基于ROS的機(jī)器人室內(nèi)巡檢技術(shù)仿真

高民東，張雅妮，朱凌云

(重慶理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院， 重慶 400054)

作為機(jī)器人的典型應(yīng)用，巡檢機(jī)器人得到了廣泛關(guān)注。任志斌等[1]嘗試在輸電線路中應(yīng)用巡檢機(jī)器人進(jìn)行越障控制。周立輝等[2]根據(jù)磁軌跡實(shí)現(xiàn)移動(dòng)機(jī)器人的巡檢應(yīng)用，并在該機(jī)器人上攜帶攝像機(jī)、紅外熱像儀等傳感器用于監(jiān)控?；诖跑壽E和輸電線路的機(jī)器人巡檢方案雖然穩(wěn)定性高，但是所設(shè)計(jì)的巡檢機(jī)器人缺乏靈活、機(jī)動(dòng)性，所使用的傳感器也極少用于機(jī)器人的定位與建圖以及路徑規(guī)劃中。唐恒博等[3]通過設(shè)計(jì)一種里程計(jì)與定位針路標(biāo)融合的方法來提高巡檢機(jī)器人的定位精度。Zhu等[4]針對(duì)目前巡檢機(jī)器人使用的磁導(dǎo)航和RFID停車系統(tǒng)的不足，設(shè)計(jì)了激光導(dǎo)航系統(tǒng)，并完成了定位與建圖的實(shí)驗(yàn)，使得機(jī)器人的自主性大大增強(qiáng)。但巡檢機(jī)器人應(yīng)用于室內(nèi)的研究鮮有提到。因?yàn)槭覂?nèi)機(jī)器人不可采用GPS進(jìn)行定位導(dǎo)航，故室內(nèi)機(jī)器人大多以磁導(dǎo)航為主進(jìn)行室內(nèi)巡檢，該方案缺乏靈活性，機(jī)器人無法自主規(guī)劃路徑，且只能感知部分室內(nèi)環(huán)境。

通過融合同時(shí)定位與建圖技術(shù)可以使機(jī)器人完整、有效地感知周圍環(huán)境。定位與建圖技術(shù)(SLAM)的基本思想是通過機(jī)器人傳感器獲取的點(diǎn)云數(shù)據(jù)或是深度數(shù)據(jù)，在其移動(dòng)過程中建立出該環(huán)境地圖模型[5]。如今已經(jīng)提出了很多算法，如卡爾曼濾波、擴(kuò)展卡爾曼濾波、無跡卡爾曼濾波、粒子濾波、FastSlam、Gmapping等[6]，最近也出現(xiàn)了使用隨機(jī)有限集來進(jìn)行SLAM的思路[7]。

路徑規(guī)劃也是機(jī)器人研究的一個(gè)重要領(lǐng)域。路徑規(guī)劃的主要任務(wù)是使輪式機(jī)器人能夠安全避開各種環(huán)境中的移動(dòng)、靜止障礙物，并以最短且最優(yōu)的路徑到達(dá)所指定的終點(diǎn)，該技術(shù)可以有效提高巡檢機(jī)器人的靈活性[8-10]。Akshay Kumar Guruji等[11]根據(jù)A*的特點(diǎn)改進(jìn)并發(fā)明了時(shí)效A*算法，提高了算法效率。隨著深度學(xué)習(xí)領(lǐng)域研究日趨豐富，學(xué)者也嘗試將卷積神經(jīng)網(wǎng)絡(luò)用于路徑規(guī)劃研究當(dāng)中[12]。

通過對(duì)機(jī)器人仿真技術(shù)的研究可大大降低研發(fā)成本，常用的仿真軟件有MRDS、Player和CARMEN等[13]，還有與各種軟件仿真平臺(tái)兼容的機(jī)器人仿真環(huán)境USARsim。本文提出基于ROS設(shè)計(jì)室內(nèi)機(jī)器人時(shí)使用同時(shí)定位與建圖、路徑規(guī)劃技術(shù)進(jìn)行巡檢應(yīng)用的方案，通過設(shè)計(jì)機(jī)器人模型，對(duì)巡檢過程中機(jī)器人建圖以及路徑規(guī)劃進(jìn)行了仿真平臺(tái)上的實(shí)驗(yàn)驗(yàn)證，并討論其在機(jī)器人巡檢應(yīng)用中的可行性。

1 ROS簡(jiǎn)介

機(jī)器人操作系統(tǒng)(ROS)是一款基于Linux系統(tǒng)的機(jī)器人軟件控制平臺(tái)，其最初由斯坦福大學(xué)(Stanford Artificail Intelligence Laboratory)研發(fā)[14]。ROS不同于傳統(tǒng)的操作系統(tǒng)，屬于建立在傳統(tǒng)操作系統(tǒng)上的次級(jí)操作系統(tǒng)，并為其提供一個(gè)結(jié)構(gòu)化的通訊層。作為一個(gè)機(jī)器人操作平臺(tái)，ROS通信主要具有以下特征：

1) 節(jié)點(diǎn)

節(jié)點(diǎn)即ROS執(zhí)行各種功能的程序進(jìn)程，進(jìn)程以節(jié)點(diǎn)的形式運(yùn)行，節(jié)點(diǎn)間的通訊通過消息的發(fā)布和訂閱實(shí)現(xiàn)。

2) 消息

消息即各節(jié)點(diǎn)之間通訊的內(nèi)容，目前ROS提供了400多種消息類型，包括傳感器數(shù)據(jù)類型、點(diǎn)云數(shù)據(jù)類型、地圖信息等。

3) 話題

話題是指特定消息的名稱，用于描述消息表達(dá)內(nèi)容。節(jié)點(diǎn)可以發(fā)布針對(duì)某個(gè)話題的數(shù)據(jù)消息，也可以關(guān)注訂閱某個(gè)話題的數(shù)據(jù)。

4) 服務(wù)

服務(wù)與話題的區(qū)別在于，話題可以由多個(gè)節(jié)點(diǎn)訂閱，但服務(wù)是一對(duì)一形式，即節(jié)點(diǎn)與節(jié)點(diǎn)之間建立服務(wù)后，其通訊模式一般是一個(gè)用于請(qǐng)求，一個(gè)用于回應(yīng)。

ROS具有諸多優(yōu)點(diǎn)：ROS采用分布式處理來提供操作系統(tǒng)各層級(jí)的服務(wù)，如硬件抽象、設(shè)備控制和消息管理等標(biāo)準(zhǔn)服務(wù)；分布式節(jié)點(diǎn)設(shè)計(jì)有利于構(gòu)建巡檢機(jī)器人同時(shí)定位與建圖以及路徑規(guī)劃的功能節(jié)點(diǎn)，并提供了統(tǒng)一的數(shù)據(jù)通信機(jī)制；ROS深度集成了OROCOS、Gazebo、Webots等軟件，兼容多種編程語言，如C/C++、Python、Java、LISP等，實(shí)現(xiàn)跨平臺(tái)跨語言的交互共享，使得基于ROS的機(jī)器人學(xué)的各項(xiàng)研究成果更易移植，從而加強(qiáng)了機(jī)器人在操作系統(tǒng)上的統(tǒng)一性。如今ROS也發(fā)展到了2.0版本，該版本采用DDS實(shí)現(xiàn)通訊機(jī)制的強(qiáng)實(shí)時(shí)性[15]。

2 室內(nèi)巡檢場(chǎng)景構(gòu)建

為了能使室內(nèi)機(jī)器人能進(jìn)行路徑規(guī)劃以及樓道環(huán)境、室內(nèi)環(huán)境巡檢，首先根據(jù)URDF語言建立差分移動(dòng)輪式機(jī)器人模型。該模型具有兩個(gè)差分行動(dòng)輪以及一個(gè)萬向輪，并搭載一個(gè)Hokuyo激光掃描儀，通過激光掃描儀的二維點(diǎn)云數(shù)據(jù)并結(jié)合gmapping算法可以建立路徑規(guī)劃所需要的地圖。

然后對(duì)實(shí)驗(yàn)地圖進(jìn)行建模。本實(shí)驗(yàn)主要通過gazebo軟件建立實(shí)驗(yàn)地圖，分別為某大學(xué)實(shí)驗(yàn)室室內(nèi)地圖環(huán)境和某大學(xué)某樓層地圖環(huán)境。實(shí)驗(yàn)室地圖長(zhǎng)7 m，寬5 m，主要包含電腦桌、書桌等障礙物，如圖1(a)所示。樓層地圖中樓道寬3 m，次級(jí)樓道寬2 m，每個(gè)房間長(zhǎng)7 m，寬5 m，如圖1(b)所示。

最后，編譯構(gòu)建ROS系統(tǒng)下的機(jī)器人模型結(jié)點(diǎn)、地圖環(huán)境解析結(jié)點(diǎn)，以及建圖所需的gmapping算法結(jié)點(diǎn)、路徑規(guī)劃核心結(jié)點(diǎn)move_base和各結(jié)點(diǎn)之間的通訊結(jié)點(diǎn)。最終，基于ROS構(gòu)建的巡檢機(jī)器人建圖與路徑規(guī)劃系統(tǒng)結(jié)點(diǎn)圖如圖2所示，其中圓形框代表構(gòu)建的結(jié)點(diǎn)類型，方形框?yàn)榻Y(jié)點(diǎn)訂閱和發(fā)布的話題類型。

圖1 實(shí)驗(yàn)環(huán)境地圖

圖2 建圖與路徑規(guī)劃結(jié)點(diǎn)圖

將以上方案設(shè)計(jì)應(yīng)用于機(jī)器人室內(nèi)巡檢中，并對(duì)建圖、路徑規(guī)劃實(shí)驗(yàn)過程進(jìn)行研究與分析。

3 巡檢算法分析與選擇

本節(jié)主要對(duì)應(yīng)用于機(jī)器人室內(nèi)巡檢中相關(guān)算法進(jìn)行選擇與分析。首先，采用gmapping實(shí)時(shí)建圖算法實(shí)現(xiàn)機(jī)器人巡檢過程中的地圖功能建立，然后以算法效率和路徑長(zhǎng)度為指標(biāo)對(duì)RRT、GA和Astar三種路徑規(guī)劃算法進(jìn)行對(duì)比分析并進(jìn)行選擇。

3.1 實(shí)時(shí)建圖算法分析與選擇

室內(nèi)機(jī)器人在其巡檢過程中，首先要對(duì)未知環(huán)境進(jìn)行地圖構(gòu)建，從而根據(jù)建立的地圖以及給定的目標(biāo)點(diǎn)，規(guī)劃出一條有效的巡檢路徑。本文采用gmapping算法來解決室內(nèi)地圖建立的問題，其主要思想是通過機(jī)器人觀測(cè)信息z1:t=z1,z2,z3,…,zt和里程計(jì)數(shù)據(jù)u1:t=u1,u2,u3,…,ut，同時(shí)需要找到機(jī)器人的位姿x1:t=x1,x2,x3,…,xt，并估計(jì)周圍地圖環(huán)境mt的后驗(yàn)概率。其中，機(jī)器人的位姿與地圖的聯(lián)合概率分布為p(x1:t,mt|z1:t,u1:t-1)，通過對(duì)貝葉斯?fàn)顟B(tài)濾波器空間進(jìn)行分解可得：

p(x1:t,mt|z1:t,u1:t-1)=p(mt|x1:t,z1:t)p(x1:t|z1:t,u1:t-1)

(1)

式(1)中：p(mt|x1:t,z1:t)為地圖mt的后驗(yàn)概率，通過機(jī)器人的位姿x1:t=x1,x2,x3,…,xt和傳感器的觀測(cè)信息z1:t=z1,z2,z3,…,zt可以求解得出；p(x1:t|z1:t,u1:t-1)為該機(jī)器人位姿信息x1:t=x1,x2,x3,…,xt的后驗(yàn)概率，通過已知傳感器觀測(cè)信息z1:t=z1,z2,z3,…,zt和已發(fā)布里程計(jì)信息u1:t=u1,u2,u3,…,ut求解。故Rao-Blackwellized Particle Filter(RBPF)可分為兩個(gè)關(guān)鍵步驟：① 通過里程計(jì)信息和傳感器觀測(cè)信息求出機(jī)器人軌跡；② 通過已知的機(jī)器人軌跡和傳感器信息求出周圍地圖數(shù)據(jù)[16]。

通過粒子濾波器估算所有潛在路徑的后驗(yàn)概率p(x1:t|z1:t,u1:t-1)，其中每個(gè)粒子代表機(jī)器人的一條潛在軌跡，隨著粒子不斷的迭代，低權(quán)重的粒子會(huì)被舍棄掉，而高權(quán)重的粒子會(huì)保留下來。在重采樣過程中，通過設(shè)定自適應(yīng)閾值Neff來表現(xiàn)粒子集與機(jī)器人軌跡的契合程度。

式(2)中φ(i)為粒子的歸一化權(quán)重，當(dāng)Neff小于粒子總數(shù)的一半時(shí)就會(huì)進(jìn)行重采樣的步驟，以保證所有粒子都具有相同的權(quán)重。最后，通過機(jī)器人位姿以及傳感器觀測(cè)信息來計(jì)算相應(yīng)的p(mt|x1:t,z1:t)，從而實(shí)現(xiàn)地圖更新。

3.2 路徑規(guī)劃算法分析與選擇

路徑規(guī)劃在機(jī)器人巡檢過程中同樣重要。機(jī)器人巡檢要求在較短的時(shí)間內(nèi)規(guī)劃出最優(yōu)路徑，也要盡量多地對(duì)路徑周圍環(huán)境進(jìn)行巡邏。本文針對(duì)以上要求對(duì)基于啟發(fā)式函數(shù)的A-star算法、基于樹結(jié)構(gòu)的RRT算法以及智能仿生遺傳算法GA進(jìn)行對(duì)比研究。首先，建立室內(nèi)地圖環(huán)境，指定機(jī)器人起始點(diǎn)為(25，25)，其巡檢終點(diǎn)為(300，400)，以上算法規(guī)劃路徑長(zhǎng)度以及算法運(yùn)行時(shí)間如表1所示，算法實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 路徑規(guī)劃實(shí)驗(yàn)結(jié)果

圖3中可以看出：3種算法規(guī)劃的路徑均達(dá)到避開障礙物并移動(dòng)到目標(biāo)點(diǎn)的要求。其中：圖3(a)顯示的RRT算法規(guī)劃路徑轉(zhuǎn)折點(diǎn)較多，其路徑長(zhǎng)度較長(zhǎng)；圖3(b)顯示的GA算法規(guī)劃路徑雖然為平滑路徑，但其路徑長(zhǎng)度過長(zhǎng)，并沒有達(dá)到最優(yōu)路徑的要求；圖3(c)顯示的A-star算法規(guī)劃路徑轉(zhuǎn)折點(diǎn)較少，且路徑長(zhǎng)度最短。

表1 算法效率與規(guī)劃路徑長(zhǎng)度

從表1中可以看出：在3個(gè)路徑算法的規(guī)劃路徑長(zhǎng)度中，A-star算法的路徑長(zhǎng)度最短，GA算法規(guī)劃路徑最長(zhǎng)，而RRT算法路徑規(guī)劃時(shí)間最短，A-star算法次之。

雖然RRT算法時(shí)間較A-star算法短，但考慮到機(jī)器人在巡檢過程中，要求路徑轉(zhuǎn)折點(diǎn)較少以及以較短的路徑到達(dá)目標(biāo)點(diǎn)，且A-star算法規(guī)劃路徑所花時(shí)間在機(jī)器人可控范圍內(nèi)，故綜合考慮以A-star算法為室內(nèi)機(jī)器人巡檢的路徑規(guī)劃算法。

4 仿真實(shí)驗(yàn)結(jié)果

4.1 建圖仿真實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)基于gazebo搭建的地圖環(huán)境進(jìn)行建圖實(shí)驗(yàn)，機(jī)器人初始起點(diǎn)為(25，25)，通過自編寫的ROS鍵盤控制程序來對(duì)機(jī)器人進(jìn)行行動(dòng)控制。圖4(a)顯示了室內(nèi)建圖的過程，其中：上3圖為gazebo仿真環(huán)境建圖過程，室內(nèi)環(huán)境包括電腦桌、書桌、咖啡桌等障礙物模型；下3圖為Rviz中機(jī)器人建圖過程，主要顯示為代價(jià)地圖模式，紅色箭頭為機(jī)器人行駛的里程計(jì)數(shù)據(jù)，機(jī)器人在行動(dòng)的過程中，白色為可通行區(qū)域，黑色為障礙物的膨脹半徑，障礙物的膨脹處理有利于機(jī)器人在行駛過程中避免碰撞。

圖4 室內(nèi)建圖實(shí)驗(yàn)仿真

圖4(b)顯示了機(jī)器人在樓道進(jìn)行建圖實(shí)驗(yàn)的過程，機(jī)器人初始起點(diǎn)為(10，10)，因主要實(shí)驗(yàn)?zāi)康臑榻堑拉h(huán)境地圖，故樓道環(huán)境較室內(nèi)地圖環(huán)境簡(jiǎn)單。同圖4(a)，上3圖為機(jī)器人在gazebo中的建圖過程，下3圖為機(jī)器人在gazebo中的地圖建立過程，主要顯示為代價(jià)地圖。同理，紅色箭頭為機(jī)器人行駛的里程計(jì)數(shù)據(jù)，白色為可通行區(qū)域，灰色區(qū)域?yàn)閲鷫ε蛎洶霃?，紅色線部分為激光掃描儀所掃描的障礙物形狀。通過建圖算法最終轉(zhuǎn)化為樓道地圖模型。

通過ROS鍵盤控制程序?qū)堑拉h(huán)境、室內(nèi)環(huán)境進(jìn)行掃描建圖，最終得到如圖5所示的建圖結(jié)果。

圖5 建圖仿真實(shí)驗(yàn)結(jié)果

由實(shí)驗(yàn)結(jié)果可以看出，基于ROS下的gmapping算法建圖效果較為完整和清晰。因?yàn)樵趯?duì)機(jī)器人建模過程中擬定的機(jī)器人三維幾何高度較低，故在圖4(a)所示的室內(nèi)環(huán)境中激光掃描儀只記錄了辦公桌、咖啡桌等障礙物的桌腿部分，但其建圖結(jié)果仍是有效的。在圖5(b)所示樓道環(huán)境結(jié)果中，原樓道環(huán)境中每間實(shí)驗(yàn)室物理尺寸一樣，在建圖結(jié)果中通過數(shù)據(jù)拼接、特征匹配和回環(huán)檢測(cè)，完整地建立了樓道地圖以及該樓層每個(gè)實(shí)驗(yàn)室的地圖環(huán)境。

綜上所述，基于ROS的室內(nèi)機(jī)器人在其人為控制下，通過收集二維點(diǎn)云數(shù)據(jù)，完整、有效地建立了巡檢所需要的樓道、室內(nèi)地圖環(huán)境。

4.2 路徑規(guī)劃仿真實(shí)驗(yàn)結(jié)果

針對(duì)所建立的實(shí)驗(yàn)地圖環(huán)境，將自建機(jī)器人放入室內(nèi)環(huán)境進(jìn)行路徑規(guī)劃仿真實(shí)驗(yàn)，樓道環(huán)境路徑規(guī)劃原理與室內(nèi)環(huán)境相同，故不重復(fù)進(jìn)行實(shí)驗(yàn)。路徑規(guī)劃技術(shù)的運(yùn)用也使得巡檢機(jī)器人更加自主和智能并達(dá)到巡檢的目的。

圖6顯示了機(jī)器人在室內(nèi)環(huán)境中進(jìn)行路徑規(guī)劃實(shí)驗(yàn)并完成巡檢的過程，整個(gè)地圖顯示為代價(jià)地圖形式，黑色為障礙物區(qū)域，白色代表機(jī)器人可通行區(qū)域。機(jī)器人起始位置為(25，25)，其巡檢終點(diǎn)為(300，400)，圖中終點(diǎn)處紅色箭頭代表其終點(diǎn)位置以及機(jī)器人到達(dá)終點(diǎn)后的終點(diǎn)狀態(tài)，跟隨機(jī)器人的紅色箭頭為機(jī)器人里程計(jì)數(shù)據(jù)，綠色線為已規(guī)劃的路徑，機(jī)器人將沿著綠色規(guī)劃路徑行駛，并到達(dá)最終點(diǎn)。

圖6 路徑規(guī)劃實(shí)驗(yàn)仿真

圖7顯示了機(jī)器人在路徑規(guī)劃過程中的線速度和角速度。其中：紅色為線速度；藍(lán)色為角速度。通過分析線速度和角速度可以輕易得出機(jī)器人在行駛過程中有無碰撞，以及行駛狀態(tài)是否正常。

機(jī)器人從起始點(diǎn)開始規(guī)劃終點(diǎn)路徑時(shí)，首先角速度會(huì)非線性增加，調(diào)整位姿，其線速度也會(huì)勻速增加并開始沿著規(guī)劃路徑行駛。在行駛過程中，其角速度、線速度基本趨于穩(wěn)定，但機(jī)器人需要不斷調(diào)整位姿使得自身不會(huì)偏離已規(guī)劃的路徑，故從圖7中可以看出角速度在確定方向后，會(huì)在一個(gè)穩(wěn)定的范圍內(nèi)不斷變化，其線速度也會(huì)在調(diào)整角度的過程中短暫減少。當(dāng)機(jī)器人到達(dá)終點(diǎn)后，機(jī)器人線速度會(huì)急劇減小至0，角速度也會(huì)隨著規(guī)定方向迅速調(diào)整，至此路徑規(guī)劃實(shí)驗(yàn)完成。

圖7 線速度及角速度實(shí)驗(yàn)結(jié)果

圖6顯示機(jī)器人成功根據(jù)自建地圖進(jìn)行路徑規(guī)劃，成功達(dá)到目標(biāo)點(diǎn)；圖7顯示機(jī)器人線速度、角速度無異常突變情況，故在路徑規(guī)劃過程中沒有碰撞情況發(fā)生。綜上所述，上述實(shí)驗(yàn)完整、有效地實(shí)現(xiàn)了整個(gè)巡檢過程。

5 結(jié)論

本文針對(duì)路徑規(guī)劃、機(jī)器人巡檢、同時(shí)定位與建圖幾大熱點(diǎn)問題，提出將基于ROS結(jié)合同時(shí)定位與建圖和路徑規(guī)劃應(yīng)用于室內(nèi)機(jī)器人巡檢的新思路，并進(jìn)行機(jī)器人室內(nèi)巡檢實(shí)驗(yàn)仿真，結(jié)果表明：

1) 基于ROS的機(jī)器人巡檢系統(tǒng)具有分布式處理的優(yōu)勢(shì)，其開源、基于Linux等特點(diǎn)也為后期SLAM、PathPlanning算法的開發(fā)以及系統(tǒng)移植提供了便利。

2) 基于ROS的機(jī)器人巡檢系統(tǒng)所建立的室內(nèi)環(huán)境、樓道環(huán)境地圖清晰，誤差在可控范圍以內(nèi)，基于gmapping算法建圖結(jié)果有效、合理。

3) 基于ROS的機(jī)器人巡檢系統(tǒng)成功在其建立的地圖上完成了路徑規(guī)劃實(shí)驗(yàn)，規(guī)劃出一條轉(zhuǎn)折點(diǎn)較少、路徑較短的無碰撞路徑，可靠性較高，并可應(yīng)用于室內(nèi)機(jī)器人巡檢。

下一步工作會(huì)基于ROS對(duì)機(jī)器人SLAM算法、PathPlanning算法進(jìn)行研究與改進(jìn)，并將所建立的機(jī)器人及其控制系統(tǒng)的部分結(jié)點(diǎn)移植到實(shí)物機(jī)器人中，驗(yàn)證其改進(jìn)算法的有效性。