一种基于SLAM的室内机器人导航控制方法技术

该发明专利技术名为“一种基于SLAM的室内机器人导航控制方法”。通过机器人搭载的激光雷达及里程计实时获取室内环境信息，根据圆弧运动规律构建机器人运动模型实时获取其运动状态，运用栅格地图表示法实时构建周围环境地图，采用似然场模型实时构建激光雷达观测模型，结合基于Rao

【技术实现步骤摘要】
一种基于SLAM的室内机器人导航控制方法
所属

[0001]本专利技术涉及激光雷达和里程计等传感器数据、环境数据、基于Rao
‑
Blackwellised粒子滤波的同步定位与建图(Simultaneous Localization and Mapping，SLAM)方法，实现了室内机器人的导航控制，构建了室内环境地图，提高了室内导航控制的精度和实时性。

技术介绍

[0002]移动机器人的自主导航主要在于解决机器人在哪儿、去哪儿、如何去共3个问题，其中SLAM技术解决了在哪儿、去哪儿的问题，而路径规划技术则解决了如何去的问题。SLAM一直被认为是机器人能否真正实现自主导航的关键所在，是机器人实现自身定位、构建环境地图的一种有效而精确的方法。传统的基于Rao
‑
Blackwellised粒子滤波的SLAM(Rao
‑
Blackwellised Particle Filter
‑
SLAM，RBPF
‑
SLAM)方法采用基于里程计读数的建议分布函数来估计机器人的位姿，但是在室内光滑地面等特殊环境中，机器人车轮与里程计之间存在一定的相对运动，造成里程计读数误差，并进一步导致机器人的定位误差。此外，室内动态突发环境往往导致机器人无法及时避开障碍物，进而无法规划出最优路径，降低了室内自主导航的实时性。本专利技术采用机器人相邻两时刻的位姿差代替传统里程计的读数，对建议分布函数进行改进。结合改进后的RBPF
‑
SLAM与生物激励神经网络(Biological Inspired Neural Network，BINN)的优点，提出了基于生物激励神经网络的室内实时激光SLAM方法，通过ROS(Robot Operating System)平台在仿真和实际环境中实现室内机器人的导航控制，并提高导航的精度和实时性，该专利技术对促进机器人导航技术的发展颇具现实意义。

技术实现思路

[0003]本专利技术的目的是提供一种基于SLAM的室内机器人导航控制方法，可实时定位室内机器人、构建室内环境地图、动态避障，进而实现室内机器人的导航，并提高导航精度和实时性。
[0004]为实现上述目的，本专利技术利用机器人自身搭载的激光雷达、里程计及陀螺仪等传感器实时观测室内环境。根据传感器的测量数据，采用栅格地图表示法、似然场模型实时构建环境地图模型、机器人运动模型及激光雷达观测模型。结合相关模型，提出一种基于生物激励神经网络的实时激光SLAM方法，利用机器人操作系统(Robot Operating System,ROS)平台实现室内机器人的导航控制，有效提高机器人定位和构建环境地图的精度，提高导航的实时性。
[0005]本专利技术解决其技术问题所采用的技术方案是：采用Ubuntu 16.04+ROS Kinetic系统，在Gazebo、Rviz等仿真工具下，采用C++、Python语言、RBPF
‑
SLAM方法、生物激励神经网络算法编程实现室内机器人导航，包括动态避障、路径规划、自身定位及室内环境地图构建。所述的激光雷达为思岚科技RoboPeak团队研发的RPLIDAR A1。
[0006]所述的里程计为增量式光电编码器。
[0007]所述的陀螺仪为九轴陀螺仪。
[0008]本专利技术的有益效果是，有效提高室内机器人导航控制的精度和实时性，积极推动室内导航的发展。
附图说明
[0009]图1基于激光SLAM的室内机器人导航系统流程图
[0010]图2室内导航系统的软件功能模块图
[0011]图3机器人运动过程图
[0012]图4改进的RBPF
‑
SLAM算法流程图
[0013]图5基于BINN的室内实时激光SLAM算法的流程图
具体实施方案
[0014]下面结合附图，对专利技术作进一步详细说明。
[0015]参见图1，所述一种基于激光SLAM的室内机器人导航控制方法，主要完成室内机器人的导航控制，包括SLAM和路径规划两大模块，实现了对里程计和激光雷达数据的转换，并根据该数据实时建立机器人的运动模型和激光雷达的观测模型，以估计机器人位姿，更新室内环境地图，并进一步规划路径以使机器人到达目标点，完成室内自主导航。具体步骤如下：
[0016]步骤1：在ROS平台下启动Gazebo仿真工具和Rviz可视化平台，并在Rviz中标注起始点和目标点，采用键盘控制程序远程控制机器人移动至实际环境中相应的起点。
[0017]步骤2：移动机器人底盘驱动控制器接收里程计信息，激光雷达将采集的数据通过串口传给底层控制板。
[0018]步骤3：SLAM模块中，机器人根据步骤2中获得的传感器信息估计自身位姿并构建环境地图，随后将位姿和环境地图信息实时提供给路径规划模块。
[0019]步骤4：路径规划模块中，机器人首先加载环境地图，并实时订阅SLAM模块跟踪机器人位姿，然后根据当前位姿和环境地图实时规划路径，最后将当前速度通过串口发送给驱动控制器，控制机器人按照规划的轨迹行驶直至到达目标点。
[0020]参见图2，所述为基于激光SLAM的室内导航系统的软件功能模块图，主要完成同步定位与地图构建、实时导航、机器人模型描述、激光雷达驱动加载及底盘控制共5大模块的功能，包括机器人运动模型的构建、机器人坐标的维护，雷达观测模型的构建、雷达数据转换及维护、机器人运动控制、环境地图构建、机器人位姿估计、室内实时路径规划、动态避障。
[0021]参见图3，所述为室内机器人的运动过程。机器人在运动过程中绕点A(x
a
,y
a
)
T
(其中T表示矩阵的转置)做圆弧运动，a，b，c，d分别为t时刻和t+1时刻机器人的右轮、左轮；l为左右轮之间的轮距；r为机器人做圆弧运动的半径；机器人的线速度为v，角速度为w，两者的初始值分别设置为v＝0.5m/s，w＝0.5rad/s。根据该运动过程可实时构建室内机器人的运动模型，具体构建步骤如下：
[0022]步骤1：假设机器人的前一时刻的位姿为s
t
‑1＝(x,y,ψ)
T
，计算A(x
a
,y
a
)的坐标，如下式所示。
[0023][0024][0025]步骤2：经过Δt时间，计算机器人当前时刻的位姿，如式(3)所示。
[0026][0027]结合机器人上一时刻的位姿，式(3)可表示如下：
[0028][0029]步骤3：结合实际运动过程中的噪声及里程计等控制输入量的影响，计算机器人的实际运动速度，如式(4)所示。
[0030][0031]式中，w
x
,w
y
,w
ψ
—机器人运动过程中，x,y及朝向角方向上的噪声。
[0032]参见图4，为本专利技术改进的RBPF
‑
SLAM流程,改进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SLAM(Simultaneous Localization and Mapping)的室内机器人导航控制方法，包括基于SLAM的室内机器人导航流程、改进的基于Rao
‑
Blackwellised粒子滤波的SLAM(Rao
‑
Blackwellised Particle Filter
‑
SLAM，RBPF
‑
SLAM)方法及基于生物激励神经网络(Biological Inspired Neural Network，BINN)的室内实时激光SLAM方法。即利用改进的RBPF
‑
SLAM方法初步估计室内机器人的位姿，并根据该位姿建立室内环境地图。然后利用BINN实时重定位机器人，并实时规划路径及动态避障，从而使得机器人顺利完成室内导航，并提高导航精度和实时性。2.根据权利要求1所述的基于SLAM的室内机器人导航控制方法，其特征在于：室内机器人导航控制主要分为2个模块：SLAM模块和路径规划模块。SLAM模块中，机器人根据传感器信息估计自身位姿并构建环境地图，随后将位姿和环境地图信息实时提供给路径规划模块。路径规划模块中，机器人首先加载环境地图，并实时订阅SLAM模块跟踪机器人位姿，然后根据当前位姿和环境地图实时规划路径，最后将当前速度通过串口发送给驱动控制器，控制机器人按照规划的轨迹行驶直至到达目标点。3.根据权利要求1所述的基于SLAM的室内机器人导航控制方法，其特征在于：将基于激光观测数据的机器人相邻两时刻的位姿差代替里程计读数对传统RBPF
‑
SLAM的建议分布函数进行改进，以降低因里程计与车轮的相对运动及里程计读数带来的机器人定位误差。改进后的建议分布函数如式(1)所示。q(s
t
|s
t
‑1,z
t
)＝s
t
‑1+g
t
(u
t
,s
t
,s
t
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，g
t
—机器人当前时刻与上一时刻的位姿差，定义如式(2)。4.根据权利要求1所述的基于SLAM的室内机器人导航控制方法，其特征在于：仅研究二维空间中的机器人位姿，当机器人的横纵坐标一定时，可得到唯一的机器人朝向角。在只有粒子的状态中，当粒子与基于雷达观测数据得到的位姿之间的距离小于δ
od

【专利技术属性】
技术研发人员：向玉云，黄铝文，李书琴，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：