一种AMR移动机器人激光SLAM运动环境探测系统

技术领域

本发明涉及移动机器人技术领域，具体是一种AMR移动机器人激光SLAM运动环境探测系统。

背景技术

机器人是自动执行工作的机器装置，机器人可接受人类指挥，也可以执行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动，机器人执行的是取代或是协助人类工作的工作，例如制造业、建筑业，或是危险的工作，机器人可以是高级整合控制论、机械电子、计算机、材料和仿生学的产物，机器人是靠自身动力和控制能力来实现各种功能的一种机器，机器人能力的评价标准包括：智能，指感觉和感知，包括记忆、运算、比较、鉴别、判断、决策、学习和逻辑推理等；机能，指变通性、通用性或空间占有性等；物理能，指力、速度、连续运行能力、可靠性、联用性、寿命等，因此，可以说机器人是具有生物功能的空间三维坐标机器，而AMR移动机器人，一般为轮式或类人机器人，携带各种传感器，通过编程实现自主移动，在制造业、仓储业、物流业、医疗保健、智慧城市和公共部门等领域中通常会使用到AMR移动机器人，由此，AMR移动机器人在相应的工作需求下应运而生。

目前，随着电子商务的发展，企业在高效、准确地满足消费者需求方面面临着更多挑战，此外，企业越来越需要在当前设施布局和占地面积内扩展业务，这些应该在不影响运营的前提下进行，仓库自动化的需求已经加快，可靠的技术对关键业务的发展和现代化至关重要，和人类一样，自主移动机器人(AMR)也能检测自己所处的环境并相应地进行适应，AMR是一种工业机器人，可以在设施内提升和运输托盘等物料，机器人通过读取设施地板上的二维码或使用光探测和测距(激光雷达)来感知周围环境和障碍物，从而安全地在人员、设备和库存周围导航；就目前制造业、仓储业、物流业、医疗保健、智慧城市和公共部门等领域对AMR自主移动机器人工作的需求，如何更好的结合好AMR自主移动机器人，通过在未知环境下利用AMR自主移动机器人对未知环境中周围的状况进行实时监测，来解决人工探测存在的安全问题，是亟需解决的问题，基于此，我们提出一种AMR自主移动机器人激光SLAM运动环境探测系统。

发明内容

本发明的目的在于提供一种AMR移动机器人激光SLAM运动环境探测系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种AMR移动机器人激光SLAM运动环境探测系统，包括AMR移动机器人和激光SLAM运动环境探测系统，其特征在于：所述AMR移动机器人包括移动机器人外壳，所述移动机器人外壳顶部固定安装有高度调节机构，所述移动机器人外壳顶部两侧对称固定安装有两个SICK安全激光扫描仪，所述高度调节机构的顶端设置有激光雷达结构，所述激光雷达结构包括激光雷达和激光雷达支架，所述移动机器人外壳底部对称设置有四个移动机构，所述移动机构包括麦克纳姆轮、弹性悬架、驱动轴、带编码器的轮毂电机，所述移动机器人外壳的内侧设置有控制机构，所述控制机构包括主控机箱、底盘控制箱、锂电池移动电源和主控专用移动电源,所述激光SLAM运动环境探测系统包括前端扫描匹配模块、后端优化模块、闭环检测模块和地图构建模块。

作为本发明进一步的方案：所述激光雷达支架固定连接于高度调节机构的伸缩端，所述激光雷达固定安装于激光雷达支架顶部。

作为本发明再进一步的方案：所述弹性悬架固定安装于移动机器人外壳底部，所述驱动轴转动连接于弹性悬架的下部，所述麦克纳姆轮固定套设于驱动轴的外侧，所述带编码器的轮毂电机固定安装于弹性悬架上，所述驱动轴的一端与带编码器的轮毂电机的转动端固定连接。

作为本发明再进一步的方案：所述主控机箱、底盘控制箱、锂电池移动电源和主控专用移动电源均固定安装于移动机器人外壳的内侧。

作为本发明再进一步的方案：所述前端扫描匹配模块以ICP算法为核心，通过对ICP算法流程进行改进优化，改进后的ICP算法流程为：第一步：在参考帧坐标系进行当前帧数据的投影；第二步：在参考帧坐标系中寻找与当前帧最近的两个点位；第三步：计算误差，将离群点剔除，并对误差函数的迭代增量进行计算；第四步：考虑到粒子滤波(PF)和卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、迭代卡尔曼滤波(IEKF)、无迹卡尔曼滤波(UKF)相比，通过去掉高斯假设，直接采用蒙特卡罗方法，用粒子作为采样点来描述分布的方式。

作为本发明再进一步的方案：所述后端优化模块用于以粒子滤波理论为核心进行优化。

作为本发明再进一步的方案：所述闭环检测模块用于处理AMR移动机器人运行中激光数据扫描匹配结果的相似性问题，采用帧与子图闭环检测技术，即采用二维的激光数据，在闭环约束之间进行自动估计和变化，通过采用遗传搜索算法、离群值的距离度量，进行未知环境下鲁棒的变换估计。

作为本发明再进一步的方案：所述地图构建模块用于通过占据栅格地图算法，进行激光SLAM运动环境探测系统地图的构建，其步骤为：第一步：读取一帧激光雷达数据和该帧对应的AMR移动机器人的位姿；第二步：计算该帧机器人位置的栅格序号；第三步：检查该帧激光雷达数据所有扫描点；第四步：计算各激光点击中栅格在像素坐标系下的栅格序号，并更新该激光扫描点击中的栅格状态，从而在AMR机器人运行中进行地图信息的更新。

与现有技术相比，本发明的有益效果是：

1、本发明中，通过采用的SICK安全激光扫描仪进行实时传回未知环境中周围的状况，远程操作人员可以对周围环境进行监控，从而实时了解未知环境的现场状况，人员远程即可对位置环境情况进行实时监测，通过多种传感器的配合，增加了AMR移动机器人的整体环境感知能力，并且多种传感器数据融合实现了稳定的自主导航能力，并且，通过高度调节机构调节激光雷达的位置，能对未知环境中的障碍进行识别，保证装置的绝对安全，本装置可以替代人工进行智能探测，从而有效解决了人工探测存在的安全问题。

2、本发明中，通过采用麦克纳姆轮驱动的万向行走装置可以灵活运动，有效减少由于转向而与障碍物的刮碰情况，此外，为四轮分别加上弹性悬架，有效提升其工作稳定性和越障能力，进而有效解决了在未知环境下，在一些复杂狭窄的路段行走出现故障的问题。

附图说明

图1为AMR移动机器人激光SLAM运动环境探测系统中AMR移动机器人的整体结构示意图。

图2为AMR移动机器人激光SLAM运动环境探测系统中AMR移动机器人的局部结构示意图。

图3为AMR移动机器人激光SLAM运动环境探测系统中激光SLAM运动环境探测系统的示意。

图4为AMR移动机器人激光SLAM运动环境探测系统中AMR移动机器人的整体系统控制示意图。

图中所示：移动机器人外壳1、高度调节机构2、激光雷达结构3、激光雷达301、激光雷达支架302、移动机构4、麦克纳姆轮401、弹性悬架402、驱动轴403、带编码器的轮毂电机404、SICK安全激光扫描仪5、控制机构6、主控机箱601、底盘控制箱602、锂电池移动电源603、主控专用移动电源604。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～4，本发明实施例中，一种AMR移动机器人激光SLAM运动环境探测系统，包括AMR移动机器人和激光SLAM运动环境探测系统，AMR移动机器人包括移动机器人外壳1，通过移动机器人外壳1对硬件部分进行承载，以国产MIR1350-AMR移动机器人为运动控制设备平台，移动机器人外壳1顶部固定安装有高度调节机构2，高度调节机构2为电动缸，移动机器人外壳1顶部两侧对称固定安装有两个SICK安全激光扫描仪5，通过SICK安全激光扫描仪5进行监测实时传回未知环境中周围的状况，高度调节机构2的顶端设置有激光雷达结构3，通过高度调节机构2能调控激光雷达结构3的高度，激光雷达结构3包括激光雷达301和激光雷达支架302，激光雷达支架302固定连接于高度调节机构2的伸缩端，通过高度调节机构2的伸缩端伸缩实现对激光雷达结构3的高度调节，激光雷达301固定安装于激光雷达支架302顶部，激光雷达301采用KRUISEE研发的dtof高精度激光雷达产品为实验配件，采用应用于Linux环境中的ROS机器人服务框架为基础，dtof高精度激光雷达产品支持360°全方位扫描，10/20Hz可选扫描频率，为IP65级别防尘防水，测距频率为14.4/28.8KHz，采用光磁融合技术，可实现无线通信，移动机器人外壳1底部对称设置有四个移动机构4，移动机构4包括麦克纳姆轮401、弹性悬架402、驱动轴403、带编码器的轮毂电机404，弹性悬架402固定安装于移动机器人外壳1底部，驱动轴403转动连接于弹性悬架402的下部，麦克纳姆轮401固定套设于驱动轴403的外侧，带编码器的轮毂电机404固定安装于弹性悬架402上，驱动轴403的一端与带编码器的轮毂电机404的转动端固定连接，通过带编码器的轮毂电机404的转动端转动带动驱动轴403转动，驱动轴403带动麦克纳姆轮401转动，实现移动动作，移动控制设备MIR1350-AMR移动机器人运行最大速度1.2m/s，重复定位精度±3mm，导航方式为SLAM激光导航，通信方式支持wifi或者I/O通信，移动机器人外壳1的内侧设置有控制机构6，控制机构6包括主控机箱601、底盘控制箱602、锂电池移动电源603和主控专用移动电源604，主控机箱601、底盘控制箱602、锂电池移动电源603和主控专用移动电源604均固定安装于移动机器人外壳1的内侧，通过分别采用基于Gmapping的激光SAM算法和2D SLAM算法(Hector SLAM)两种技术进行比较分析，依据ROS框架搭建SLAM实验平台，采用MIR1350-AMR移动机器人为底层移动平台，激光雷达为外部传感器，通过USB接口、WIFI多种方式实现与PC之间的通讯，实验前进行参数设置，将粒子数设置为8，栅格地图分辨率设置为0.05m，重采样阈值设置为0.5，在有效粒子数少于4个时重新采样，在2D SLAM算法(Hector SLAM)实验上，同样依托本实验平台进行，在实验过程中，通过MATLAB对实验参数进行分析，同时，比较两种算法的构图效果、地图精度等，评价项目技术的可靠性。

激光SLAM运动环境探测系统包括前端扫描匹配模块、后端优化模块、闭环检测模块和地图构建模块，前端扫描匹配模块以ICP算法为核心，进行ICP算法优化，ICP算法的原流程为寻找对应点；根据对应点，计算R，T；对点云转换，计算误差；不断迭代分析，至误差低于阈值为止，通过对ICP算法流程进行改进优化，改进后的ICP算法流程为：第一步：在参考帧坐标系进行当前帧数据的投影；第二步：在参考帧坐标系中寻找与当前帧最近的两个点位；第三步：计算误差，将离群点剔除，并对误差函数的迭代增量进行计算；第四步：考虑到粒子滤波(PF)和卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、迭代卡尔曼滤波(IEKF)、无迹卡尔曼滤波(UKF)相比，通过去掉高斯假设，直接采用蒙特卡罗方法，用粒子作为采样点来描述分布的方式更为简单实用，后端优化模块用于以粒子滤波理论为核心进行优化；闭环检测模块用于处理AMR移动机器人运行中激光数据扫描匹配结果的相似性问题，采用帧与子图闭环检测技术，即采用二维的激光数据，在闭环约束之间进行自动估计和变化，通过采用遗传搜索算法、离群值的距离度量，进行未知环境下鲁棒的变换估计；地图构建模块用于通过占据栅格地图算法，进行激光SLAM运动环境探测系统地图的构建，其步骤为：第一步：读取一帧激光雷达数据和该帧对应的AMR移动机器人的位姿；第二步：计算该帧机器人位置的栅格序号；第三步：检查该帧激光雷达数据所有扫描点；第四步：计算各激光点击中栅格在像素坐标系下的栅格序号，并更新该激光扫描点击中的栅格状态，从而在AMR机器人运行中进行地图信息的更新。

尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。