2024年4月4日发(作者：)

Equipment

Manufacturing

Technology

No.10,2020

基于麦克纳姆轮的智能小车

SLAM

导航研究

吴

迪

，

杜

峰,蔡一杰

，

史星彦,胡乐媛

(天津职业技术师范大学

，

天津

300222

)

摘要

：

针对普通自主运动方式冗杂

、

反复的问题

，

以四麦克纳姆轮全向移动智能小车为研究对象

，

通过搭载ROS

机器

人操作系统

，

融合激光雷

、

里程计

、

IMU

等传感器

，

基于

Cartographer

算法的麦克纳姆轮智能小车建图

、

导航效果分析

。

结

果表明

，

研究能够实现麦克纳姆轮智能小车在陌生环境下地图的实时构建,且拥有良好的全局导航及局部避障能力

。

关键词

：

麦克纳姆轮

；

ROS

；

Cartographer

中图分类号:

TP311

文献标识码

：

A

文章编号:

1

672-545X(

2020)

1

0-0020-06

0

引言

同步定位与建图

(

Simultaneous

Localization

And

Mapping,SLAM

)

技术作为智能化研究的重要一环

，

目前已广泛应用于物流车

、

仓储机器人等领域

，

而麦

克纳姆轮作为一种全向移动的运动方式

，

其转向范

围较小

，

在一些特定的复杂环境下比普通的运动模

里程计等传感器,麦克纳姆轮底盘小车集成了

ROS

系

统

，

激光雷达

、

IMU

(

Inertial

Measurement

Unit

)

、

里程计

等传感器搭载在小车上

，

其硬件架构如图

1

所示

。

式更为简单

、

便捷

，

如

Airtrax

开发的Sidewinder

系列

叉车

、

Vetex

开发的

RoboMate

全向移动机器人平台

、

Kuka

公司的

YouBot

等产品

，

可在狭窄

、

紧凑的区域

内运动

。

当前对麦克纳姆轮的相关研究已逐渐成熟

，

IMU

・

—

驱动板

(

STM32

)

—

►

编码电机(里程计)

Sarmento

L

等⑴设计的基于麦克纳姆轮的全向移动机

图

1

硬件架构

器人实现了基于无线的远程遥控

；

Sang

Won

Yoon

等囚

针对麦克纳姆轮在运动过程中的滑移问题

，

提出多

传感器数据进行卡尔曼滤波融合

，

消除了传感器和

智能小车装载树莓派(内置

ROS

系统)

，

通过

WIFI

与

PC

相连

，

借用

ROS

的分布式通信可将主机

转移至

PC

端,实现远程操控

。

激光雷达收集点云信

滑移的噪声影响

，

实现了麦克纳姆轮移动机器人的

精确定位

。

本文以麦克纳姆轮智能小车为研究对象,

息

，

通过

USB

信号传输给树莓派

，

树莓派对信息进行

相关算法处理后生成控制指令

，

传输给驱动板控制

车轮转速,驱使小车运动

，

同样

IMU

、

里程计的速度

信号可反馈至树莓派

。

在

ROS

(

Robot

Operating

System

)

系统下研究关于

SLAM

自主导航与避障

，

并验证其可行性

。

1.2

软件架构

1

系统框架

本文在基于麦克纳姆轮的智能小车上

，

搭载

智能小车装载树莓派

，

以

ROS

系统为软件平台

，

连接上层环境感知与下层运动控制叫

ROS

是一款机

器人操作系统

，

集成了大量的库

、

工具

、

协议等

，

提供

了一系列可供传感器数据传递

、

可视的通用类功能

包

，

基于

TCP/IP

的通信方式

，

实现软硬件的实时通

ROS

操作系统

，

通过传感器探索未知区域收集环境

信息

，

实现实时同步定位与建图

(

SLAM

),

并通过所

建地图规划路径

，

实现自主导航避障

。

1.1

硬件架构

系统硬件包括麦克纳姆轮底盘小车

，

激光雷达

、

信

。

软件层架构如图

2

所示

。

收稿日期：

2020-07-23

基金项目

：

天津市人工智能科技重大专项

(

17ZXRGGX00070

)

;

天津市科技计划项目

(19ZLZXZF00150

)

作者简介:

吴

迪

(1994-

),

男

，

湖北孝感人

，

硕士研究生

，

研究方向

：智能网联汽车

。

20

ROS

模块化的通信机制将整体程序分为三部

分

，

感知层

、

决策层与下层控制

。

感知层为各传感器

的数据输入

，

导入决策层后通过相关算法分析

,

生成

控制指令传输给下层控制

,

控制小车运动叫

2

运动学模型

2.1

麦克纳姆轮简介

麦克纳姆轮是一种可全向移动的控制方式

，

由

轮毂和辊子组成

，

轮毂轴与辊子转轴空间上呈

45

。

角

，

如图

3

所示

，

麦轮在运动过程中

，

辊子与地面摩

擦产生摩擦力

，

摩擦力的方向与辊子轴的方向相反

。

轮毂轴

辊

(

a)

效果图

轮毂轴

45'

摩擦力

辊子轴

(

b)

平面图

(

c)

受力图

图

3

麦克纳姆轮

麦轮四个一组应用

，

两个左旋轮

，

两个右旋轮

，

左右轮呈手性对称

,

但不同安装方式其受力不同

,

运

动效果也不同

。

本文安装方式如图

4

所示

。

《

装备制造技术

)2020

年第

10

期

2.2

运动学模型

刚体在平面的运动可分解为三个独立分量

，

将

麦轮整体运动视为刚体运动

，

建立如图

3

所示坐标

系

，

智能小车运动速度为将其分解为三个独立变

量

，

即沿

X

轴方向速度

s

，

Y

轴方向速度终和自转

角速度

棕

，

以

X

轴

，

Y

轴正方向

，

逆时针方向为正方

向

，

如图

5(a

)

所示

。

每个轮子线速度为

4,

角

速度为

棕

I,

棕

2,

棕

3,

棕

4,

轮间距为

D,

轴间距为

L,

如图

5

(

b)

所示

。

忙=了

+v?=v

「

棕

£

v

1y

X

=

棕•琴

1

)

同理可得出各个轮子的

V

『

…

与

一棕号

v

心〜

+

棕号

V

汀

…

苓

—

D

2

)

V

心〜

+

棕号

21

Equipment

Manufacturing

Technology

No.10

，

2020

0

V

0

X

轴

棕

H

a)

运动分解

7

O

(

b)

轮

1

图

5

运动分析图

可以得到麦克纳姆轮智能小车正运动学方程比

逆运动学方程叫

-V

”

+

”

"

+

(

L

+

D

)

棕

R

2R

棕

2

=

V

x

+

"

”

_

(

L

+

D

)

棕

R

2R

/

(

4

、

)

棕

3

=

_V

x

R

+

”

"

_

-

(

L

2R

+

D)

棕

棕

4

=

V

x

+

"

”

+

(

L

+

D

)

棕

R

2R

因此

，

若给定小车一个速度状态

，

可通过式(

4

)

控制小车轮子转速进而控制智能小车运动

。

3

SLAM

：

同步定位与建图

SLAM

即同步定位与建图

，

是指通过对陌生区域

的探索

，

实时构建出此环境的完全地图

。

在陌生区域

内,

要构建地图就需要自身准确的定位信息

，

而要掌握

自身位姿的信息也需要对比地图分布

，

因此

，

在

SLAM

问题中

,

主要处理的是地图信息及本身的位姿信息

,

且

定位与建图同步进行

。

SLAM

模型如图

6

所示

。

22

图

6

中

，

灰色三角形与实线表示小车

t

(

t

=

1,2,)

时刻的实际运动位姿

，

表示小车

t

时刻的位姿

状态

，

白色三角形与虚线表示对小车

t

时刻估计的位

姿信息

，

方形代表路标信息

。

小车运动使得自身位姿

发生变化,里程计对位姿信息进行更新

,

但在实际运

行过程中

，

因为环境因素

，

运动模型误差

，

信息延迟

等因素

，

对小车的位姿估计往往与实际值产生较大

误差,并且误差伴随着系统不断运算而累积叠加

,

这

也就需要智能小车在运动过程中通过传感器的观测

信息(激光

、

IMU

等)不断矫正误差

，

利用激光

、IMU

信息自定位

[7]

o

总的来说

,

SLAM

问题实质是针对位姿

信息

“

估计

-

观测

-

校正

-

估计

”

不断循环的过程

。

3.1

基于图优化的

SLAM

理论

SLAM

算法大体分为两类:基于滤波的

SLAM

算

法与基于图优化的

SLAM

算法

。

基于滤波的

SLAM

算法原理是根据传感数据信息去估计机器人当前时

刻的位姿信息

，

其问题在于

,

若位姿估计错误会使得

之后的计算无法修正

，

特别是大型复杂环境下此缺

点尤为突出

。

与基于滤波的方法不同

，

基于图优化的

SLAM

不仅仅是对小车当前位姿的估计

，

而是对整体运动

轨迹和地图的完整估计

。

将

SLAM

问题描述成图结

构

，

图由节点与边组成

,

其节点

(

Node

)

表示小车位姿

信息

,

而位姿之间的空间约束则构成边

(Edge)

叫图

优化

SLAM

可分解成两部分

：

(

1

)构建图，

小车位姿

为节点

，

位姿约束关系为边

，

称为前端

(Front-end)

;

(

2

)

优化图

,

即调整小车位姿节点以满足边的约束

,

称为后端

(

Back-end

)o

本文采用基于图优化的

Car-

tographer-SLAM

算法

。

3.2

Cartographer

算法架构

Cartographer

算法凹是基于图优化理论的

SLAM

框架

，

分为局部

SLAM

(

也称前端)和全局

SLAM

(也称

后端)

，

其建图步骤如图

7

所示

,

Cartographer

框架如

图

8

所示

。

图

7

建图步骤

图

8

Cartographer

算法框架

(

1

)局部

SLAM

由

IMU

和里程计通过互补滤波的方式预测初始

的位姿

，

建立匹配机制

，

即通过非线性最小二乘进行

优化求解得到最优匹配

，

算法中通过调用

Ceres

库何

执行

。

激光扫描后,得出的位姿可看作一个节点

，

且

点云信息会经由体素滤波器去除冗余的点云信息

，

然后与

IMU

、

里程计预测的位姿子图进行匹配

Scan

to

map

[10],

优化位姿的同时不断插入数据帧使得子图

更新

，

当子图不再更新即认为子图创建完成

。

接着去

创建下一个子图

，

得出的最优位姿用作下一次的初

始位姿

，

循环过程

。

(

2

)

回环检测

Cartographer

通过创建大量的子图来实现场景建

图

，

子图在短时间内的准确度是可靠的,但长时间会存

在累积误差

，

为了消除累积误差

，

需要通过回环检测来

构建回环

，

最终是为了优化所有子图的位姿

，

检测回环

的方法为分支定界法叫将检测的节点所携带的点云

与当时的子图进行匹配

，

可得到回环约束位姿

。

(

3

)

全局

SLAM

根据局部

SLAM

过程

，

节点与节点之间存在边的

《

装备制造技术

)

2020

年第

10

期

约束

，

节点与子图之间可看作局部约束

，

但对于回环

约束

，

有可能节点与子图不一定在同一轨迹中

，

即同

一节点可能与多个子图存在匹配关系,这也就是全局

约束

，

针对全局的约束问题进行优化即为全局

SLAM

的过程

。

4

实验

实验设备为

PIBOT

智能小车

，

装载激光雷达思

岚A2

,

内置编码里程计

、

IMU

，

环境为室内实验室

,如

图

9(a)

所示

。

(

a)

麦克纳姆轮智能小车

(

b)

实验室

(

c

)

构建实验室地图

图

9

实验设备与环境

23

Equipment

Manufacturing

Technology

No.10

，

2020

通过

PC

端与小车

WIFI

相连

,

控制小车移动探

索区域建图

，

遍历实验室环境(图

9(b)

),

通过

Car

­

tographer

算法构建出的地图效果如图

9(c)

所示

,

从

图

9(b

)

和图

9(c

)

中可以看出

，

所构建的地图能够反

映出实验室的环境特征

，

其中桌面下端是连通的

，

符

合环境特征

。

智能小车导航

，

全局路径规划采用

A*

算法[11]

,

局部路径规划采用

DWA

算法

[12]

。

根据构建的地图给

定机器人目标点与起始点

，

如图

10(a)

所示

，

机器人

按照规划的路径自主导航

。

在全局的路径上放置障

碍物

，

如图

10(b

)

所示

，

其路径随之改变图

10(c

),

机

器人成功避开障碍物到达目标终点

。

(

a)

全局路径规划

(b)

局部避障

(

c

)

局部路径规划

图

10

SLAM

建图与导航图

24

5

结束语

麦克纳姆轮全向移动智能小车搭载

ROS

系统

，

基于

Cartographer

算法下能完成室内环境下的同步

定位与地图构建

，

且能实现自主导航与实时避障功

能

，

对全向移动的定位导航具有良好的应用价值

。

参考文献

：

[1]

Sarmento

L

,

Nunes

F

,

Martins

R

S

,

et

al.

Remote

control

system

for

a

mobile

platform

with

four

mecanum

wheels

[J].

International

Journal

，

2017

(

1

)

：

274.

[2]

Sang

W

Y

,

Park

S

B

,

Kim

J

S.

Kalman

filter

sensor

fusion

for

mecanum

wheeled

automated

guided

vehicle

localization

[J].

Journal

of

Sensors

,

2015

,

2015(8):1-7.

[3]

张军

，

韦鹏

，

王古超

.

基于

ROS

的全向移动机器人定位导航

系统研究

[J]

.

组合机床与自动化加工技术

，

2020(6

)

：

119

-

122.

[4]

吴成鼎

.

基于

Cartographer

的室内

SLAM

系统研究与实现

[D].

福州

：

福州大学

,2018.

[5]

黄加俊

，

卿兆波,张珠耀

，

等

.

基于激光

SLAM

的全方位移动

机器人控制系统设计

[J]

.

科技通报

,

2020

,36(7):81-85.

[6]

靳士超

.基于麦克纳姆轮的全向智能移动机器人导航系统

研究

[D]

.

苏州

：

苏州大学

,201

8.

[7]

李旳泽

.

基于激光雷达的室内机器人

SLAM

研究

[D]

.

广州

：

华南理工大学

,

2016.

[8]

贾浩

.

基于

Cartographer

算法的

SLAM

与导航机器人设计

[D].

济南：

山东大学

,

2019.

[9]

刘智宇

.

基于扫地机器人的

SLAM

算法研究与实现

[D]

.

西

安:西安电子科技大学

,

2019.

[10]

Hess

W

,

Kohler

D

,

Rapp

H

,

et

al.

Real-time

loop

clo

­

sure

in

2D

LIDAR

SLAM[C]//

2016

IEEE

International

Con

­

ference

on

Robotics

and

Automation

(

ICRA

)

.

IEEE

，

2016.

[11]

祁玄玄

，

黄家骏

，

曹建安

.

基于改进

A~*

算法的无人车路

径规划

[J].

计算机应用

,

2020,40(7

)

：

2021-2027.

[12]

王洪斌

，

尹鹏衡

，

郑维

，

等

.

基于改进的

A~*

算法与动态窗

口法的移动机器人路径规划[J]

.

机器人,

2020

,42(3):346-

353.

《

装备制造技术)

2020

年第

10

期

Research

on

SLAM

Navigation

of

Smart

Car

Based

on

Mecanum

Wheel

WU

Di

，

DU

Feng

，

CAI

Yi-jie

，

SHI

Xing-yan

，

HU

Le-yuan

(

Tianjin

University

of

Technology

and

Education

，

Tianjin

300222

，

China

)

Abstract

:

Aiming

at

the

problem

that

the

ordinary

autonomous

motion

mode

is

miscellaneous

and

repetitive

,

this

paper

takes

the

omni-directional

mobile

intelligent

car

with

four

mcnams

as

the

research

object

，

carries

the

ROS

robot

operating

system

，

integrates

the

laser

mine

，

odometer

，

IMU

and

other

sensors

，

and

analyzes

the

mapping

and

navigation

effect

of

the

mcnam

wheel

intelligent

car

based

on

cartographer

algorithm.

The

results

show

that

the

research

can

realize

the

real-time

construction

of

map

in

unfamiliar

environment,

and

has

good

global

navigation

and

local

obstacle

avoidance

ability.

Key

words

:

mecanum

wheel

;

ROS

;

cartographer

(上接第

14

页)

位置(

hd

，

-1

，

tarPos

)

End

线性脚本

3

实现的主要功能是当物料移动到并

联机器人开始抓取的位置时

，

并联机器人开始依次

抓取

workPiece

到达位置

end

通过上述模型建立的方法以及动作设置可以有

效实现物料分拣仿真系统的设计和动作

。

抓取物料至收纳盒中

，

线性脚本

3

如下所示

：

threadFunction=function(

)

while

true

do

4

结论

本文分别对物料分拣仿真系统的组成

、

仿真系

L=

获取

(

Pick_Place

)

整数信号

if

l

then

break

end

统模型的建立以及仿真系统动作的实现等三个方面

end

pickplace=true

进行了论述

，

利用以上模块搭建出符合实际授课需

求的物料分拣仿真系统

。

该仿真系统在实际教学中

满足了学生对并联机器人离线仿真的学习

，

作为学

生在实际操作前的模拟仿真模型示例

，

有效提高了

学生在实际操作时的学习效率和安全性

。

参考文献

：

检测到的句柄

2=l

输出(检测到的句柄

2

)

输出(获取(检测到的句柄

2

)

名称)

输出(

33333

)

boxPos0

=

句柄

2

绝对位置

while

抓取位置

do

[1]

陈勇强

，

赵军涛

.

基于

VUP

的物料分拣虚拟仿真系统设计

[J].

教育教学论坛

.

2020(38

):

385-386.

hds

=

获取

(feedlHd)

位置

检查

(hds[i],Target,threshold

)

距离

[2]

刘甘霖

，

王慧

.

RobotStudio

在工业机器人离线仿真中的应

用

[J].

科技经济导刊

,2019,27(31)

：

19.

到达

workPiece

位置

确认

workPiece

位置

[3]

熊隽

，

陈运军

，

李刚

.

基于

RobotStudio

的仿真平台设计

[J].

机电工程技术

，

2020,

49(8

)

：

129-130.

Design

of

Material

Sorting

Simulation

System

Based

on

IRobotSIM

ZHANG

Rui

,

LI

Guo-qin,DENG

San-peng*

,

QI

Yu-ming

,

ZHAO

Dan-dan

(

Institute

of

Robotics

and

Intelligent

Equipment

,

Tianjin

University

of

Technology

and

Education

，

Tianjin

300222

，

China

)

Abstract

：

Using

irobotsim

virtual

simulation

software

,

the

model

of

material

sorting

simulation

system

is

construct

­

ed,

and

the

virtual

platform

of

material

conveying

and

sorting

workstation

with

parallel

robot

as

the

main

carrier

is

developed.

It

has

the

characteristics

of

model

digitization

，

material

flexibility

and

process

parameterization

，

which

improves

the

training

ability

of

industrial

robot

related

majors

and

provides

a

better

Autonomous

Learning

Platform

for

vocational

college

students.

Key

words

：

IRobotSIM

；

material

sorting

；

3D

modeling

；

simulation

of

material

sorting

25