costmap_2d障碍物可变膨胀控制问题：TurtleBot3与A*规划导航需求

针对你遇到的膨胀半径过大卡门、过小贴墙的问题，结合TurtleBot3仿真环境和A*规划器，给出以下可落地的解决方法：

1. 放弃"仅走代价0栅格"的约束，设置合理代价阈值 #

当前程序限制机器人仅通过代价为0的栅格是核心矛盾——膨胀后的狭窄通道（比如门）栅格代价必然非0，导致无法通行。你需要调整全局规划器和代价地图参数，允许机器人进入低代价膨胀区域：

• 在global_planner_params.yaml中调整代价权重与阈值：

  cost_factor: 0.3  # 降低代价对路径选择的权重，允许低代价栅格纳入路径
  neutral_cost: 50  # 设定中性代价阈值，低于该值的区域均可被规划
  

• 在costmap_common_params.yaml中，将基础膨胀半径设为机器人物理半径+安全余量（TurtleBot3 Burger物理半径约0.175m，建议设为0.2m）：

  inflation_radius: 0.2
  cost_scaling_factor: 6.0  # 控制代价增长速率：离障碍物越近，代价上升越快
  

  宽走廊中中间区域代价最低（接近0），A*会自动选择居中路径；可容纳机器人的门，膨胀后的代价总和会低于阈值，规划器能生成可行路径。

2. 动态调整膨胀半径（进阶方案） #

如果需要更精细控制，可通过自定义代价地图插件，根据当前通道宽度动态调整膨胀半径：

• 编写插件逻辑：实时检测机器人当前位置附近的通道宽度（通过代价地图栅格数据计算）
• 当通道宽度大于2倍机器人半径+0.2m时，使用较大膨胀半径（如0.3m）强制路径居中；当通道宽度接近机器人宽度时，切换为最小安全膨胀半径（0.2m）确保通行
• 在代价地图配置文件中加载该插件，替换默认膨胀逻辑

3. 配合局部规划器强化居中行为 #

即使全局规划出居中路径，局部规划器可能因参数问题贴墙，调整DWAPlanner参数优化：

# dwaplaner_params.yaml
obstacle_distance_scale: 2.0  # 增大障碍物距离权重，让机器人主动远离墙体
goal_distance_scale: 1.0      # 保持目标权重平衡
max_scaling_factor: 0.5       # 限制速度缩放，避免急转弯

宽走廊中局部规划器会主动维持与两侧墙的距离，实现居中行驶；门口处会优先保证通行路径，自动调整姿态。

4. 自定义A*代价函数（深度定制） #

若上述方案仍不满足需求，可修改A*规划器的代价计算逻辑：

• 设计非线性代价函数：当机器人与障碍物距离大于机器人半径+0.1m时，代价缓慢增加；当距离小于该值时，代价急剧上升（接近255，即不可通行）
• 这样A*在宽走廊中会选择距离两侧障碍物最远的路径（居中），刚好容纳机器人的门口代价处于可接受范围，能生成有效路径

内容的提问来源于stack exchange，提问作者OverDemon