梁明亮 張凱 王云飛

鄭州鐵路職業(yè)技術(shù)學(xué)院 河南 鄭州 451460

引言

本論文對巡邏機(jī)器人的全向運(yùn)動底盤進(jìn)行設(shè)計，有效解決在現(xiàn)場測試中容易遇到的轉(zhuǎn)向困難、碰撞等問題。算法上，克服傳統(tǒng)RBPF-SLAM算法中存在的粒子退化現(xiàn)象，采用馬爾可夫鏈-（MCMC）運(yùn)動步進(jìn)，提高粒子的多樣性。建議分布的計算中，增加激光雷達(dá)的觀測模式，以改善地圖構(gòu)建的準(zhǔn)確性[1]。

1 全向巡邏機(jī)器人系統(tǒng)設(shè)計

1.1 全向巡邏機(jī)器人平臺

本文巡邏機(jī)器人的全向移動底盤數(shù)學(xué)模型如圖1所示。

圖1 全向底盤數(shù)學(xué)模型示意圖

該巡邏機(jī)器人采用麥克納姆全向移動底盤，全向運(yùn)動平臺能夠?qū)崿F(xiàn)平移、轉(zhuǎn)動等多種功能，其靈活性、可操作性強(qiáng)，能夠?qū)崿F(xiàn)全方位的運(yùn)動。

1.2 機(jī)器人硬件系統(tǒng)設(shè)計

該系統(tǒng)主要硬件：麥克納姆輪底盤，STM32，樹莓派4B，多種環(huán)境傳感器。作為一臺計算機(jī)，它能對整個巡邏機(jī)器人進(jìn)行全面的控制，達(dá)到多種巡邏目的。與大部分機(jī)械手控制器相比，漿果派4B性能要好得多[2]。環(huán)境感應(yīng)器能夠更精確地感受到室內(nèi)的環(huán)境，并能與果子派連接，進(jìn)行信息的傳輸。環(huán)境傳感器包括攝像頭、溫度、煙霧、激光雷達(dá)等。

利用激光雷達(dá)對巡邏機(jī)器人進(jìn)行探測，獲得探測到的目標(biāo)和周邊環(huán)境的準(zhǔn)確位置。利用該數(shù)據(jù)，機(jī)器人能夠?qū)崿F(xiàn)自動駕駛。激光雷達(dá)連接著樹莓派，把外界情況傳送到漿果派上。巡邏機(jī)器人在巡游時，利用攝影機(jī)進(jìn)行監(jiān)視。相機(jī)連接著樹莓餡餅，能將所拍錄像實(shí)時上傳。機(jī)器人采用STM32運(yùn)動控制器，將4臺直流電動機(jī)與之相連。在STM32的運(yùn)動控制器上安裝IMU的加速度陀螺，把采集到數(shù)據(jù)傳給樹莓派。

1.3 機(jī)器人軟件架構(gòu)設(shè)計

機(jī)器人軟件架構(gòu)如圖2所示。

圖2 機(jī)器人軟件架構(gòu)示意圖

針對全方向巡邏機(jī)器人的軟件結(jié)構(gòu)，提出一種基于ROS開放源碼機(jī)器人系統(tǒng)。ROS是一款靈活開放的開放源碼操作系統(tǒng)，可為用戶提供各種不同功能。在ROS中，一個應(yīng)用由一個結(jié)點(diǎn)來代表一個應(yīng)用，它由一個預(yù)先定義好的消息、服務(wù)或者行動來將該通信信息從該傳輸節(jié)點(diǎn)向該接收節(jié)點(diǎn)傳遞。采用點(diǎn)到點(diǎn)方式，可減輕計算機(jī)工作負(fù)荷，同時由于節(jié)點(diǎn)間的松散耦合，使ROS程序更靈活和易于更改。ROS系統(tǒng)功能，可分為可視層、節(jié)點(diǎn)層、驅(qū)動層和信息層4個層次[3]?？梢暬瘜幽軌?qū)ρ策墮C(jī)器人的全部情況進(jìn)行直觀觀察和控制。例如：開啟攝像機(jī)拍攝的視頻處理節(jié)點(diǎn)；利用SLAM的建圖節(jié)點(diǎn)，完成了地圖生成的功能；通過對底盤的控制節(jié)點(diǎn)的啟動，可以對機(jī)械手進(jìn)行手動控制等。節(jié)點(diǎn)級是將SLAM的建圖、視頻處理和導(dǎo)航功能模塊化，編寫和設(shè)計成ROS節(jié)點(diǎn)。在每個節(jié)點(diǎn)上，巡邏機(jī)器人都可以完成各自任務(wù)。該驅(qū)動層包括各個功能模塊，用以對傳感器的工作進(jìn)行控制。傳感器獲得的數(shù)據(jù)是信息層次的。在此基礎(chǔ)上，通過USB、Wi-Fi、局域網(wǎng)等技術(shù)實(shí)現(xiàn)數(shù)據(jù)傳輸，并將機(jī)器人收集到的各種環(huán)境信息傳送給樹莓派。樹莓派對所收到的環(huán)境資訊進(jìn)行處理，最終完成相關(guān)作業(yè)。同時，在可視層中，可以顯示出所處理的結(jié)果。

2 RBPF-SLAM算法原理

傳統(tǒng)SLAM算法是根據(jù)激光雷達(dá)觀測到的信號z1:t=z1、z2，...，zt以及里程計中的控制信息u1:t-1=u1、u2，...，ut-1。SLAM算法在求解后驗概率分布時，因擴(kuò)展的狀態(tài)空間維度，使其運(yùn)算量很大。而RBPF-SLAM算法在取樣時降低狀態(tài)空間的維數(shù)，使運(yùn)算變得簡單。由RBPF粒子濾波得到的公式是：

RBPF算法利用粒子的形式表達(dá)了位置的概率分布（每個粒子中含有一個機(jī)器人的位置），并與觀察模型相結(jié)合，對地圖進(jìn)行更新。

3 優(yōu)化的RBPF-SLAM算法

傳統(tǒng)RBPF-SLAM方法，采用對較低權(quán)值和較大拷貝權(quán)值方法，導(dǎo)致粒子匱乏。MCMC再取樣技術(shù)能較好地還原粒子多樣性，能很好地解決粒子匱乏問題。為提高粒子多樣性，采用MCMC的移位步驟。MCMC基本思想：當(dāng)粒子的分布符合重要函數(shù)時，可以利用馬爾科夫鏈變換核與后驗概率密度函數(shù)則可使用一個馬爾科夫鏈轉(zhuǎn)換核和后驗概率密度函數(shù)p（xkz1：k）使式（2）左右相等。

這樣，新的粒子就會更貼近實(shí)際靶面。MCMC傳遞過程，實(shí)質(zhì)是通過對有限混合分布進(jìn)行取樣，以提高粒子的多樣性。MCMC的傳輸算法包括Gibbs采樣、metropolis Hastings等，利用metropolis Hastings算法來完成MCMC的傳輸。按照以下方式，在重新取樣后執(zhí)行此操作。①在區(qū)間【0,1】中，隨機(jī)生成一個隨機(jī)數(shù)v，該隨機(jī)數(shù)服從于平均分配。②從重要性函數(shù)中采樣產(chǎn)生備用粒子 。③若v＜min{1，α}為準(zhǔn)。此刻，否則，就拒絕在這里，α為接受比率,計算公式如下：

在提出分配方案時，只使用機(jī)器人的里程計信息。方法雖方便，但巡邏機(jī)器人在行進(jìn)時會出現(xiàn)打滑等問題，加上里程計的精度不高，距離測量數(shù)據(jù)偏差比激光雷達(dá)要大得多。運(yùn)動模式的似然區(qū)比觀察模式L（i）要大得多，粒子的后驗概率值更高，因此其權(quán)重也更高。僅利用里程計的運(yùn)動模式來求出RBPF的建議分配是不合適的。針對以上問題，我們在建議的分布中增加了由激光雷達(dá)獲取的觀測資料，并盡可能地在似然函數(shù)的可行區(qū)域中取樣。優(yōu)化后的建議分配的抽樣結(jié)果如下：

通過公式（4），可使粒子的加權(quán)變化最小。利用激光雷達(dá)和增加觀測資料，優(yōu)化后的建議分布能較容易地求得似然函數(shù)的峰。

4 試驗分析

本文采用自制全方向巡邏機(jī)器人進(jìn)行室內(nèi)環(huán)境下SLAM建圖算法的實(shí)驗，地點(diǎn)為室內(nèi)機(jī)房和走廊。這種巡邏機(jī)器人以麥克納姆輪為基礎(chǔ)，裝備有SilanA3激光雷達(dá)，里程表，Vizum雙目攝像機(jī)，慣性測量裝置，樹莓派4B。操作系統(tǒng)是以Ubuntu16.04為基礎(chǔ)的ROS操作系統(tǒng)。利用無線網(wǎng)絡(luò)連接到一臺手提電腦，由電腦控制它的動作。將已建好的地圖顯示在ROS系統(tǒng)的RVIZ可視化接口上。用網(wǎng)格類型來表達(dá)地圖。通過將RBPF-SLAM算法與改進(jìn)后的方法相結(jié)合，對改進(jìn)后的RBPFSLAM進(jìn)行了仿真實(shí)驗。在實(shí)驗期間，控制機(jī)器人圍繞著機(jī)房和走廊，以0.3m/s的速度進(jìn)行運(yùn)動，繪制出地圖。在機(jī)房右側(cè)，是一條走廊，里面有三臺電腦和一張桌子。圖3為由RBPFSLAM優(yōu)化算法構(gòu)成圖，可看出構(gòu)建的網(wǎng)格圖具有更高精度、更清晰輪廓和更好效果。最優(yōu)RBPF-SLAM則采用MCMC的運(yùn)動步態(tài)，加入激光雷達(dá)觀察模式，以提高所提出的分布精度，構(gòu)建出較高精度的地圖。

圖3 優(yōu)化RBPF-SLAM算法構(gòu)建的地圖

5 結(jié)束語

針對巡邏機(jī)器人全向運(yùn)動定位問題，改進(jìn)后的RBPFSLAM算法在建圖過程中的錯誤得到很大程度的降低，并在建圖中的應(yīng)用得到明顯的改善,為機(jī)器人相關(guān)領(lǐng)域的研究和工業(yè)應(yīng)用提供了有益的技術(shù)方案。