作者： 哈尔滨工业大学（威海）HERO 竞技机器人实验室 25,26赛季导航组

• 刘谨搏（GitHub）
• 赵家康（GitHub）
• 冯永康（GitHub）

• 和我的 MINCO + MPC 说去吧
• 留形科技 & HERO 产品测试（北部分区赛前）
• 北部赛区 第七十七场：哈工大（威海）HERO vs 西安交大 笃行

能量机关状态机节点、追击节点、优先级打断逻辑。开源 2025、2026 赛季赛场真实行为树策略。

• 双激光雷达融合（lidar_merge）：融合双雷达点云，扩大感知范围。
• 全稠密点云全景感知（hero_lidar_scan）：基于 Odin1 去除点云运动畸变，实现 360° 稠密点云感知。
• 双端融合态势感知（nav_cv_bridge）：融合雷达点云与视觉自瞄数据，提升感知鲁棒性。

通过网线直连导航与自瞄两台计算机，基于 PTP 时间戳硬同步，实现双机之间直接的 ROS 2 通信。

参考 ROG-Map 实现点云后端分析与感知，并向 nav2-costmap 投影生成代价地图。

基于 ACADOS 工具库封装 nav2-controller 节点，实现稳定高效的 MPC 轨迹全状态追踪。

基于最小化控制理论（MINCO）的轨迹优化器，包含：

• ESDF 避障
• 二次轨迹优化
• 基于最近投影点的重规划策略

提供误卡入障碍物时的回退策略，以及道路被堵时的等待策略，使导航行为树更加稳健。

lidar_extrinsic_calibration.py：基于最小二乘法进行圆形轨迹拟合，输出机器人中心相对于激光雷达里程计的 x、y 偏移量。

1. 狭窄隧道穿越：本套导航算法经测试可在 10 cm 裕度下完成隧道穿越。遗憾本赛季未能实现过洞哨兵的完整制作，未来需加入更优雅的指定区域正向朝向约束逻辑。
2. 模糊地图引导的自主探索：鉴于各战队普遍反映仿真与实际场地差异较大，且官方收紧建图权限的趋势，基于模糊先验地图的自主探索已成为必然方向。在 Navigation 2 架构下：
   • global_map 应由仿真点云导出，为 planner 提供先验引导；
   • local_map 完全由点云实时分析投影获得，为 smoother 和 controller 提供局部精确地图。
   • 可参考香港大学 SUPER 团队的 ROG-Map + 局部 MINCO 优化的思路。

1. 陈立憨 — 深圳北理莫斯科大学（GitHub）
2. 张昊鹏 — 中国科学技术大学（GitHub）
3. 浙江大学 — GCOPTER、DDR-Opt
4. 喻衡 — 北京理工大学（GitHub）
5. 哈尔滨工业大学（威海）HERO 战队 2025、2026 赛季全体队员

为 RoboMaster 的技术进步留下些什么，才不枉疯狂过一场。

以此，致我的两年 RM 青春。