CN113093756A - 树莓派平台下基于激光slam的室内导航机器人 - Google Patents

Abstract

本发明提出一种树莓派平台下基于激光SLAM的室内导航机器人，其特征在于，包括：上位机ROS系统和下位机底盘控制模块；所述上位机ROS系统控制激光雷达采集环境信息，进行二维栅格地图的构建，并在构建好的地图基础上进行路径规划控制机器人到达目标兴趣点；所述下位机底盘控制模块用于驱动两轮差速移动，进行速度的采集反馈和指定速度的控制，再结合PID算法实现运动控制。其依靠树莓派平台，采用了激光雷达作为距离传感器，在树莓派的ROS系统上利用Gmapping算法完成了室内地图的构建，室内机器人的实时定位以及根据构建好的地图完成路径导航。

Description

树莓派平台下基于激光SLAM的室内导航机器人

技术领域

本发明属于机器人技术领域，尤其涉及一种树莓派平台下基于激光SLAM的室内导航机器人。

背景技术

公开号为CN205889192U的专利，提出一个利用超声波测距模块获取机器人与被测物体的距离，磁力获取机器人与地磁夹角，运动距离获取机器人电机的输入脉冲，从而实现可以在室内导航的人形机器人。

公开号为CN111578939A的专利，提出了一种考虑考虑采样周期随机变化的机器人紧组合导航方法及系统，通过对周围采集数据作为状态向量，将激光点雷达采集数据和轨迹推算数据进行融合作为方向拓展来对机器人进行路径导航。

现有技术存在以下缺点：

缺点1：公开号为CN205889192U的专利，该方案在绘制室内地图时采用地磁夹角来计算距离，而没有考虑机器人全身与四周的距离，若周围环境发生剧烈变动会导致该机器人无法反应过来。

缺点2：公开号为CN111578939A的专利，该方案通过一次次不断测量周围环境数据来对机器人来进行导航，然而在一个较为稳定的室内环境却要一次次进行周围环境数据测算，这样太过于繁琐。

发明内容

针对现有技术存在的缺陷和不足，本发明提出了一种树莓派平台下基于激光SLAM的室内导航机器人的方案，以完成在室内利用二维激光雷达进行建图，描绘室内平面的二维信息，实时定位和目标兴趣点导航的功能。该机器人分上位机即ROS系统和下位机即底盘控制模块两个部分。上位机是基于树莓派平台的ROS机器人系统，它主要的任务是控制激光雷达采集环境信息，利用这些信息进行二维栅格地图的构建，同时利用AI算法对在构建好的地图基础上进行路径规划控制机器人到达目标兴趣点。下位机主要是由stm32开发板完成，它负责驱动两轮差速机器人，进行速度的采集反馈和指定速度的控制，再结合PID算法来实现精准的运动控制。树莓派和底盘驱动通过串口通信，底盘负责采集并控制机器人电机旋转速度，再通过串口发送给上位机，上位机在ROS系统中对激光雷达采集到的数据转换成对应的二维栅格地图，同时将速度进行处理，并将期望速度反馈给下位机来进行速度的控制。

其利用树莓派和ROS机器人操作系统，通过激光雷达模块和底层电机驱动模块实现室内的激光SLAM机器人，该机器人有两个编码电机驱动的轮子，可以通过Lidar扫描室内的建筑物和沙发家具等障碍物，通过一些算法将这些信息描绘成一张二维栅格地图，通过这个地图可以来实现目标兴趣地点的导航，基于该技术可以实现一些人类无法完成或者危险的事情，在商业和军工领域都具有实用的效果。

本发明具体采用以下技术方案：

一种树莓派平台下基于激光SLAM的室内导航机器人，其特征在于，包括：上位机ROS系统和下位机底盘控制模块；所述上位机ROS系统控制激光雷达采集环境信息，进行二维栅格地图的构建，并在构建好的地图基础上进行路径规划控制机器人到达目标兴趣点；所述下位机底盘控制模块用于驱动两轮差速移动，进行速度的采集反馈和指定速度的控制，再结合PID算法实现运动控制。

优选地，包括：带有由两个编码电机驱动的轮子；采用树莓派和PC，分别作为ROS系统的主机和从机；驱动模块、IMU模块和激光雷达分别连接树莓派；所述驱动模块包括带有码盘的编码电机。

优选地，树莓派端作为ROS机器人操作系统的主机用于采集激光雷达的数据，并使用PC进行可视化操作，两者通过SSH连接。

优选地，所述驱动模块与ROS机器人操作系统通过串口通信；采用的电机型号为：25GA-370；采用的电机编码器为增量式编码器；采用的激光雷达的型号为：LDS-01；采用的IMU模块的型号为：MPU6050。

优选地，采用自适应蒙特卡洛定位方法对机器人定位；采用Gmapping算法作为建图算法；采用A*算法作为导航算法。

相较于现有技术，本发明及其优选方案依靠树莓派平台，采用了激光雷达作为距离传感器，在树莓派的ROS系统上利用Gmapping算法完成了室内地图的构建，室内机器人的实时定位以及根据构建好的地图完成路径导航。其中利用雷达所建立的地图可以大致完整的刻画整个室内环境，虽然所使用的雷达精度不是很高，但是室内的沙发墙壁等障碍物可以很好的被描绘出来，并且导航的精度也在可以承受的误差之内。

优点1：

搭建机器人运动底盘，并进行PID参数整定，使左右车轮有较好的响应；

优点2：

树莓派安装ROS系统，并且可以通过串口与底盘通信；

优点3：

树莓派可以通过安装的Lidar读取到信息，通过ROS系统进行数据处理，通过Gmapping算法配合里程计可以构建室内地图；

优点4：

根据构建好的地图可以设置目标地点，机器人通过A*算法规划路径从而完成室内导航。

附图说明

下面结合附图和具体实施方式对本发明进一步详细的说明：

图1为本发明实施例系统整体结构示意图；

图2为本发明实施例两轮差分移动机器人运动学模型推导过程示意图；

图3为本发明实施例自适应蒙特卡洛定位过程示意图；

图4为本发明实施例系统A*算法示意图；

图5为本发明实施例机器人启动相关节点示意图；

图6为本发明实施例AMCL粒子收敛过程示意图；

图7为本发明实施例Gmapping相关节点的启动示意图；

图8为本发明实施例利用Gmapping建图算法建好的室内地图示意图；

图9为本发明实施例建图所依赖的节点示意图；

图10为本发明实施例启动相关的节点示意图；

图11为本发明实施例导航的过程示意图。

具体实施方式

为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：

本实施例方案提供的树莓派平台下基于激光SLAM的室内导航机器人采用的是树莓派和笔记本电脑两部分硬件，分别作为ROS系统的主机和从机，这种主从机的开发方式可以提高开发的效率，其中树莓派端作为ROS机器人操作系统的主机他负责采集激光雷达等数据而主机则使用笔记本上的Ubuntu 16.04系统。来进行可视化操作，两者通过SSH连接。方案如图1所示。

本实施例中，底盘驱动板(驱动模块)和ROS通信是串口通信的，也可以理解为STM32和树莓派之间的通信，也可以认为是STM32和Ubuntu之间的通信。该通信代码需要使用ROS软件框架来封装，定义STM32和ROS之间的通信协议需要考虑传输的速度、大小、数据内容等问题，然后进行统一的封装，最后调用串口发送函数将封装好的数据按照字节序发送出去。在数据通信协议的定义上，使用一个union类型来定义两个相同大小的域，一个是数据收发的缓存区数据buffer，另一个是数据域结构体。union类型只会分配最大域大小的内存空间。当两个域大小相同时(同时约定内存对齐为1个字节)，这时只需要通过串口去操作收发缓存数据，即可完成数据的透传过程。

本实施例在ROS平台下，设计一个串口节点，该节点订阅控制节点发来的命令主题，将命令通过串口设备发送到移动底座，同时串口节点实时接收移动底座通过串口发送过来的传感器实时数据，并将该数据封装后以sensor主题的模式进行发布，istenner节点可以实现订阅该主题。这样就实现了ROS与移动底座的串口通信过程。

本方案驱动两个轮胎是带有码盘的编码电机，具体采用的电机型号是25GA-370，其功率是12W，转速为280RPM，其电机类型是直流有刷，包含主磁极和电刷，换向器和电枢绕组构成电机的转子，直流电通过换向器电刷，进入电枢绕组产生电流，该电流会产生磁场，与主磁场相互作用产生电磁转矩，电机因此旋转。编码器负责采集电流脉冲信号，并对其进行编码，可以将数据形式变为更方便储存以及传输的格式，编码器可以将位移转换成电信号，称之为码盘，本实施例所采用的电机编码器是增量式编码器，从而可以将机器人运动开始的里程计转化成统一的单位比如米每秒，增量型的编码器是通过电机旋转的角度发出脉冲信号通常有A项B项和Z项，输出通过AB项的脉冲到达的速度从而可以判断电机的正反方向。

该方案所使用的雷达发射频率为1.8khz，根据光学原理，发射出的激光碰到障碍物之后会发生反射，接收器接收到反射的信号，通过时间差可以使相关模块计算距离，按照固定的频率旋转即可扫描二维平面，从而可以产生平面的信息，以此来实现2D地图的构建。激光雷达常见的测距方法有脉冲法，相干法，三角法，本实施例所使用的雷达是采用三角法测距的原理。入射光和反射光构成三角形，因此称为激光三角测距法。其优点是对硬件要求低。具体采用的是LDS-01雷达，360激光距离传感器LDS-01是一款2D激光扫描仪，能够感应360度，可在机器人周围收集一组数据以用于SLAM(同时定位和制图)和导航，LDS-01用于TurtleBot3Burger，Waffle和WafflePi模型。它支持USB接口(USB2LDS)，易于安装在PC上，它支持用于嵌入式开发板的UART接口。

IMU是惯性测量单元，由加速度计和陀螺仪等组成，用来测量空间三个轴的速度和加速度。三个轴的重力加速度由加速度计来测量，角速度由陀螺仪测量，再利用这些数据可以计算出物体在三维空间中的姿态，因此在SLAM导航系统中有着非常重要的使用价值。三轴加速度计受外力加速度的影响非常大，如果运动过程中出现震荡则输出的误差也会很大，同时它是根据地磁场来作为参照物的因此强度较低容易受到其他磁性物体的干扰，但是融合Z轴的陀螺仪之后可以使得数据更加稳定，加速度测量的是竖直向下的重力方向这个角度累计误差是很小的，但缺点就是用MEMS技术检测惯性力会造成微小的形变，原因是因为重力与他的本质相同，因此无法区分两者加速度，当机器人在三维空间中做变速运动时就会产生误差，需要利用角速度和时间的积分计算角度，再与初始量相求和，得出目标角度。本实施例的IMU模块采用的是MPU6050，包含三轴加速度计和陀螺仪，这些数据通过IIC总线读取。

考虑到机器人系统拥有多个坐标系，这些坐标系通常是三维的，各个坐标系的位置会随着机器人的运动变化而变化本次设计的机器人包含一个全局坐标系，机器人底盘中心坐标系，以及机器人自身各个部件的坐标系。这些坐标系中，机器人底盘的坐标系和它自身各个部件和传感器的相对位置是不会变化的，而它们随着机器人的位移运动，于全局坐标系的位置会发生变化，这称之为动态坐标系。坐标系之间的相互转化很重要，特别是在机器人在进行建图，定位和导航的过程中，激光雷达根据扫描判断的位置，和各个部件的相对位置都需要精确的定位。ROS提供的TF工具可大大的简化这个操作。tf可以追踪机器人的多个坐标系，它是通过树形的数据结构来维护以及存储的，称之为tftree，通过tftree，我们可以将坐标系的数据在任意时间进行坐标值之间的变换。

在具体的算法控制流程中：

本实施例采用的机器人运动模型是两轮差分移动机器人运动学模型，该模型虽然较为简单，但是其运动学方程是容易推导的，并且也容易在实物机器人身上实现.如图2所示，该模型利用两个差速轮驱动机器人的运动，两轮速度不同便可以控制机器人运动方向，万能转向轮用以车身平衡的控制，这样做既节省了成本又有较高的精度。

其运动学模型推导如下：其中图2中所表示的是相邻两个位置的机器人的相对位置，v_L和v_R分别是左车轮和右车轮的实时速度，L表示轮子两轴之间的距离，θ₁是两轮机器人环绕圆弧运动的角度，θ₃是两轮机器人前进方向偏转的角度，r是此次圆弧运动的圆弧半径，d是一个轮子比另一个轮子多前进的距离，假设此时两轮机器人是向左旋转的，则右轮比左轮多运动了d的距离，从而可以计算出此时机器人的速度v＝(v_L+v_R)/2，同时θ₁＝θ₂＝θ₃，即两轮机器人前进方向的角度旋转量等于整体运动的圆弧轨迹的旋转角度，根据几何学原理，可以推导出在两段时间相邻很近时，可以认为sinθ＝θ，即θ₂＝sinθ₂＝d/L＝(v₂-v_R)·Δt/L，所以可以得到两轮机器人围绕圆心运动的角速度ω＝θ₁/Δ_t＝(v_r-v_L)/L。

由于现实环境中的干扰因素和机器人本身的负载变化，直接使用PWM对应电机速度是现实的，因为PWM控制的是电机的电流，电流是决定电机扭矩的因素，随着负载的变化，电流也是相应的变化，直接去查询不同负载对应的电流是一种低效的方法，而PID刚刚好提供了一种通用的控制电机的方法，其并不需要关注机器人的负载，也不需要关注环境对机器人的影响，如地面打滑等因素，它可以在一定范围内自行调节。

本实施例采用的机器人定位算法：AMCL的英文全称是adaptiveMonteCarlolocalization又称自适应蒙特卡洛定位^[，它更新粒子的方法是自适应的KLD，MCL则是使用粒子滤波的方法定位。粒子滤波是根据每个粒子随着机器人移动过后粒子所模拟的信息与激光雷达传感器所采集到的实际信息作对比，从而测算出每个粒子的概率，再根据这概率重新生成粒子，越高的概率代表着越高的生成率，经过机器人不断地运动，概率信息会不断地迭代，从而收敛，机器人的位置信息也会越来越精确，AMCL的整个过程如图3所示。

建图算法：建图包括地位和地图构建这两个部分，这个问题的模型是将机器人放入一个未知的环境，一边移动机器人，一边利用传感器如Lidar，深度相机等采集环境信息，通过合理的算法让机器人不断运动采集信息，逐步描绘出这个环境的完整地图，定位与建图是捆绑在一起的，彼此互相影响。

本实施例采用的Gmapping算法是一种SLAM算法，它是基于滤波的算法，是一种将建图和定位这两个过程分离的算法，即先进行定位，随之进行建图。Gmapping算法对于小型地图的性能是非常好的，精度较高，因此作为室内地图的构建算法是非常有效的。它融合了里程计所提供的位姿信息，有效的利用了这一信息，因此对于激光雷达的频率要求不是很高。当然，Gmapping算法是以空间来换取时间的，因此对于大型的地图，效率会变低。

本实施例采用的导航算法：将人工智能领域A*算法引入到矢量地图的最优路径搜索中来，A*算法是一种路径查找算法，是dijstra的改进算法，其性能相比于dijstra算法较好，且精确度也较高。

A*算法的大致过程：

(1)将选定节点放入到一个列表中，该列表为open状态。

(2)如果open列表是空的，说明未能匹配。如果该列表中有目标节点，说明成功。

(3)在open中选F最小的那个点，加入到另一个列表，是close状态。

(4)统计当前节点相邻节点，并判断是否可以到达，令其为子节点。对于每一个子节点：如果是close状态，则丢弃它；如果是open状态，则检查其通过当前节点计算得到的F值是否更小，如果更小则更新其F值，并将其父节点设置为当前节点；如果该节点不是open状态，则将其加入到open状态，并计算F值，设置其父节点为当前节点^[12]。

(5)转到2步骤

其中F＝G+H以图4为例F为沿着左侧浅色方格起点到指定方格的代价，这个代价有很多种算法，比如曼哈顿距离，欧式距离等，G表示指定节点到右侧浅色方格终点的距离，也直接以两点间的曼哈顿或者欧式距离来表示，这样做便可以尽量的趋近于终点，保证路径搜索的过程是向着终点的趋势的，而不是像dijstra算法一样没有方向性。

本实施例提供的是基于二维激光的SLAM机器人，SLAM主要包括地图构建和定位两个环节，目前主流到SLAM算法包括视觉SLAM和激光SLAM，同时还有Lidar与视觉相结合的SLAM。对于激光传感器，根据反射来获得环境距离信息，从而实现直接相对定位，对于激光传感器的绝对定位及轨迹优化可以在相对定位的基础上进行。对于视觉传感器，是无法获取相对于环境的直接距离信息的，需要通过相邻帧或者多个图像通过深度学习来评估自身的位置的相对变化，这种方法与直接用里程计进行定位很相似，所以称为视觉里程计。

ACML在机器上的测试：首先机器人启动如图5所示的节点，分别是机器人初始化的节点，键盘控制节点，amcl测试节点，摄像头节点。

ROS从机启动rviz可视化amcl粒子如图6所示是AMCL粒子收敛的过程，不断的移动机器人过程中，可以看到粒子由分散逐渐的收敛，最终收敛于相对饱和的一片区域。

Gmapping建图演示：Gmapping建图依赖于两个tf，分别是base_footprint与laser之间的tf，这是机器人的底盘和激光雷达直接的变换，该tf在机器人启动文件robot_start.launch通过静态tf变换提供；另一个tf是base_footprint与odom_combined之间的tf，对应底盘与里程计起始坐标原点之间的变换，odom_combined提供了里程计原始地点的坐标系同时还依赖于激光雷达的数据，其类型为sensor_msgs/LaserScan。启动相关节点如图7所示，分别为机器人初始化节点，键盘控制节点，摄像头启动节点，以及Gmapping建图节点，启动后，Ubuntu从机打开rviz工具操作键盘控制机器人小车前后移动即可开始构建地图，通过键盘操作机器人环绕一圈后，地图大致建图完成，最终完成的地图如图8所示，输入命令ROStopiclist可以看到本次建图所依赖的话题如图9所示。建图结束后可以看到，对于直墙的识别是很有效的，对于沙发等家具也可以很好的判断出障碍物，但是由于雷达精度较低的问题，就很多角落的分别率不是很高，同时左侧房间整体有轻微的偏移，这于地板铺的不是很平导致车子打滑的原因有关系。至此，Gmapping建图已经完成，通过命令便可以保存地图至ROS空间下面将利用建好的图进行导航。

导航演示：首先通过Ubuntu主机通过SSH远程连接树莓派机器人，之后以此启动如图10所示的启动节点，分别是机器人初始化节点，navigation导航节点，以及Ubuntu从机rivz可视化地图节点。

在Ubuntu上通过RVIZ可以看到导航的过程如图11所示，可以看到深色的线是利用A*算法建立的全局导航路线，绿色的线是根据DWA滑动窗口规划的局部导航路线，与此同时可以观察到AMCL粒子也在不断的收敛，由最开始的相对分散逐渐收敛饱和。

专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的树莓派平台下基于激光SLAM的室内导航机器人，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (5)

1.一种树莓派平台下基于激光SLAM的室内导航机器人，其特征在于，包括：上位机ROS系统和下位机底盘控制模块；所述上位机ROS系统控制激光雷达采集环境信息，进行二维栅格地图的构建，并在构建好的地图基础上进行路径规划控制机器人到达目标兴趣点；所述下位机底盘控制模块用于驱动两轮差速移动，进行速度的采集反馈和指定速度的控制，再结合PID算法实现运动控制。

2.根据权利要求1树莓派平台下基于激光SLAM的室内导航机器人，其特征在于：带有由两个编码电机驱动的轮子；采用树莓派和PC，分别作为ROS系统的主机和从机；驱动模块、IMU模块和激光雷达分别连接树莓派；所述驱动模块包括带有码盘的编码电机。

3.根据权利要求2树莓派平台下基于激光SLAM的室内导航机器人，其特征在于：树莓派端作为ROS机器人操作系统的主机用于采集激光雷达的数据，并使用PC进行可视化操作，两者通过SSH连接。

4.根据权利要求3树莓派平台下基于激光SLAM的室内导航机器人，其特征在于：所述驱动模块与ROS机器人操作系统通过串口通信；采用的电机型号为：25GA-370；采用的电机编码器为增量式编码器；采用的激光雷达的型号为：LDS-01；采用的IMU模块的型号为：MPU6050。

5.根据权利要求2树莓派平台下基于激光SLAM的室内导航机器人，其特征在于：采用自适应蒙特卡洛定位方法对机器人定位；采用Gmapping算法作为建图算法；采用A*算法作为导航算法。

Images