基于视觉SLAM的自主移动机器人设计

黄广伟，陈梦婷，廖伟涛

（东莞城市学院 智能制造学院，广东 东莞 523419）

0 引言

同时定位和建图（Simultaneous Localization and Mapping，SLAM）[1-2]是指将移动机器人置于未知环境中的未知位置时，移动机器人自动逐步构建与环境一致的地图，并同时使用该地图确定其自身在地图中的位置，SLAM一直是研究的热点问题之一。SLAM技术是机器人实现自主移动的关键，传统的激光SLAM技术比较成熟，但其成本比较高，另外在灵活性、操作性、部署性等表现差，无法满足室外环境需要。本文采用“RGB-D+IMU+激光雷达”多传感融合SLAM策略可实现移动机器人在未知环境下快速自主定位与建图（SLAM），并使用Dijkstra算法[3]、DWA算法[4-5]相结合的方法，实现了自主移动机器人的全局路线规划与局部路线规，可实现精准路径规划与避障功能，具有一定的工程参考意义。

1 自主移动机器人硬件结构

自主移动机器人主要由控制器处理系统、传感器系统与运动执行系统等组成（如图1）。控制器处理系统由上位机英伟达Jetson nano、下位机STM32F407VET6控制板两部分组成。其中Jetson nano是基于Linux系统的主控制器，主要功能是处理深度相机RGB-D、高精度惯性测量传感器IMU、激光雷达等多传感信息，完成同时定位和建图（SLAM）任务，并进行精准的路径规划及避障等，另外通过串行端口接收下位机STM32传输的数据并对其发送控制命令；而下位机STM32主要是负责控制电动机。传感器系统主要由深度相机RGB-D、高精度惯性测量传感器IMU、激光雷达等组成，实时完成信号检测与姿态反馈等任务。运动执行系统主要由4个直流无 刷 电 动 机MG513、电动机驱动器TB6612FNG等组成，完成运动执行任务。

图1 自主移动机器人实物图

2 自主移动机器人控制系统

2.1 控制系统总体框架

自主移动机器人控制系统如图2所示，以英伟达Jetson nano为上位机，以单片机STM32为下位机。传感器系统（深度相机RGB-D、激光雷达）实时采集数据后输送回上位机，上位机根据采集数据信号应用ORB-SLAM3算法同时完成定位和建图（SLAM）任务，同时上位机通过串行端口与下位机通信，将控制命令发送给下位机（单片机STM32），单片机STM32接受控制命令后，发送控制信号给运动执行系统，从而实现运动控制。高精度惯性测量传感器IMU将自主移动机器人运动姿态反馈给主控制器，供及时调整路径、避障策略提供参考。

图2 控制系统框架

为了便于对自主移动机器人的实时控制，PC机通过Wi-Fi与主控制器（Jetson nano）连接，采用SSH方式实现远程登陆到自主移动机器人的主控制器（Jetson nano）。

2.2 处理器通信架构

自主移动机器人上位机与下位机通信架构如图3所示，从图3中可知上位机Jetson nano处理器与下位机STM32主控板之间的通过串口通信。Jetson nano作为计算单元并通过串口通信方式和STM32 进行数据交互，STM32作为实时主控板，直接控制底盘。

图3 自主移动机器人通信架构

Jetson nano、STM32程序启动后，当Jetson nano收到速度订阅信息后，会直接通过串口给STM32单片机发送信号；只有当Jetson nano向STM32单片机发送{0xff,0xfe,'e'} 指令之后，STM32单片机会立即按照通信协议反馈数据给Jetson nano，反之则STM32单片机只接收和执行串口发送来的速度与转向数据帧。

2.3 控制系统多线程设计

为了快速处理传感信息，本控制系统采用多线程设计，如图4所示，信息采集线程、控制信号线程可同时进行，可提高系统处理信息速度。

图4 控制系统多线程设计示意图

多线程创建代码如下：

2.4 ROS节点之间通信

本控制系统以ROS 为基础软件，ROS各节点之间通信采用Topic 方式。节点管理器（ROS Master）负责管理ROS内一切节点的发布与订阅，它会根据订阅者（Listener）节点所提供的需要订阅的话题名称及消息类型，自动寻找匹配的发布者节点（Talker），并将发布者的地址发送给订阅者。订阅者收到节点管理器发来的信息后，会通过使用XML/RPC协议请求发布者进行连接。发布者接收到XML/RPC协议请求之后会向订阅者发送确认反馈[6]，订阅者接收到反馈并确认之后，将会使用TCPROS创建与发布者对应的连接，最后，发布者将使用TCPROS向订阅者发布消息。

如图5所示，Talker节点会发布名称为“bar”的Topic数据，该节点启动时，节点管理器（ROS Master）将接收到Talker的相关注册信息，包括节点的名称、话题名称、消息类型、话题缓冲大小等, 相应Listener 节点运行时也会提交对应的注册信息。从而实现ROS各节点之间通信。

图5 Topic通信模型

2.5 同时定位和建图（SLAM）

本文采用“RGB-D+IMU+激光雷达”多传感融合SLAM策略，使用深度相机RGB-D、激光雷达作为采集器，应用ORB-SLAM3算法进行自动逐步构建与环境一致的地图，可实现移动机器人在未知环境下快速自主定位与建图（SLAM），使用高精度惯性测量传感器IMU，将自主移动机器人六轴姿态角（或角速率）及加速度等信息反馈至主控制器，以便更好地调整姿态，其基本原理如图6所示。

图6 SLAM基本原理图

2.6 路径规划

本控制系统主要应用了ROS机器人操作系统下的navigation框架，使用了Dijkstra算法作为全局算法和DWA动态窗口算法作为局部算法以实现自主移动机器人路径规划功能，具体流程如图7（a）、图7（b）所示。

图7 路径规划流程图

3 真实环境实验

自主移动机器人选用室内实验室作为实验环境，以buntu为操作系统，以ROS系统为软件基础，使用ORBSLAM3算法对室内环境进行建图。实验场景如图8所示，为开放性实验室学生制作区，图8（a）中过道有障碍物，图8（b）中过道无障碍物，对自主移动机器人在光线变化不均、有无障碍物的不同场景下，同时定位与建图（SLAM）功能进行了测试。

图8 实验场景

另外对自主移动机器人路径规划，精确度进行了试验，试验过程如图9所示；对避障功能进行测试，如图10所示。

从真实环境试验结果来看，自主移动机器人可实现基于精确建图下的自主导航、路径规划及避障功能，同时精度达到了预期目标。

4 结语

本文采用“RGB-D+IMU+激光雷达”多传感融合SLAM策略，结合ORB-SLAM3算法，可实现快速实时定位与建图（SLAM），采用Dijkstra算法为全局路线规划算法、DWA算法为局部路线规划算法，以开放性实验室学生制作区为真实实验场景，从实验结果来看，能实现精确自主时定位和建图（SLAM），并能实现路径规划及避障功能，定位精度达到了±6 mm，实现了预期目标。