一种基于ROS2的室内移动机器人导航避障方法和系统
本发明涉及机器人导航,尤其涉及一种基于ros2的室内移动机器人导航避障方法和系统。
背景技术:
1、随着智能机器人技术的快速发展,自主导航与动态避障已成为室内移动机器人实现智能化运行的关键技术。室内移动机器人自主导航系统通常由环境感知、定位与地图构建(simultaneous localization and mapping,slam)、路径规划以及运动控制等模块组成。其中,slam技术负责在未知环境中构建环境地图并实时估计机器人位姿,为导航决策提供基础信息;路径规划与避障模块则根据环境信息生成安全可行的运动路径,是实现机器人自主导航的核心环节。近年来,随着激光雷达性能的提升以及嵌入式计算平台算力的增强,基于激光雷达的slam技术以及a*、dwa等经典导航算法在室内移动机器人领域得到了广泛应用。
2、在slam技术方面,gmapping、hector slam和karto slam是应用较为广泛的典型代表。gmapping基于rao-blackwellized粒子滤波方法,通过融合激光雷达与里程计信息实现机器人定位与地图构建,具有较好的建图精度和环境适应能力,且算法结构成熟、资源消耗较低,目前仍广泛应用于室内移动机器人导航系统。hector slam主要依赖激光雷达数据进行位姿估计,对里程计依赖较小,在高频激光扫描条件下具有较好的实时性能,但由于缺乏全局优化机制,长时间运行时容易产生累计误差。karto slam则采用位姿图优化方法,通过关键帧管理和回环检测提高地图全局一致性,在大尺度环境下能够获得较高建图精度,但后端优化过程计算复杂度较高,对系统计算资源要求较大。此外,cartographer和slamtoolbox等新一代slam算法虽然具备较高的建图精度,但通常需要较高计算资源,对嵌入式平台的部署提出了更高要求。
3、在路径规划与避障技术方面,根据规划层级的不同,通常分为全局路径规划和局部路径规划两部分。全局路径规划主要依据环境地图搜索从起始位置到目标位置的最优路径,dijkstra算法和a*算法是目前应用最广泛的经典路径规划方法,其中a*算法通过引入启发式函数提高搜索效率,在保证路径最优性的同时减少搜索开销。局部路径规划主要解决机器人运动过程中的动态障碍物避让问题,动态窗口法(dynamic window approach,dwa)通过综合考虑机器人运动学约束、障碍物距离以及目标方向等因素,在速度空间内搜索最优运动轨迹,能够实现实时动态避障,是ros导航框架中最常用的局部规划方法之一。随着ros2导航框架nav2的发展,smac planner、regulated pure pursuit以及timedelastic band(teb)等导航算法逐渐得到应用,但这类方法在参数配置复杂度和计算资源消耗方面普遍高于传统导航算法。近年来,强化学习、深度学习以及模型预测控制等方法也逐渐被引入机器人导航领域,但通常需要大量训练数据和较高计算资源,在实时性和泛化能力方面仍面临挑战。因此,基于a*算法与dwa算法构建的分层导航框架仍然是当前室内移动机器人导航系统中应用最广泛且工程实现最成熟的解决方案之一。
4、在系统平台方面,机器人操作系统ros2凭借数据分发服务(data distributionservice,dds)通信机制、分布式架构以及灵活的服务质量(quality of service,qos)配置能力,在实时性、可靠性以及系统扩展性方面相比ros1具有明显优势,逐渐成为机器人系统开发的重要平台。目前,许多研究工作基于ros2构建移动机器人导航系统,并结合slam、路径规划和运动控制模块实现自主导航功能,部分研究利用ros2与nav2导航框架构建室内自主导航平台,部分研究则结合多传感器融合技术提高复杂环境下的导航精度和系统稳定性。然而,现有研究大多侧重于单一导航算法的性能分析或仿真环境验证,对于基于ros2平台的自主导航系统集成设计与真实机器人平台实验研究仍相对有限。
5、现有技术仍存在以下不足。其一,在长走廊、楼层前厅、开放区域等弱特征环境中,激光扫描特征重复、角点较少、环境约束不足或局部结构相似,传统slam算法容易出现定位稳定性下降和地图构建质量降低的问题。以gmapping为例,在弱特征环境中激光扫描特征重复使得粒子权重区分度降低,容易出现粒子退化;里程计误差在长距离直线运动中持续累积,容易造成地图边界错位;单纯增加粒子数量会提高计算开销,影响嵌入式平台实时性;单纯降低地图更新阈值会导致无效更新增多,不能从根本上解决定位漂移;单一参数的经验性调节无法同时兼顾建图精度、地图连续性、内存占用和实时性。其二,在动态障碍物干扰下,常规导航系统通常由局部规划器绕行,或在局部规划失败时触发全局路径重规划,但在弱特征环境中,频繁进行全局路径重规划会导致全局路径频繁变化、机器人在长走廊中左右摆动,机器人不断切换路径跟踪目标还会增加局部控制振荡,弱特征环境中的定位误差被路径切换进一步放大;同时,当障碍物只是短时经过路径时,立即进行全局重规划会造成不必要的计算开销和路径不连续,而障碍物离开后机器人缺乏明确的路径回归机制,容易偏离原导航路线。其三,对于采用四轮麦克纳姆轮底盘的全向移动机器人,其运动控制对速度指令连续性较为敏感,在动态避障和路径回归过程中,如果直接执行局部规划器输出的速度指令,容易出现线速度或角速度突变、转弯时横向偏移、避障轨迹不连续、局部振荡导致路径跟踪误差增大等问题,在弱特征环境中还会因轨迹抖动进一步影响定位稳定性。其四,在弱特征室内环境中,机器人定位误差往往并非单独影响建图模块,而会进一步影响路径规划和避障控制:建图位姿漂移会导致地图边界错位,局部规划器基于错误位姿生成的避障轨迹可能不安全,路径回归点计算依赖当前位姿,位姿错误会导致回归不准确;而仅依靠里程计在长走廊中容易累计误差,仅依靠激光匹配在弱特征场景中又可能约束不足。
6、因此,如何在保证实时性的同时提高弱特征环境下的定位稳定性和地图构建质量,如何减少动态障碍物干扰下的路径频繁重规划与路径振荡,如何提升麦克纳姆轮底盘的运动平稳性,并使定位、建图、避障和控制之间形成有效的闭环协同,仍然是当前室内移动机器人导航研究亟待解决的重要问题。
技术实现思路
1、本发明的目的在于克服现有技术的不足,提供一种基于ros2的室内移动机器人导航避障方法和系统。系统采用分层导航架构,集成环境感知、定位建图、路径规划以及运动控制等功能模块,并结合gmapping建图参数优化和导航控制参数配置,提高系统在典型室内环境中的导航稳定性和可靠性。最后,通过实验室环境、楼层前厅以及长走廊等典型场景开展建图、导航和动态避障实验,对系统性能进行验证,为室内移动机器人导航系统的工程化应用提供参考。
2、本发明的目的是通过以下技术方案来实现的:
3、第一方面,公开一种基于 ros2 的室内移动机器人导航避障系统,包括环境感知层、定位与地图构建层、路径规划层和运动控制层;所述环境感知层获取环境扫描数据、姿态数据和运动状态数据;所述定位与地图构建层包括 gmapping 建图节点,用于构建环境地图并估计机器人位姿;所述路径规划层包括全局路径规划节点和局部路径规划节点;所述运动控制层用于向机器人底盘输出速度指令。
4、第二方面,公开一种基于 ros2 的室内移动机器人导航避障方法,通过所述的基于 ros2 的室内移动机器人导航避障系统执行,包括:根据激光雷达扫描、里程计预测位姿与激光匹配位姿偏差以及惯性测量单元姿态变化,判断机器人是否处于弱特征环境并计算定位可信度;在判定为弱特征环境时,对所述 gmapping 建图节点的粒子数量、地图线位移更新阈值、地图角位移更新阈值和重采样阈值进行调整;计算动态障碍物到全局参考路径的最短距离,并在该最短距离小于预设安全距离且障碍物位于机器人前方预设局部窗口内时判定为路径冲突;对所述局部路径规划节点输出的期望线速度和期望角速度进行限幅和平滑处理后,将平滑速度发送至四轮麦克纳姆轮底盘控制器。
5、本发明的有益效果是:
6、能够在实验室、前厅和长走廊环境中均表现出较好的建图精度、地图完整性和实时性。相比于现有技术中的hector slam在弱特征环境中存在漂移现象,karto slam虽然精度较高,但计算资源消耗较大。本技术在路径规划与动态避障方面,a*全局路径规划能够生成连续可行的导航路径,dwa局部规划器能够实时避开动态障碍物,并保持与全局路径一致,保证导航任务顺利完成。在多场景实物验证中,系统在三种典型室内环境均实现自主导航,整体成功率不低于90%,说明机器人运动稳定性和导航可靠性较高。此外,基于ros2的模块化架构使系统具有良好的扩展性,可进一步应用于工业物流、服务机器人及室内巡检等场景,具备较高的工程应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com