109/IROS.2016.7759199}
}

@article{sevastopoulos2022survey,
  title={A Survey of Traversability Estimation for Mobile Robots},
  author={Sevastopoulos, Christoforos and Konstantopoulos, Stasinos},
  journal={arXiv preprint arXiv:2204.10883},
  year={2022}
}

@inproceedings{lu2014layered,
  title={Layered Costmaps for Context-Sensitive Navigation},
  author={Lu, David V and Hershberger, Dave and Smart, William D},
  booktitle={2014 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
  year={2014},
  doi={10.1109/IROS.2014.6942636}
}

@article{zhang2024airground,
  title={Air-Ground Collaborative Robots for Fire and Rescue Missions: Towards Mapping and Navigation Perspective},
  author={Zhang, Ying and Yan, Haibao and others},
  journal={arXiv preprint arXiv:2412.20699},
  year={2024}
}

@article{zhou2025heterogeneous,
  title={Heterogeneous Agents, Unified Missions: A Survey and Taxonomy on Air--Ground Cooperative Systems},
  author={Zhou, Yusong and Zhao, Jin and Sun, Nianyi and others},
  journal={Robotics and Autonomous Systems},
  year={2025},
  publisher={Elsevier}
}

@book{thrun2005probabilistic,
  title={Probabilistic Robotics},
  author={Thrun, Sebastian and Burgard, Wolfram and Fox, Dieter},
  year={2005},
  publisher={MIT Press}
}

@inproceedings{fankhauser2014robotcentric,
  title={Robot-Centric Elevation Mapping with Uncertainty Estimates},
  author={Fankhauser, P{\'e}ter and Bloesch, Michael and Gehring, Christian and Hutter, Marco and Siegwart, Roland},
  booktitle={International Conference on Climbing and Walking Robots (CLAWAR)},
  year={2014},
  doi={10.3929/ethz-a-010173654}
}

@mastersthesis{getahun2023local,
  title={Local Traversability Assessment in an Unmanned Ground Vehicle: An Analysis of Mobility on the UGV Husky},
  author={Getahun},
  school={KTH Royal Institute of Technology},
  year={2023}
}

@article{papadakis2013terrain,
  title={Terrain Traversability Analysis Methods for Unmanned Ground Vehicles: A Survey},
  author={Papadakis, P},
  journal={Engineering Applications of Artificial Intelligence},
  volume={26},
  number={4},
  pages={1373--1385},
  year={2013}
}

G. 开源仓库对照表 — Paper ↔ Open-Source Repository Mapping

关键结论：本项目的核心技术栈均有成熟的开源仓库支撑。

可直接使用的仓库（ROS Noetic 原生支持，apt 或源码编译）

# 论文 开源仓库 ⭐ Stars 许可证 ROS Noetic 维护状态 用途
1 Fankhauser et al. RA-L 2018 ANYbotics/elevation_mapping ~1.2k BSD-3 ✅ 源码编译 ⚠️ 不再活跃维护 UAV 点云 → 2.5D 高程栅格
2 — (ETH grid_map 框架) ANYbotics/grid_map ~800 BSD-3 ✅ apt (ros-noetic-grid-map) ✅ 维护中 多层栅格地图（高程/坡度/粗糙度/可通行性）
3 Wermelinger et al. IROS 2016 leggedrobotics/traversability_estimation ~200 BSD-3 ✅ 源码编译 ⚠️ 不再活跃维护 坡度/粗糙度/台阶高度滤波 → 可通行性地图
4 Lu et al. IROS 2014 ROS costmap_2d (内置于 navigation 包) — BSD ✅ apt ✅ 维护中 分层代价地图框架（Layer 插件架构）
5 Thrun et al. 2005 理论基础 cra-ros-pkg/robot_localization ~1.7k BSD (ROS1) / Apache-2.0 (ROS2) ✅ apt ✅ 活跃维护 GPS+IMU+Odom 双 EKF 融合，navsat_transform
6 — (GPS Gazebo 仿真) tu-darmstadt-ros-pkg/hector_gazebo ~200 BSD ✅ apt (ros-noetic-hector-gazebo-plugins) ✅ 维护中 Gazebo GPS 仿真插件
7 — (Clearpath 仿真世界) clearpathrobotics/cpr_gazebo ~100 BSD ✅ 源码编译 (noetic-devel) ✅ 维护中 Inspection World 等室外仿真环境
8 — (SLAM 工具箱) SteveMacenski/slam_toolbox ~1.5k LGPL-2.1 ✅ apt ✅ 活跃维护 本仓库已在使用——室内外通用 2D SLAM
9 — (move_base 导航) ROS navigation 元包 — BSD ✅ apt ✅ 维护中 本仓库已在使用——全局/局部规划器

ROS 2 仓库（本项目的 ROS 1 技术栈无法直接使用，但可作为算法参考）

# 论文/项目 开源仓库 ⭐ Stars ROS 版本 用途
10 Pütz et al. (mesh navigation) naturerobots/mesh_navigation ~860 ROS 2 Humble/Jazzy (Noetic 分支不维护) 3D 网格面上的坡度/粗糙度感知导航——比 costmap 方案更强大但需 ROS 2
11 Li et al. ICRA 2024 SiChiTong/ColAG ~70 ROS 1 Noetic (Ubuntu 20.04) 空地协同框架——UAV 为盲 UGV 提供地图，VRPTW 调度
12 Zhang et al. arXiv 2024 fast-fire 组织下 — ROS 空地协作消防与救援机器人

仓库质量评估

仓库 本项目的可用性 说明
robot_localization ✅ 直接可用 apt 安装，已在 spawn_robot.launch 中使用本地 EKF，只需加配 navsat_transform + 全局 EKF
grid_map ✅ 直接可用 apt 安装，含 grid_map_costmap_2d、grid_map_rviz_plugin、grid_map_filters 全部子包
costmap_2d (layered) ✅ 直接可用 已在使用中，只需新写一个 terrain layer 插件（继承 costmap_2d::Layer）
elevation_mapping ⚠️ 需源码编译 Noetic 有几个已知坑（filter_base.hpp 路径、TBB 链接），但社区文档完善
traversability_estimation ⚠️ 需源码编译 依赖 elevation_mapping + grid_map，编译链较长；可简化为 grid_map_filters YAML 方案替代
cpr_gazebo ✅ 直接可用 git clone + catkin_make，Husky 原生支持
mesh_navigation ❌ 不可直接用 ROS 2 主力，Noetic 分支停止维护。可引用论文方法（Steepness/Roughness/HeightDiff layer 概念）
ColAG ⚠️ 部分可用 ROS 1 Noetic，但依赖三个独立 workspace 和 EGO-Swarm/MARSIM 无人机仿真栈——集成工作量大

推荐的本项目技术栈仓库组合

本项目的开源仓库依赖：

已有（本仓库）:
├── src/robotiq/          ← Robotiq 夹爪（含 2F-140）
├── src/gazebo-pkgs/      ← Gazebo 抓取插件
├── src/aws-robomaker-small-house-world/  ← 室内仿真世界（将替换）
└── src/mobile_manipulator/  ← MasterControl, YOLO, agent, flask_ui

新增（apt 安装）:
├── ros-noetic-grid-map           ← 高程栅格地图 + costmap 桥接 + 滤波器链
├── ros-noetic-robot-localization ← 双 EKF + navsat_transform（已安装）
├── ros-noetic-hector-gazebo-plugins ← GPS 仿真
├── ros-noetic-gps-umd            ← GPS 消息类型

新增（源码编译）:
├── src/elevation_mapping   ← ANYbotics (3D 点云 → 2.5D 高程)
├── src/kindr               ← elevation_mapping 依赖
├── src/kindr_ros           ← elevation_mapping 依赖
├── src/message_logger      ← elevation_mapping 依赖
└── src/cpr_gazebo          ← Clearpath Inspection World (noetic-devel)

📅 生成日期：2026-06-11 🔍 检索工具：WebSearch + WebFetch + 交叉验证 📝 文档用途：课程设计报告算法参考与开源仓库索引