龙源期刊网
http://www.qikan.com.cn
基于
ROS
系统自主路径规划与避障小车的
研究
作者：李阳
卢健
何耀帧
来源：《科技风》
2018
年第
04
期
摘
要：自主导航与避障是目前移动小车的发展趋势，本文采用的
Fast-SLAM
算法，导航
和避障阶段采用的全局路径规划
A*
算法和局部路径规划
DWA
算法。
Arduino
支持
ROS
主题
的发送和接收，并执行算法所发下来的指令，间接驱动电机的运转速度。
关键词：自主避障与导航；路径规划；
Arduino
；
ROS
一、研究意义和目的
随着机器人领域的快速发展，自主导航与避障技术发展越来越快，迫切需要一個通用的平
台来让研究人员进行二次开发。基于
ROS
系统的小车易于二次开发，研究人员可以在上面根
据自己的需求来做各种各样的开发，但是很多研究人员只是基于
ROS
系统来研究各种
SLAM
算法，但是却没有一个平台来实现，本课题研究的就是如何利用开源的算法来搭建自己的小
车。有了自己的
ROS
小车，我们就可以在上面来做很多的后续研究。
二、
SLAM
技术介绍
SLAM
(即同时定位与地图创建)是移动机器人实现自主行走与避障的前提技术。要实现
机器人的行走的自主化就必须满足三个基本条件，第一是需要知道自己的实时位置，第二预先
建立地图，第三就是路径规划。定位和制图一般是同时进行的。移动机器人在一个未知的环境
中开始移动，通过自身携带的传感器和里程计数据生成实时的状态估计从而完成自身的定位。
在定位的同时增量式完成地图的构建，为下面的路径规划提供依据。接下来就是路径规划，让
机器能在在已建好的地图上快速地规划出一条最优路径，并实时避开动态的障碍物。
本文主要利用基于粒子滤波的
Fast-tslam
，粒子滤波是结合了蒙特卡洛定位贝叶斯估计的
滤波算法，
Fast-SLAM
算法主要是将每个粒子看成是对当前状态的真实估计，在任何时刻，它
都会更新采样的
K
个样本粒子，保证实时的更新机器人的当前位姿。
Fast-SLAM
算法可以用
在非高斯分布的非线性随机系统，而且计算量需求小，能够很容易的计算出观测值的重要性权
重和运动模型的采样，
Fast-SLAM
完全可以满足机器人导航和定位的实时性，在移动机器人领
域应用很广泛。
路径规划从类型上有全局路径规划和局部路径规划。全局路径规划就是机器人在已建立好
的环境地图
m
中快速地规划处一条最优路径。全局路径规划主要有可视图法、栅格法等，全
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
