一种优化传感器配置的机器人视觉导航系统

赵伟卓，杨 旗，张子昂

机器人自问世以来一直受到各国重视，被认为是面向未来的新兴产业发展中具有重要意义的高新技术之一[1]。近年来，国际上对自主导航机器人的需求不断提高，使即时定位与地图构建（SLAM） 技术受到国内外学者的广泛关注。

目前，SLAM 技术主要基于2D、3D 激光雷达及单目、双目、RGBD 相机进行建图与导航。对于各类场景的SLAM 问题，国内外学者进行了大量的研究。Kohlbrecher, S 等[2]人提出了Hector-SLAM，其采用高斯-牛顿方程求解非线性最小二乘问题，以此解决用于激光数据与地图的前端扫描匹配建图问题。Grisetti 等[3]在基于Rao-Blackwell 粒子滤波的SLAM 方法的基础上进行改进，实现了Gmapping 算法。Hess 等[4]于2016 年提出的Cartographer 算法已经成为具有代表性且较为前沿的基于图优化的激光SLAM 方法。Labbé等[5]提出的RTAB-MAP 系统，通过RGB-D 相机进行同步定位和局部建图，克服回环检测随时间推移影响实时处理的不足。

当前，室内机器人普遍采用激光雷达作为传感器来建图导航，由于深度相机进行三维建图导航对图像纹理特征点的要求较高，所以只能在特定场景中应用[6]。本文在RTAB-MAP 的基础上融入激光雷达里程计和rgbd_odometry 进行V_SLAM，以提高三维地图轮廓信息的稳定性。

1 机器人主要构造及通讯原理

室内轮式ROS 导航机器人（见图1） 以Intel NUC 作为下位机的主控单元，负责运行所有的ROS 主节点，并进行V_SLAM。Rplidar A1 作为主控雷达，负责提供360°的环境激光数据。深度相机采用RealSense D415 采集深度点云图像。该机器人的底盘驱动系统由四台电机、Omini 全向轮，以及Stm32 单片机驱动板构成。

图1 ROS 机器人