基于ROS的室內(nèi)移動(dòng)機(jī)器人SLAM及導(dǎo)航功能的實(shí)現(xiàn)

李震　張國忠　謝峻松　賴素暉　馬健鑫

摘 要：本文以室內(nèi)展覽廳移動(dòng)機(jī)器人的導(dǎo)航功能為研究背景，以機(jī)器人操作系統(tǒng)（Robot Operating System， ROS）為研究平臺(tái)，針對移動(dòng)機(jī)器人在室內(nèi)場館的定位、建圖及導(dǎo)航問題進(jìn)行研究。在研究過程中，使用了同步定位與地圖構(gòu)建（simultaneous localization and mapping，SLAM）算法之一的GMpping，實(shí)現(xiàn)了機(jī)器人定位與建圖的功能，隨后根據(jù)機(jī)器人操作系統(tǒng)的導(dǎo)航功能包組件完成了多點(diǎn)導(dǎo)航功能。根據(jù)最終的實(shí)景測試，驗(yàn)證了本文實(shí)現(xiàn)移動(dòng)機(jī)器人導(dǎo)航功能的有效性。

關(guān)鍵詞：機(jī)器人操作系統(tǒng)（ROS）;同步定位與地圖構(gòu)建（SLAM）;多點(diǎn)導(dǎo)航

DOI：10.16640/j.cnki.37-1222/t.2019.22.102

1 機(jī)器人SLAM及導(dǎo)航算法的研究現(xiàn)狀

目前針對移動(dòng)機(jī)器人導(dǎo)航的研究，主要包括GPS和基于增量式地圖構(gòu)建的方法，其中GPS在信號較差以及狹小的室內(nèi)難以滿足要求，故需借助移動(dòng)機(jī)器人自身傳感器對周圍環(huán)境信息進(jìn)行感知、構(gòu)建地圖，并利用地圖進(jìn)行導(dǎo)航。目前有關(guān)SLAM技術(shù)的研究主要包括視覺SLAM和激光雷達(dá)SLAM兩種，視覺SLAM對光線有較高要求，考慮室內(nèi)場所光線紋理問題，本文選用激光雷達(dá)進(jìn)行導(dǎo)航。在未來，視覺、雷達(dá)及GPS的多傳感器融合是主要研究趨勢。

2 自主導(dǎo)航算法

2.1 本文主要解決問題

本文主要解決移動(dòng)機(jī)器人領(lǐng)域中涉及的三大問題：定位、建圖和導(dǎo)航，為移動(dòng)機(jī)器人構(gòu)建出室內(nèi)展覽廳的2D地圖，并利用所構(gòu)建的地圖進(jìn)行多點(diǎn)路徑規(guī)劃，完成導(dǎo)航功能。

2.2 SLAM算法的計(jì)算步驟

基于激光雷達(dá)的主流SLAM算法包括GMapping，Hector_slam和cartographer等，GMapping算法是目前室內(nèi)場所中主要使用的一種SLAM算法，機(jī)器人在調(diào)用GMapping時(shí)需結(jié)合機(jī)器人底座的里程計(jì)信息，以保證良好的定位與建圖功能。Hector_slam相比Gmpping而言不需借助機(jī)器人的里程計(jì)信息，故要求精度較高的激光雷達(dá)進(jìn)行準(zhǔn)確定位和建圖，且更適合在地面顛簸的路段或者無人機(jī)升降中使用。本文選用GMapping算法對移動(dòng)機(jī)器人進(jìn)行地圖構(gòu)建，該算法的步驟如下。

步驟1：在初始狀態(tài)下，在機(jī)器人周圍放置粒子用來估計(jì)機(jī)器人的初始位姿。通常放置N個(gè)粒子，N由場地面積與地形確定，經(jīng)驗(yàn)值通常為數(shù)百，每個(gè)粒子的權(quán)重記為1/N。

步驟2：根據(jù)所描述的機(jī)器人運(yùn)動(dòng)系統(tǒng)模型，在移動(dòng)量（機(jī)器人的里程計(jì)信息）的基礎(chǔ)上加上噪聲，通過該方法移動(dòng)各個(gè)粒子。

步驟3：基于所測量到的傳感器信息，計(jì)算每個(gè)粒子的概率，并且通過反映這個(gè)值來更新每個(gè)粒子的權(quán)重值。

步驟4：利用所有粒子的位置、方向和權(quán)重值來計(jì)算加權(quán)平均值、中央值和最大權(quán)重的粒子值，并用這些估計(jì)機(jī)器人的姿態(tài)。

步驟5：去除權(quán)重小的粒子，以權(quán)重大的粒子為中心創(chuàng)建繼承現(xiàn)有位姿信息特性的新粒子，保持粒子數(shù)N不變，并重復(fù)步驟2。

GMapping算法在ROS中調(diào)用時(shí)需接收到傳感器信息，并將傳感器信息/scan輸入至GMapping進(jìn)程中，同時(shí)鍵盤控制節(jié)點(diǎn)robot_teleop將速度與位置信息輸入機(jī)器人控制核心節(jié)點(diǎn)robot_core，里程計(jì)（odom）接收到控制信息后發(fā)布到底座（base_link）的tf變換信息/tf，并傳送至GMpping核心節(jié)點(diǎn)中。GMpping節(jié)點(diǎn)主要發(fā)布相關(guān)的地圖信息，該地圖為占據(jù)柵格地圖。在地圖服務(wù)節(jié)點(diǎn)中保存的地圖信息包括pgm格式及yaml格式，pgm格式可將地圖用黑白灰三色可視化，其中白色代表自由移動(dòng)區(qū)域，黑色代表不可移動(dòng)區(qū)域（如墻壁），灰色代表未被測出區(qū)域，yaml格式則使用描述型程序語言存儲(chǔ)地圖的信息，描述了包括pgm格式中的黑白灰區(qū)域以及地圖分辨率等相關(guān)參數(shù)，在導(dǎo)航組件調(diào)用時(shí)會(huì)讀取yaml格式中的相關(guān)地圖信息，GMapping的輸入輸出如圖1所示。

2.3 move_base組件模型

導(dǎo)航部分的實(shí)現(xiàn)主要使用ROS提供的move_base組件，如圖2所示。正中間的節(jié)點(diǎn)move_base主要用于路徑規(guī)劃，在move_base中包含了global_planner，local_planner等插件，這些插件已在ROS中被集成好，可直接通過指令調(diào)用。amcl與map_server為可選用指令，其中amcl為蒙特卡羅自適應(yīng)定位節(jié)點(diǎn)，可以通過機(jī)器人邊導(dǎo)航邊加載地圖，map_server則可以使用SLAM中保存好的柵格地圖進(jìn)行導(dǎo)航。sensor transformer為傳感器數(shù)據(jù)的坐標(biāo)變換，即機(jī)器人底座到世界地圖的變換，odometry則為機(jī)器人的里程計(jì)信息，sensor source為傳感器提供的數(shù)據(jù)。輸出的數(shù)據(jù)cmd_vel為速度（線速度和角速度）指令，控制機(jī)器人底盤移動(dòng)。

move_base組件中的路徑規(guī)劃算法類型主要分為全局路徑規(guī)劃和局部路徑規(guī)劃。全局路徑規(guī)劃中使用A*算法，由global_planner插件提供，A*算法主要結(jié)合了Dijkstra和最佳優(yōu)先搜索（BFS）算法，Dijktra算法主要使用傳統(tǒng)的目標(biāo)點(diǎn)遍歷搜索的方法，效率較低且容易產(chǎn)生較多臨時(shí)路徑;而BFS算法可直接導(dǎo)向目標(biāo)點(diǎn)，兩種算法結(jié)合后形成的A*算法既保證了搜索的高效性也同時(shí)具備了路徑規(guī)劃的準(zhǔn)確性[2]。局部路徑規(guī)劃中主要使用DWA算法，在move_base組件中對DWA算法也進(jìn)行了進(jìn)一步優(yōu)化，傳統(tǒng)的DWA中機(jī)器人被認(rèn)為是一個(gè)質(zhì)點(diǎn)，未考慮其形狀大小，而在move_base中提供的costmap組件將障礙物均擴(kuò)大一圈可以充分實(shí)現(xiàn)局部避障。在全局路徑規(guī)劃與局部路徑規(guī)劃的結(jié)合下，機(jī)器人可完成對目的地坐標(biāo)的自主路徑規(guī)劃，同時(shí)也可規(guī)避局部障礙物，保證移動(dòng)機(jī)器順利正常完成導(dǎo)航功能。

3 實(shí)驗(yàn)分析

在以樹莓派為上位機(jī)，上位機(jī)內(nèi)裝有Ubuntu系統(tǒng)及ROS的移動(dòng)機(jī)器人中，配置與本文相關(guān)的SLAM及導(dǎo)航算法，在ROS的Rviz工具中運(yùn)行測試，在實(shí)際場景下對本文進(jìn)行驗(yàn)證。

首先移動(dòng)機(jī)器人通過GMpping算法加載環(huán)境地圖，在rviz中獲取地圖坐標(biāo)，所獲得的三個(gè)坐標(biāo)為（0.708，-0.819，0.00247）、（1.58，-1.59，0.00247）、（1.96，-1.75，0.00247）。其中第一個(gè)點(diǎn)為原點(diǎn)，第二與第三個(gè)點(diǎn)為目標(biāo)點(diǎn)。使用move_base插件調(diào)用地圖，在配置文件中將目標(biāo)點(diǎn)輸入，此時(shí)移動(dòng)機(jī)器人可根據(jù)所給出的三個(gè)坐標(biāo)點(diǎn)進(jìn)行路徑規(guī)劃并自主移動(dòng)探索地圖，過程如圖3a～c所示。

經(jīng)測試，本文算法可實(shí)現(xiàn)移動(dòng)機(jī)器人室內(nèi)導(dǎo)航功能，在面積為20m*20m的區(qū)域中，可保證長度和寬度在0.6m誤差范圍內(nèi)。該導(dǎo)航系統(tǒng)為后續(xù)進(jìn)行智能語音和機(jī)器視覺的開發(fā)奠定了基礎(chǔ)，從而進(jìn)一步提高機(jī)器人的智能效果。

參考文獻(xiàn)：

[1]壽佳鑫，張志明，蘇永清，鐘政.基于ROS和激光雷達(dá)的室內(nèi)移動(dòng)機(jī)器人定位和導(dǎo)航系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].機(jī)械與電子，2018，36（11）：76-80.

[2]祝甜一.基于ROS的自主式救援機(jī)器人SLAM和導(dǎo)航系統(tǒng)研究[D].南京：東南大學(xué)，2015.

作者簡介：李震（1996-），男，山東棗莊人，本科在讀，研究方向：SLAM與機(jī)器人。