CN116147606B - 一种基于轮式移动机器人的自主探索建图方法及*** - Google Patents
一种基于轮式移动机器人的自主探索建图方法及*** Download PDFInfo
- Publication number
- CN116147606B CN116147606B CN202211533152.9A CN202211533152A CN116147606B CN 116147606 B CN116147606 B CN 116147606B CN 202211533152 A CN202211533152 A CN 202211533152A CN 116147606 B CN116147606 B CN 116147606B
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- wheeled mobile
- map
- target point
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
- G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3863—Structures of map data
- G01C21/387—Organisation of map data, e.g. version management or database structures
- G01C21/3878—Hierarchical structures, e.g. layering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Databases & Information Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于轮式移动机器人的自主探索建图方法及***,即利用激光雷达感知当前环境附近的信息,IMU感知轮式移动机器人的自身运动信息。通过建图得到轮式移动机器人经过区域的地图,通过定位得到轮式移动机器人的实时位姿,然后利用地图和位姿,生成轮式移动机器人的运动目标点,并进行全局路径规划和局部路径规划,最终将控制指令下发给轮式移动机器人底盘执行。本发明实现了轮式移动机器人自主高效探索未知环境,减少机器人运动中目标点摇摆不定的问题,通过设有分层次拓扑地图建立更加精确的地图。
Description
技术领域
本发明涉及一种自主探索建图方法,具体地说,是一种基于轮式移动机器人的自主探索建图方法及***。
背景技术
目前大多数轮式移动机器人的运动规划是在已知地图的情况下,进行路径规划,但是在灾后现场以及野外无人环境,需要机器人首先获取周围环境的地图。机器人能够代替人在危险环境中进行自主运动,主动感知周围环境的地图,在其中执行勘探或营救任务。比如,美国国防部高级研究计划局(DARPA)曾经组织一项名为“地下挑战赛”的机器人竞赛,成群结队的机器人进入洞穴中,以测试它们在无法使用GPS和直接通信的隧道、洞穴等严苛环境中的人员搜救能力。
机器人探索规划是指机器人在未知环境中,考虑定位不确定性情况下,如何选择目标位置以及安全到达这个目标位置,从而自主构建地图。它是机器人学的一个重要研究领域。大多数探索规划的目标是在有限时间内让机器人获得最完整和精确的地图。目前已经存在一些关于自主探索方面的研究,其中中国专利号CN201910295656.3可以实现机器人自主探索,但是未考虑机器人如何自主规划路径并执行。中国专利号CN202210048450.2从全局探索和局部探索、轨迹优化三个层面实现机器人自主探索,但是并未考虑到主动前往经过的区域从而促进建图中的回环检测和后端优化,减少地图不确定度。我们提出的针对轮式移动机器人类型的探索方法可以建立稠密的栅格地图,使用后向选择策略避免车辆因目标点波动导致来回摆动,并在探索过程中让轮式移动机器人主动前往过去的已建图区域,从而促进建图中的回环检测和后端优化,生成更加精确的地图。
发明内容
本发明是针对现有技术存在的问题,提供了一种轮式移动机器人的自主探索建图方法及装置,即利用激光雷达感知当前环境附近的信息,IMU感知轮式移动机器人的自身运动信息。通过建图得到轮式移动机器人经过区域的地图,通过定位得到轮式移动机器人的实时位姿,然后利用地图和位姿,生成轮式移动机器人的运动目标点,并进行全局路径规划和局部路径规划,最终将控制指令下发给轮式移动机器人底盘执行。
本发明是通过以下技术方案来实现的:
使用LIO-SAM算法(引用于文章《LIO-SAM:Tightly-coupledLidarInertialOdometryviaSmoothingandMapping》)得到轮式移动机器人的位姿,使用GEM算法(引用于文章《GEM:onlinegloballyconsistentdenseelevationmappingfor unstructuredterrain》)建立地图,根据当前地图和位姿,结合WFD算法(引用于文章《Efficientfrontierdetectionforrobotexploration》)和后向选择策略,寻找最优目标点,规划一条连接轮式移动机器人和目标点的无碰路径,并生成相应的速度指令,由工控机将速度指令发送给轮式移动机器人底盘执行。通过不断前往可通行的未知区域,最终得到精确完整的地图。
具体如下:
本发明公开了一种基于轮式移动机器人的自主探索建图方法,包括:
搭建轮式移动机器人硬件框架;
获得IMU的加速度信息、角速度信息和激光雷达的点云信息;
通过获得的加速度信息、角速度信息和点云信息,提供轮式移动机器人位姿;
通过轮式移动机器人位姿和点云信息,建立分层次地图;
通过分层次地图和轮式移动机器人位姿,确定轮式移动机器人为了感知未知区域的运动目标点;
通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于实时障碍物信息,规划出轨迹;
接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可达的未知区域,自主探索结束。
作为进一步地改进,本发明所述的搭建轮式移动机器人硬件框架,具体为:
轮式移动机器人包括用于自主运动的底盘,作为运算平台的工控机,用于为工控机、激光雷达和IMU供电的电池,用于获取环境信息的激光雷达,用于获取机器人运动状态的IMU,还包括用于户外调试的键盘、鼠标和显示器,其中,底盘上方安装有工控机、电池、IMU和激光雷达,所述的激光雷达处于移动机器人最高处,距离机器人底盘上方40cm以上高度;避免将轮式移动机器人自身当作障碍物;所述的激光雷达、IMU和轮式移动机器人底盘通过数据线分别与工控机连接,电池通过电源线为工控机供电,激光雷达与工控机之间的信号单向传递,IMU与工控机之间的信号单向传递,底盘与工控机的信号双向传递。
作为进一步地改进,本发明所述的通过轮式移动机器人位姿和点云信息,建立分层次地图,用于为轮式移动机器人生成目标点和路径规划提供地图信息,具体为:
分层次地图由全局拓扑地图和局部子图构成,每个局部子图为稠密的栅格地图,每个局部子图的中心点作为全局拓扑地图的节点,相邻局部子图之间的连接关系作为全局拓扑地图的边,具体用G=(V,E)表示,其中节点V表示每个子图的中心点,其中节点中包含有中心点坐标以及按照时间先后建立的序号,边E代表两个子图之间是否存在一条可行路径,即无碰边。
作为进一步地改进,本发明所述的通过分层次地图和轮式移动机器人位姿,确定轮式移动机器人为自主建图的运动目标点,具体为:
采用基于后向选择的目标点生成策略,先基于轮式移动机器人位姿及地图寻找距离轮式移动机器人最近的未知点作为目标点,在找到当前目标点之后,当该目标点在地图中的状态在一定时间间隔内没有从未知区域更新为已知区域或障碍物区域,则以轮式移动机器人中心为起点搜索最近的边界点作为目标点,否则寻找距离当前目标点最近的未知点作为下一时刻的目标点;
随着轮式移动机器人的运动,分层次地图中每个拓扑节点记录着轮式移动机器人按顺序建立的序列信息,当轮式移动机器人运动到之前探索的区域附近时,轮式移动机器人会主动前往之前探索的区域,从而促进建图程序进行回环检测和后端优化,减少地图不确定度。
作为进一步地改进,本发明所述的通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于动态障碍物信息,规划出轨迹,具体为使用全局路径规划算法得到从当前位置到目标点的最短无碰撞路径,使用局部路径规划算法得到轨迹,根据轨迹生成控制指令,控制指令包含线速度和角速度。
作为进一步地改进,本发明所述的用于接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人的进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可到达的未知区域,自主探索结束,具体为将移动机器人的控制指令下发给底盘,驱动底盘运动,当环境中不存在从机器人所在已知区域到未知区域的可通行路径时,探索规划结束。
本发明所述的一种基于轮式移动机器人的自主探索建图***,***包括:
搭建模块:用于搭建轮式移动机器人硬件框架;
感知模块:用于获得IMU的加速度信息、角速度信息和激光雷达的点云信息;
定位模块:通过获得的加速度、角速度信息和点云信息,提供轮式移动机器人位姿;
建图模块:用于通过轮式移动机器人位姿和点云信息,建立分层次地图;
目标点生成模块:用于通过分层次地图和轮式移动机器人位姿,确定轮式移动机器人为自主建图的运动目标点;
路径规划模块:用于通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于动态障碍物信息,规划出运动轨迹。
运动控制模块:用于接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人的进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可到达的未知区域,自主探索结束。
本发明的有益效果如下:
针对机器人探索规划问题,实现了轮式移动机器人自主高效探索未知环境。本发明设有针对后向选择策略的运动目标点生成,该后向选择策略可以减少机器人运动中目标点摇摆不定的问题。本发明设有分层次拓扑地图,该地图形式能够让轮式移动机器人在探索过程中考虑过去曾经过的区域,帮助地图主动回环,建立更加精确的地图。
附图说明
图1是探索规划***硬件框图;
图2是探索规划***软件框图。
具体实施方式
在60mx40m的校园环境中,将搭建的轮式移动机器人放置在某个初始位置,设置需要探索的区域边界,验证探索规划***的可行性。ROS是一个适用于机器人的开源的元操作***。它提供了操作***具有的服务。整个软件通过ROS进行通信。
下面结合说明书附图,通过具体实施例对本发明的技术方案作进一步地说明:
图1是探索规划***硬件框图;先搭建轮式移动机器人硬件框架;
轮式移动机器人在AgilexScout2.0机器人底盘上进行部署,在底盘上方安装了Nuvo-8108GCi9-9900k工控机,该工控机配有2080显卡,使用HESAI PandarQT64-Channel作为激光雷达传感器,xsensemti-g-710作为IMU传感器,TATTU18000mAh22.2V15C锂电池为工控机、激光雷达和IMU供电,21寸便携式显示器及键盘鼠标用于实地调试。其中,底盘上方安装有工控机、电池、IMU和激光雷达,激光雷达处于移动机器人最顶端,距离机器人底盘上方50cm高度,避免将轮式移动机器人自身当做障碍物。轮式移动机器人底盘通过CAN总线与工控机连接,激光雷达通过TCP/IP与工控机连接,IMU通过USB3.0与工控机连接。
图2是探索规划***软件框图。
S1:通过激光雷达获取轮式移动机器人所在位置周边环境的点云,通过IMU获取无人车当前的加速度和角速度。
S2:利用S1中激光雷达获取的点云,IMU获取的加速度和角速度,将点云、加速度和角速度信息进行时间戳同步,使用LIO-SAM算法获取轮式移动机器人的当前位姿。
S3:基于S1得到的点云和S2得到的轮式移动机器人的位姿,使用GEM算法建立分层次的稠密高程地图,并将该高程地图转换为二维栅格地图用于轮式移动机器人的导航规划。在地图中,提前划定需要探索的区域。
利用激光雷达提供的点云和轮式移动机器人的实时位姿,使用GEM算法在全局建立一个分层次地图。分层次地图由全局拓扑地图和局部子图构成。每个子图为稠密的栅格地图。栅格地图由三种区域构成,分别是已知区域,未知区域以及障碍物区域。在算法执行过程中,假设环境中的已知区域和障碍物区域不会变为未知区域。每个局部子图的中心点作为全局拓扑地图的节点,相邻局部子图之间的连接关系作为全局拓扑地图的边,具体用G=(V,E)表示,其中节点V表示每个子图的中心点,其中节点中记录有中心点坐标以及按照时间先后建立的序号信息。边E代表两个子图之间是否存在一条可行路径,即无碰边。
随着轮式移动机器人的运动,分层次地图中每个拓扑节点记录着轮式移动机器人按顺序建立的序列信息。当轮式移动机器人运动到某个比当前拓扑节点序号更小的子图附近时,会将闭合的拓扑环路中所有节点的序号信息更新为当前的最大序号,并对建立的地图进行回环检测和后端优化,从而建立更加精确的地图。
在开放场景中,需要将探索区域限定在某一区域,从而避免轮式移动机器人不断探索。RVIZ是ROS的一个可视化工具,用于可视化传感器的数据和状态信息。在RVIZ当中,手动选择地图当中一系列点作为待探索环境的顶点,在接收到这一系列点之后,生成宽度为1的多边形,并在地图中将多边形的每条边对应位置表示为障碍物,用于限定探索区域。在生成障碍物边界的基础上,对障碍物边界进行膨胀,宽度由1扩大为3,得到经过膨胀的探索区域边界。
S4:基于S1得到的点云和S2得到的轮式移动机器人的位姿,以及S3得到的分层次地图,寻找轮式移动机器人附近的已知区域与未知区域的交界区域,并选择交界区域中的某个点作为探索规划的运动目标点。
轮式移动机器人在探索规划的过程中,不断获取轮式移动机器人当前感知到的分层次地图,在地图当中寻找能够到达未知区域的位置作为目标点。常用的目标点生成策略可以分为基于边界和基于采样。边界是指在地图当中寻找已知区域和未知区域的交界,通过图搜索算法找到边界,并以该边界中的某个点作为目标点。基于采样的方式是在地图当中使用采样算法,如RRT,在地图中生成树,并在节点拓展的过程中寻找有从已知区域到未知区域的边,并将对应的已知区域节点作为目标点。但是,基于采样的方法在窄道等区域难以随机采样到已知区域到未知区域的边,导致探索过程中遗漏部分地图信息。因此,在目标点生成过程中,采用基于边界的目标点生成策略。该策略获取轮式移动机器人当前的定位信息以及地图信息之后,在地图当中以轮式移动机器人中心为起点,使用WFD边界检测算法(该算法以机器人所在栅格为起点,使用广度优先遍历的方式,在栅格地图的已知区域中进行遍历,直到寻找到由已知区域到未知区域的点,将该点作为边界点,经过聚类,得到一系列边界点),找到地图当中的边界点,然后将得到的最近边界点作为轮式移动机器人的目标点。
在实际运行中,如果轮式移动机器人前往最近边界点,由于机器人与两个路口对应未知区域的最短距离相同,会出现在三叉路口目标点抖动的情况。基于此,采用基于后向选择的目标点生成策略。先基于轮式移动机器人位姿及地图寻找距离机器人最近的探索边界点作为目标点。在找到最近目标点之后,使用WFD算法寻找距离当前目标点最近的探索边界点作为下一时刻的目标点。在轮式移动机器人的运动过程中,当上一个目标点所在地图状态在一定时间间隔内没有从未知区域更新为已知区域或障碍物区域,则重新使用WFD算法搜索距离轮式移动机器人最近的边界点作为目标点。
同时,目标点生成会考虑到轮式移动机器人曾经探索过的区域。随着轮式移动机器人的运动,分层次地图中每个拓扑节点记录着轮式移动机器人按顺序建立的序列信息。当轮式移动机器人运动到某个比当前拓扑节点序号更小的子图附近时,轮式移动机器人会以该序号更小拓扑节点的中心位置作为运动目标点。当轮式移动机器人运动到曾经过的区域时,建图程序能够进行回环检测,将建立的分层次地图进行后端优化,从而建立更加精确的地图。同时,建图程序会将闭合的拓扑环路中所有节点的序号信息更新为当前的最大序号,用于避免轮式移动机器人重复进行主动回环。
S5:轮式移动机器人的路径规划
利用S2提供的位姿,S3提供的地图,S4提供的目标点,并使用全局路径规划器,在地图当中规划出一条全局路径,然后使用局部路径规划器跟踪该全局路径,提供机器人的速度指令。
轮式移动机器人路径规划分为全局路径规划和局部路径规划,需要先得到地图以及轮式移动机器人定位信息,然后利用边界选择策略得到的目标点,规划一条从轮式移动机器人当前位置到目标点的一条无碰路径。在全局路径规划当中,由于使用的是四轮差分移动轮式移动机器人,轮式移动机器人满足完整运动学约束。基于采样的如RRT*算法,不断收敛达到路径长度渐进最优,但是在确定时间内找到的路径可能并非一条最短路径,而使用基于搜索的A*算法能够快速有效地找到从起点到终点的一条最优路径。因此,全局路径规划使用A*算法,以轮式移动机器人当前所在栅格为起点,向周围八个栅格进行扩展,从而规划出一条初始无碰路径,然后将得到的初始路径作为参考路径,放在局部路径规划器中运行。局部路径规划器使用DWA算法,利用当前感知到的局部地图,以及轮式移动机器人定位和全局规划的路径点,对线速度和角速度进行采样,并对生成的轨迹打分,最终选定最优的轨迹下发给底盘执行。
S6:轮式移动机器人的运动控制:
四轮差分移动无人车接收并执行S5提供的速度指令。在地图中,当不存在轮式移动机器人可达的未知区域时,表示在该划定的环境中不存在可以探索的区域,S4将机器人当前位置作为目标点,S5提供速度为0的速度指令,轮式移动机器人停止运动,此时探索规划结束。
S7:整个***包括搭建模块、感知模块、定位模块、建图模块、目标点生成模块、路径规划模块、运动控制模块。
显然,上述并非对实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可做出不同形式的变化,这些经变化后的实施方式仍处于本发明创造的保护范围中。
Claims (5)
1.一种基于轮式移动机器人的自主探索建图方法,其特征在于,包括:
搭建轮式移动机器人硬件框架;
获得IMU的加速度信息、角速度信息和激光雷达的点云信息;
通过获得的加速度信息、角速度信息和点云信息,提供轮式移动机器人位姿;
通过轮式移动机器人位姿和点云信息,建立分层次地图;
所述的分层次地图,用于为轮式移动机器人生成目标点和路径规划提供地图信息,具体为:
分层次地图由全局拓扑地图和局部子图构成,每个局部子图为稠密的栅格地图,每个局部子图的中心点作为全局拓扑地图的节点,相邻局部子图之间的连接关系作为全局拓扑地图的边,具体用G=(V,E)表示,其中节点V表示每个子图的中心点,其中节点中包含有中心点坐标以及按照时间先后建立的序号,边E代表两个子图之间是否存在一条可行路径,即无碰边;
通过分层次地图和轮式移动机器人位姿,确定轮式移动机器人为了感知未知区域的运动目标点;
采用基于后向选择的目标点生成策略,先基于轮式移动机器人位姿及地图寻找距离轮式移动机器人最近的未知点作为目标点,在找到目标点之后,当该目标点在地图中的状态在一定时间间隔内没有从未知区域更新为已知区域或障碍物区域,则以轮式移动机器人中心为起点搜索最近的边界点作为目标点,否则寻找距离当前目标点最近的未知点作为下一时刻的目标点;
随着轮式移动机器人的运动,分层次地图中每个拓扑节点记录着轮式移动机器人按顺序建立的序列信息,当轮式移动机器人运动到之前探索的区域附近时,轮式移动机器人会主动前往之前探索的区域,从而促进建图程序进行回环检测和后端优化,减少地图不确定度;
通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于实时障碍物信息,规划出轨迹;
接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可达的未知区域,自主探索结束。
2.根据权利要求1所述的基于轮式移动机器人的自主探索建图方法,其特征在于,所述的搭建轮式移动机器人硬件框架,具体为:
轮式移动机器人包括用于自主运动的底盘,作为运算平台的工控机,用于为工控机、激光雷达和IMU供电的电池,用于获取环境信息的激光雷达,用于获取机器人运动状态的IMU,还包括用于户外调试的键盘、鼠标和显示器,其中,底盘上方安装有工控机、电池、IMU和激光雷达,所述的激光雷达处于移动机器人最高处,距离机器人底盘上方40cm以上高度;所述的激光雷达、IMU和轮式移动机器人底盘通过数据线分别与工控机连接,电池通过电源线为工控机供电,激光雷达与工控机之间的信号单向传递,IMU与工控机之间的信号单向传递,底盘与工控机的信号双向传递。
3.根据权利要求1所述的基于轮式移动机器人的自主探索建图方法,其特征在于,所述的通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于动态障碍物信息,规划出轨迹,具体为使用全局路径规划算法得到从当前位置到目标点的最短无碰撞路径,使用局部路径规划算法得到轨迹,根据轨迹生成控制指令,控制指令包含线速度和角速度。
4.根据权利要求1所述的基于轮式移动机器人的自主探索建图方法,其特征在于,所述接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人的进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可到达的未知区域,自主探索结束,具体为将移动机器人的控制指令下发给底盘,驱动底盘运动,当环境中不存在从机器人所在已知区域到未知区域的可通行路径时,探索规划结束。
5.一种基于轮式移动机器人的自主探索建图***,其特征在于,***包括:
搭建模块:用于搭建轮式移动机器人硬件框架;
感知模块:用于获得IMU的加速度信息、角速度信息和激光雷达的点云信息;
定位模块:通过获得的加速度、角速度信息和点云信息,提供轮式移动机器人位姿;
建图模块:用于通过轮式移动机器人位姿和点云信息,建立分层次地图;
所述的分层次地图,用于为轮式移动机器人生成目标点和路径规划提供地图信息,具体为:
分层次地图由全局拓扑地图和局部子图构成,每个局部子图为稠密的栅格地图,每个局部子图的中心点作为全局拓扑地图的节点,相邻局部子图之间的连接关系作为全局拓扑地图的边,具体用G=(V,E)表示,其中节点V表示每个子图的中心点,其中节点中包含有中心点坐标以及按照时间先后建立的序号,边E代表两个子图之间是否存在一条可行路径,即无碰边;
目标点生成模块:用于通过分层次地图和轮式移动机器人位姿,确定轮式移动机器人为自主建图的运动目标点;
采用基于后向选择的目标点生成策略,先基于轮式移动机器人位姿及地图寻找距离轮式移动机器人最近的未知点作为目标点,在找到目标点之后,当该目标点在地图中的状态在一定时间间隔内没有从未知区域更新为已知区域或障碍物区域,则以轮式移动机器人中心为起点搜索最近的边界点作为目标点,否则寻找距离当前目标点最近的未知点作为下一时刻的目标点;
随着轮式移动机器人的运动,分层次地图中每个拓扑节点记录着轮式移动机器人按顺序建立的序列信息,当轮式移动机器人运动到之前探索的区域附近时,轮式移动机器人会主动前往之前探索的区域,从而促进建图程序进行回环检测和后端优化,减少地图不确定度;
路径规划模块:用于通过分层次地图、轮式移动机器人位姿和运动目标点,规划出一条可行路径;基于动态障碍物信息,规划出运动轨迹;
运动控制模块:用于接收轮式移动机器人的控制指令,使用控制器对轮式移动机器人的进行实时控制;判断是否还存在未探索的区域,如存在则重复探索步骤,直至不存在可到达的未知区域,自主探索结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533152.9A CN116147606B (zh) | 2022-12-02 | 2022-12-02 | 一种基于轮式移动机器人的自主探索建图方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211533152.9A CN116147606B (zh) | 2022-12-02 | 2022-12-02 | 一种基于轮式移动机器人的自主探索建图方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116147606A CN116147606A (zh) | 2023-05-23 |
CN116147606B true CN116147606B (zh) | 2023-09-08 |
Family
ID=86337930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211533152.9A Active CN116147606B (zh) | 2022-12-02 | 2022-12-02 | 一种基于轮式移动机器人的自主探索建图方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116147606B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN113325837A (zh) * | 2021-04-23 | 2021-08-31 | 北京启安智慧科技有限公司 | 一种用于多信息融合采集机器人的控制***及方法 |
CN113467500A (zh) * | 2021-07-19 | 2021-10-01 | 天津大学 | 一种基于双目视觉的无人机非合作目标追踪*** |
CN114034299A (zh) * | 2021-11-08 | 2022-02-11 | 中南大学 | 一种基于主动激光slam的导航*** |
CN114510057A (zh) * | 2022-02-21 | 2022-05-17 | 沈阳理工大学 | 一种室内环境中基于ros的移动机器人自主导航方法 |
CN114625121A (zh) * | 2022-01-24 | 2022-06-14 | 成都理工大学 | 基于多传感器融合的自主巡检探索小车***及导航方法 |
CN114740846A (zh) * | 2022-04-01 | 2022-07-12 | 南京航空航天大学 | 面向拓扑-栅格-度量混合地图的分层路径规划方法 |
CN114791734A (zh) * | 2022-04-29 | 2022-07-26 | 北京理工大学 | 一种基于语义信息串联的履带车辆的控制方法及*** |
-
2022
- 2022-12-02 CN CN202211533152.9A patent/CN116147606B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268729A (zh) * | 2013-05-22 | 2013-08-28 | 北京工业大学 | 基于混合特征的移动机器人级联式地图创建方法 |
CN104898660A (zh) * | 2015-03-27 | 2015-09-09 | 中国科学技术大学 | 一种提高机器人路径规划效率的室内地图构建方法 |
CN113325837A (zh) * | 2021-04-23 | 2021-08-31 | 北京启安智慧科技有限公司 | 一种用于多信息融合采集机器人的控制***及方法 |
CN113467500A (zh) * | 2021-07-19 | 2021-10-01 | 天津大学 | 一种基于双目视觉的无人机非合作目标追踪*** |
CN114034299A (zh) * | 2021-11-08 | 2022-02-11 | 中南大学 | 一种基于主动激光slam的导航*** |
CN114625121A (zh) * | 2022-01-24 | 2022-06-14 | 成都理工大学 | 基于多传感器融合的自主巡检探索小车***及导航方法 |
CN114510057A (zh) * | 2022-02-21 | 2022-05-17 | 沈阳理工大学 | 一种室内环境中基于ros的移动机器人自主导航方法 |
CN114740846A (zh) * | 2022-04-01 | 2022-07-12 | 南京航空航天大学 | 面向拓扑-栅格-度量混合地图的分层路径规划方法 |
CN114791734A (zh) * | 2022-04-29 | 2022-07-26 | 北京理工大学 | 一种基于语义信息串联的履带车辆的控制方法及*** |
Non-Patent Citations (1)
Title |
---|
基于高精地图的隧道巡检无人机自主导航技术研究;唐先锋;《中国优秀硕士学位论文全文数据库》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116147606A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11231715B2 (en) | Method and system for controlling a vehicle | |
CN109916393B (zh) | 一种基于机器人位姿的多重栅格值导航方法及其应用 | |
Ergezer et al. | 3D path planning for multiple UAVs for maximum information collection | |
EP3816758B1 (en) | Grid-based movement control | |
Zhang et al. | Rapidly-exploring Random Trees multi-robot map exploration under optimization framework | |
CN106323269A (zh) | 自主定位导航设备、定位导航方法及自主定位导航*** | |
Tordesillas et al. | Real-time planning with multi-fidelity models for agile flights in unknown environments | |
Petrlík et al. | Coverage optimization in the cooperative surveillance task using multiple micro aerial vehicles | |
Chen et al. | Dynamic obstacle avoidance for UAVs using a fast trajectory planning approach | |
CN110456785A (zh) | 一种基于履带机器人的室内自主探索方法 | |
Xu et al. | Real-time 3D navigation for autonomous vision-guided MAVs | |
Choi et al. | Cellular Communication-Based Autonomous UAV Navigation with Obstacle Avoidance for Unknown Indoor Environments. | |
Zhou et al. | Slam algorithm and navigation for indoor mobile robot based on ros | |
Cheng et al. | Research on path planning of mobile robot based on dynamic environment | |
CN116147606B (zh) | 一种基于轮式移动机器人的自主探索建图方法及*** | |
Mitra et al. | Scalable online coverage path planning for multi-robot systems | |
Omar | Path planning for unmanned aerial vehicles using visibility line-based methods | |
Baranzadeh | A decentralized control algorithm for target search by a multi-robot team | |
Hughes et al. | Colony of robots for exploration based on multi-agent system | |
Bayer et al. | Autonomous Multi-robot Exploration with Ground Vehicles in DARPA Subterranean Challenge Finals. | |
de la Croix et al. | Multi-Agent Autonomy for Space Exploration on the CADRE Lunar Technology Demonstration | |
CN114872051B (zh) | 通行地图获取***、方法、机器人及计算机可读存储介质 | |
Wu et al. | MR-GMMExplore: Multi-Robot Exploration System in Unknown Environments based on Gaussian Mixture Model | |
CN116423515B (zh) | 一种多机器人的数字孪生控制***及其定位与建图的方法 | |
CN114115363B (zh) | 一种基于动态目标追踪的多无人机未知室内空间探索方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |