基于激光SLAM的實(shí)驗(yàn)室巡檢機(jī)器人設(shè)計(jì)與實(shí)現(xiàn)

中圖分類號(hào)：TP242 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945(2025)14-0031-04

Abstract:Inordertobetercompletelaboratorysafetymanagement，aninspectionrobotbasedonlaserSLAMtechnologyis designedandimplementedaccordingtotheenvironmentalcharacteristicsofelectromechanicallaboratories.Therobotuseslidaras themainsensor，combinestheROS(Robot Operating System）robotoperating systemandGmapingalgorithm torealize the robot'sSimultaneousLocalizationandMappng(SLAM).Therobotsensesenvironmentalinformationinrealtimethroughlidar， usesGmappingalgorithmtoprocessthecollctedinformation，generatesatwo-dimensionalmap，andrealizesautonomous positoningoftherobot.Duringtheexperiment，theROSframeworkwasutilizedtoenabletherobottoachieveeficientdata transmissionandsharingthroughthepublish/subscribecommunicationmodelbetweenodes，ensuringthesmoothcompletionof therobot's mapping task.Experimentalresultsshowthatthedesignedinspectionrobotcanwork inageneral-scalelaboratoryand canaccuratelybuildmapseveninthecaseofinsufcientlight，whichshowsgoodapplicabilityandcanimprovetheautomation level of laboratory inspections in the future.

Keywords:LiDAR;SLAM；inspection robot; ROS;laboratory

SLAM(即時(shí)定位與地圖構(gòu)建)是一種允許機(jī)器人在未知環(huán)境中同時(shí)進(jìn)行自身定位和環(huán)境地圖構(gòu)建的技術(shù)。現(xiàn)有的SLAM算法根據(jù)傳感器類型的不同，主要分為視覺(jué)SLAM和激光SLAM兩大類。視覺(jué)SLAM主要利用深度攝像機(jī)，基于單目、雙目相機(jī)的視覺(jué)方案，通過(guò)圖像來(lái)估計(jì)自身的位姿變化，進(jìn)而實(shí)現(xiàn)定位和地圖構(gòu)建2。其優(yōu)點(diǎn)在于可以從環(huán)境中獲取大量的、富于冗余的紋理信息，擁有良好的場(chǎng)景辨識(shí)能力。激光SLAM則采用單線或多線激光雷達(dá)作為傳感器。單線激光雷達(dá)主要用于室內(nèi)機(jī)器人，如家庭掃地機(jī)器人及商用場(chǎng)景中的服務(wù)型機(jī)器人，而多線激光雷達(dá)則常用于無(wú)人駕駛領(lǐng)域4。激光SLAM通過(guò)對(duì)不同時(shí)刻的點(diǎn)云進(jìn)行匹配與比對(duì)，計(jì)算激光雷達(dá)相對(duì)運(yùn)動(dòng)的距離和姿態(tài)的改變，從而完成機(jī)器人自身的定位。其優(yōu)點(diǎn)在于對(duì)環(huán)境的魯棒性高，不易受光照條件影響，且在復(fù)雜環(huán)境中表現(xiàn)穩(wěn)定。在實(shí)驗(yàn)室巡檢場(chǎng)景中，激光SLAM技術(shù)能夠準(zhǔn)確感知實(shí)驗(yàn)室環(huán)境，構(gòu)建出精確的地圖，為機(jī)器人的導(dǎo)航和定位提供可靠的基礎(chǔ)。此外，ROS開(kāi)源機(jī)器人操作系統(tǒng)的應(yīng)用，為激光SLAM的開(kāi)發(fā)和調(diào)試提供了強(qiáng)大的支持。ROS系統(tǒng)軟件的功能模塊以節(jié)點(diǎn)為單位獨(dú)立運(yùn)行，使算法的開(kāi)發(fā)過(guò)程變得更加靈活和高效，同時(shí)也為機(jī)器人的擴(kuò)展和升級(jí)提

供了便利

本文根據(jù)實(shí)驗(yàn)室管理經(jīng)驗(yàn)，旨在設(shè)計(jì)一種基于激光SLAM的實(shí)驗(yàn)室巡檢機(jī)器人，通過(guò)激光雷達(dá)傳感器和ROS操作系統(tǒng)的結(jié)合，并采用Gmapping算法，實(shí)現(xiàn)機(jī)器人的自主定位、地圖構(gòu)建和導(dǎo)航巡檢。Gmap-ping算法是一種基于粒子濾波器的2DSLAM算法，其優(yōu)點(diǎn)在于能夠?qū)崟r(shí)構(gòu)建室內(nèi)與室外中小場(chǎng)景地圖，且所需的計(jì)算量較小，導(dǎo)航方案精度較高。這會(huì)使得Gmapping算法在實(shí)驗(yàn)室巡檢等中小場(chǎng)景應(yīng)用中表現(xiàn)良好。鑒于此，本文研究將為實(shí)驗(yàn)室的巡檢工作提供智慧化解決方法，為實(shí)驗(yàn)室管理帶來(lái)便利和效益。

1使用場(chǎng)景分析

對(duì)實(shí)驗(yàn)室巡檢機(jī)器人進(jìn)行設(shè)計(jì)之前，先分析實(shí)驗(yàn)室內(nèi)部的工作環(huán)境，針對(duì)環(huán)境特點(diǎn)，合理進(jìn)行機(jī)器人的硬件選型，能夠使機(jī)器人更好地滿足巡檢作業(yè)需求。

本文主要聚焦于機(jī)電類實(shí)驗(yàn)室，這類實(shí)驗(yàn)室的特點(diǎn)是大型儀器設(shè)備眾多、操作復(fù)雜、風(fēng)險(xiǎn)點(diǎn)多和安全監(jiān)管難度大，由此而引發(fā)的實(shí)驗(yàn)室安全事故將會(huì)對(duì)學(xué)校造成巨大的損失8。實(shí)驗(yàn)室內(nèi)設(shè)備通常都是布局完整、擺放整齊的，通道平整且能滿足日常巡檢要求，部分實(shí)驗(yàn)室的地面上規(guī)劃有電纜線和插座以方便設(shè)備取電。對(duì)于一些面積相對(duì)較小的實(shí)驗(yàn)室，內(nèi)部設(shè)備擺放較為緊湊，預(yù)留的通道相對(duì)狹窄。實(shí)驗(yàn)室內(nèi)照明條件良好，但晚上下班關(guān)門后只保留夜間安全照明。

綜合分析后，機(jī)器人需要能檢測(cè)到室內(nèi)物品的位置，包括機(jī)械設(shè)備、電氣柜、氣源設(shè)備、上課桌椅和工作臺(tái)等，在巡檢過(guò)程中應(yīng)與上述物品保持安全距離，且能順利翻越地上的固定線槽；機(jī)器人還需要能在弱光照環(huán)境下正常工作。

2 本文方法

2.1巡檢機(jī)器人系統(tǒng)架構(gòu)

巡檢機(jī)器人的執(zhí)行機(jī)構(gòu)主要是2個(gè)驅(qū)動(dòng)電機(jī)帶動(dòng)的輪子和2個(gè)萬(wàn)向輪；驅(qū)動(dòng)系統(tǒng)包含電源驅(qū)動(dòng)、電機(jī)驅(qū)動(dòng)及傳感器接口等底層驅(qū)動(dòng)；傳感系統(tǒng)由慣性測(cè)量模塊(IMU）、激光雷達(dá)、超聲波模塊和紅外模塊等組成；控制系統(tǒng)由嵌入式系統(tǒng)、工控機(jī)和PC組成，搭載于機(jī)器人的嵌入式系統(tǒng)和工控機(jī)完成本地運(yùn)動(dòng)控制、傳感器數(shù)據(jù)采集及地圖構(gòu)建，遠(yuǎn)端PC完成遠(yuǎn)程監(jiān)控、圖形化顯示，以及復(fù)雜功能的運(yùn)算。如圖1所示。

1)機(jī)器人由2個(gè)三相直流無(wú)刷電機(jī)帶動(dòng)主動(dòng)輪，配合2個(gè)萬(wàn)向輪實(shí)現(xiàn)機(jī)器人的移動(dòng)。主動(dòng)輪為5寸橡膠輪，搭配2寸萬(wàn)向輪，以保證巡檢機(jī)器人能自主到達(dá)實(shí)驗(yàn)室內(nèi)任意位置，全面覆蓋常規(guī)監(jiān)控死角。利用電機(jī)驅(qū)動(dòng)模塊，可以將上層下達(dá)的控制信號(hào)轉(zhuǎn)換成電機(jī)需要的電源信號(hào)，實(shí)現(xiàn)對(duì)電機(jī)的閉環(huán)驅(qū)動(dòng)控制

2)使用 24V12Ah 鋰電池作為提供電力的裝置，為機(jī)器人的執(zhí)行機(jī)構(gòu)、傳感器系統(tǒng)、控制系統(tǒng)提供能量，巡航時(shí)長(zhǎng) ^7h 。由于機(jī)器人搭載的各模塊對(duì)能量的需求不同，有些需要 12V 電源，有些需要5V電源等，設(shè)計(jì)了電源子系統(tǒng)，同時(shí)為保證系統(tǒng)的穩(wěn)定性，還進(jìn)行了過(guò)流、過(guò)放、短路保護(hù)等處理

3)轉(zhuǎn)速傳感器采用霍爾傳感器，直接內(nèi)置于電機(jī)上。機(jī)器人搭載5個(gè)超聲波模塊進(jìn)行障礙物檢測(cè)，5個(gè)紅外模塊作為防跌落傳感器。所用IMU模塊集成了一個(gè)MEMS陀螺儀、3軸加速度計(jì)。機(jī)器人在環(huán)境中感知障礙物的具體位置、實(shí)驗(yàn)室的內(nèi)部輪廓等信息都是非常重要的，這些信息是機(jī)器人創(chuàng)建地圖、進(jìn)行導(dǎo)航的基礎(chǔ)數(shù)據(jù)，本文使用2D激光雷達(dá)作為這種場(chǎng)景應(yīng)用下的傳感器，其測(cè)量半徑不少于 10m ，測(cè)量精度為 ±3cm 。

4機(jī)器人車身使用二層結(jié)構(gòu)設(shè)計(jì)，下層選擇STM32主控板作為嵌入式系統(tǒng)的實(shí)現(xiàn)平臺(tái)，負(fù)責(zé)對(duì)電源驅(qū)動(dòng)、電機(jī)的運(yùn)動(dòng)控制、傳感器及外設(shè)等的底層數(shù)據(jù)進(jìn)行處理。主控板通過(guò)串口與工控機(jī)通信。上層搭載一塊工控機(jī)作為導(dǎo)航模塊，工控機(jī)的配置為8GB運(yùn)存，64

GB內(nèi)存，安裝了Ubuntu系統(tǒng)，運(yùn)行ROS?？紤]到性能和功能包的移植問(wèn)題，工控機(jī)主要實(shí)現(xiàn)與STM32主控板的相互通信、激光雷達(dá)的數(shù)據(jù)采集等控制系統(tǒng)的基礎(chǔ)功能。遠(yuǎn)端PC同樣安裝了Ubuntu系統(tǒng)，運(yùn)行ROS，處理各功能包和進(jìn)行圖形化顯示，運(yùn)行SLAM算法來(lái)實(shí)現(xiàn)機(jī)器人的定位與建圖，系統(tǒng)分工明確，使用無(wú)線網(wǎng)絡(luò)與機(jī)器人內(nèi)部的工控機(jī)通信。

2.2 定位與建圖方法

在經(jīng)典的RBPF-SLAM中，根據(jù)傳感器的觀測(cè)信息和運(yùn)動(dòng)信息，求解出機(jī)器人當(dāng)前時(shí)刻的位姿和實(shí)時(shí)構(gòu)建環(huán)境地圖。但是同時(shí)計(jì)算并估計(jì)機(jī)器人位姿和地圖信息涉及計(jì)算復(fù)雜和收斂結(jié)果準(zhǔn)確性的問(wèn)題，故RBPF-SLAM將同時(shí)定位和構(gòu)建地圖分為2步，先進(jìn)行機(jī)器人位姿的估計(jì)，再將位姿與觀測(cè)數(shù)據(jù)結(jié)合計(jì)算地圖路標(biāo)特征[9-10]

然而基于貝葉斯濾波的后驗(yàn)估計(jì)方法，存在粒子退化現(xiàn)象，隨著濾波迭代次數(shù)的增多，錯(cuò)誤狀態(tài)的粒子權(quán)重越來(lái)越大，導(dǎo)致粒子退化現(xiàn)象加劇，影響了創(chuàng)建地圖的精度。本文使用的Gmapping算法是在貝葉斯濾波方法的基礎(chǔ)之上，通過(guò)改進(jìn)提議分布和選擇性重采樣，改善了粒子退化的情況。改進(jìn)提議分布是采用了融合里程計(jì)信息和激光雷達(dá)在當(dāng)前時(shí)刻的觀測(cè)信息。改進(jìn)后的提議分布為

式中： x 為機(jī)器人的位姿狀態(tài)， m 為地圖路標(biāo)特征信息， z 為對(duì)環(huán)境的觀察信息， u 為機(jī)器人輸人的運(yùn)動(dòng)控制信息，下標(biāo)表示時(shí)刻。根據(jù)上述的改進(jìn)提議分布，粒子的權(quán)重公式為

3 實(shí)驗(yàn)分析

式(2)中，根據(jù)有限個(gè)數(shù)的近似數(shù)據(jù)來(lái)模擬提議分布，提高了提議分布的計(jì)算效率。重采樣通過(guò)多次迭代會(huì)降低粒子的多樣性，導(dǎo)致濾波器發(fā)散。而選擇性重采樣是通過(guò)比較有效粒子的權(quán)重和設(shè)定的閾值大小來(lái)判斷是否需要進(jìn)行重采樣，這種方法能夠降低采樣頻次，緩解粒子退化問(wèn)題。計(jì)算有效的權(quán)重粒子

更新柵格地圖

本文的實(shí)驗(yàn)方法是在PC端和機(jī)器人工控機(jī)中安裝Linux系統(tǒng)，版本為Ubuntu20.04，運(yùn)行ROS版本為Noetic。為保證PC端和工控機(jī)之間的通信順暢，需要將PC和工控機(jī)連接到同一局域網(wǎng)并配置相應(yīng)的IP地址和環(huán)境變量，確保PC端能夠通過(guò)SSH方式連接工控機(jī)。在PC端啟動(dòng)鍵盤控制節(jié)點(diǎn)，根據(jù)提示點(diǎn)擊鍵盤，控制機(jī)器人以 0.5m/s 的速度在室內(nèi)環(huán)境中移動(dòng)。Gmapping功能包訂閱了激光雷達(dá)信息、IMU信息和里程計(jì)信息，同時(shí)要完成一些必要參數(shù)的配置，即可創(chuàng)建并輸出二維柵格地圖。隨著機(jī)器人的移動(dòng)，RVIZ中的地圖不斷更新，并且Gmapping會(huì)根據(jù)傳感器信息自動(dòng)校正機(jī)器人的位置與已建立的地圖間的偏差。在機(jī)器人圍繞環(huán)境運(yùn)動(dòng)一周后，若還有局部地圖信息未完全清晰，可以控制機(jī)器人運(yùn)動(dòng)到這些位置附近，繼續(xù)完善地圖，最后保存地圖。

當(dāng)有效粒子權(quán)重值 N_eff 的大小小于設(shè)定的閾值N_th(N_th=N/2 ，即粒子總數(shù)的一半），則進(jìn)行重采樣。最后

接下來(lái)在不同的實(shí)驗(yàn)室環(huán)境中進(jìn)行實(shí)驗(yàn)，驗(yàn)證本文設(shè)計(jì)的巡檢機(jī)器人的適用性。首先在較小型實(shí)驗(yàn)室內(nèi)進(jìn)行實(shí)驗(yàn)，選擇了使用面積約為 90m² 的實(shí)驗(yàn)室，室內(nèi)主要擺放著電氣柜、貨架、講臺(tái)等，地面上鋪設(shè)有固定線槽，布局大致整齊。如圖2所示，建圖效果良好，能夠較好地反映出室內(nèi)環(huán)境的基本特征

翻

為了驗(yàn)證本文機(jī)器人在弱光照環(huán)境下的建圖效果，同樣在低壓電器實(shí)驗(yàn)室內(nèi)，關(guān)閉所有照明燈且拉上遮光簾，形成一個(gè)較昏暗的環(huán)境。如圖3所示，由于激光SLAM的優(yōu)點(diǎn)是對(duì)環(huán)境的感知無(wú)需依賴于是否存在可見(jiàn)光，通過(guò)激光雷達(dá)與IMU、里程計(jì)等傳感器融合后能夠可靠地識(shí)別環(huán)境信息，因此定位和建圖效果仍然良好，說(shuō)明本文機(jī)器人建圖不受室內(nèi)燈光條件

的影響。

在較大型實(shí)驗(yàn)室內(nèi)開(kāi)展進(jìn)一步實(shí)驗(yàn)，選擇了使用面積約為 500m² 的實(shí)驗(yàn)室，室內(nèi)主要擺放著幾類機(jī)器人工作站、空壓機(jī)、安全圍欄及幾排桌椅，以及靠墻放有貨架、書(shū)柜、滅火器等，環(huán)境較為復(fù)雜。如圖4所示，隨著地圖擴(kuò)大，建圖的精度欠佳，部分物品輪廓不夠清晰，地圖發(fā)生變形。這是因?yàn)镚mapping存在無(wú)法建立大范圍地圖的缺點(diǎn)，當(dāng)在某一時(shí)刻出現(xiàn)估計(jì)誤差，就會(huì)無(wú)法消除，從而導(dǎo)致所建立的地圖有錯(cuò)位的情況，同時(shí)，隨著地圖規(guī)模擴(kuò)大，累計(jì)誤差也會(huì)不斷疊加[]。因而本文機(jī)器人更適合在一般規(guī)模實(shí)驗(yàn)室內(nèi)作業(yè)。

4結(jié)論

本文深入探討了基于激光SLAM的實(shí)驗(yàn)室巡檢機(jī)器人設(shè)計(jì)，并通過(guò)實(shí)驗(yàn)驗(yàn)證了其在不同實(shí)驗(yàn)室環(huán)境下的建圖效果與性能。通過(guò)激光雷達(dá)的精確感知和

Gmapping算法的高效處理，巡檢機(jī)器人能夠在無(wú)需人工干預(yù)的情況下，自主完成環(huán)境感知、定位與地圖構(gòu)建等任務(wù)，顯著提高了實(shí)驗(yàn)室巡檢的自動(dòng)化和智能化水平。

然而，由于受到環(huán)境復(fù)雜性、傳感器精度限制以及建圖算法本身的局限性等因素的影響，巡檢機(jī)器人的工作能力仍有待提高，后續(xù)將繼續(xù)學(xué)習(xí)更優(yōu)良的SLAM算法，提高系統(tǒng)的穩(wěn)定性和準(zhǔn)確性，同時(shí)探索更多功能應(yīng)用。

參考文獻(xiàn)：

[1]林騰飛，宋春林.一種基于激光雷達(dá)的同步定位建圖與自主導(dǎo)航算法研究[J].計(jì)算機(jī)科學(xué)與應(yīng)用，2024，14（5)：75-83.

[2]王立玲，朱旭陽(yáng)，馬東，等.基于點(diǎn)線特征視覺(jué)慣性融合的機(jī)器人SLAM算法[J].中國(guó)慣性技術(shù)學(xué)報(bào)，2022，30(6)：730-737.

[3]葉俊強(qiáng)，尤睿，于明鑫，等.基于稀疏直接法的特征增強(qiáng)視覺(jué)SLAM算法[J].儀器儀表學(xué)報(bào)，2023，44(6):205-212.

[4]楊爽，曾碧，何煒婷.融合語(yǔ)義激光與地標(biāo)信息的SLAM技術(shù)研究[J].計(jì)算機(jī)工程與應(yīng)用，2020，56(18)：262-271.

[5]余聯(lián)想，鄭明魁，歐文君，等.多傳感器融合的移動(dòng)機(jī)器人室外激光SLAM算法優(yōu)化與系統(tǒng)實(shí)現(xiàn)[JJ.電子測(cè)量與儀器學(xué)報(bào)，2023(2):48-55.

[6]龐辰耀，吳平，翁德華，等.基于ROS與激光SLAM自主導(dǎo)航與避障系統(tǒng)的設(shè)計(jì)[J].數(shù)字技術(shù)與應(yīng)用，2021，39(11)：214-218.

[7]馬志艷，邵長(zhǎng)松.移動(dòng)機(jī)器人2D激光SLAM算法仿真與實(shí)現(xiàn)[J].湖北工業(yè)大學(xué)學(xué)報(bào)，2024，39(2)：5-9.

[8]李樹(shù)康.高校機(jī)電類實(shí)驗(yàn)室風(fēng)險(xiǎn)分級(jí)管控工作流程與評(píng)估方法研究[J].現(xiàn)代職業(yè)安全，2023(7)：52-55.

[9]李潔，曹艷龍.基于RBPF-SLAM算法的學(xué)前兒童機(jī)器人路徑規(guī)劃模型研究[J].自動(dòng)化與儀器儀表，2024(6)：189-193.

[10]丁彥強(qiáng)，李富才，孟特，等.基于改進(jìn)RBPFSLAM算法的AGV導(dǎo)航技術(shù)研究[J].青島大學(xué)學(xué)報(bào)：自然科學(xué)版，2022，35(4):59-65.

[11]沈斯杰，田昕，魏國(guó)亮，等.基于2D激光雷達(dá)的SLAM算法研究綜述[J].計(jì)算機(jī)技術(shù)與發(fā)展，2022，32(1)：13-18.