北方工業(yè)大學(xué)信息學(xué)院 趙周權(quán) 劉博文 宋卓儒 任 德

在電子信息、計算機、以及AI等領(lǐng)域發(fā)展下，車輛集群已經(jīng)受到了眾多學(xué)者關(guān)注。浙江理工大學(xué)學(xué)者提出了一種分層式的智能小車軟件系統(tǒng)框架設(shè)計與路徑規(guī)劃方法研究，上海交通大學(xué)學(xué)者研制了CvberC3智能車，實現(xiàn)了基于視覺、磁傳感器、激光雷達等傳感器導(dǎo)航的實驗驗證。

本文以創(chuàng)樂博出品的小車平臺作為研究對象，采用話題訂閱作為車-車通訊協(xié)議，同時采用WIFI和互聯(lián)網(wǎng)進行遠(yuǎn)端到主機的信息傳輸，使用PID算法實現(xiàn)小車的控制。實現(xiàn)小車集群的通訊、控制、協(xié)同等，為未來進一步的現(xiàn)實測試提供理論和實踐基礎(chǔ)。

1 ROS小車編隊運動模型

小車基于室內(nèi)全向移動機器人技術(shù)通過ROS STM32驅(qū)動板控制，測量小車狀態(tài)。使用了ROS Ubuntu mate 16.04系統(tǒng)控制主板，傳輸信息，可視化界面，計算位置等功能。小車編隊由1輛領(lǐng)航者和2輛跟隨者組成。每輛小車都有左右兩個履帶馬達，一臺激光測距模塊和互相之間通訊的Wi-Fi模塊。PC端與領(lǐng)航者使用ROS實時通訊，領(lǐng)航者與跟隨者使用ROS創(chuàng)建話題進行實時通訊。最后通過PC平臺分析小車傳回的數(shù)據(jù)，驗證并實現(xiàn)了小車編隊。

1.1 小車運動學(xué)模型

如圖1所示，此模型使用[x,y,θ,ω]來確定小車的運動狀態(tài)。其中，[x,y]為小車質(zhì)心在笛卡爾坐標(biāo)平面的位置坐標(biāo)，θ為小車在水平方向的方向角，ω為小車的兩個輪子速度。由于小車是雙輪差分驅(qū)動。通過雙輪差動機器人曲線算法，可以使用如下計算小車的速度為：

其中v為車相對于地面的速度，ωL為左輪的線速度，ωR為右輪的線速度；小車的角速度為（左轉(zhuǎn)，即當(dāng)ωL<ωR時）：

其中ωC為小車的角速度，l為小車兩輪間距。

本文主要研究了輪式機器人楔形隊列編隊實現(xiàn)，為了能形成特定隊形，小車編隊需要確定隊形參考點。本文使用領(lǐng)航者作為參考點，基于領(lǐng)航者的位置決定參考點位置。

圖1 雙輪差分驅(qū)動小車運動模型

圖2 小車編隊拓?fù)浣Y(jié)構(gòu)

圖3 小車楔形編隊

如圖2所示，PC創(chuàng)建一個話題，將設(shè)定的目標(biāo)點(x,y,θ)生成std_msgs通過topic發(fā)送到領(lǐng)航者節(jié)點。通過領(lǐng)航者內(nèi)置導(dǎo)航模塊，并實時獲取小車位置信息(x1,y1,θ1)由此計算出跟隨者1，跟隨者2的位置坐標(biāo)(x2,y2,θ2)和(x3,y3,θ3)將其生成std_msgs通過topic發(fā)送到跟隨者1節(jié)點和跟隨者2節(jié)點。

1.2 編隊實現(xiàn)PID算法

控制結(jié)構(gòu)是遠(yuǎn)端指揮小車集群的主要方式，控制結(jié)構(gòu)主要關(guān)心遠(yuǎn)端-主車（遠(yuǎn)端控制器）向一臺人為設(shè)置的，功能更加完善的主車發(fā)送消息，指定集群要到達的位置或完成的目標(biāo)的交互和主車-從車（主車將遠(yuǎn)端下發(fā)的任務(wù)拆解為一個個從車需要執(zhí)行的動作，并通過內(nèi)部聯(lián)絡(luò)機制進行通訊、分發(fā)和確認(rèn)）的交互，如果是以分布式系統(tǒng)為主要控制結(jié)構(gòu)的小車集群，則是遠(yuǎn)端-集群的控制方式，即遠(yuǎn)端作為集群網(wǎng)絡(luò)的一個節(jié)點，直接向網(wǎng)絡(luò)發(fā)送指令，邏輯上靠近遠(yuǎn)端或先收到指令的小車解析指令并轉(zhuǎn)化為自身執(zhí)行的動作，并將該指令轉(zhuǎn)發(fā)給其他節(jié)點。

本文利用ROS_TOPIC實現(xiàn)無人車通信控制，并利用/odom與/cmd_vel實現(xiàn)無人車的移動控制功能。采取控制算法是分布式PID算法。本文采用了分布式PID控制算法，每個小車僅使用其鄰居的相對距離誤差作為控制反饋，實現(xiàn)協(xié)同控制，通信拓?fù)淙鐖D2所示?？刂扑惴ㄈ缦拢?/p>

2 分布式ROS小車編隊實驗

實驗環(huán)境地點為北方工業(yè)大學(xué)智能仿生感知聯(lián)合研究中心，實驗時間為15:00，實驗場地?zé)o遮擋，且地面光滑平坦。智能編隊系統(tǒng)采用了消費級IMU，型號為MPU-6050，其角速度全格感測范圍為±250、±500、±1000與±2000°/sec，敏感度為131 LSBs/°/sec ，以數(shù)字輸出6軸或9軸的旋轉(zhuǎn)矩陣、四元數(shù)歐拉角格式的融合演算數(shù)據(jù)。激光雷達型號為RPLIDAR-A1，測量頻率為8000/s，掃描頻率為5.5HZ。本實驗中智能無人車的編隊基于ROS的底層通訊，利用ROStopic從主機端傳輸ros_msg到從機端，如圖3所示，實驗中，通過控制主車沿正方形路徑進行移動，并返回起點。運動過程中，主車不斷地發(fā)送自身的位置信息，兩輛從車根據(jù)接收到的主車運動位置的變化，會跟隨主車進行協(xié)同運動并保持隊形不變。從實驗結(jié)果表明，基于ROS的小型無人車智能協(xié)同編隊表現(xiàn)情況優(yōu)異，可應(yīng)用于實際中。

3 結(jié)論

本文在傳統(tǒng)ROS小車激光導(dǎo)航的基礎(chǔ)上增加了小車間通信的模塊，實現(xiàn)車輛實時的信息傳輸。并借此使用領(lǐng)航者-跟隨者模型實現(xiàn)了小車編隊間坐標(biāo)傳輸。分別實現(xiàn)了一字編隊與楔形隊列的算法。在未來研究中，可以基于此模型進行更為復(fù)雜的六邊形編隊，以及實現(xiàn)對個別車輛的運動狀態(tài)進行微調(diào)。