基于ROS 的移動(dòng)機(jī)械臂小車設(shè)計(jì)?

張 振 張雨晴 高金鳳

（浙江理工大學(xué)機(jī)械與自動(dòng)控制學(xué)院 杭州 310018）

1 引言

近五十年以來(lái)，世界各國(guó)都開(kāi)始了對(duì)移動(dòng)機(jī)械臂的研究與設(shè)計(jì)，并取得了豐碩的成果。2016 年KUKA 公司推出了一款全向移動(dòng)底盤的移動(dòng)械臂KMR iiwa，該產(chǎn)品可以幫助人們完成貨物搬運(yùn)、機(jī)床換刀等工作，極大地節(jié)省了人力物力［1］。此外，西班牙一公司開(kāi)發(fā)了一款采摘草莓的機(jī)器人，通過(guò)機(jī)器學(xué)習(xí)識(shí)別已經(jīng)成熟的草莓，同時(shí)機(jī)械臂不會(huì)與草莓接觸而是直接剪斷草莓的莖，其效率以及采摘質(zhì)量超過(guò)了人工采摘的效果［2］。如今在智能服務(wù)、太空室外作業(yè)、救援排查排爆等方面移動(dòng)機(jī)械臂都有廣泛的應(yīng)用。由于我國(guó)機(jī)器人領(lǐng)域發(fā)展較晚，移動(dòng)機(jī)械臂發(fā)展現(xiàn)狀與國(guó)外相比還存在著很多不足，但是受到“中國(guó)制造2025”戰(zhàn)略的鼓舞，移動(dòng)機(jī)械臂小車發(fā)展速度十分迅猛，并且取得了一系列的成果。如京東物流在國(guó)內(nèi)首先成立了全流程無(wú)人倉(cāng)，機(jī)器人對(duì)快遞上的信息進(jìn)行識(shí)別，再將其放到指定區(qū)域，前進(jìn)過(guò)程中避免碰撞［3~6］。

綜合國(guó)內(nèi)外的研究現(xiàn)狀，其中如何使移動(dòng)機(jī)械臂提高運(yùn)動(dòng)的精度、規(guī)劃出安全可靠的移動(dòng)路徑已成為研究的趨勢(shì)?；诖吮疚难芯亢驮O(shè)計(jì)可用于室內(nèi)的移動(dòng)機(jī)械臂小車。本設(shè)計(jì)采用ROS系統(tǒng)，該系統(tǒng)具有松耦合、多語(yǔ)言支持、代碼開(kāi)源且復(fù)用等優(yōu)點(diǎn)。

2 移動(dòng)機(jī)械臂小車底盤的設(shè)計(jì)

本設(shè)計(jì)小車底盤是由麥克納姆輪構(gòu)成，它具有多方向移動(dòng)的優(yōu)點(diǎn)，運(yùn)動(dòng)靈敏，受場(chǎng)地限制比較小，其結(jié)構(gòu)示意圖如圖1所示。

圖1 麥克納姆輪結(jié)構(gòu)示意圖

2.1 底盤運(yùn)動(dòng)的分解

機(jī)械臂小車的運(yùn)動(dòng)是一個(gè)平面的運(yùn)動(dòng)，底盤運(yùn)動(dòng)的分解如圖2所示。

圖2 底盤運(yùn)動(dòng)分解圖

其中→ 表示機(jī)械臂小車的移動(dòng)速度，→ 表示機(jī)械臂小車沿x軸方向運(yùn)動(dòng)的速度，表示沿y軸方向的速度，表示機(jī)械臂小車圍著z軸方向旋轉(zhuǎn)的角速度。、、三個(gè)變量表示的是機(jī)械臂小車底盤的幾何中心的速度。

2.2 計(jì)算輪子軸心位置的速度

機(jī)械臂小車的底盤到麥克納姆輪的軸心運(yùn)動(dòng)分解如圖3（以右前輪為例）。定義→為幾何中心指向輪子軸心的矢量；→為輪子軸心的運(yùn)動(dòng)速度矢量；為輪子軸心沿垂直→的方向（即切線方向）的速度分量。由此可以計(jì)算出：

圖3 輪子軸心速度分解圖

分別計(jì)算出x、y軸的分量為

同理也可以計(jì)算出其它三個(gè)輪子的軸心速度。

2.3 計(jì)算輥?zhàn)拥乃俣?/h3>

如圖4 所示為輥?zhàn)舆\(yùn)動(dòng)分解圖，根據(jù)輪子的軸心速度，可以分解出輥?zhàn)臃较虻乃俣?和垂直于輥?zhàn)臃较虻乃俣取?。由于垂直方向的速度使輥?zhàn)永@自身軸線滾動(dòng)，輥?zhàn)涌梢岳@自身軸線運(yùn)動(dòng)，所以忽略不計(jì)。

圖4 輥?zhàn)舆\(yùn)動(dòng)分解圖

由此可以得到：

其中：?為沿輥?zhàn)臃较虻膯挝皇噶俊?/p>

2.4 計(jì)算輪子的速度

如圖5 所示為小車的運(yùn)動(dòng)學(xué)模型，其中a為機(jī)械臂小車幾何中心到到輪子軸心的水平距離，b為小車幾何中心到輪子軸心的垂直距離。

圖5 小車的運(yùn)動(dòng)學(xué)模型

其中：為輪子的轉(zhuǎn)速。

由式（1）~（4），可得四個(gè)輪子的轉(zhuǎn)速為［7~9］

3 系統(tǒng)硬件設(shè)計(jì)

如圖6 所示為機(jī)械臂小車系統(tǒng)框架。其中采用Jetson Nano 為上位機(jī)進(jìn)行系統(tǒng)控制如語(yǔ)音信號(hào)的接收、導(dǎo)航算法、路徑規(guī)劃等，STM32單片機(jī)及其外圍電路作為下位機(jī)進(jìn)行傳感器數(shù)據(jù)的獲取、運(yùn)動(dòng)學(xué)求解、電機(jī)控制、舵機(jī)控制等底層驅(qū)動(dòng)功能，Jet?son Nano 與STM32 通過(guò)串口進(jìn)行通信以及傳輸數(shù)據(jù)，整個(gè)機(jī)械臂小車系統(tǒng)由鋰電池供電。

圖6 機(jī)械臂小車系統(tǒng)框架

4 系統(tǒng)軟件設(shè)計(jì)

本設(shè)計(jì)的系統(tǒng)軟件設(shè)計(jì)是在Ubuntu 操作系統(tǒng)上進(jìn)行的，并搭載了ROS（機(jī)器人操作系統(tǒng)）框架。其中復(fù)雜的、占用內(nèi)存較大的程序算法在電腦上運(yùn)行，大大降低了小車的負(fù)載?；赗OS的移動(dòng)機(jī)械臂小車軟件系統(tǒng)設(shè)計(jì)整體劃分為地圖的構(gòu)建、機(jī)器人的定位、機(jī)器人路徑規(guī)劃三個(gè)部分。

4.1 地圖構(gòu)建

建立一張完整準(zhǔn)確的地圖是機(jī)械臂小車進(jìn)行運(yùn)動(dòng)的前提。SLAM（同步定位與建圖）適用于室內(nèi)復(fù)雜的環(huán)境進(jìn)行建圖。

本設(shè)計(jì)采用的是Gmapping 功能包建立小車周圍環(huán)境的地圖，Gmapping功能包是基于Rao-Black?wellized 粒子濾波算法，通過(guò)把雷達(dá)、IMU 以及里程計(jì)信息采集到的數(shù)據(jù)傳輸?shù)缴衔粰C(jī)Jetson Nano中，上位機(jī)進(jìn)行計(jì)算同時(shí)輸出二維柵格地圖。相對(duì)比其它算法來(lái)說(shuō)具有魯棒性高，對(duì)雷達(dá)要求比較低，適用于建立室內(nèi)較小的地圖［10~11］。

4.2 機(jī)器人定位

本次設(shè)計(jì)機(jī)械臂小車定位采用的算法Adap?tive Monte Carlo Localization（自適應(yīng)蒙特卡洛定位）即AMCL，它用于粒子濾波器跟蹤機(jī)械臂小車在已知地圖上的位姿。AMCL 通過(guò)訂閱地圖的信息以及tf 坐標(biāo)間接的訂閱里程計(jì)的信息，然后經(jīng)過(guò)tf 的坐標(biāo)變換實(shí)現(xiàn)機(jī)械臂小車在地圖中的定位［12］。

4.3 機(jī)器人路徑規(guī)劃

小車建立好地圖后，就可以在二維柵格地圖規(guī)劃出一條從起點(diǎn)到終點(diǎn)的最優(yōu)路徑，并在移動(dòng)的過(guò)程中雷達(dá)不斷掃描周圍環(huán)境信息進(jìn)行實(shí)時(shí)避障。路徑規(guī)劃分為全局最優(yōu)路徑規(guī)劃和本地實(shí)時(shí)最優(yōu)路徑規(guī)劃兩種模式。

4.3.1 全局最優(yōu)路徑規(guī)劃

本設(shè)計(jì)采用的全局最優(yōu)路徑規(guī)劃算法瑋A*算法，它是一種靜態(tài)網(wǎng)格中求解最短路徑最有效的直接搜索方法，被廣泛的用于室內(nèi)機(jī)器人路徑搜索［13~15］。路徑評(píng)價(jià)公式為

其中：f（n）是指從起點(diǎn)經(jīng)狀態(tài)n到終點(diǎn)的代價(jià)估計(jì)，g（n）是在狀態(tài)空間中從起點(diǎn)到狀態(tài)n的實(shí)際代價(jià)，h（n）是從狀態(tài)n到終點(diǎn)的最佳路徑的估計(jì)代價(jià)。

4.3.2 局部路徑規(guī)劃

機(jī)械臂小車在自主導(dǎo)航的過(guò)程中可能會(huì)出現(xiàn)障礙物阻礙機(jī)械臂小車前進(jìn)，導(dǎo)致其偏離原來(lái)設(shè)定的全局最優(yōu)路徑，本地實(shí)時(shí)最優(yōu)路徑規(guī)劃可以解決相關(guān)問(wèn)題。本設(shè)計(jì)采用的是DWA（動(dòng)態(tài)窗口法）算法，它是基于速度來(lái)建立機(jī)械臂小車的模型，其原理主要是根據(jù)機(jī)械臂小車速度設(shè)定、電機(jī)性能以及避障的性能對(duì)機(jī)械臂小車進(jìn)行速度采樣。即在速度空間（v，w）中采樣多種速度，并模擬這些速度在一段時(shí)間內(nèi)的運(yùn)動(dòng)路徑，然后根據(jù)評(píng)價(jià)函數(shù)（7）對(duì)這些路徑篩選，最后選出最優(yōu)的速度采樣值傳輸給STM32下位機(jī)驅(qū)動(dòng)電機(jī)進(jìn)行運(yùn)動(dòng)［16］。

5 實(shí)驗(yàn)結(jié)果及分析

通過(guò)使用ROS 系統(tǒng)下的Rviz 可視化工具可以查看生成的二維柵格地圖以及傳感器的信息。

首先Gmapping 建立實(shí)驗(yàn)室環(huán)境的地圖，給定機(jī)械臂小車目標(biāo)點(diǎn)的坐標(biāo)后，機(jī)械臂小車會(huì)在建立好的地圖中機(jī)械臂小車進(jìn)行自主導(dǎo)航，如圖7 所示為機(jī)械臂小車正在進(jìn)行路徑規(guī)劃，其中紅色線為A*算法進(jìn)行全局路徑的規(guī)劃，綠色線為DWA 算法進(jìn)行本地路徑規(guī)劃實(shí)時(shí)避障。

圖7 小車路徑規(guī)劃

經(jīng)過(guò)系統(tǒng)的測(cè)試小車在復(fù)雜的辦公環(huán)境中規(guī)劃出了比較良好的路徑，并且可以成功地避開(kāi)障礙物準(zhǔn)確地到達(dá)終點(diǎn)，機(jī)械臂小車到達(dá)目標(biāo)點(diǎn)后機(jī)械臂對(duì)物品進(jìn)行抓取，并返回初始位置，如圖8 所示。根據(jù)實(shí)驗(yàn)的結(jié)果，對(duì)機(jī)械臂小車的實(shí)時(shí)定位建圖導(dǎo)航和機(jī)械臂的抓取進(jìn)行了實(shí)地實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，機(jī)械臂小車具備良好的建圖與定位精度，可有效地完成自主導(dǎo)航與機(jī)械臂抓取功能。

圖8 機(jī)械臂小車抓取物品

6 結(jié)語(yǔ)

本文設(shè)計(jì)了一款基于ROS的移動(dòng)機(jī)械臂小車，該小車具有自主導(dǎo)航避障和機(jī)械臂抓取的功能。經(jīng)過(guò)測(cè)試小車運(yùn)行平穩(wěn)可靠，具有良好的導(dǎo)航效果，提高了機(jī)械臂的靈活性，能夠應(yīng)用在不同的場(chǎng)所內(nèi)如工廠倉(cāng)庫(kù)、大型超市等，相信在未來(lái)能廣泛地應(yīng)用。