预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115599099A(43)申请公布日2023.01.13(21)申请号202211308034.8(22)申请日2022.10.25(71)申请人中科璀璨机器人(成都)有限公司地址610000四川省成都市温江区永宁街道和居路560号三医创新中心四期7栋7层(72)发明人牛福永谭福生吴亚军赵洪林尤玉珍(74)专利代理机构成都熠邦鼎立专利代理有限公司51263专利代理师车江华(51)Int.Cl.G05D1/02(2020.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于ROS的自主导航机器人(57)摘要本发明公开了一种基于ROS的自主导航机器人,涉及到ROS的自主导航机器人领域,包括机器人系统运动学建模与模型仿真、移动机器人SLAM与导航算法、ROS的麦克纳姆轮移动机器人平台搭建、机器人SLAM和定位以及路径规划实验分析,所述机器人系统运动学建模与模型仿真由机器人坐标系建立、机器人激光雷达观测模型、麦克纳姆轮运动学模型分析、环境地图模型、机器人模型与运动环境仿真构成,所述移动机器人SLAM与导航算法由移动机器人的SLAM、移动机器人导航算法研究构成。本发明对基于麦克纳姆轮移动机器人进行数学建模,包括建立坐标系,激光雷达观测模型,计算麦克纳姆轮运动学模型正逆解,建立机器人URDF模型和Gazebo空间运动环境。CN115599099ACN115599099A权利要求书1/2页1.一种基于ROS的自主导航机器人,包括机器人系统运动学建模与模型仿真、移动机器人SLAM与导航算法、ROS的麦克纳姆轮移动机器人平台搭建、机器人SLAM和定位以及路径规划实验分析,其特征在于:所述机器人系统运动学建模与模型仿真由机器人坐标系建立、机器人激光雷达观测模型、麦克纳姆轮运动学模型分析、环境地图模型、机器人模型与运动环境仿真构成,所述移动机器人SLAM与导航算法由移动机器人的SLAM、移动机器人导航算法研究构成,所述ROS的麦克纳姆轮移动机器人平台搭建是由移动机器人硬件平台搭建、机器人上位机系统、ROS的麦克纳姆轮移动机器人平台构成,所述机器人SLAM和定位以及路径规划实验分析是由机器人运动试验环境、机器人SLAM实验、AMCL室内定位实验、路径规划导航实验构成。2.根据权利要求1所述的一种基于ROS的自主导航机器人,其特征在于:所述机器人坐标系建立是具有三个自由度,分别为机器人所在平面的平动与绕垂直于机器人所在平面轴线的转动,坐标系WWWYOX为惯性坐标系,RRRxoy为机器人本体坐标系,原点Ro为机器人几何中心,Rx轴为机器人运动正方向,机器人的位姿可由元素x,y,组成的向量ξ表示,其中,x、y表示机器人在惯性坐标系中的平面位置,为机器人姿态角,表述为机器人坐标系的Rx轴与惯性坐标系XW轴之间的夹角,用来描述机器人的运动方向;所述机器人激光雷达观测模型是通过三角测距激光雷达工作原理、TOF激光雷达测距原理、三角测距激光雷达与TOF激光雷达性能分析所得,激光雷达所观测到的环境特征位置与惯性坐标系下机器人位姿坐标之间的关系,通常用非线性离散时间差分方程来表述;所述麦克纳姆轮运动学模型分析有4个麦克纳姆轮且朝向一致,轮子l横向中轴线与Rx轴垂直距离为a,轮子l纵向中轴线与Ry轴垂直距离为b;所述环境地图模型有栅格地图、拓扑地图、特征地图和混合地图,所述机器人模型与运动环境仿真中的机器人模型使用URDF建立机器人仿真模型,URDF文件使用可扩展标记语言XML对机器人的刚体外观、坐标位置、关节类型等方面进行描述,并在Rviz界面中呈现出来,同时还可以通过图形化的方式实时显示传感器数据、机器人运动状态、周围环境的变化等信息,通过接收速度控制指令更新机器人的joint状态,从而实现机器人在Rviz中的运动,所述机器人模型与运动环境仿真中的运动环境仿真使用Gazebo仿真器设计机器人运动环境,机器人所处环境为矩形的封闭空间,该空间分为走廊和三个小房间,房间内放有书架、桌子、梯子物品,机器人可以通过走廊和各个房间之间的小门在该环境中自由移动。3.根据权利要求1所述的一种基于ROS的自主导航机器人,其特征在于:所述移动机器人的SLAM通过经典SLAM方法架构、Rao‑Blackwellised粒子滤波算法、gmapping算法、gmapping算法建图仿真构成,所述经典SLAM方法架构使用滤波器对采集到的环境数据和测得的机器人运动模型进行状态估计,进而得到地图数据和机器人姿态,所述Rao‑Blackwellised粒子滤波算法将系统状态和测量信息看成随机变量,符合移动机器人SLAM的实际情况,适用于非线性、非高斯的移动机器人系统,避免了任何近似线性化处理,所述gmapping算法通过订阅