基于激光雷达云台的救援机器人定位建图系统.docxVIP

基于激光雷达云台的救援机器人定位建图系统 摘要：针对目前救援机器人在崎岖不平的地形中使用激光雷达构建的二维地图精度低、错误率高、不完整等问题，提出一种基于激光雷达云台的救援机器人定位建图系统。该系统通过IMU实时获取机器人在三维空间中的旋转角速度及加速度，计算得到机器人实时的姿态，即机器人的横滚角、俯仰角及偏航角，并通过两个高灵敏度的舵机，在两个自由度方向实时调整激光雷达的姿态，使激光雷达保持水平。在该系统下，可复用在平地中使用的同步定位与建图算法，在崎岖不平的地面上完成建图任务。实验表明，该系统效果显著，与现有方法相比，该方法实现简单、成本低廉，可快速应用于现有的移动机器人中，快速实现其在复杂地形下进行建图的能力。 随着机器人产业整体的迅猛发展，救援机器人在突发事件的救援任务中发挥越来越重要的作用，如何提高救援机器人在灾后环境中感知环境的能力成为人们的研究重点现有的救援机器人主要依靠激光雷达对周围环境进行扫描，根据雷达数据对受灾环境建立二维地图，并对自身位置进行定位。而现有的小型激光雷达往往是对其本身所在的一个平面进行二维扫描。如果简单地将激光雷达固定在救援机器人上，由于救援机器人运行在崎岖不平的受灾环境，激光雷达会随着机器人摆动，导致扫描到不同角度的平面，造成救援机器人的地图建立和定位出现大量错误。因此，需要有一个云台系统使激光雷达保持水平，简化了建图的数据处理和滤波过程，保证了建图的精确性，使救援机器人的可在不平坦的地形中正常工作。在保证激光雷达数据准确无误后，则需要相应的算法对激光雷达等传感器数据进行计算，对机器人与周围环境的相对位置进行定位计算，并增量地构建出周围环境的地图，这种算法称为同步定位与地图构建（Simultaneous Localization and Mapping），简称SLAM。目前，对于SLAM领域的研究已有非常丰富的成果与应用。SLAM的思想最早由文献1 系统框架1.1 硬件系统本系统的硬件设计包含以下模块：IMU（惯性测量单元）、底层控制板、激光雷达、两自由度调节云台、工控机、电机驱动电路等。硬件框架图1所示。本文的主控计算单元采用ST公司的ARM芯片STM32F103C8T6作为主芯片，处理速度最高可达72MHz，适应本文测量时对实时数据进行快速运算处理。片上集成了多路IO输出、IIC接口及UART接口，可满足本系统的通讯接口需求。陀螺仪和加速度计使用9轴运动处理传感器MPU6050，集成了3轴MEMS陀螺仪、3轴MEMS加速度计、3轴磁力计、DMP模块，可达到200hz的姿态解算频率，适合本系统高实时性的要求。两自由度调节平台由两个高灵敏度舵机和合金框架组成，连接机器人本体及激光雷达。激光雷达采用单线旋转扫描测距雷达RPLIDAR A1，该雷达采用激光三角测距技术。通过旋转可对周围环境进行360度扫描测距检测，采样频率可达8000次/秒。工控机采用英特尔小型计算机NUC8I5BEK，搭载八代i5-8259U处理器，4GBDDR4内存，尺寸迷你，满足系统计算力需求。两自由度激光雷达云台如图2a所示，由两个旋转轴互相垂直的舵机组成，并与激光雷达相互连接，其与机器人的位置关系图2b所示。因此，可以通过调节云台的两个舵机，以调节激光雷达相对于机器人的横滚角及俯仰角。1.2 软件系统本文的软件系统采用机器人操作系统ROS(Robot Operating System)2 系统算法研究本系统通过陀螺仪和加速度计实时测量救援机器人的三维旋转角速度及加速度，通过互补滤波算法在底层控制单元计算出救援机器人的俯仰角和横滚角，并通过PID算法控制两自由度调节云台进行主动调节，使得其搭载的激光雷达保持水平。2.1 姿态解算算法由于加速度计会测量所有作用于本身的力，当机器人静止时，加速度测量的力就可以近似为重力，所以可以通过重力的加速度方向计算得到救援机器人的欧拉角。但是当救援机器人在运动时，加速度计所测量的加速度会包含救援机器人本身运动的加速度，无法分离出重力加速度的方向。因此单单靠加速度计的测量数据无法计算得到救援机器人的欧拉角。而陀螺仪是通过测量其角速度，对角速度进行积分得到其欧拉角。但是由于陀螺仪本身的误差和环境噪声，其积分所得到的欧拉角会不断积累误差，导致长时间运行后所测量的欧拉角与实际偏差过大。因此，需要将两种传感器的数据相融合，计算得到救援机器人准确的欧拉角。目前常见的姿态解算算法有卡尔曼滤波算法互补滤波算法利用加速度计在低频段动态响应好，陀螺仪在高频段动态响应好的特性，将加速度计的数据进行低通滤波，将陀螺仪的数据进行高通滤波，再将两种数据进行融合，以获得全频段响应良好的动态响应特性。互补滤波算法原理框图4所示。传递函数为：其中ω为