基于SLAM的避障消毒机器人设计与研究*

2023-10-29吴旭平马浩浩韩伟亮

山西电子技术 2023年5期

关键词：激光雷达立柱喷雾

吴旭平，马浩浩*，韩伟亮，穆彤，张彬

(1.天水师范学院机电与汽车工程学院,甘肃天水 741001; 2.黑龙江大学电子工程学院,黑龙江哈尔滨 150080)

0 引言

近年来,随着新冠疫情的影响,公共场合消毒工作成为一项必要措施[1]。然而,人为清扫工作效率低,成本高等问题突出,难以高效进行公共场合的消毒工作。

随着智能化的不断普及,本文基于SLAM算法,实现消毒机器人的避障功能,可以在人群、障碍物诸多的场合进行有效的消毒工作,提高其工作效率。

1 消毒机器人整体结构设计

1.1 组成部分

如图1,避障消毒机器人由机器人端和电脑端两部分组成。机器人端由视觉传感器、控制部分、消毒部分、底盘驱动部分等组成。电脑端主要负责程序的正常运行,监看并遥控避障消毒机器人的正常运行。

图1 避障消毒机器人整体结构

1.2 系统设计

如图1、图2、图3所示,一种具有避障功能的消毒机器人,包括机器人消毒箱,机器人消毒箱的底部转动连接有全向轮,机器人消毒箱的顶部固定连接有立柱,立柱的顶端设有喷雾机构,机器人消毒箱的四周固定连接有红外感应器,机器人消毒箱的四周边角设有弹性机构,弹性机构包括固定于机器人消毒箱一侧的弹簧一,弹簧一的一端固定连接有减震板。减震板的材质为橡胶材质,且弹簧一的材质为不锈钢材质。喷雾机构包括套设于立柱顶端的卡头,卡头的外围开设有若干个喷雾口,卡头的一端连通有水管,水管的一端连接有增压泵。卡头的一端固定连接有搓盘,搓盘的一端固定连接有弹簧二,弹簧二的一端固定连接有固定板,固定板一侧固定于立柱的内壁上。机器人消毒箱的内部底端固定连接有驱动电机,驱动电机的输出端固定连接有固定杆,固定杆的外表面固定连接有搅拌块。固定杆远离驱动电机的一端固定连接有丝杆,丝杆与固定板活动连接,搓盘的一侧与丝杆滑动连接,卡头的两侧固定连接有滑块,立柱的顶端位于滑块处开设有滑槽。

图2 避障消毒机器人的弹性机构结构局部

图3 避障消毒机器人的内部结构

与现有技术相比,本文所述的一种具有避障功能的消毒机器人,通过设有弹性机构可以在碰撞时减少机器人所受到的伤害,且通过喷雾机构可以控制喷雾口的调整,可以控制喷雾口的隐藏,减少对空气中的灰尘吸附,对喷雾口的喷雾效果进行保护,且通过搅拌块可以使内部的消毒液混合更加均匀。

1.3 工作原理

使用时,通过全向轮控制机器人消毒箱的行进方向,在移动过程中,通过红外感应器感应位置信息,及时进行避让,通过减震板和弹簧一的安装,可以减小因碰撞后机器人所受到的伤害,在移动过程中,驱动电机控制固定杆转动,通过搅拌块对机器人消毒箱内部的消毒液进行搅拌,进而通过搓盘下半部在丝杆上移动,控制卡头的位置使喷雾口漏出,之后通过搓盘之间的搓动,且通过弹簧二的弹性,可以控制卡头的位置固定,以此同时增压泵通过对消毒液增压,将其通过水管的输送从喷雾口喷撒出。

2 SLAM关键技术

定位问题和地图寻址问题是SLAM主要解决的两个问题。当机器人进入一个陌生的环境,SLAM就可以帮助机器人在这种环境下运行的过程中避开环境中的障碍,及时感知所处周围环境和空间关系。最终达到保证机器人在陌生环境下安全运行到达目的地[2]。

主流的SLAM算法包括HectorSLAM、Gampping、KartoSLAM、LagoSLAM、CoreSLAM。

其中,Gampping是一个开源算法。它的优点是可以快速准确地构建小型场景地图。由于本文研究的避障消毒机器人广泛应用于小型场景,故本实验使用Gampping算法。

如图4所示,SLAM总共分为三个步骤:感知、定位、建图,最终解决的问题是确定机器人位置。感知:机器人利用传感器来感知周边环境。定位:通过传感器传来的消息来进行快速定位。建图:通过传感器往返的信息推测出机器人自身的位置和周围的环境,反映出实时地图,使用测距单元来帮助确定位置[3]。

图4 整体视觉SLAM流程图

3 控制系统设计

3.1 硬件设计

3.1.1 激光雷达

根据使用的传感器不同,消毒机器人SLAM技术可分为视觉SLAM[4]和激光SLAM技术。由于本次实验使用的是激光SLAM技术,所以机器人的传感器是激光雷达激光直接成型技术(laser direct structuring,LDS)。表1为激光雷达参数。

表1 激光雷达参数

3.1.2 OpenCR控制板

OpenCR是TurtleBot3的主控制器板,主要负责控制消毒机器人的行动。具有尺寸小、待机时间长等优点。

3.1.3 树莓派3B+

树莓派3B+是在原来树莓派3B的升级版,采用了BCM2837B0型号CPU构建,是3B版本的博通处理器的升级版本,更新版本进行了性能和散热器优化。

3.2 软件设计

Gmapping是基于滤波SLAM框架的常用开源SLAM算法[5]。Gmapping可以实时构建室内地图,构建小场景地图所需的计算量较小且精度较高。相比Hector SLAM对激光雷达频率要求低、鲁棒性高;而相比Cartographer在构建小场景地图时,Gmapping不需要太多的粒子并且没有回环检测,因此计算量小于Cartographer而精度并没有差太多。