楊國元，呂曉軍，李 超，李依諾

（中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京100081）

隨著人工智能、機器人技術的發(fā)展，國內外研究機構、學者、企業(yè)紛紛對工業(yè)機器人、服務機器人展開研究。工業(yè)機器人已成功應用于制造、紡織、噴繪等行業(yè)，服務機器人也占據了較大的國內市場份額，通過利用智能化、信息化以及網絡化等技術，加速推進服務機器人在眾多領域的發(fā)展及落地[1]。其中，自主移動機器人成為一個重要的研究方向和熱點，相對于傳統(tǒng)的固定式服務機器人，自主移動機器人具有更強的實用性，能夠自主移動，部分代替人從事一些復雜或重復性的工作。目前，在廣州南站、上海虹橋站、鄭州東站、大連北站等鐵路客運車站內，已展開服務機器人的應用，但其功能還相對單一，僅限于語音問詢，雖能部分代替客運服務人員的語音問詢工作，尚未實現(xiàn)自主移動為旅客提供便捷的移動服務。

目前，國內外學者及研究機構在移動機器人領域展開了深入研究。2010年1月，美國Willow Garage公司發(fā)布了機器人操作系統(tǒng)（ROS，RobotOperating System）1.0版本；該系統(tǒng)具有開源、分布式管理等優(yōu)點，底層為操作系統(tǒng)[2]，上層為實現(xiàn)定位、導航、路徑規(guī)劃等具體功能的軟件包。E.Voisan[3]設計了基于ROS的服務機器人，可在巡視區(qū)域內，通過人像識別、圖像處理等技術實現(xiàn)人機交互。I.Afanasyev[4]設計了基于ROS的機器人，通過在未知環(huán)境中構建3D環(huán)境地圖，驗證機器人在此地圖環(huán)境中定位導航的可行性。左軒塵等人[5]以ROS為基礎，利用人體姿態(tài)和語音技術，實現(xiàn)空間機器人的人機交互，解決了傳統(tǒng)空間機器人操縱不便的難題。壽佳鑫[6]以ROS為核心，研究設計了移動機器人系統(tǒng)的定位、導航、認知與決策、以及運動控制模塊，論證了移動機器人平臺設計理念的可行性。

本文主要從移動機器人的硬件、軟件架構兩方面展開研究，在此基礎上，研究適用于鐵路客運車站移動服務機器人（簡稱：移動機器人）的地圖構建技術、定位技術、路徑規(guī)劃技術，提出路徑規(guī)劃算法，以滿足移動機器人在鐵路客運車站復雜場景下自主定位、導航及路徑規(guī)劃等功能需求。

1 基于ROS的移動機器人架構

1.1 硬件架構

鐵路客運移動機器人主要滿足在鐵路客運車站場景下機器人的定位、行走、避障等。移動機器人硬件主要包括：移動底盤和環(huán)境感知傳感器。其中，移動底盤主要實現(xiàn)機器人的前行、后退、左轉、右轉、避障、停止等；環(huán)境感知傳感器主要實現(xiàn)機器人對環(huán)境信息的采集、識別、分析等，主要有激光雷達、超聲、紅外、視覺等傳感器。

移動機器人的硬件架構如圖1所示。

ROS是基于Linux 二次開發(fā)的系統(tǒng)，是移動機器人的控制核心，將機器人的定位、地圖構建、基于已知地圖的導航、機器人底盤驅動控制等功能模塊化。

圖1 基于ROS的移動機器人硬件架構

移動機器人利用環(huán)境感知傳感器采集環(huán)境信息，上傳到機器人ROS，經ROS識別、分析、處理后，發(fā)布指令，通知移動底盤停止、前行、避障等，實現(xiàn)由ROS對底盤電機的驅動控制；移動底盤根據指令執(zhí)行相應動作，并將執(zhí)行結果反饋給ROS，從而實現(xiàn)機器人的定位、移動、避障等功能。

1.2 軟件架構

軟件層面上，移動機器人將機器人的控制、感知、定位導航等功能模塊進行集成整合，通過各功能模塊的驅動，利用以太網、USB等進行數據交互，將機器人采集的環(huán)境信息發(fā)送到驅動層；驅動層通過驅動軟件控制傳感器正常工作，并將接收到的環(huán)境信息發(fā)送至算法層，進行復雜算法處理，然后再將處理結果反饋給驅動層，由驅動電機執(zhí)行相應的任務；同時，表現(xiàn)層將處理結果通過可視化界面展示出來。移動機器人的軟件架構如圖2所示。

圖2 移動機器人軟件架構

軟件架構劃分為4個層次：數據層，驅動層，算法層，表現(xiàn)層[7]。

（1）數據層：主要通過移動機器人傳感器之間的相互協(xié)同，獲取機器人的運行狀態(tài)信息、位置信息、電量信息以及機器人周圍的環(huán)境信息等。

（2）驅動層：主要是機器人的底層驅動函數，其組件包括傳感器、執(zhí)行器以及運行驅動軟件的硬件；驅動層實現(xiàn)傳感器正常工作，還可以將傳感器數據上傳至算法層。

（3）算法層：主要是機器人的控制算法, 為機器人構建環(huán)境地圖，使機器人能在行走過程中根據周圍的障礙物進行動態(tài)路徑規(guī)劃，生成控制代碼，然后發(fā)送至驅動層，以驅動電機。

（4）表現(xiàn)層：主要為機器人與用戶之間的人機互動，或在圖形化界面顯示相關信息，主要包括機器人走行速度、方向角、坐標、機器人電量、環(huán)境信息等。

2 關鍵技術研究

2.1 基于SLAM的移動機器人地圖構建技術

即時定位與地圖構建（SLAM，Simultaneous LocalizationandMapping）主要用于研究機器人移動的智能化，即在未知的環(huán)境中，通過配置激光雷達、紅外等核心傳感器，幫助機器人實現(xiàn)自主構建地圖、自主定位、路徑規(guī)劃及以避障。

基于SLAM 的移動機器人所構建的地圖采用柵格來表示，即將整個環(huán)境分為若干大小相同的柵格，然后標記出每個柵格是否存在障礙物，再將這些柵格拼接在一起，形成機器人定位、避障的地圖。采用SLAM 構建地圖的優(yōu)點在于創(chuàng)建、維護地圖數據較為容易，可保留整個環(huán)境的信息；利用該地圖，機器人可以快速地定位、導航、路徑規(guī)劃和避障。

SLAM地圖構建算法（如圖3所示）描述如下：

（1）機器人使用環(huán)境感知傳感器測量地標相對于機器人的距離和角度，記錄環(huán)境的特征位置，提取特征，在地圖上標記，進行數據關聯(lián)；

（2）機器人運動一段距離后，通過運動方程預測新位置，進行狀態(tài)估計，估計當前姿態(tài)相對于上一時刻姿態(tài)的變化量；

（3）機器人在新的位置上，通過環(huán)境感知傳感器重新測量地標相對于機器人的距離和角度，并通過激光點修正上一步的估計，進行狀態(tài)更新；

（4）如此反復，機器人將指定區(qū)域完整地掃描一遍，記錄下整個區(qū)域的特征，標注在地圖上，完成地圖構建。

圖3 SLAM地圖創(chuàng)建過程

圖3 中，R表示機器人的位置，C表示地標，即機器人周圍環(huán)境中的靜止點（或特征點）。當機器人從位置R1移動到位置R5的過程中，通過激光雷達和視覺傳感器不斷記錄地標C1、C2、C3的特征信息，并進行數據融合，然后通過卡爾曼濾波對數據進行預處理，作為整個環(huán)境感知傳感器的輸入；最后，通過SLAM算法構建出地圖。本文選取車站辦公區(qū)域走廊，利用SLAM 地圖構建算法，所繪制的地圖如圖4所示。

圖4 SLAM構建地圖

圖4 中，白色區(qū)域為機器人可通行區(qū)域，灰色區(qū)域為機器人不可通行區(qū)域。其中，白色區(qū)域中灰色點為障礙物（即地標），當機器人移動到灰黑色點位置附近時，會自動繞過灰黑色點，即實現(xiàn)自動避障。

2.2 基于SLAM的移動機器人自主定位技術

移動機器人精準移動的關鍵要素之一是可靠的定位性能。目前，機器人定位[8]的方法主要分為自主和非自主定位兩類。自主定位是指機器人僅依靠自身的傳感器進行定位。非自主定位是指在定位的過程中，機器人需要借助自身以外的裝置（如GPS定位系統(tǒng)、北斗定位系統(tǒng)等）進行定位。在室內，因信號遮擋，移動機器人無法使用GPS，安裝其它輔助定位系統(tǒng)較為復雜；而基于基站的定位和基于iBeacon的定位，其精度又無法達到機器人移動避障的需求。因此，移動機器人一般采用自主定位的方法。

機器人定位就是在地圖上估測機器人的坐標和姿勢形態(tài)。通過機器人運動狀態(tài)估測，所得到的位置信息通常具有較大誤差，還需要使用測距單元得到周圍環(huán)境信息，對機器人位置進行更新。測距單元主要包括激光、超聲波以及圖像測距3種。其中，激光具有良好的指向性和高度聚焦性，因此激光雷達成為移動機器人的核心測距傳感器，激光測距技術也是目前最可靠、最穩(wěn)定的測距定位技術。

采用基于SLAM創(chuàng)建的地圖，可以對里程計的誤差進行修正，使得機器人的位姿誤差不會隨著機器人運動距離的增加而無限增加，從而提高機器人的定位精度。

2.3 基于地圖的導航技術

移動機器人定位和地圖創(chuàng)建是自主導航的基礎，機器人的自主導航就是在沒有人為干預的情況下，機器人依據預定的信息及傳感器獲取的外部環(huán)境信息，規(guī)劃出一條適合在該環(huán)境中行走的路徑，并沿著規(guī)劃的路徑自主移動到目標位置。機器人導航涉及地圖、定位、路徑搜索、路徑規(guī)劃，其中路徑搜索算法決定了導航路徑優(yōu)劣及耗費時間。

2.3.1 改進型A*路徑搜索算法

A*路徑搜索算法是一種啟發(fā)式搜索算法，利用估價函數來確定路徑中節(jié)點的價值，最后再決定如何搜索。A*路徑搜索算法的估價函數表示：

其中，f(n)是從初始點經由節(jié)點n到目標點的距離估計；g(n)是從初始點到節(jié)點n的實際距離；h(n)是從節(jié)點n到目標點的最佳路徑估計距離。

本文中，估價函數f(n)就是機器人路徑搜索，節(jié)點是柵格地圖中的每個柵格。

h(n)是由“歐拉距離”通過計算節(jié)點n到目標點之間的距離所得，而節(jié)點n與目標點之間多數情況下可能存在障礙物，可有多種路徑選擇供機器人行走。為了尋找最短路徑，本文采用改進型A*路徑搜索算法，通過逆向搜尋最優(yōu)路徑；為提高搜索效率，對估價函數f(n)進行加權處理，令：

式（2）中，KD為D點的搜索權值，D(Xk-1,Ki+KT)表示從當前節(jié)點到子節(jié)點的距離。式（3）中，D(Xn,G)表示從當前節(jié)點到目標點的距離。

算法求解步驟如下：

（1）在式（1）構建的估計函數f(n)中，g(n)表示從起點A（每個點為一個柵格方塊）到當前點n的實際距離，h(n)表示當前點n到終點B的估算距離，g值表示從起點A到達當前點n的移動量；

（2）創(chuàng)建open 表、close表、p 表，計算每個點的h值；open 表記錄尋找最短路徑上所有被考慮的方塊；close表記錄所有不會再被考慮的方塊；p表記錄當前節(jié)點的父節(jié)點；h 值采用“曼哈頓距離”[8]或者“城市街區(qū)距離”，計算出點n到目標點B的水平與垂直方塊的數量和；

（3）初始化open 表，即把起始點A添加到open表中；

（4）計算f值，在open 表中尋找f值最小的點n；

（5）從open表中將n刪除，加入到close 表中；

（6）判斷目標點B是否被添加到close表中；若是，則最優(yōu)路徑被找到，跳到步驟（11）；若不是，繼續(xù)下述步驟；

（7）分別考慮與n相鄰的每一個格中的點T；

（8）如果點T已經在close表中或不可通過，忽略該方塊；

（9）如果點T不在open 表中并且可通過，加入到open表中；然后計算T的f、g值，把點n作為點T的父節(jié)點(p(T)=n)；

（10）如果點T已經在open 表中，用g值作為參考標準，檢查新的路徑（A→n→T）是否更優(yōu)（g值越低表明路徑更優(yōu)）；如果更優(yōu)，把T的父節(jié)點改為點n，重新計算T的f、g值；將open 表按f值升序排序，返回（4）；

（11）算法結束。

2.3.2 路徑規(guī)劃

機器人導航的路徑規(guī)劃（move_base），就是安排機器人如何從起點到達目標點，導航過程如圖5所示。

圖5 機器人導航過程示意

機器人在導航時，move_base負責整個導航行為的調度，監(jiān)視導航狀態(tài)適時更換導航策略等。具體的路徑規(guī)劃邏輯流程如下：

（1）move_base 首先啟動全局規(guī)劃和局部規(guī)劃兩個規(guī)劃器，分別生成全局和局部權值地圖；

（2）根據全局路徑規(guī)劃，計算出機器人到目標位置的全局路線，即采用基于柵格地圖的改進型A*路徑搜索算法來尋找最優(yōu)路線；

（3）通過局部規(guī)劃，完成局部避障的規(guī)劃；

（4）機器人在行走過程中，根據其狀態(tài)做出規(guī)劃，控制底盤，執(zhí)行行走動作。

3 試驗驗證

為了驗證改進型A*路徑搜索算法的合理性和先進性，選擇大連北站作為移動機器人試點車站，進行移動機器人路徑搜索、路徑規(guī)劃試驗。通過多次試驗驗證，對傳統(tǒng)A*路徑搜索算法與改進型A*路徑搜索算法的搜索效率進行比較，如圖6所示。

從圖6可知，采用傳統(tǒng)A*路徑搜索算法，距離每增加1格，搜索節(jié)點個數增加約3個；而采用改進型A*路徑搜索算法，距離每增加1格，搜索節(jié)點個數增加約1個，改進后的算法效率提高約30%，顯著節(jié)約了搜索時間，降低了搜索復雜度。

4 結束語

圖6 算法搜索效率比較

本文以鐵路客運車站移動服務機器人為研究對象，分析國內外移動服務機器人研究趨勢，確定了基于ROS的移動機器人軟硬件框架，構建基于SLAM的地圖，提出改進型A*路徑搜索算法，設計了移動機器人的導航框架，并選擇試點車站，對該算法進行試驗驗證；試驗結果表明：該算法合理，優(yōu)化了導航路徑規(guī)劃，提高了最優(yōu)路徑的尋優(yōu)能力，能夠滿足在鐵路客運車站場景下，機器人自主定位、導航及路徑規(guī)劃的需求。