無人值守智能安保機器人的激光SLAM的研究分析

李容宇 熊敏 蔣宏凱 崔浩 任潔

摘要：近年來，智能機器人技術(shù)在無人駕駛汽車、無人機、掃地機器人等領(lǐng)域被廣泛應(yīng)用，移動機器人SLAM和導(dǎo)航技術(shù)作為智能機器人的重要研究方向，其關(guān)鍵技術(shù)包含定位、地圖構(gòu)建和路徑規(guī)劃。我們在選擇SLAM算法的種類時，會考慮當下技術(shù)比較成熟的激光SLAM，項目使用的激光雷達為成本較低的單線激光雷達，驅(qū)動采用STM32開發(fā)板，主控則是樹莓派4B，以基于粒子濾波算法為理論依據(jù)，在ROS操作系統(tǒng)環(huán)境下實現(xiàn)小車對其所處場景中的實時定位與地圖構(gòu)建。

關(guān)鍵詞：SLAM算法;激光雷達;粒子濾波;實時定位與地圖構(gòu)建

1引言

SLAM全稱Simultaneous localization and mapping，是即時定位與建圖的縮寫，主要用于解決機器人在未知環(huán)境運動時的定位與地圖構(gòu)建問題。對于市面上的激光雷達，主要用于環(huán)境探測和地圖構(gòu)建。

目前，SLAM技術(shù)被廣泛運用于機器人、無人機、無人駕駛、AR、VR等領(lǐng)域，依靠傳感器可實現(xiàn)機器的自主定位、建圖、路徑規(guī)劃等功能。由于傳感器不同，SLAM的實現(xiàn)方式也有所不同，按傳感器來分，SLAM主要包括激光SLAM和視覺SLAM兩大類。其中，激光SLAM比視覺SLAM起步早，在理論、技術(shù)和產(chǎn)品落地上都相對成熟。基于視覺的SLAM方案目前主要有兩種實現(xiàn)路徑，一種是基于RGBD的深度攝像機，比如Kinect;還有一種就是基于單目、雙目或者魚眼攝像頭的。視覺SLAM目前尚處于進一步研發(fā)和應(yīng)用場景拓展、產(chǎn)品逐漸落地階段。

2激光SLAM和視覺SLAM的比較

2.1發(fā)展背景

移動機器人（AGV）是工業(yè)機器人的一種。它由計算機控制，具有移動、自動導(dǎo)航、多傳感器控制、網(wǎng)絡(luò)交互等功能，在實際生產(chǎn)中最主要的用途是搬運，可以說只要有搬運需求的地方，就有移動機器人的應(yīng)用可能。

近年來，移動機器人技術(shù)在世界范圍內(nèi)得到快速發(fā)展。人們致力于把移動機器人應(yīng)用于各種場景中，從室內(nèi)外搬運機器人，到服務(wù)型機器人，再到工業(yè)機器人等，移動機器人的運用都得到了巨大突破。

在移動機器人研究中一個最關(guān)鍵的技術(shù)就是即時定位和建圖，也就是所謂的SLAM技術(shù)。SLAM它試圖解決這樣的問題：一個機器人在未知的環(huán)境中運動，如何通過對環(huán)境的觀測確定自身的運動軌跡，同時構(gòu)建出環(huán)境的地圖。

SLAM技術(shù)正是為了實現(xiàn)這個目標涉及到的諸多技術(shù)的總和。由于其重要的理論與應(yīng)用價值，被很多學者認為是實現(xiàn)真正全自主移動機器人的關(guān)鍵。

2.2激光SLAM和視覺SLAM的區(qū)別

激光SLAM：早在2005年的時候，激光SLAM就已經(jīng)被研究得比較透徹，框架也已初步確定。激光SLAM，是目前最穩(wěn)定、最主流的定位導(dǎo)航方法。

視覺SLAM：隨著計算機視覺的迅速發(fā)展，視覺SLAM因為信息量大，適用范圍廣等優(yōu)點受到廣泛關(guān)注。

（1）基于深度攝像機的視覺SLAM，跟激光SLAM類似，通過收集到的點云數(shù)據(jù)，能直接計算障礙物距離;

（2）基于單目、魚眼相機的視覺SLAM方案，利用多幀圖像來估計自身的位姿變化，再通過累計位姿變化來計算距離物體的距離，并進行定位與地圖構(gòu)建;但視覺SLAM目前尚處于進一步研發(fā)和應(yīng)用場景拓展、產(chǎn)品逐漸落地階段。

激光SLAM構(gòu)建的地圖精度高，不存在累積誤差，求能直接用于定位導(dǎo)航，但也有一定局限性，比如在又長又直、兩側(cè)是墻壁的長廊或是動態(tài)變化大的環(huán)境中，單純依靠激光SLAM容易發(fā)生定位丟失的情況。

視覺SLAM構(gòu)建的地圖精度較低，存在一定的累計誤差，且不能直接用于定位導(dǎo)航。

激光SLAM是目前比較成熟的定位導(dǎo)航方案，而視覺SLAM是未來研究的一個主流方向，并且在未來多傳感器的融合也將是一種必然的趨勢，發(fā)揮優(yōu)勢結(jié)合的作用才能真正地為市場打造最優(yōu)SLAM方案。受此影響，加上經(jīng)費和技術(shù)的有限，團隊更青睞于激光SLAM。

3激光雷達選型

激光雷達分為單線和多線兩大類，針對這兩類Lidar所使用的算法也不盡相同。

單線雷達一般應(yīng)用在平面運動場景，2D Lidar SLAM是單線雷達建構(gòu)二維地圖的SLAM算法，SLAM算法有：gmapping， hector， karto， cartographer。通常數(shù)據(jù)和運動都限制在2D平面內(nèi)且運動平面與激光掃描平面平行。多線雷達應(yīng)用于三維運動場景，3D Lidar SLAM則是主要針對多線雷達的，比較出名的有LOAM， LeGO-LOAM， LOAM-livox等。

單線激光雷達是指激光源發(fā)出的線束是單線的雷達，目前主要應(yīng)用于機器人領(lǐng)域，以服務(wù)機器人居多，可以幫助機器人規(guī)避障礙物，其掃描速度快、分辨率強、可靠性高， 相比多線激光雷達，單線激光雷達在角頻率及靈敏度上反應(yīng)更快捷，所以，在測試周圍障礙物的距離和精度上都更加精準。但單線雷達只能平面式掃描，不能測量物體高度，當前主要應(yīng)用于我們常見的掃地機器人、送餐機器人及酒店等服務(wù)機器人身上。

多線激光雷達是指同時發(fā)射及接收多束激光的激光旋轉(zhuǎn)測距雷達，市場上目前有4線、8線、16 線、32 線、 64 線和128線之分，多線激光雷達可以識別物體的高度信息并獲取周圍環(huán)境的3D掃描圖，主要應(yīng)用于無人駕駛領(lǐng)域。其中有兩個核心的作用：

（1）3D建模及環(huán)境感知：通過多線激光雷達可以掃描到汽車周圍環(huán)境的3D模型，運用相關(guān)算法對比上一幀及下一幀環(huán)境的變化，能較為容易地檢測出周圍的車輛及行人。

（2）SLAM定位加強：同步建圖（SLAM）是其另一大特性，通過實時得到的全局地圖與高精度地圖中的特征物進行比對，能加強車輛的定位精度并實現(xiàn)自主導(dǎo)航。

4利用SLAM自動巡航原理

機器人底層控制部分及底盤底層控制器采用STM32芯片作為處理單元，接受控制信號控制機器人移動，獲取IMU單元所測得的底盤機器人的位姿。STM32通過TTL-USB轉(zhuǎn)接線接入樹莓派USB接口，與樹莓派通訊。并通過這樣的方式將位姿信號傳送給作為機器人上層控制器的樹莓派。底盤部分包括兩個編碼電機驅(qū)動的車輪，電機驅(qū)動板等。通過對兩個車輪的差速控制實現(xiàn)轉(zhuǎn)向，前進等移動。核心控制部件采用樹莓派4B作為核心控制部件，用以獲取機器人的位姿信息，獲取來自單線激光雷達RP-lidar的點云信息。此外，無人值守智能安保機器人還采用基于粒子濾波算法的激光SLAM。

底盤機器人建圖實驗PC機通過虛擬機終端窗口的ssh命令與樹莓派建立通訊。

啟動設(shè)置好的bringup.launch文件，實驗時機器人移動，本團隊在實驗過程中發(fā)現(xiàn)單獨使用樹莓派上的終端打開bringup.launch文件和teleop_twist_keyboard.pyPython文件也可以是機器人移動。完成對其所在環(huán)境的掃描獲取點云信息，實時的結(jié)合慣性測量單元獲取的位姿信息，構(gòu)建場景地圖。使用ROS下的Rviz軟件顯示建圖過程，建圖結(jié)果由PC機Ubuntu操作系統(tǒng)終端輸入指令獲得并保存。

在完成場景地圖構(gòu)建后，需要在所構(gòu)建的地圖基礎(chǔ)上進行基于地圖的位置和路徑規(guī)劃來實現(xiàn)機器人AGV的導(dǎo)航。機器人AGV運動過程中，通過里程計信息結(jié)合激光傳感器獲取的激光數(shù)據(jù)與地圖進行匹配，不斷地實時獲取AGV在地圖中的精確位姿，同時，根據(jù)當前位置與任務(wù)目的地進行路徑規(guī)劃（動態(tài)路線或者固定路線，且每次的路線都略微不同），根據(jù)規(guī)劃得到的軌跡給機器人AGV發(fā)送控制指令，使機器人AGV實現(xiàn)自動行駛。

總結(jié)

本項目在基于SLAM算法實現(xiàn)無人值守智能安保機器人時考慮使用激光SLAM這個成熟的定位導(dǎo)航方案，并且在基于粒子濾波的激光SLAM構(gòu)建出精確的場景圖，使機器人更好的自動巡航，能更好更容易地滿足以服務(wù)為主體的機器人設(shè)計。另外，在經(jīng)歷本次項目研究以后獲得很多學習知識的經(jīng)驗和教訓(xùn)，對未來的成長有著不小的作用。

天津市高等學校大學生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目，AI上平安-無人值守智能安保機器人，項目編號：202013898009。

參考文獻

[1]吳建明.激光SLAM與視覺SLAM的特點.計算機視覺與自動駕駛[J]博客園，2020-04-18

[2]趙華東 張耀輝 吳畏.智能車激光SLAM的研究與實現(xiàn)[M]汽車實用技術(shù).2020，45（23）

[3]nickchao的IT.SLAM導(dǎo)航技術(shù)原理[M]工業(yè)機器人AGV，2018-06-07

北京科技大學天津?qū)W院 天津?qū)氎?301830