高騰騰，李彩虹，劉國名，郭娜，王迪

(山東理工大學 計算機科學與技術學院, 山東 淄博 255049)

移動機器人是一種在復雜環(huán)境下工作，具有自規(guī)劃、自組織、自適應能力的智能系統(tǒng)[1]。在移動機器人的相關技術研究中，自主導航是其核心問題，也是實現智能化和自主移動的關鍵技術，具有重要的研究意義。簡單來說，自主導航系統(tǒng)能夠確定機器人當前位姿，控制機器人沿一條高效、通暢的路線移動到指定目標位置。

自主導航系統(tǒng)中，應用最廣泛的是GPS定位導航[2-4]與INS慣性導航[5-7]。其中GPS導航通過GPS實時接收衛(wèi)星信息調整機器人位姿，促使機器人完成既定路線的智能化追蹤。這種方式在室外空曠環(huán)境有比較好的導航效果，但在室內環(huán)境中，由于建筑物等對GPS信號的干擾，極易使機器人造成定位誤差，無法追蹤規(guī)劃好的路線。慣導系統(tǒng)通過計算傳感器數據的方式推算機器人航跡，實現定位與導航。這種方式在短時間內，導航精度比較高，但隨著時間的增長，因漂移現象積累的誤差將會使機器人逐漸喪失導航能力。文獻[8-11]針對GPS導航系統(tǒng)與慣導系統(tǒng)的缺點，提出INS/GPS組合導航系統(tǒng)，在一定程度上提高了導航精度。但在室內場景下，其提升效果并不理想。文獻[12]提出地面鋪設交變磁場軌道與讀取IC卡定位的方式進行導航系統(tǒng)設計，成本較大且導航點無法自由調節(jié)。文獻[13]提出一種多慣性導航系統(tǒng)信息融合方法，有效提高了傳統(tǒng)單慣性導航系統(tǒng)的導航精度。文獻[14-15]提出結合慣導系統(tǒng)與視覺導航系統(tǒng)，有效發(fā)揮兩種導航技術的優(yōu)勢，進而提高導航精度。

本文針對GPS導航系統(tǒng)與INS慣導系統(tǒng)缺點，參照文獻[13-15]的研究成果，基于ROS平臺[16]，采用編碼器里程計與激光雷達相結合的傳感系統(tǒng)，提出一種應用于室內環(huán)境的自主導航系統(tǒng)。

1 URDF機器人建模

設計在Gazebo仿真軟件運行且能夠發(fā)布里程計數據與雷達數據的URDF移動機器人模型，使其能夠匹配自主導航系統(tǒng)，完成未知環(huán)境下的導航測試。

1.1 機器人底盤設計

設計機器人底盤的URDF文件，使機器人能夠接受自主導航系統(tǒng)的移動控制指令并發(fā)布里程計數據。文件主要包括添加慣性參數、碰撞屬性的載物板連桿、驅動輪連桿、支撐輪連桿，添加傳動裝置并配置電機控制方式、減速比的驅動輪關節(jié)，用于接收控制指令并發(fā)布里程計消息的Gazebo控制器插件。

1.2 機器人傳感系統(tǒng)設計

設計機器人傳感系統(tǒng)的URDF文件，使機器人能夠感知環(huán)境，發(fā)布傳感器數據協(xié)助導航系統(tǒng)進行地圖構建、實時避障、定位等。本文采用Gazebo激光雷達插件，模擬真實激光雷達并發(fā)布深度信息。設計的機器人模型如圖1所示。

圖1 運行在Gazebo中的機器人模型Fig.1 Robot model running in Gazebo

2 自主導航系統(tǒng)設計

自主導航系統(tǒng)分為前后兩端，前端依據里程計、激光雷達信息，采用Rao-Blackwellized粒子濾波算法，使機器人感知周圍環(huán)境并完整構建地圖，提供給后端。后端根據地圖、激光雷達信息，采用自適應蒙特卡羅定位法[17]，以輔助手段修正慣性導航里程計長時間因漂移現象積累的定位誤差，矯正機器人位姿，實現機器人精準定位，從而有效避免慣導系統(tǒng)與GPS導航系統(tǒng)缺點。同時，后端采用A*算法規(guī)劃機器人當前位姿與目標點之間路徑，采用DWA(dynamic window approaches)算法實時避障，能夠使機器人沿一條無碰撞、代價較低路線移動到目標位置。自主導航系統(tǒng)前端設計流程如圖2所示，主要使機器人通過傳感器對所處環(huán)境進行建模，繼而能提供地圖信息協(xié)助后端進行定位以及路徑規(guī)劃。

圖2 自主導航系統(tǒng)前端設計流程Fig.2 Front end design process of autonomous navigation system

自主導航系統(tǒng)后端設計流程如圖3所示，其依據傳感器信息及地圖數據對機器人精確定位，根據機器人當前位置、設定目標位置與環(huán)境模型進行全局路徑規(guī)劃，找到一條無碰撞最優(yōu)路徑。通過局部路徑規(guī)劃算法控制機器人追蹤路徑并及時躲避突發(fā)障礙物，從而順利到達終點。在機器人自動行駛至終點過程中，會自動更新障礙物信息到原始地圖，以便為下次導航提供參考。

圖3 自主導航系統(tǒng)后端設計流程Fig.3 Back end design process of autonomous navigation system

3 環(huán)境建模

環(huán)境建模由導航系統(tǒng)前端通過ROS開源Gmapping[18]功能包實現。其通過使用Rao-Blackwellized粒子濾波算法，訂閱機器人移動時發(fā)布的坐標轉換信息與激光雷達數據，發(fā)布地圖數據與機器人位姿分布熵的估計，最終完成二維柵格地圖的建立。

運行Gmapping功能包需要依據機器人進行調參，部分參數設計如下：

odom_frame: odom

map_update_interval: 5.0

maxRange: 5.0

maxUrange: 4.5

linearUpdate: 0.5

angularUpdate: 0.436

srr: 0.01

str: 0.01

stt: 0.02

particles: 80

xmin: -1.0

ymin: -1.0

xmax: 1.0

（2）在進行避雷保護線設置時，避雷保護性的高度必須要控制在規(guī)范設計要求內，以將比例線的防雷保護作用充分進行發(fā)揮。避雷保護線確定后，需要對避雷線的搭接長度進行相應確定，且焊接避雷線時需要按照技術要求進行焊接，防止出現虛焊與脫落的情況。對于各個電氣設備則需要做好接地處理操作，且需要對配電箱的接地位置進行明確標注，以避免出現各種不規(guī)范誤觸操作。

ymax: 1.0

delta:0.05

參數設計直接影響建圖效果。map_update_interval為地圖更新頻率，此值若設置過高，需要機器人緩慢移動才能準確建圖，否則容易造成建圖失敗或地圖不精確。相反，此值過低容易造成CPU資源浪費。此處設置一個中間值5.0。particles為Rao-Blackwellized粒子濾波算法中粒子數，此處設置為80，保證算法精確的同時還有較高的速度。maxRange、maxUrange根據雷達屬性裁剪激光光束的可用范圍為5.0、4.5，舍棄誤差較大數據，使用并保留傳感器部分精確數值。另外，為減少激光數據的冗余運算量，根據linearUpdate與angularUpdate設置機器人移動0.5 m或0.436 rad后進行一次激光掃描數據的處理。

4 導航系統(tǒng)構建

導航系統(tǒng)是自主導航系統(tǒng)的核心，它能夠依據環(huán)境模型與傳感器信息，完成機器人定位、路徑規(guī)劃與追蹤、實時避障與地圖維護功能。導航系統(tǒng)主要由ROS提供的開源Amcl與Move_base功能包實現。系統(tǒng)結構框架如圖4所示，其各個節(jié)點含義如下：

1)Global_planner 全局路徑規(guī)劃；

圖4 導航系統(tǒng)結構框架Fig.4 Navigation system structure frame

2)Local_planner 局部路徑規(guī)劃、實時避障、發(fā)送機器人移動指令；

3)Recovery_behavior 配置機器人導航失敗時的執(zhí)行動作；

4)Global_costmap 全局代價地圖，提供給全局路徑規(guī)劃器使用；

5)Local_costmap 局部代價地圖，提供給局部路徑規(guī)劃器使用；

6)Amcl 矯正機器人在已知地圖上的位姿信息；

7)Map_serve 為導航系統(tǒng)加載先驗地圖；

8)Sensor transform 發(fā)布機器人各個部件之間的坐標關系；

9)Odometry sources 發(fā)布機器人的里程計信息；

10)Sensor sources 發(fā)布機器人的傳感器信息；

11)Base controller 接收機器人移動指令，實現機器人移動。

其中:1)～5)節(jié)點是導航系統(tǒng)所必須的，由Move_base功能包提供；6)和7)節(jié)點不是導航系統(tǒng)必備節(jié)點，本文為精確機器人定位與加載前端構建的地圖，使用這兩個節(jié)點；8)～11)節(jié)點主要用于發(fā)布機器人的狀態(tài)信息。

4.1 Amcl功能包

機器人運動過程中，會因為地面打滑、漂移等因素造成里程計坐標系與地圖坐標系不重合，形成定位誤差，間接造成機器人卡住、不能沿規(guī)劃的路徑行走等問題。Amcl是2D機器人運動的概率定位系統(tǒng)，實現了自適應蒙特卡羅定位法，通過粒子濾波器跟蹤已知地圖上的機器人位姿，能對機器人進行定位矯正。本文使用Amcl功能包矯正機器人的定位誤差。

運行Amcl功能包需要進行調參與配置，本部分設計參數如下：

odom_model_type: diff

odom_alpha5: 0.1

gui_publish_rate: 10.0

laser_max_beams: 60

laser_max_range: 12.0

min_particles: 500

max_particles: 2 000

laser_likelihood_max_dist: 2.0

update_min_d: 0.25

update_min_a: 0.2

odom_frame_id: odom

resample_interval: 1

transform_tolerance: 1.0

kld_err: 0.05

參數更改直接影響導航效果。其中，odom_model_type為里程計模型類型，設置為兩輪差速；laser_max_range定義雷達掃描范圍為12.0與雷達自身掃描允許的最小范圍，其不需要裁剪激光光束，大量的激光數據將得到更多的周邊環(huán)境信息，有利于定位；min_particles、 max_particles分別設置算法中使用的最小、最大粒子數量為500、2 000，粒子量的增加能提高定位精度。同時，為減小計算量與噪聲影響，通過laser_max_beams設置更新濾波器時僅使用雷達掃描的60個等間距光束。不能過少設計光束個數，否則會因信息量太少造成定位不準確。

4.2 Move_base功能包

Move_base功能包是導航系統(tǒng)的核心，不僅提供全局路徑規(guī)劃器與局部路徑規(guī)劃器，還同時維護兩個代價地圖。其中全局路徑規(guī)劃使用A*算法，用于已知環(huán)境下的路徑規(guī)劃;局部路徑規(guī)劃使用DWA算法，用于實時避障，規(guī)劃機器人每個周期內的角速度、線速度，發(fā)送指令控制機器人底盤移動。

與Amcl、Gmapping功能包一樣，Move_base功能包同樣需要調參、配置后才能使用，以下是配置move_base功能包的四個參數文件。

4.2.1 通用文件配置

此文件配置global_planner全局路徑規(guī)劃器與local_planner局部路徑規(guī)劃器的基本參數如下：

obstacle_range: 2.5

raytrace_range: 3.0

footprint_inflation: 0.01

robot_radius: 0.175

inflation_radius: 0.15

max_obstacle_height: 0.6

min_obstacle_height: 0.0

observation_sources: scan

scan:{data_type:LaserScan,topic:/scan,marking:true,clearing:true,expected_update_rate:0}

其中：obstacle_range設置機器人將2.5 m范圍內障礙物更新到地圖中，以便為下次導航提供最新環(huán)境模型;而對于不存在的障礙物信息，raytrace_range設置若其在機器人周邊3 m范圍內，在地圖中給予清除，防止為下次導航帶來干擾；robot_radius是機器人半徑，以防與障礙物發(fā)生碰撞；inflation_radius將障礙物半徑擴展0.15 m，使得機器人能與障礙物進一步保證安全距離。

4.2.2 全局代價地圖配置

此文件用于配置Move_base功能包所維護的全局代價地圖，參數如下：

global_costmap:

global_frame: map

robot_base_frame: base_footprint

update_frequency: 1.0

publish_frequency: 1.0

static_map: true

rolling_window: false

resolution: 0.01

transform_tolerance: 1.0

map_type: costmap

其中：update_frequency為代價地圖的更新頻率，其值越高地圖精確度越低，值越低則CPU負擔越重，此處要充分保證地圖準確度，設置為1.0 Hz;static_map設置map_server為true，才能加載前端構建的環(huán)境模型。

4.2.3 局部代價地圖配置

此文件用于配置Move_base功能包所維護的局部代價地圖，參數如下：

local_costmap:

global_frame: odom

robot_base_frame: base_footprint

update_frequency: 3.0

publish_frequency: 1.0

static_map: false

rolling_window: true

width: 6.0

height: 6.0

resolution: 0.01

transform_tolerance: 1.0

局部代價地圖參數與全局代價地圖參數含義相同，但考慮到兩者的適用范圍，以及室內復雜性，修改static_map為false，使用動態(tài)地圖，以便于機器人能夠實時探測環(huán)境進行避障；修改rolling_window為true，以保證機器人移動時能夠處在局部代價地圖中心。

4.2.4 本地規(guī)劃器配置

此文件用于配置local_planner局部路徑規(guī)劃器，參數如下：

controller_frequency: 3.0

TrajectoryPlannerROS:

max_vel_x: 0.5

min_vel_x: 0.1

max_vel_y: 0.0

min_vel_y: 0.0

planner_frequency:1.0

latch_xy_goal_tolerance: false

meter_scoring: true

oscillation_reset_dist: 0.05

stop_time_buffer:0.2

sim_granularity: 0.025

angular_sim_granularity: 0.025

dwa: true

其中：controller_frequency設置系統(tǒng)發(fā)布移動指令頻率為3.0 Hz，使得機器人能及時接收信息并做出移動;dwa設置系統(tǒng)使用DWA算法用于局部路徑規(guī)劃;planner_frequency對全局路徑規(guī)劃的執(zhí)行頻率設置為1.0 Hz，使得機器人突遇障礙物時，仍然能沿一條最優(yōu)路徑移動;另外，為防止機器人因剎車不及時觸碰到障礙物，根據stop_time_buffer設置機器人提前停止的時間長度為0.2 s。

5 仿真驗證

為了驗證所設計自主導航系統(tǒng)的可行性，在Gazebo仿真軟件下，加載設計的URDF移動機器人模型，使其搭載自主導航系統(tǒng)并在所設計的室內環(huán)境下，測試機器人的導航效果。

5.1 實驗環(huán)境

本次仿真軟件環(huán)境為：操作系統(tǒng)Ubuntu16.04，ROS Kentic，物理仿真軟件Gazebo，數據可視化軟件Rviz。硬件環(huán)境為：內存8 G，顯卡GTX 850，CPU 核心頻率2.9 GHz，型號酷睿i5-4210H。

5.2 仿真測試

5.2.1 地圖構建

Gazebo仿真軟件設置的室內信息與加載的機器人模型如圖5所示。啟動自主導航系統(tǒng)前端，控制機器人移動使其感知環(huán)境信息并建圖。地圖構建過程如圖6所示，其左側為運行在Gazebo仿真環(huán)境中的機器人，右側是Rviz對機器人構建的地圖數據進行可視化。機器人最終能夠獲取與室內環(huán)境相符的地圖。

圖5 Gazebo仿真環(huán)境Fig.5 Gazebo simulation environment

圖6 二維柵格地圖的構建與定位Fig.6 Construction and positioning of two-dimensional grid map

5.2.2 路徑規(guī)劃

啟動自主導航后端，加載前端構建的地圖，以機器人所在點為A，設置目標點為B，測試路徑規(guī)劃與定位功能。實驗過程如圖7所示，其左側為運行在Gazebo仿真環(huán)境中的機器人，右側是Rviz可視化的地圖數據、導航系統(tǒng)確定的機器人位姿數據和規(guī)劃的路徑數據。機器人能夠在地圖中準確定位，規(guī)劃一條從A點到B點的最優(yōu)路線并使其自動追蹤。

圖7 路徑規(guī)劃Fig.7 Route plan

5.2.3 實時避障

重新啟動自主導航后端，加載前端構建的地圖，以機器人所在點為A，設置目標點為B，在導航系統(tǒng)控制機器人移動時，在前方添加障礙物，測試其避障功能。移除障礙物，設置目標點C，測試機器人能否及時更新地圖并順利到達C點。實驗過程如圖8所示，其左側為運行在Gazebo仿真環(huán)境中的機器人，右側是Rviz可視化的地圖數據、導航系統(tǒng)確定的機器人位姿數據和規(guī)劃的路徑數據。機器人能夠及時避障且更新地圖。

圖8 實時避障Fig.8 Real-time obstacle avoidance

5.3 仿真分析

對于前端環(huán)境建模，根據圖6二維柵格地圖構建過程，可以看出機器人每移動至新位置，均能通過傳感器感知環(huán)境及時更新地圖，最后獲得的地圖信息也基本與機器人所處環(huán)境相同。說明在此設計中，Gmapping功能包使用合理且其參數設計可行。對于后端，根據圖7可以看出，機器人能夠比較準確定位自身到環(huán)境模型中，甚至移動至目標點后，其位置依舊比較準確。同時，圖7中機器人根據地圖規(guī)劃出來的綠色行進路線，也不存在冗余路段，路徑最短且比較平滑。在圖8中，在規(guī)劃的綠色路徑上臨時放置障礙物，機器人能夠將傳感器探測到的部分障礙物信息及時更新至地圖，并通過局部路徑規(guī)劃算法進行避障，移除臨時障礙物，機器人也能夠將其信息在地圖中及時清除，其中，紅色路線是機器人實際行走信息。最后，對導航過程進行綜合分析，發(fā)現突遇障礙物時機器人避障時間略長，因此后期將對局部路徑規(guī)劃DWA算法進行改進，繼而提高自動導航系統(tǒng)效率。

6 結束語

本文以機器人操作系統(tǒng)ROS為開發(fā)平臺，應用其提供的開源功能包，經過配置、調參、組合，設計出能夠用于室內機器人的自主導航系統(tǒng)，設計URDF機器人模型、設置仿真環(huán)境，使機器人模型搭載自主導航系統(tǒng)并在仿真環(huán)境中進行測試。結果表明，機器人能夠準確地學習地圖信息，并且在地圖中進行路徑規(guī)劃，做到路徑跟隨與實時避障，為后期基于ROS操作系統(tǒng)設計真實機器人，提供了理論參考和實際應用價值。