一種基于激光雷達的2D-SLAM的系統(tǒng)設計

池垚 胡文昊 李志遠 邢澤天 楊智星

摘要：隨著5G技術的不斷的發(fā)展和成熟，給SLAM技術帶來了新的機遇和挑戰(zhàn)。SLAM在室內(nèi)機器人在實現(xiàn)自主導航的過程中起到了至關重要的作用?，F(xiàn)就SLAM的移動機器人領域，以miiboo機器人為載體，搭建ROS操作系統(tǒng)作為平臺，提出一種基于2D激光雷達的系統(tǒng)設計。對研究學習有一定的幫助。本文通過Ubuntu構建Linux環(huán)境，通過ROS對系統(tǒng)進行設計。

關鍵詞：ROS? 激光雷達? 2D-SLAM? 移動機器人

1 引言

SLAM，又稱為CML，意為即時定位與地圖構建或是同步建圖與定位。把機器人放在未知的環(huán)境中，能否有方法讓其在移動的同時實時描繪出環(huán)境的地圖，并獲取自己在地圖中的實時位置。這種實時建圖與定位的方法就稱作SLAM。

SLAM主要有兩大應用領域，AR/VR領域（工業(yè)用途）和移動機器人領域（商業(yè)用途）而室內(nèi)機器人，則在移動機器人領域有著無法撼動的地位。感知、決策與控制是激起人們完成任務的三個基本的過程。機器人通過傳感器獲取環(huán)境信息，利用數(shù)據(jù)處理程序?qū)λ邮盏降男畔⑦M行處理，并將其傳輸給決策程序，進而做出相應的決策，同時下達指令對機器人進行控制。機器人在進行數(shù)據(jù)處理的時候經(jīng)常會采用SLAM將采集到的環(huán)境信息繪成地圖，且在地圖中標明自己的位置情況。

SLAM考慮到了環(huán)境的真實的拓補結(jié)構，可直接且有效地獲取環(huán)境地圖，并通過環(huán)境地圖做出路徑規(guī)劃，或是給機器人研究者提供一些較為直觀的可視化信息，給研究者們帶來便利。此外環(huán)境地圖還可方便機器人狀態(tài)估計的誤差校正，有效地減少了機器人的位姿漂移。

2 ROS的學習環(huán)境

ROS的研究與學習需要在Linux環(huán)境下展開。安裝ROS絕大部分都是通過Linux環(huán)境下的Ubuntu系統(tǒng)完成的，安裝Ubuntu系統(tǒng)主要有安裝雙系統(tǒng)或者使用VMware虛擬機。綜合考慮，團隊采用了Ubuntu16.04系統(tǒng)，選用的版本是Kinetic Kame.

通過對博客“古月居ROS21講”和VMware的學習與操作，了解并掌握所需的使用命令。根據(jù)所學的知識在miiboo機器人上進行研究。

3 底盤設計

底盤是進行SLAM 建圖和避障導航的基礎。底盤可提供輪式里程計和運動控制，并主要由帶編碼器的電機與控制板組成，如圖1所示。

3.1編碼器

編碼器為增量式正交編碼器，相位差為90度的兩個信號稱之為正交。倘若知道正交的關系，便可根據(jù)兩個信號的接收順序來判斷機器人的方向。通過對編碼器的信號相位進行捕獲，便知電機的轉(zhuǎn)向和轉(zhuǎn)速。

3.2 電機控制板

電機控制板通過串口與樹莓派相連接，電機控制板接收樹莓派下發(fā)的控制指令，采用PID算法進行控制;與此同時，采集電機上的編碼器數(shù)據(jù)發(fā)送給樹莓派，采用航跡推演的算法得出里程計信息。

3.3 差動兩輪底盤輪式里程計

輪式里程計是底盤非常重要的組成部分。通過航跡推演算法估計機器人位姿，可得出機器人的速度?？梢哉f，對于機器人的定位和控制，輪式里程計都起到了不可或缺的作用。

輪式里程計是底盤非常重要的組成部分。通過航跡推演算法估計機器人位姿，可得出機器人的速度。機器人底盤實時位姿p1、p2、...、pn連接起來就是機器人的航跡。假設相鄰位姿的p1和p2的間隔時間很短，在已知位姿p1和當前左右輪速度vl、vr的情況下，便可利用微積分便可得出機器人的位姿p2，如此迭代，便是航跡推演。經(jīng)過航跡推演，我們便能得到機器人當前位姿、速度等信息。

4 SLAM建圖

SLAM的建圖主要需要對以下幾個方面進行配置與驅(qū)動：底盤、激光雷達、IMU、攝像頭，配置完成后運用cartographer_ros和ros-navigation實現(xiàn)建圖和自主避障導航。

4.1 底盤的使用

首先底盤控制可配參數(shù)，再驅(qū)動miiboo的底盤，通過PID鑒定后進行里程計的標定。并借助urdf模型描述底盤中各個傳感器的關系如圖2所示：

4.2激光雷達

對激光雷達進行參數(shù)配置，然后對激光雷達進行驅(qū)動，并設置激光雷達數(shù)據(jù)格式，一般采用右手坐標系，掃描數(shù)據(jù)以極坐標來表示，以x軸為0度方向，由x軸轉(zhuǎn)向y軸為正方向。

4.3 IMU

首先對IMU數(shù)據(jù)可配參數(shù)進行設置，再驅(qū)動IMU模塊，并設置IMU的數(shù)據(jù)格式，采用右手坐標系，并提供了三個軸的加速度、角速度和磁力計，并采用歐拉角表示其姿態(tài)。

4.4 攝像頭

首先設置攝像頭的參數(shù)，然后驅(qū)動攝像頭，并訂閱攝像頭發(fā)布的圖像topic進行攝像頭遠程顯示。

4.5利用cartographer_ros和ros-navigation進行建圖和自主避障導航

通過Ubuntu進行建圖，如圖3所示;運用amlc粒子濾波算法來解決全局定位的問題，通過重要性采樣的不斷迭代，迫近實際值，通過自適應的蒙特卡洛算法來解決機器人綁架問題。利用激光雷達等傳感器數(shù)據(jù)生成代價地圖，通過建立不同的圖層并進行重疊，從而生成障礙物。并通過全局路徑規(guī)劃和局部路徑規(guī)劃從而進行避障和自主導航。

先對各個參數(shù)進行配置完成后，啟動各種節(jié)點的啟動文件，同時載入配置。打開并啟動Rviz，設置并檢查初始位置。指定導航目標點后，機器人便開始規(guī)劃路徑并自動導航。

5 結(jié)語

隨著5G技術的飛速發(fā)展，人工智能的發(fā)展愈發(fā)的如火如荼。機器人作為人工智能的一個重要的應用領域，有著卓越的市場前景。本文基于ROS對2D激光SLAM進行學習與研究，介紹了系統(tǒng)的應用基礎、底盤設計、SLAM建圖與自主避障等等。利用激光雷達構建代價地圖并通過路徑規(guī)劃實現(xiàn)自主避障及導航。具有參考和學習的價值。

參考文獻

[1]羅恒杰，鮑泓，徐成，李培峰，李玉卿.基于激光雷達的2D SLAM方法綜述[C].中國計算機用戶協(xié)會網(wǎng)絡應用分會.中國計算機用戶協(xié)會網(wǎng)絡應用分會2019年第二十三屆網(wǎng)絡新技術與應用年會論文集.中國計算機用戶協(xié)會網(wǎng)絡應用分會：北京聯(lián)合大學北京市信息服務工程重點實驗室，2019：165-171.

[2]李輝.基于激光雷達的2D-SLAM的研究[D].浙江工業(yè)大學，2017.