ROS2环境下移动机器人导航及路径规划研究.pdf

2023年/第12期 物联网技术智能处理与应用Intelligent Processing and Application1250 引 言随着新一代信息技术的发展，移动机器人相关技术得到迅速发展。目前在制造领域，大多数物料运输搬运机器人是自动导引小车（Automated Guided Vehicle,AGV）形式，其自身安装有感应电磁与光线等信息传感器，能够沿着预定轨道自主行驶。随着物联网的普及应用及智能制造与数字孪生的推广应用，传统的 AGV 小车已经逐步被更智能、更自由、更安全的 AMR 移动机器人取代。ROS 系统以其开源性、灵活性佳在机器人领域广受关注，针对 AMR 移动机器人，ROS 系统提供了导航所需的 SLAM建图算法与路径规划算法，能够通过算法进行灵活自主的行驶和避障，增加了其机动性与安全性。目前国内外学者对智能制造、数字孪生及 ROS 的机器人应用研究理论较多，在实际应用场合缺少规范及成熟的技术，如：S.Gatesichapakorn1等、P.Phueakthong2等、F.Martn3等在 ROS 中利用 2D 激光雷达、RGB-D 相机、PCL 获得三维深度点云用于障碍物检测，将 2D 激光雷达和 RGB-D 相机互补，增强了移动机器人导航功能；陶飞4等人针对新一代信息技术发展的背景，提出数字孪生的概念、系统组成、运行机制、特点、关键技术等，探讨了 CPS 与信息交互和共融理论及实现方法；施佳宏5等人提出面向生产线仿真的数字孪生逻辑模型构建方法，并通过生产线实例仿真验证了建模方法的有效性；曹远冲6等人提出了一种基于数字孪生的复杂产品离散装配车间动态调度方法，构建了数字孪生的调度框架和调度模型，构建调度原型并验证了该方法的有效性和可行性；褚俊娴7以石化行业某包装车间为研究对象，对运输任务与 AGV 之间的匹配策略和 AGV 的行走路径问题进行探讨，建立 AGV调度优化模型，并结合 Pareto 理论与改进粒子算法求解调度问题，同时根据车间电子地图，应用改进 A*算法解决单个AGV 的行走路径问题，为车间实现物流智能化提供重要的理论依据和技术支撑；温淑慧8等设计了基于 ROS 的移动机器人自主建图与路径规划系统，利用基于头尾双向搜索的A*算法进行全局路径规划，采用 DWA 算法完成局部避障工作及自主导航任务；王东霞9开发了移动机器人导航系统，实现了机器人的定位、绘图、导航等功能。综上所述，国内外学者对 ROS 移动机器人进行了广泛研究，包括 ROS1 系统的定位与导航等，但对 ROS2 系统的研究却较少。ROS2系统增加了对多机器人系统的支持，同时在 ROS1 的基础上支持 MCU 等嵌入式微控制器，实现了跨平台运行。因此，基于 ROS2 系统，对移动机器人导航及路径规划系统进行设计与开发，并通过自研的移动机器人进行现场测试，满足了系统的功能及性能要求。1 AMR 导航与路径规划系统总体设计AMR 导航与路径规划系统总体框架采用 2 层分布式架构，从下往上分别是硬件层和软件层，如图 1 所示。系统 2 层构成描述如下所示：（1）硬件层：硬件层包括 2D 激光雷达、IMU 以及轮毂伺服电机三种硬件。激光雷达是如今移动机器人领域最常见、最重要的传感器之一，通过 360全方位扫描提供平面点云的信息，使用驱动程序启动雷达工作；IMU 包含众多运动传ROS2 环境下移动机器人导航及路径规划研究江 航，邱胜海，孙小肖，王 清，郭子鹏，程泽鹏（南京工程学院 机械工程学院，江苏 南京 211167）摘 要：自主移动机器人（Autonomous Mobile Robot,AMR）是近年来出现的高智能机器人，被广泛应用于智能制造及物联网应用领域。在 ROS2 的基础上设计了 AMR 的硬件和软件系统架构，描述了基于 AMR 的多传感器数据融合与地图构建技术，提出了一种改进 A*算法实现 AMR 的路径规划，最后给出 AMR 导航系统的实现步骤。结果表明，该移动机器人导航系统具有运行稳定性与导航准确性，能够有效降低电池的能耗。关键词：ROS2 系统；移动机器人；路径规划；改进 A*算法；数据融合；地图构建中图分类号：TP39；G642.3 文献标识码：A 文章编号：2095-1302（2023）12-0125-03DOI：10.16667/j.issn.2095-1302.2023.12.033收稿日期：2023-02-02 修回日期：2023-03-29基金项目：中国高等教育学会数字化课程资源研究专项课题（21SZYB13）；江苏省大学生实践创新训练计划项目（202311276145H）；江苏省大学生实践创新训练计划项目（202311276170H）；南京工程学院教学改革与建设项目（JXJS2021022）物联网技术 2023年/第12期 智能处理与应用Intelligent Processing and Application126感器，主要用来测量机器人角速度和加速度，本文中的 IMU主要提供机器人的角度信息；轮毂伺服电机内带有编码器，主要能够提供轮毂转速、位置等信息，控制器通过编码器传递的脉冲来确定位置。图 1 AMR 系统总体框架（2）软件层：软件层包含 SLAM 建图模块和 Navigation2导航模块。建图时需要激光雷达信息和机器人的位姿信息，其中，机器人位姿信息通过里程计与 IMU 提供的数据融合之后得到。再使用 SLAM Toolbox 包实现对周围环境的二维地图创建，保存后提供给导航使用。导航时，机器人启动之后通过调用 Navigation2 包加载建成二维地图，通过 Rviz2 可视化界面显示二维地图，确定机器人初始位姿，给出目标位置，调用路径规划算法或自定义优化算法实现自主导航与路径规划。该层在 ROS2-Galactic 开发环境中实现。软件层与硬件层之间通过 Modbus 通信协议、MQTT 物联网通信协议进行连接与信息传递。2 多传感器数据融合与地图构建技术AMR 机器人状态信息包括位姿、行走距离、速度、旋转角度、电量消耗等，由不同的传感器采集，通过数据采集与控制系统对各类信息进行有效的数据融合，具体描述如下：（1）2D 激光雷达：激光雷达分为节点的发布与订阅两部分，启动后可以在 Rviz2 中看到激光雷达扫描到的平面点云的信息，这些信息将会在建成的二维地图中显示出来。（2）轮式里程计计数及计算：轮式里程计通过统计编码脉冲在单位时间内相对增加或减少的值转化而来。每 0.1 s读取一次编码器脉冲值，相邻两次读数之差即为 0.1 s 编码器的增量值，依次推测出机器人行走的距离和速度，又由两轮编码器数值之差可以推算出机器人旋转的角度和角速度，在此基础上对小车进行里程计发布。里程计信息包括父坐标系、子坐标系、x 坐标值、y 坐标值、线速度、角速度等属性值。（3）IMU 数据：IMU 主要通过陀螺仪测算出机器人旋转的角度值，其坐标系与里程计坐标系一致。导航地图构建主要采用软件层的 SLAM 建图模块完成，其过程为先扫描实际制造车间的三维地图，再在编码器里程计中设定坐标 x，y 以及偏航角速度 vyaw为真值，IMU 中设定偏航角 yaw 为真值，将这些参数整合，最后应用 SLAM Toolbox 包建图。完成的二维地图如图 2（a）所示，实际车间地图如图 2（b）所示。图 2 车间布局地图对照图3 移动机器人导航算法及实现移动机器人导航系统基于 ROS2 中搭载的 Navigation2包实现。Navigation2项目包继承了ROS中的Navigation项目，其核心组件是 ROS2 系统，主要目的是寻找一条安全的路径控制机器人从 A 点移动到 B 点。使用 Navigation2 包能够实现动态路径规划、动态移动速度计算、躲避障碍物等功能。Navigation2 中提供的全局路径规划算法是传统的 Dijkstra 或A*算法，可以获得最短路径，但并没有考虑能量的消耗，并不适用制造车间物流检测 AMR 的路径规划。本文提出一种考虑能量消耗的改进A*算法，综合考虑AMR 与地面摩擦、载重等因素，建立能耗模型并进行优化。3.1 传统 A*算法A*算法常用于静态环境下最优路径的求解，其根据代价函数在静态环境下选择一条从起点到终点距离最优的路径。传统 A*算法的代价函数如式（1）所示：f(n)=g(n)+h(n)（1）式中：g(n)表示起点到节点 n 的实际距离代价；h(n)表示节点 n 到目标点的预估距离代价。距离代价采用欧式距离计算，如式（2）所示：h nxxyyg nxxyynnnn()=()+()()=()+()goalgoalstartstart2222 （2）式中：(xn,yn)、(xstart,ystart)、(xgoal,ygoal)分别代表的是节点 n、起点 start、终点 goal 的坐标。3.2 改进的 A*算法改进的 A*算法在传统 A*算法基础上增加了能耗最省约束条件，需要建立移动机器人能耗方程。AMR 能耗主要包括电子设备工作消耗的能量 Eequipment和运动过程中所消耗的能量 Emotion，因此 AMR 能耗方程可表示为：2023年/第12期 物联网技术智能处理与应用Intelligent Processing and Application127Erobot=Eequipment+Emotion=tpequipmentdt+tpmotiondt （3）式中：pmotion为运动过程中的功率耗损；pequipment为机器人电子设备的功率耗损。移动机器人在运动过程中克服牵引阻力所损耗的能量为：W=pmotiont=Ftractions=(Ff+Fair+Fg)L （4）式中：W 为运动过程的总功；Ftraction为运动过程的总牵引力；Ff、Fair、Fg为运动过程中的摩擦力、空气阻力以及重力斜面水平分力；L 为移动距离；移动机器人在运动过程中始终保持匀速行驶且速度低。因此，由式（3）、式（4）可知机器人在运动过程中的总能耗 Erobot：Erobot=1+kmgsin()s+mgcos()（5）式中：m 为机器人总质量；g 为重力加速度；为摩擦系数；为坡度；s 为移动距离；k 为比例系数。为了表征复杂环境下机器人的移动距离和能量消耗，Mejri 等10构建了基于距离的邻接矩阵 AD与基于能量的邻接矩阵 AE。以能量矩阵 AE(i,j)为改进 A*算法的搜索准则：AE(i,j)=Erobot=1+ksin()+i,jcos()mgAD(i,j)（6）式中：i,j为位置 i 到位置 j 的平均摩擦系数。考虑现实坡度对机器人移动的能耗影响，采用水平地面的邻接矩阵 A(i,j)，其表达式如式（7）所示：A(i,j)=j-i （7）式中：A(i,j)表示位置 i 到位置 j 的坡度大小以及坡度状态，相邻位置 i 与 j 数值差的绝对值代表对应区域间的坡度，正负表示移动机器人爬坡与下坡两种状态。结合式（1）、式（6）、式（7）可得基于能耗成本的路径搜索新准则：E(k)=g(k-1)+AE(k-1,k)+AE(k,goal)（8）式中：g kg kkkkkEEkk()=()+()=()=1221111AA,。3.3 AMR 导航系统的实现步骤（1）配置 TF 坐标变换，实现地图到里程计、里程计到底盘坐标系和底盘坐标系到各传感器坐标系的转换。（2）设置里程计与传感器，该任务在建图时已经配置完成，此时启动相应节点即可。（3）设定机器人的地面投影 footprint，在 Nav2 导航算法包中，将 params.yaml 文件中 footprint 的值修改为实际机器人地面投影大小的值。（4）应用 C+语言实现改进型 A*算法，并将其命名为SeaStar。Nav2 已包含多个算法，例如 Dijkstra、A*及混合A*算法。测试 AMR 为二轮差速机器人，为了能在 ROS2 中应用 SeaStar 算法，只需在 Nav2 的规划服务器中添加该算法，重新编译后便可调用 SeaStar 算法。（5）实体机器人进行导航测试，启动机器人节点，即启动雷达、IMU、里程计发布节点，在 nav2_car 工作空间中运行所保存的地图 map.yaml。使用系统中的“2D Pose Estimate”功能，系统估算出机器人的实际位置，启动导航。使用“Nav2 Goal”功能，在地图上指定一个目标位置，AMR 便能够通过 SeaStar 算法规划出一条能耗最小路径，通过计算 AMR 电池能量消耗数值，与传统 A*算法进行比较，改进 SeaStar 算法节省约 14.6%的能耗。4 结 语对 AMR 导航系统和路径规划算法进行研究，通过参考ROS2 系统中提供的 Slam Toolbox 包和 Navigation2 包设计基于 ROS2 的机器人导航系统。为使 AMR 在运动过程中能耗最小，提出一种改进 A*算法并在 ROS2 中实现。对自研的AMR 进行试验，结果表明，该系统能够实现快速建图与最小能耗路径规划，为低碳制造提供了可行的途径。注：本文通讯作者为邱胜海。参考文献1 GATESICHAPAKORN S，TAKAMATSU J，RUCHANURUCKS M.ROS based Autonomous Mobile Robot Navigation using 2D LiDAR and RGB-D Camera C/2019 First International Symposium on Instrumentation，Control，Artificial Intelligence，and Robotics（ICA-SYMP），2019：151-154.2 PHUEAKTHONG P，VARAGUL J.A Development of Mobile Robot Based on ROS2 for Navigation Application C/2021 International Electronics Symposium（IES），2021：517-520.3 MARTN F，CLAVERO J G，MATELLN V，et al.PlanSys2：A Planning System Framework for ROS2 C/2021 IEEE/RSJ International Conference on Intelligent Robots and Systems（IROS），2021：9742-9749.4 陶飞，张萌，程江峰，等.数字孪生车间一种未来车间运行新模式 J.计算机集成制造系统，2017，23（1）：1-9.5 施佳宏，刘晓军，刘庭煜，等.面向生产线仿真的数字孪生逻辑模型构建方法 J/OL.计算机集成制造系统，2022-02-23，1-21.6 曹远冲，熊辉，庄存波，等.基于数字孪生的复杂产品离散装配车间动态调度 J.计算机集成制造系统，2021，27（2）：557-568.7褚俊娴.智能包装车间AGV路径规划与动态调度研究D.哈尔滨：哈尔滨工业大学，2021.8 温淑慧，问泽藤，刘鑫，等.基于 ROS 的移动机器人自主建图与路径规划 J.沈阳工业大学学报，2022，44（1）：90-94.9 王东霞.ROS 在移动机器人自动导航系统设计研究中的应用 J.电子世界，2021，43（21）：198-199.10 MEJRI E，KELOUWANI S，DUBE Y，et al.Energy efficient path planning for low speed autonomous electric vehicle C/IEEE，2017.作者简介：江 航，工学学士，研究方向为机器人控制技术、人工智能。邱胜海，副教授，硕士，研究方向为智能制造与大数据技术。