多机器人定位与建图系统及方法技术方案

本发明专利技术提供了一种多机器人定位与建图系统及方法，应用于灾后救援，通过机器人的复合传感器采集数据信息，包括：深度信息、IMU信息、里程计信息、定位信息，数据更加全面，更能详实立体地反应灾后救援场景环境；采用基于Rao‑Blackwellized粒子滤波算法的gmapping算法进行机器人定位与建图，建图效率高；采用A*算法进行全局路径规划，采用动态窗口算法进行实时路径规划，具有准确、快速的导航能力；采用Movelt进行机械臂控制，排除路径上的障碍，提高了机器人应对复杂灾后救援场景的能力；二个及以上机器人构成机器人组，接收上位机的统一调配，将局部栅格地图融合成完整地图，提高了定位与建图的效率。

Multi-Robot Location and Mapping System and Method

The invention provides a multi-robot positioning and mapping system and method for post-disaster rescue, which collects data information through a composite sensor of the robot, including: depth information, IMU information, odometer information, positioning information, data is more comprehensive and can more accurately and stereoscopically respond to the post-disaster rescue scene environment; gmappi based on Rao Blackwellized particle filter algorithm is adopted. Ng algorithm has high efficiency in robot localization and mapping; A* algorithm is used for global path planning and dynamic window algorithm is used for real-time path planning, which has accurate and fast navigation ability; Movelt is used for manipulator control to remove obstacles in the path and improve the ability of the robot to cope with complex disaster rescue scenarios; two or more robots constitute a machine Personnel group receives the unified allocation of the host computer and fuses the local raster map into a complete map, which improves the efficiency of positioning and mapping.

【技术实现步骤摘要】
多机器人定位与建图系统及方法
本专利技术涉及安全救援
，具体地，涉及一种多机器人定位与建图系统及方法。
技术介绍
近几年来随着人工智能技术的发展，移动机器人应用的环境更加广泛，其中比较热门的移动机器人同时定位与建图(slam)技术可以有效的提高机器人的自主完成任务的能力。但是，在灾后救援这种复杂场景中，由于地理环境复杂、障碍物多、通行性差等的环境因素，造成了移动机器人救援效率慢，出现故障的可能性大大提高。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种多机器人定位与建图系统及方法。第一方面，本专利技术实施例提供一种多机器人定位与建图系统，应用于灾后救援，包括：上位机、二个及以上机器人构成的机器人组；其中，所述机器人包括：复合传感器、处理器、机械臂；所述复合传感器与处理器连接，用于采集数据信息；所述机械臂与所述处理器连接，用于根据所述处理器生成的操作指令进行障碍排除；所述处理器安装有ROS(RobotOperatingSystem，机器人操作系统)操作系统，用于数据处理、生成控制指令、以及与上位机、机器人组中的其他机器人建立数据通讯。可选地，所述复合传感器，包括：激光雷达、kinetic视觉传感器、惯导模块，碰撞检测模块、里程计、GPS(GlobalPositioningSystem，全球定位系统)定位模块。可选地，所述机器人的处理器为PC(PersonalComputer，个人电脑)机。可选地，所述数据信息包括：深度信息、IMU(InertialMeasurementUnit，惯性测量单元)信息、里程计信息、定位信息。可选地，所述机器人还包括：报警器，所述报警器与所述处理器连接，用于根据所述处理器生成的警报指令进行声光报警。第二方面，本专利技术实施例提供一种多机器人定位与建图方法，应用于第一方面中任一项所述的多机器人定位与建图系统；所述方法包括：机器人接收上位机的控制指令；机器人的复合传感器采集数据信息；其中，数据信息包括：深度信息、IMU信息、里程计信息、定位信息；机器人的处理器对所述数据信息进行处理，构建本机的局部栅格地图；根据ROS操作系统中的通讯机制，与机器人组中的其他机器人建立数据通讯，获取其他机器人构建的局部栅格地图；将所述本机的局部栅格地图、其他机器人构建的局部栅格地图进行地图融合，得到获得完整地图。可选地，所述机器人的复合传感器采集数据信息，包括：激光雷达获取机器人的周围环境目标位置；kinetic视觉传感器获取机器人的周围环境目标图像；GPS定位模块获取机器人的当前定位信息；惯导模块获取机器人的IMU信息；里程计获取机器人的里程计信息。可选地，所述机器人的处理器对所述数据信息进行处理，构建局部栅格地图，包括：采用基于Rao-Blackwellized粒子滤波算法的gmapping算法进行机器人定位与建图；采用A*算法进行全局路径规划，采用DynamicWindowApproaches(DynamicWindowApproaches，动态窗口法)算法进行实时路径规划；采用Movelt进行机械臂控制，排除路径上的障碍。可选地，还包括：机器人向上位机发送复合传感器采集数据信息；机器人向上位机发送处理器生成的局部栅格地图。与现有技术相比，本专利技术具有如下的有益效果：本专利技术通过机器人的复合传感器采集数据信息，包括：深度信息、IMU信息、里程计信息、定位信息，数据更加全面，更能详实立体地反应灾后救援场景环境；采用基于Rao-Blackwellized粒子滤波算法的gmapping算法进行机器人定位与建图，建图效率高，地图质量可靠；采用A*算法进行全局路径规划，采用DynamicWindowApproaches算法进行实时路径规划，具有准确、快速的导航能力，提高了机器人的运动能力；采用Movelt进行机械臂控制，排除路径上的障碍，提高了机器人应对复杂灾后救援场景的能力；二个及以上机器人构成的机器人组，接收上位机的统一调配，将局部栅格地图融合成完整地图，提高了定位与建图的效率，确保了地图的准确性。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术实施提供的多机器人定位与建图系统的原理框图；图2为本专利技术实施提供的多机器人定位与建图系统的通信机制示意图；图3为本专利技术实施提供的多机器人定位与建图系统的建图算法框架图；图4为本专利技术实施提供的多机器人定位与建图系统的路径规划算法框架图；图5为本专利技术实施提供的多机器人定位与建图系统的机械臂控制算法Movelt框架图；图6为本专利技术实施提供的多机器人定位与建图系统的地图融合示意图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。图1为本专利技术实施提供的多机器人定位与建图系统的原理框图，如图1所示，通过激光雷达、kinetic视觉传感器、惯导模块IMU、碰撞检测器和GPS等传感器采集数据信息，PC机处理之后控制机器人运动。使用里程计检测机器人位姿信息，实现闭环控制，并具有报警功能。每台机器人都能与上位机进行通讯。机械臂与处理器连接，用于根据处理器生成的操作指令进行障碍排除。处理器安装有ROS操作系统，用于数据处理、生成控制指令、以及与上位机、机器人组中的其他机器人建立数据通讯。图2为本专利技术实施提供的多机器人定位与建图系统的通信机制示意图，如图2所示，机器人组中的各个机器人(ROBOT，机器人)之间可以互相通讯，又都与上位机保持连接。这是一种集分布式和集中式控制于一体的混合式控制方式，这种结构中，每个机器人被看成是独立的智能体，每个机器人都能作用于自身和环境，并能对环境做出反应。多个机器人能够协同完成任务，协调和合作解决复杂问题。这种结构解决了集中式结构的低效性和分布式结构的缺乏最优性。当一个或几个机器人的发生故障损坏时，不会影响整套系统的工作；当机器人混乱时，还可以通过上位机进行有效控制，进行统一调配。图3为本专利技术实施提供的多机器人定位与建图系统的建图算法框架图，如图3所示，slam_gmapping节点是Gmapping算法的核心，它的输入信息主要来自于传感器，用于定位和建图。图中输入信息中的tf必须包含odom-＞base之间的tf，即里程计到机器人底盘之间的坐标转换关系。输出信息中的tf主要包含map-＞odom之间的tf。而map就是一个topic，这个topic里面其实就是一张图片，slam_gmapping把每一次建图的结果直接发布到了这个topic上，所以就能更新地图，同时这个map会被其他的Node接收，比如路径规划，比如Rviz。图4为本专利技术实施提供的多机器人定位与建图系统的路径规划算法框架图，如图4所示，同样从输入输出的角度来理解，位于正中的方框是一个节点，叫做move_base，负责整体的导航规划，里面有5个插件。输入的地图可以是给定的地图，也可以使用slam一边走，一边构建。同样，输入的tf表示机器人各个关节的关系，必须包括base和odom之间，odom和map之本文档来自技高网...

【技术保护点】
1.一种多机器人定位与建图系统，应用于灾后救援，其特征在于，包括：上位机、二个及以上机器人构成的机器人组；其中，所述机器人包括：复合传感器、处理器、机械臂；所述复合传感器与处理器连接，用于采集数据信息；所述机械臂与所述处理器连接，用于根据所述处理器生成的操作指令进行障碍排除；所述处理器安装有ROS操作系统，用于数据处理、生成控制指令、以及与上位机、机器人组中的其他机器人建立数据通讯。

【技术特征摘要】
1.一种多机器人定位与建图系统，应用于灾后救援，其特征在于，包括：上位机、二个及以上机器人构成的机器人组；其中，所述机器人包括：复合传感器、处理器、机械臂；所述复合传感器与处理器连接，用于采集数据信息；所述机械臂与所述处理器连接，用于根据所述处理器生成的操作指令进行障碍排除；所述处理器安装有ROS操作系统，用于数据处理、生成控制指令、以及与上位机、机器人组中的其他机器人建立数据通讯。2.根据权利要求1所述的多机器人定位与建图系统，其特征在于，所述复合传感器，包括：激光雷达、kinetic视觉传感器、惯导模块，碰撞检测模块、里程计、GPS定位模块。3.根据权利要求1所述的多机器人定位与建图系统，其特征在于，所述机器人的处理器为PC机。4.根据权利要求1所述的多机器人定位与建图系统，其特征在于，所述数据信息包括：深度信息、IMU信息、里程计信息、定位信息。5.根据权利要求1所述的多机器人定位与建图系统，其特征在于，所述机器人还包括：报警器，所述报警器与所述处理器连接，用于根据所述处理器生成的警报指令进行声光报警。6.一种多机器人定位与建图方法，其特征在于，应用于权利要求1-5中任一项所述的多机器人定位与建图系统；所述方法包括：机器人接收上位机的控制指令；机器人的复合传感器采集数据信息；其中，数据信息包括：深...

【专利技术属性】
技术研发人员：赵怀林，吴正，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海,31