【《仓储自动行驶小车实验平台分析案例》7200字】

仓储自动行驶小车实验平台分析案例1小车自动行驶实验验证平台1.1引言该章会依据行驶系统中运动控制、行为决策、环境意识和路径规划这四个层次，有必要建立一个硬件平台与某些自动行驶功能，为软件系统设计为算法的实验验证做准备。1.2硬件实验平台在硬件平台上创建的自动驱动系统路径规划的技术路线能够当作为轮式小车的技术路线。本课题实验部分采用自动小车作为探究对规划路线技术的基本实验模型。1.2.1小车实验平台如今技术高速发展，市场中有许多经济实惠并且技术先进的轮式小车平台，都能够适用于对自动行驶的探究中，能够对规划路线、避开障碍物、定位系统来对技术深入研究。表1.1小车性能参数Table1.1Performancecomparisonofdifferentroboticplatforms驱动方式前置后驱最小转弯半径5m供电方式直流12v通信协议SAEJI939/自定义通信速度500Kbps总线类型Can2.0B适用场景室内/室外表1.1是对天隼自动驾驶汽车性能参数的介绍，该小车为四轮式，前轮是主动轮

，用于改变方向转弯，后轮是从动轮。这种样子的轮胎样式会让小车有一定的承受重力的能力，对方向的改变的准度也有保证。为了保证小车行驶时的准确度，轮胎会选用耐滑的橡胶材质点击部分选用德国伺服电机。车子续航电池选用的是聚合物离子电池，能够保持7小时的持续行驶。车载电池为12V20AH聚合物固体锂离子电池，续航能力为七个小时。主要硬件配置如表1.2所示。表1.2小车配置Table1.2ConfigurationofCar类别参数计算机英特尔四核i7底层芯片STM32小车电机BW-DR01通信方式串口通信表1.3为小车底盘性能参数，展现了对小车的移动速度和变化速度进行了最大的制约。表1.2小车加速度参数Table1.2CarAccelerationParameters参数最大线速度0.9m/s最大加速度1.4m/s2最大角速度3.91rad/s最大角加速度11.22rad/s第三章是通过假定已经知道小车移动行驶速度v与角速度w的状况下，推算小车运动模型，此上都没有考虑到如何获得v，w在计算小车左右两轮移动速度下。以下是推算在实验所要使用到的拥有不同速度的左右轮小车的实验模型。图1.1两轮差动底盘航迹推演模型Figure1.1Two-wheelDifferentialChassisTrackDeductionModel图1.1为两轮差动底盘的航迹推演模型，其中θ1为两轮相邻时刻下的小车圆弧旋转运动角度;θ3是指在相邻的时刻内与小车之间航向夹角的一个变化测量;l为左右轮之间的差值;d是一个右轮行驶时要比左轮行驶多一点步的距离;r为小车进行圆弧式运动的长度;v1和vr分别代表了左右轮位置的移动速度;两轮行驶速度平均值分别为该平台前进速度v表达式为：(1.1)根据1.1图可知，θ1=θ2=θ3，即自动行驶小车行驶角度的变化，就是围绕其行驶轨迹的圆心所改变的角度。因为Δt很短，并且角度的变化量θ2也较小，由此可以推导出以下公式：(1.2)得到小车绕圆心运动的角速度w为：(1.3)本实验所需的硬件平台，如图1.2所示。小车宽0.4m，长1m。电池电机RFID读卡器计算机激光雷达电池电机RFID读卡器计算机激光雷达图1.2实验小车外部结构Figure1.2ExternalStructureofExperimentalCar小车整体根据底层控制和上层控制相结合的原理进行操作。ARM芯片是底层控制系统的重要部分，工业计算机和便携式移动计算机是上层控制系统的核心部分。RFID用来定位，读卡器用来读取RFID的标签位置信息，激光雷达测量计算距离周围障碍物的距离，并通过USB接口将环境信息传送给工业计算机。底层系统和顶层系统采用串口的通信方式进行数据交换。这样可以有效减少ARM芯片的损失。硬件实验设计框图如图1.3所示。激光雷达激光雷达电机电机驱动底层驱动笔记本电机电机驱动底层驱动笔记本惯导惯导图1.3硬件实验设计框图Figure1.3BlockDiagramofHardwareExperimentDesign1.2.2激光雷达现在，自动行驶小车或无轨电动车最重要的环境感应装置是激光雷达。激光雷达在自动行驶系统中有个核心功能：环境感知，这是这是能够不断提高路径规划能力的基础。在选择激光雷达时，我们会有两种参数:单多线与距离，这也使激光雷达的价格有天壤之别能够有便宜的千元也能到百万元等。而其中我们中国的思岚科技公司研究开发出的单线雷达目前已经非常普遍使用在入门研究自动行驶车中。这篇论文的实验的场所大部分选择在实验室内，为了符合这个算法实验的要求，选用了单线雷达模拟出了平台地图。于此同时，出于对平台的综合考虑，选取了激光雷达来提高实验的准确性。由于它结合了高速视觉数据采集和信号处理机制与三角激光测距技术这三个技术的优点，所以其测量距离的准确度高达四千次每秒。一样的激光测量距离实验中，这个系统能够发射一个红外无线的激光照射信号，这个信号在通过射频自动调试。这个发射所形成的红外无线反射将被其他一个视觉图像采集和处理单元接收到，当激光发射时碰到指定目标，根据接收到的信号，计算出小车距离障碍物的距离，然后经过嵌入在激光雷达内部的DSP处理器的实时解算，输出环境信息。在电机的驱动下，激光雷达的测距核心顺时针旋转，最终实现对周围环境的扫描测距检测。rplidara2的工作原理如图4．4所示。图1.4激光雷达工作原理示意图Figure1.4WorkingPrincipleDiagramofLidarrplidara2能直接用全方位360度无线雷达，在二维激光平面上对激光半径10米到6米范围内的每一个激光节点进行无线测距和成像扫描，获取环境信息。它的主要数据如下表1.3。根据这些信息实现自动行驶小车的导航、对环境模型感知。rplidara2激光雷达在激光测距和图像扫描仪激光探测过程中，也能有效避免室内外阳光对室外辐射的直接干扰，使雷达在各种室内外阳光环境和室外阳光环境中正常工作，无任何阳光直射。在rplidara2工作时，采样的音频数据由数据输出的无线通信数据接口使用。表1.3性能指标Table1.3PerformanceIndicators项目性能角度分辨率0.9度单次测距时间0.25ms扫描频率10hz扫描角度0-360度测量频率4000次/s测量分辨率<0.5mm测量范围0.15-6m1.2.3基于RFID/DR技术定位的原理由于室内环境的信号不稳定甚至没有GPS信号，所以采用RFID。RFID的复杂性和多变性，RFID技术常规的应用中会存在盲区和误差，运用RFID技术时，理论上设置的节点和布置的标签越多如图1.6，定位误差也就越小，盲区越少，精度越高。但实际需求往往比理论需求的节点数和标签量更多，如此一来会增加巨额的成本，在实际应用场合，还需要及时了解运动物体的其他状态信息，如速度和角度等，所以如果用单一的RFID技术对室内运动物体进行定位，存在一定的不足。本文提出了使用RFID/DR无源的组合来对小车进行定位，优化了室内定位效率，降低了误差，节省了成本。图1.6RFID定位标签Figure1.6PositioningLabelofRFIDDR系统能够观测小车的速度并得到方向的数据，通过对数据积累推算运动物体的位置，但其方向和距离传感器的位置偏差会给计算带来随着时间递增的累积误差。如果长时间单独使用，DR的定位精度将下降。DR与无源RFID组合使用既能很好地解决DR随时间累积的定位误差，又可以解决室内局部环境中出现的无源RFID定位信号易变差、对环境要求高和信息有效性判断的问题，从而有效地确定运动物体的位置，并得到运动物体的状态信息。无源RFID定位系统主要是在环境中布置已知位置信息的参考标签，通过检测参考标签，并根据参考标签的位置信息来进行定位计算，因此具有很强的环境适应性、建立室内二维坐标系，将参考标签有规则地排布在室内，即可根据参考标签的位置信息来计算小车的位置以某一时刻读取到的所有标签位置的平均值作为运动载体的位置如图1.6，定位计算公式如下：(1.4)(1.5)(1.6)（xi,yi）表示读取到的第i个参考标签的位置，n表示j时刻读取到的参考标签的总数，(x’,y’)j表示时刻运动载体的计算位置。图1.7参考标签定位原理Figure1.7Positioningprincipleofreferencelabel对室内无法接收GPS信号的情况，需要使用航迹推演来推算出机车的位置。该算法的推算过程如下：设行人一个时间段内的初始位置坐标为Ｐ0(x0,y0)，下一个位置坐标为Ｐ1(x1,y1)从位置Ｐ0到Ｐ1段内的方向为α0(t0)，由加速度计获得的步长为Ｓ(ｔ0)，两点的关系为：(1.7)(1.8)从而依此类推Ｐk(xk,yk)的位置是：(1.9)(1.10)再进行加权计算得出最终位置（加权系数α+β=1）：Xz=αx’j+βxk(1.11)yz=αy’j+βyk(1.12)实验结果如图1.8。图1.8RFID与DR联合定位Figure1.8RFIDandDrjointpositioning根据测绘得到的地图，通过matlab的直线映射的变化处理简化地图，在根据地图利用A*算法规划出来一条全局路径，在小车运动的过程中会遇到障碍物，通过RFID定位，与激光雷达感知周围环境计算出小车距离周围障碍物的距离，该参数作为局部路径规划DWA算法中评价函数的一个参数，来影响小车避障阶段的所规划的局部路线。1.3软件系统设计1.3.1ROS架构Willowgarage公司在2010年开发出一款开源的能够对小车行驶系统进行控制的系统ROS。ROS不基于任何开发语言，还拥有开源等特点，在短时间内成为小车开发平台的重要工具。ROS为开发者提供了许多便利例如，底层驱动编辑器的程序管理、信号的管理与数据传递、编辑器和程序开发包等的基本功能，还能够为开发者提供许多开发工具和库来完善小车应用[32]。不仅如此ROS还具有很强的基于源代码的可复用性和基于硬件的自动抽象化以及应用开发性能，采取分布式消息构架，实现了对任务消息的自动化传送及完成其进行自动化分类多层次的运行通过多种信息功能单独的消息节点组合，不仅如此每次运行时他会整合零散的信息，并将数据封装到一个新的数据存储包(packages)和一个堆栈(stacks)中，以方便于消息分享和数据获取，达到减少计算机运行负担提高效率。ROS的程序开始运行时，任何进程和程序都会进行实时的数据处理，都会通过一种点对点的无线网络显示方式实时呈现显示出来。其中还存在非常重要的节点概念:数据节点、节点信息管理器、信号、参数节点服务器、话题、服务。①节点：这是进程专门实现算法，它作为ROS开发的重要单位。ROS中每个节点都有自己独立的特点及功能，他们组成各种不同的系统，如果许多节点同时进行，我们就可以很容易的把他们一一对应连接制作成一个图表，其中进程就是图中的节点，而点对点的连接关系就弧线关系。②节点管理器：专门管理数量庞大的节点群。节点名字的创建，节点之间的相互查找都依赖节点管理器，如果缺少了节点管理器，那么各个节点之间将不能进行信息获取与传递，各个进程将丢失服务器。③参数服务器：专门用来存取并管理节点进程产生的参数，是用来存储节点运行时所需要的配置参数，而不是用来完成系统更好的数据传输。④消息：它是节点之间的通信内容，传递方式通常以发布和订阅，是数据在ROS中的表现形式。每个消息都是数据结构。⑤话题（主题）：节点之间的消息传输围绕一个特定的主题。每条消息都应该发布到相应的主题。当一个节点发送相应的数据时，意味着一个节点正在向这个主题发送相应的消息。为从其他节点接收信息，节点能订阅主题。一个主题能有多个订阅者和发布者，也能一起发布，因为主题发布的形式非常灵活，能接受多个主题，而且一个主题的发布者和接收者不知道自己和对方之间的存在。该方法可以满足信息订阅与发布的解耦。⑥服务：一种通信方式，用于点对点的传输。当我们发布话题时，正在发送的数据能够以多对多的方式交互，但当需要从某个节点获得一个请求或应答时，就不能通过话题来实现。在这种情况下，服务可以直接与某个节点进行交互。图1.5为ROS结构原理，显示了节点、服务、话题之间的作用关系。如上所述，ros就是基于一种信息机制的，这种方法可以让每个模块的开发者将不同功能拆解为组合并且到各个模块，而这些模块传达和读取信息依靠着对软件的一些要求。发布节点服务节点发布节点服务节点订阅节点订阅节点主题节点主题节点发布发布订阅节点节点订阅节点节点发布发布图1.5ROS结构原理Figure1.5ROSStructure1.4本章小结在本章中，首先搭建了实验的硬件平台，采用了智能移动车，并配备了激光雷达辅助。整个系统采用自下而上控制相结合的方式。然后，根据ROS系统的基本框架和特征，并利用RFID/DR技术定位的原理，为下一章的实验做好准备。2路径规划实验结果2.1引言前一章从硬件和软件两方面为路径规划试验提供了充分的条件。本章以ROS操作系统为背景，研究了路径规划算法，并进行了实验。提出实验要求：在静态环境和动态环境下实验小车能够根据周围环境上的路障及车身定位信息，得到这个配置的路径规划操作，来让小车最终安全有效的抵达目的地。2.2move_base包参数配置目标位置地图和位置时自动行驶讨论系统中使用到的小车行驶路线规划技术需要考虑的两个要素，在每时每刻收集周围环境信息方面利用激光雷达和RFID的信息，确保小车的定位无误。模块框架如图2.1。在设计小车行驶路线中会存在对车的里程计，定位，感应器等有效导航等方面产生误差。因此，后续的全局路径规划和局部路径规划能在保证地图，里程计和定位输入模块就绪的前提下进行。在move_base包中，关键参数的配置是非常重要的。为了获得合理的路径规划参数，需要在实验中进行多次调试，这也是实验成功的关键。因此，有必要根据实验所用小车的特点配置move_base包的重要数据，囊括了小车的最大行驶速率，目的地判断的误差等。结合实验环境，经过多次调试，实现了一些关键参数的合理配置。目标位置全局路径全局规划全局路径全局规划地图地图激光雷达和RFID信息激光雷达和RFID信息重构操作重构操作里程计信息里程计信息里程计信息里程计信息里程计信息里程计信息里程计信息定位里程计信息里程计信息里程计信息里程计信息定位里程计信息局部路径局部规划局部路径局部规划速度指令速度指令图2.1模块框架Figure2.1Framework2.2.1文件配置我们把周围环境信息存储在代价地图中，从而进行数据的储存，如表2.1列举了通用配置文件中关键参数取值。表2.1通用配置文件参数配置Table2.1parameterconfiguration参数含义取值单位Footprint坐标系中小车各边坐标（以小车中心为原点）［［0.5，1］，［0.5，2］，［1.5，1］，［1.5，2］］mInflation_radius障碍物膨胀参数0.1mMax_obstacle_height障碍物的最大高度0.6mObstacle_range障碍物被小车检测到的最大范围6.0m2.2.2全局规划文件配置全局规划配置文件用于存储全局代价地图的配置参数，表2.2列举了关键参数取值。表2.2全局规划文件参数配置Table2.2ParameterConfiguration参数含义取值单位Robot_base_frame全局小车坐标系Update_frequency更新频率3.0HzGlobe_frame全局地图坐标系2.2.3本地规划器配置本地规划的主要是根据规划的全局路径，计算发布给小车的速度控制指令，表2.3列举了中关键参数取值。表2.3本地规划文件参数配置Table2.3ParameterConfiguration参数含义取值单位Heading_scale目标权重0.1Occdist_scale避障权重0.01Vel_scale速度权重0.2Pdist_scale全局规划权重0.5Sim_time模拟轨迹时间1.5sXy_goal_tolerance距目标点允许误差范围0.15mYaw_goal_tolerance距目标方向误差范围0.1radMin_rot_vel最小旋转速度0.1Rad/sMax_rot_vel最大旋转速度0.5Rad/sMin_vel_x最小x速度-0.1M/sAcc_lim_th最大角速度8M/s2Acc_lim_x最大加速度0.8M/s2Max_vel_x最大x速度0.4M/s2.2.4局部规划文件配置局部规划配置文件用来存储局部代价地图的配置参数，表2.4列举了中关键参数取值。表2.4局部规划文件参数配置Table2.4ParameterConfiguration参数含义取值单位Transform_tolerance转换最大延迟0.1sresolution地图分辨率0.05mPublish_frequency已发布更新频率2.0hzUpdate_frequency局部更新频率2.0hzRobot_base_frame代价地图坐标系Globe_frame局部地图坐标系2.3实验结果及分析2.3.1静态环境下实验结果实验环境，如图2.2。图2.2实验环境Figure2.2ExperimentalEnvironment确保小车和PC的机器在同一个局域网内，然后遥控小车。在rviz中，2DPose用于设置小车在地图中的初始位置。在定位算法中，AMCL需要一个更精确的初始值，以便从当前的雷达扫描，并通过RFID进一步匹配小车在map的实际环境。设置路径规划的目标点。设定好目标位置后，全局路径规划算法A*在小车的当前位置和目标位置之间规划了一条最佳行驶路线。可是小车的物理参数会随着车身和所到的环境状态的影响，小车不能完全按照最优路径行驶，而且小车前方有一条绕过障碍物的路线，这条路径是DWA局部路径规划算法当前周期内小车规划的最优速度所保证的使小车尽可能接近全局最优路径。当小车到达目标位置时，它将转向指定的姿态。根据测绘的地图，再根据MATLAB拟合出来的映射地图大致如下图,该地图按照实际场景1：150等比缩小，单位为cm。（a）(b)(c)图2.3静态实验结果Figure2.3Experimentalresults图2.3(a)是小车在设定目标点之后小车立刻规划出一条全局路径，绿线表示。(b)中自动行驶小车安全通过了障碍物；图(c)是自动行驶小车在真实环境下的情况，小车运动到障碍物前速度略微减慢接着调整了方向之后，最终绕过障碍物，到达目标点，实验流程图如图2.4。小车开始移动，雷达，RFID启动小车开始移动，雷达，RFID启动根据简化地图设置起点终点坐标根据简化地图设置起点终点坐标是否检测到障碍物是否检测到障碍物局部路径规划避开障碍物局部路径规划避开障碍物全局规划一条可行驶最佳路径全局规划一条可行驶最佳路径抵达目标点抵达目标点图2.4实验流程图Figure2.4ExperimentFlowChart2.3.2动态环境下实验结果在我们实验验证中所指的动态环境时小车行驶时不停的发生改变的附近的环境。由此可得，小车能够设计出一条全局的行驶路线在静态全局地图中，此时小车行驶路程中会增添路障，由此来判断小车能否有能力立即重头开始设计出新的行驶路线，来减少与路障发生碰撞的几率。实验结果如图2.6所示。（a）(b)(c)图2.6动态实验结果Figure2.6DynamicExperimentalResults如上图2.6所示，实验的具体环境以及实验过程如(a)图，我们发现一旦失去路障的环境下能够证实我们推算的结果；小车行驶的最好轨迹为(b)图中的红色曲线。如果不存在路障，那么从起点到终点的直线是小车行驶的最佳路线。但是真实环境中，激光雷达输送的地图数据会有误差和干扰，在它侦测附近墙壁和门等路障时，可以寻找规划另一条最佳路径；如图（c）所示，两个个障碍物被临时添加到小车规划的最优路径中，障碍物显示在蓝三角形中。更新本地地图后小车雷达探测到临时路障能够在地图中标识出来，此时会有另外一条可以行驶的路线在系统中被生成。小车根据障碍物周围的重新规划成功地从新规划了路径绕过了障碍物。为了减少与实际环境中与路障的摩擦和碰撞，小车会不停的调整方向，当抵达路障周围，小车能够在慢速度的移动下自我