基于ros的多導(dǎo)盲機器人及在未知環(huán)境中的地圖創(chuàng)建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種導(dǎo)盲機器人,更具體地說,是設(shè)及一種基于R0S的多導(dǎo)盲機器人 及在未知環(huán)境中的地圖創(chuàng)建方法,屬于導(dǎo)盲機器人技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 盲和視力障礙對人類生活質(zhì)量影響非常嚴重,視力障礙者一般只能通過聽覺和觸 覺的方式來感覺外在世界的信息,運給其日常生活帶來了極大的不便。因此設(shè)計和研發(fā)出 一款可W配合視力障礙者的感觸特征而運行的導(dǎo)盲機器人,對彌補其視覺信息的缺失來說 是十分重要的。隨著機器人技術(shù)的飛速發(fā)展,研究導(dǎo)盲機器人成為輔助盲人正常生活的最 好選擇之一。
[0003] 導(dǎo)盲機器人目前在服務(wù)機器人領(lǐng)域逐漸成為了一大研究熱點,但單一的導(dǎo)盲機器 人功能比較有限且服務(wù)對象較為單一,服務(wù)區(qū)域相對也比較小。單一的導(dǎo)盲機器人不能完 成某些復(fù)雜的任務(wù),并且在復(fù)雜環(huán)境中的導(dǎo)盲也具有局限性。針對單一導(dǎo)盲機器人的運些 不足,多導(dǎo)盲機器人的研究應(yīng)運而生。多導(dǎo)盲機器人系統(tǒng)可W完成單個導(dǎo)盲機器人不能完 成的復(fù)雜任務(wù),更能適應(yīng)各種復(fù)雜的環(huán)境??蒞增加系統(tǒng)的魯棒性,實時性好。因此多導(dǎo)盲 機器人的研究成為當今社會發(fā)展的必然趨勢。
[0004] R0S是能為異質(zhì)計算機集群提供例如操作系統(tǒng)功能的軟件平臺。2007年,斯坦 福大學人工智能實驗室與機器人技術(shù)公司W(wǎng)illow Garage合作開發(fā)出了機器人操作系統(tǒng), 2008年W后由Willow Garage推廣。
[0005] ROS平臺是一個非常大的共享平臺,人們可W借由運個系統(tǒng)進行所處領(lǐng)域的代碼 交流,因此世界上有非常多的機構(gòu)在對R0S進行開發(fā)和維護?;贚inux操作系統(tǒng)下,R0S 系統(tǒng)能夠提供的功能包括硬件抽象描述、執(zhí)行底層驅(qū)動程序管理、程序間共用功能的執(zhí)行、 程序間的消息傳遞、程序發(fā)行包管理,它也提供一些工具程序和庫用于獲取、建立、編寫和 運行多機集成的程序。世界各地的研究人員在R0S的基礎(chǔ)上開發(fā)了許多軟件包,如定位繪 圖、并行規(guī)劃、感知、仿真和其他高級功能包功能。在機器人研究領(lǐng)域,R0S已經(jīng)逐漸成為通 用性的軟件平臺。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的是針對現(xiàn)有單導(dǎo)盲機器人在面對未知環(huán)境時存在的工作能力有限, 工作效率低和智能化程度較差的缺點,解決單一導(dǎo)盲機器人在面對未知環(huán)境W及復(fù)雜導(dǎo)盲 信息時,由于自身的硬件設(shè)備不足或是不能有效獲取環(huán)境障礙物信息,因而無法創(chuàng)建有效 地圖的問題,提出了一種基于R0S的多導(dǎo)盲機器人及在未知環(huán)境中的地圖創(chuàng)建方法。
[0007] 為實現(xiàn)上述目的,本發(fā)明解決問題所采取的技術(shù)方案是:
[0008] 一種基于R0S的多導(dǎo)盲機器人,由至少兩臺結(jié)構(gòu)相同的導(dǎo)盲機器人個體組成,所 述導(dǎo)盲機器人個體包括上中下Ξ層結(jié)構(gòu)的車身,車身下層設(shè)有車輪組7,電機6,電機驅(qū)動 器8和電源轉(zhuǎn)換模塊1 ;中層設(shè)有運動控制器9,電源10和語音識別模塊4 ;上層設(shè)置有 RFID模塊2,數(shù)據(jù)采集模塊3和筆記本5 ;所述筆記本5通過USB串口分別與所述RFID模 塊2,數(shù)據(jù)采集模塊3,語音識別模塊4和運動控制器9進行通信;所述運動控制器9輸出驅(qū) 動信號至電機驅(qū)動器8,所述電機驅(qū)動器8驅(qū)動電機6從而帶動車輪組7,所述電源10通過 電源轉(zhuǎn)換模塊1分別給RFID模塊2,數(shù)據(jù)采集模塊3和語音識別模塊4供電;所述導(dǎo)盲機 器人個體之間采用分布式控制結(jié)構(gòu),通過各自的筆記本之間的WiFi連接,實現(xiàn)導(dǎo)盲機器人 個體之間的信息交互。
[0009] 其中,上述所述導(dǎo)盲機器人個體都運行機器人操作系統(tǒng)一-R0S。
[0010] 上述所述RFID模塊2為射頻識別模塊,是一種無線通信模塊,用來檢測并獲取環(huán) 境中RFID標簽的信息。
[0011] 上述所述數(shù)據(jù)采集模塊3為激光雷達。
[0012] 上述所述車輪組7由兩個驅(qū)動輪和一個萬向輪組成,成Ξ角形安裝在所述車身下 層的底部。
[0013] 為實現(xiàn)上述目的,本發(fā)明解決問題所采取的另一技術(shù)方案是:
[0014] 一種基于R0S的多導(dǎo)盲機器人在未知環(huán)境中的地圖創(chuàng)建方法,包括W下步驟:
[0015] (1)在盲機器人個體所在處區(qū)域設(shè)置若干個錯點,即在所處區(qū)域中的重要標志性 特征點上設(shè)置封裝有該位置坐標信息的RFID標簽;
[0016] 似啟動所有導(dǎo)盲機器人個體中的數(shù)據(jù)采集模塊3和RFID模塊2 ;
[0017] (3)手動控制導(dǎo)盲機器人個體在各自所在的區(qū)域運行一圈,所述數(shù)據(jù)采集模塊3 獲取區(qū)域環(huán)境的障礙物數(shù)據(jù)信息,所述RFID模塊2采集區(qū)域中預(yù)設(shè)的的錯點信息,即RFID 標簽信息,其中存儲有標志性特征點的坐標;
[0018] (4)將步驟3)獲取的區(qū)域環(huán)境中的障礙物數(shù)據(jù)信息采用導(dǎo)盲機器人半徑和定位 誤差之和進行膨脹,將障礙物尺寸進行擴大;
[0019] 妨運用R0S提供的功能包中的EKF-SLAM算法,創(chuàng)建并保存各自區(qū)域的帶有錯點 坐標的SLAM地圖;
[0020] (6)導(dǎo)盲機器人個體通過各自筆記本5的WiFi連接進行數(shù)據(jù)交互,即步驟5)中生 成的帶有錯點坐標的SLAM地圖的交互。
[0021] 上述所述的基于R0S的多導(dǎo)盲機器人在未知環(huán)境中的地圖創(chuàng)建方法中步驟5)所 述的EKF-SLAM算法的具體步驟是: 陽0巧 1)初始化:將導(dǎo)盲機器人個體的SLAM狀態(tài)空間向量,誤差協(xié)方差矩陣,導(dǎo)盲機器 人個體過程控制噪聲協(xié)方差矩陣,導(dǎo)盲機器人個體觀測過程噪聲協(xié)方差矩陣參數(shù)進行初始 化定義;
[0023] 2)狀態(tài)預(yù)測:利用導(dǎo)盲機器人個體運動過程模型,根據(jù)k-1時刻的導(dǎo)盲機器人個 體位姿,誤差協(xié)方差矩陣和k-1時刻到k時刻導(dǎo)盲機器人個體的運動控制量來預(yù)測k時刻 的導(dǎo)盲機器人個體自身位姿估計,誤差協(xié)方差矩陣和導(dǎo)盲機器人個體的觀測量;
[0024] 3)數(shù)據(jù)關(guān)聯(lián):在導(dǎo)盲機器人個體的實際觀測完成時,建立導(dǎo)盲機器人個體實際從 環(huán)境中觀測到的特征點的觀測值和步驟2)中通過觀測模型得到預(yù)測值之間的對應(yīng)關(guān)系, 計算卡爾曼增益;
[00巧]4)狀態(tài)更新:利用卡爾曼增益和步驟2)中的預(yù)測值,更新k時刻的導(dǎo)盲機器人個 體SLAM狀態(tài)空間向量和誤差協(xié)方差矩陣;
[00%] 5)地圖擴展:當導(dǎo)盲機器人個體觀測到新的特征點時,經(jīng)過數(shù)據(jù)關(guān)聯(lián)校驗后,將 新觀測到的特征點的坐標添加到系統(tǒng)狀態(tài)向量中,實時更新SLAM地圖。
[0027] 有益效果:本發(fā)明與現(xiàn)有技術(shù)相比,具有W下的優(yōu)點和有益效果:
[0028] 1、采用多導(dǎo)盲機器人,設(shè)計和制造多個簡單的導(dǎo)盲機器人個體比單個復(fù)雜的導(dǎo)盲 機器人個體要容易很多,成本也低很多。
[0029] 2、導(dǎo)盲機器人個體均采用目前流行機器人操作系統(tǒng)一一R0S,由于其本身的開源 性,使得機器人軟件系統(tǒng)對環(huán)境的適應(yīng)性更強,同時也提高了軟件系統(tǒng)的實時性。
[0030] 3、使用多臺導(dǎo)盲機器人個體可W通過數(shù)據(jù)共享獲取更大范圍的環(huán)境信息,而不需 要直接觀測,提高工作效率和工作范圍。
[0031] 4、導(dǎo)盲機器人個體上使用激光雷達檢測環(huán)境中的障礙物信息,檢測精度高,速度 快,抗干擾能力強。
[0032] 5、導(dǎo)盲機器人個體上使用RFID模塊檢測環(huán)境中錯點的信息,識別唯一,安全性 好,準確性高。
【附圖說明】
[0033] 圖1為導(dǎo)盲機器人個體結(jié)構(gòu)示意圖,
[0034] 圖2為導(dǎo)盲機器人個體控制結(jié)構(gòu)示意框圖,
[0035] 圖3為多導(dǎo)盲機器人所處的一種未知環(huán)境圖,
[0036] 圖4為多導(dǎo)盲機器人個體在未知環(huán)境圖中的地圖創(chuàng)建方法流程框圖,
[0037] 圖5為導(dǎo)盲機器人個體創(chuàng)建地圖過程中使用的EKF-SLAM算法流程框圖。
【具體實施方式】
[0038] 下面結(jié)合附圖,進一步闡述本發(fā)明。
[0039