李賀喜，李富強，牛童立，李 康，杜邊境

(中國礦業(yè)大學徐海學院，江蘇 徐州 221000)

0 引言

從20世紀機器人誕生以來，經過多年的技術革新與發(fā)展，機器人技術由傳統(tǒng)的只能在預設的熟悉環(huán)境中進行機械性重復運動的工業(yè)機器人，轉變?yōu)榫哂凶灾鞫ㄎ?、自主建圖、自動導航的智能機器人。在未來，無人駕駛汽車、巡檢機器人等設備的發(fā)展都需要用到機器人的路徑規(guī)劃與自主導航功能。因此，移動機器人的自主導航能力至關重要。本文利用SLAM技術實現(xiàn)移動中的不斷自主定位，同時把對環(huán)境的感知建立起全局的地圖，移動機器人便可以通過算法制定最優(yōu)的路徑。

1 ROS系統(tǒng)與SLAM技術簡介

Robot Operating System簡稱ROS，是一個機器人軟件平臺。ROS在機器人項目開發(fā)的過程中提供了大量的實用工具和package，憑借開源優(yōu)勢，除了ROS官方發(fā)布的功能包之外，在多個互聯(lián)網平臺上有全球的機器人軟件開發(fā)者發(fā)布的特殊功能的包，為其他機器人開發(fā)者節(jié)約了大量的時間和精力，大大提高了機器人開發(fā)效率[1]。

SLAM(Simultaneous Localization and Mapping)其意為即時定位與建圖技術。將一個機器人放置于完全陌生的環(huán)境中，可以通過SLAM技術將環(huán)境中的地圖在移動的過程中建立出來，同時定位自身所處位置。目前，有以下幾種主流的SLAM算法：Hector SLAM、Gmapping、Karto SLAM、Cartographer[2]。

2 SLAM算法的選擇與分析

Gmapping是基于濾波SLAM框架的開源算法，也是目前應用最多的2D SLAM方法，利用激光點云數(shù)據結合機器人的位姿進行定位建圖。建立精確柵格地圖的過程中會使用到RBPF(Rao-Blackwellised Particle Filter)粒子濾波算法[3]，將定位和建圖過程分離，先定位再建圖。Hector-SLAM算法在建圖過程中會因移動機器人的運行速度過快或者環(huán)境中特征點較少等因素，出現(xiàn)定位不準確，建圖過程中產生“打滑”現(xiàn)象[4]。而Gmapping與Hector SLAM的重要區(qū)別是Gmapping加入了里程計數(shù)據，避免了“打滑”現(xiàn)象，并且對激光雷達頻率要求低。因此Gmapping算法比Hector SLAM算法穩(wěn)定、建圖效果好。

綜合考慮實際情況，本項目采用了Gmapping方法作為移動機器人的定位建圖的策略。主要考慮兩個方面：①機器人安裝的是低成本激光傳感器，Gmapping算法對激光傳感器頻率要求低，并且機器裝有里程計傳感器可以輔助Gmapping算法定位建圖。②仿真和應用場景面積相對較小，依據Gmapping建圖的基本原理，在構建小場景地圖時所需計算量小并且精度高，因此使用Gmapping算法是比較適合的。

3 Gazebo下的模型搭建與仿真實現(xiàn)

3.1 仿真模型搭建

首先通過終端打開Gazebo軟件，在指令中執(zhí)行roslaunch命令打開Gazebo并非直接打開，這樣的區(qū)別在于用roslaunch命令打開后Gazebo的運行就包含了一個通信節(jié)點，而當Gazebo的啟動信息放置在launch文件中作為節(jié)點時，可以把后續(xù)的運行與之結合起來，避免其脫離整個工程而單獨存在，在后續(xù)的執(zhí)行過程中可以把多個節(jié)點置于同一個launch文件中，這樣就可以通過單一launch文件的運行指令啟動多個節(jié)點，此方式極大地簡化了整個項目各個部分。結合Gazebo的強大仿真能力，我們根據項目實際情況，自建仿真環(huán)境，預設了仿真場景。

模型的創(chuàng)建有兩種方法：第一種是直接用代碼寫一個URDF的模型文件，以此來描述模型的特征。URDF文件是一種特殊的xml文件格式，是一種描述型文件，通常用于機器人模型的創(chuàng)建。通過URDF文件建立機器人模型要對各部分概念有一定的認識，首先是link和joint，link之間的連接通過joint實現(xiàn)，其類似與機器人的關節(jié)的存在，而link的放置還需要設置位置信息和形狀信息，這樣看來link并非是質點的存在，所以對于link的描述不僅需要3個維度的坐標信息，還要有其各個維度的旋轉信息，也即繞x軸的偏轉(yaw)、繞y軸的俯仰(pitch)、繞z軸的滾動(roll)，同時此處的偏轉信息使用的是弧度進行的描述。在link的放置中要避免產生重合，所以又引入了collision標簽對其進行約束。第二種是通過3D建圖軟件solideworks作出機器人模型的形狀，然后導出成URDF文件。綜合考慮后，選用代碼實現(xiàn)了機器人模型的創(chuàng)建。

3.2 仿真環(huán)境SLAM實現(xiàn)

前文中成功完成了Gazebo中場景模型的搭建，以下將在自建的環(huán)境中進行SLAM算法的實現(xiàn)，在程序的運行中為了清楚地了解各個節(jié)點的話題訂閱以及發(fā)布情況，使用ROS系統(tǒng)指令rqt_graph可以查看各個節(jié)點之間的通信聯(lián)系。軟件會自動生成節(jié)點間關系圖。

節(jié)點關系圖可以輔助解決調試過程中的問題，在圖中可以清楚地看到各個節(jié)點的運行情況和各個節(jié)點之間的話題訂閱關系，在調試中出現(xiàn)問題可以快速定位是否有節(jié)點訂閱信息出錯以及是否有節(jié)點缺失。

通過鍵盤控制指令讓turtlebot在場景中行進，在鍵盤控制時需要注意讓鍵盤控制指令運行的所在終端始終浮于rviz的上方，否則無法激活鍵盤控制。確?？刂茩C器人在預設場景中得到充分的運動，否則建圖將不完整，影響建圖效果。最終形成仿真中機器人在場景充分運動后生成的2D平面地圖，成功完成了機器人在仿真環(huán)境中Gmapping方法的建圖與定位。

4 結語

本文對ROS以及SLAM技術作了簡單的闡述，深入介紹了Gmapping方法的基本特征、適應場景；運用Gazebo工具進行了仿真實現(xiàn)，介紹了仿真模型的搭建過程、仿真模型的URDF文件編寫、運行turtlebot在自建的場景中完成了建圖與定位工作，即SLAM算法的仿真實現(xiàn)。對于不同功能的智能移動機器人，自主導航都是其根本所在，在載體平臺依據需求加上不同的傳感器則可實現(xiàn)所需要求。在未來，移動機器人的SLAM技術將進一步優(yōu)化并將更加廣泛應用到人們的日常生活中，更好地服務于人類社會。