魯 翔，彭緒富，2

(1.湖北師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，湖北 黃石 435002；2.湖北師范大學(xué) 文理學(xué)院，湖北 黃石 435000)

0 引言

隨著科學(xué)技術(shù)的發(fā)展，人工智能的興起，移動(dòng)機(jī)器人迅速發(fā)展[1]，目前，機(jī)器人已經(jīng)廣泛應(yīng)用在工業(yè)、農(nóng)業(yè)、醫(yī)療、服務(wù)、軍事、娛樂(lè)日常生活等多個(gè)領(lǐng)域，甚至在危險(xiǎn)、骯臟和枯燥的環(huán)境中也有很好的應(yīng)用[2]。然而在很多情況下，機(jī)器人工作空間的信息都是未知的，比如在礦井檢測(cè)、深海探索、危險(xiǎn)救援[3]等工作環(huán)境下，人類(lèi)無(wú)法進(jìn)入其中探測(cè)情況，所以需要移動(dòng)機(jī)器人進(jìn)入對(duì)其進(jìn)行探測(cè)，構(gòu)建出環(huán)境的地圖。只有在具備了先驗(yàn)地圖的情況下，才能進(jìn)行相應(yīng)的導(dǎo)航、路徑規(guī)劃、避障和其他操作[4]?，F(xiàn)在大多數(shù)的建圖算法，例如Hector SLAM、Karto SLAM和Cartographer[5，6]等，都是通過(guò)人工手動(dòng)、使用鍵盤(pán)或者游戲桿進(jìn)行控制機(jī)器人移動(dòng)，通過(guò)激光雷達(dá)掃描地圖進(jìn)行構(gòu)建地圖[7]。在面對(duì)大而復(fù)雜的環(huán)境中，會(huì)比較消耗人力物力，因此機(jī)器人的自主探索建圖至關(guān)重要[8]。

本文提出一種基于邊界探索的自主探索建圖算法，結(jié)合了Frontier_exploration和Gmapping算法，機(jī)器人操作系統(tǒng)(Robot Operating System,ROS)下實(shí)現(xiàn)指定區(qū)域建圖，分別通過(guò)仿真和實(shí)驗(yàn)驗(yàn)證了該算法建圖效果良好。

1 算法原理分析

從ROS系統(tǒng)出發(fā)，實(shí)現(xiàn)指定區(qū)域建圖，主要實(shí)現(xiàn)運(yùn)用Gmapping算法和Frontier_exploration算法進(jìn)行定位建圖與邊界探索，通過(guò)move_base包發(fā)布命令實(shí)現(xiàn)機(jī)器人移動(dòng)。

1.1 機(jī)器人操作系統(tǒng)ROS

ROS是運(yùn)行在Ubuntu等主操作系統(tǒng)上的次級(jí)操作系統(tǒng)，具有分布式的開(kāi)源軟件架構(gòu)，支持C++、Python等多種編程語(yǔ)言，集成了用于機(jī)器人視覺(jué)開(kāi)發(fā)的OpenCV庫(kù)，擁有SLAM地圖構(gòu)建和導(dǎo)航功能包。ROS可以使用標(biāo)準(zhǔn)化機(jī)器人描述格式(URDF)建立自己的機(jī)器人模型，也可以使用Gazebo仿真軟件，建立理想的模擬環(huán)境，在模擬環(huán)境中，驅(qū)動(dòng)機(jī)器人進(jìn)行避障，路徑規(guī)劃，地圖構(gòu)建和導(dǎo)航等仿真實(shí)驗(yàn)[9]。

1.2 Frontier_exploration算法

Frontier_exploration全稱(chēng)Frontier-based exploration，基于邊界探索方法，由Yamauchi[10]首次提出，核心思想是移動(dòng)機(jī)器人根據(jù)目前已知的環(huán)境信息，通過(guò)傳感器掃描周?chē)h(huán)境找尋未知區(qū)域和空閑區(qū)域的交界處(即邊界)，來(lái)獲取更多環(huán)境信息[11]。Frontier_exploration算法通過(guò)證據(jù)柵格的方式來(lái)表示地圖。根據(jù)傳感器獲得的信息，判斷當(dāng)前環(huán)境是否被占用，可以將所有的區(qū)域分為：未知區(qū)域、空閑區(qū)域、障礙區(qū)域。三種區(qū)域地圖顯示如圖1：

圖1 區(qū)域比較圖(黑色部分代表障礙區(qū)域，灰色部分代表未知區(qū)域，白色部分代表空閑區(qū)域)

帶有F標(biāo)志的處于未知區(qū)域和空白區(qū)域的交界處，為邊界區(qū)域，機(jī)器人通過(guò)選擇邊界長(zhǎng)度大于自身閾值且距離最近的邊界區(qū)域，來(lái)進(jìn)行下一步的探索[12]。

1.3 Gmapping算法

Gmapping是基于濾波SLAM框架的常用開(kāi)源SLAM[13，14]算法。由于Gmapping算法可以實(shí)時(shí)構(gòu)建地圖，在構(gòu)建小場(chǎng)景地圖所需的計(jì)算量較小且精度較高[15]，本文實(shí)驗(yàn)環(huán)境為室內(nèi)環(huán)境，因此采用該算法作為實(shí)驗(yàn)定位與建圖算法。

1.4 move_base包

move_base是ROS下關(guān)于機(jī)器人路徑規(guī)劃的中心樞紐。它通過(guò)訂閱激光雷達(dá)、map地圖、amcl的定位等數(shù)據(jù)，然后規(guī)劃出全局和局部路徑，再將路徑轉(zhuǎn)化為機(jī)器人的速度信息，最終實(shí)現(xiàn)機(jī)器人導(dǎo)航。

2 系統(tǒng)結(jié)構(gòu)

結(jié)合Frontier_exploration算法、Gmapping算法實(shí)現(xiàn)指定區(qū)域建圖，建圖流程如圖2所示：

圖2 建圖流程圖

1)結(jié)合rviz可視化界面，指定機(jī)器人要探索的目標(biāo)區(qū)域(注：目標(biāo)區(qū)域?yàn)橐粋€(gè)封閉圖形)。

2)開(kāi)始使用Gmapping算法定位與構(gòu)建局部地圖，探索檢測(cè)未知區(qū)域和空閑區(qū)域的交界處，作為邊界。

3)設(shè)置一個(gè)閾值，閾值一般設(shè)置為機(jī)器人的直徑，判斷檢測(cè)到邊界的長(zhǎng)度與閾值大小，如果邊界長(zhǎng)度小于閾值，則為無(wú)效邊界，放棄該邊界并記錄；如果邊界長(zhǎng)度大于閾值，則將該邊界加入待探索邊界組。

4)在待探索邊界組中，采取距離最近原則探索邊界，使用move_base包控制移動(dòng)機(jī)器人，在探索該邊界的同時(shí)更新地圖，再繼續(xù)移動(dòng)機(jī)器人，查看是否仍有未探索的邊界，若有，則返回第二步繼續(xù)進(jìn)行，直至再無(wú)未探索邊界后，建圖完成。

3 實(shí)驗(yàn)過(guò)程及分析

3.1 硬件系統(tǒng)

采用基于兩輪差速驅(qū)動(dòng)的Turtlebot3平臺(tái)，如圖3所示。硬件搭配有華夫板底盤(pán)、基于Arduino的開(kāi)源控制板OpenCR、樹(shù)莓派3B+、存儲(chǔ)卡、計(jì)算機(jī)、編碼器、IMU(慣性測(cè)量單元)、360°激光傳感器LiDAR等器件。

圖3 Turtlebot3機(jī)器人

3.2 軟件系統(tǒng)

分別在計(jì)算機(jī)和樹(shù)莓派3B+上安裝Ubuntu16.04系統(tǒng)和Ubuntu mate16.04 系統(tǒng)，配上相應(yīng)版本的ROS Kinetic Kame系統(tǒng)，通過(guò)SSH服務(wù)使得計(jì)算機(jī)與樹(shù)莓派進(jìn)行信息交互。指定區(qū)域建圖算法建圖時(shí)，通過(guò)接收激光傳感器掃描環(huán)境信息數(shù)據(jù)、里程計(jì)數(shù)據(jù)和IMU數(shù)據(jù)，實(shí)現(xiàn)初步地圖建立與定位，通過(guò)rviz可視化軟件指定建圖區(qū)域，通過(guò)move_base包發(fā)布速度指令通過(guò)OpenCR電路板發(fā)布到機(jī)器人底盤(pán)，從而控制機(jī)器人移動(dòng)和建圖。

3.3 仿真及結(jié)果分析

基于Gazebo仿真平臺(tái)，建立了一個(gè)如圖4右側(cè)的仿真環(huán)境，仿真環(huán)境為一個(gè)六邊形加九個(gè)圓柱組成，分別對(duì)Gmapping算法和本文提出的指定區(qū)域建圖算法進(jìn)行模擬仿真，圖4和圖5分別展示了兩種算法建圖的過(guò)程，Gmapping算法通過(guò)鍵盤(pán)控制機(jī)器人移動(dòng)掃描環(huán)境建圖，后者通過(guò)rviz可視化軟件，運(yùn)行Publish Point來(lái)給定探索區(qū)域進(jìn)行建圖，建圖完成后兩種算法保存的地圖對(duì)比如圖6所示，建圖所需時(shí)間如表1所示。

圖4 Gmapping算法建圖

圖5 指定區(qū)域建圖算法建圖

表1 兩種算法建圖時(shí)間對(duì)比分析

圖6 兩種算法仿真建圖結(jié)果對(duì)比

對(duì)比仿真建圖的結(jié)果和建圖所需時(shí)間對(duì)比，在環(huán)境地圖較規(guī)則的時(shí)候，本文提出的指定區(qū)域建圖算法和常用的Gmapping算法建圖效果無(wú)差別，然而本算法建圖時(shí)間更短，而且只用給定一個(gè)初始探索的區(qū)域，后續(xù)建圖便不需要人手工控制，更方便。

3.4 實(shí)驗(yàn)及結(jié)果分析

在此搭建一個(gè)總尺寸為4×4m小型實(shí)驗(yàn)環(huán)境，如圖7所示，為了排除人為走動(dòng)對(duì)建圖的影響，實(shí)際機(jī)器人探索建圖的環(huán)境為紅線(xiàn)以上的部分。

圖7 實(shí)驗(yàn)環(huán)境地圖

兩種算法建圖過(guò)程和仿真，對(duì)比圖8中兩種算法結(jié)果，可以看出兩種算法對(duì)環(huán)境建圖效果大致上都能滿(mǎn)足后續(xù)導(dǎo)航的需要，而本算法建圖時(shí)間更短，但是在障礙物細(xì)小且過(guò)多的情況下，建圖效果不如Gmapping算法，在這些地方容易出現(xiàn)自轉(zhuǎn)不前等情況。

圖8 兩種算法實(shí)驗(yàn)建圖結(jié)果對(duì)比

4 結(jié)論

本文提出了一種基于邊界探索的指定區(qū)域建圖算法，從仿真和實(shí)際環(huán)境下，對(duì)比Gmapping算法建圖效果，兩種算法都能夠完整地探索環(huán)境并建立地圖。在較為寬敞且規(guī)則的環(huán)境下，本文算法在建圖效率更好。Gmapping算法因?yàn)樵谌藶榭刂葡?，速度過(guò)快或者過(guò)慢都會(huì)影響建圖的效果，有時(shí)需要多次探索重復(fù)的地方，本文算法則不會(huì)出現(xiàn)該問(wèn)題。但是在過(guò)于復(fù)雜且障礙物過(guò)多的情況下，本文算法建圖效果略差，且有時(shí)會(huì)在原地打轉(zhuǎn)，這也是后續(xù)需要優(yōu)化的重點(diǎn)之一。