一种基于激光雷达的多仓储机器人室内建图定位系统

摘要

本发明公开一种基于激光雷达的多仓储机器人室内建图定位系统，包括：多个带有激光雷达的仓储机器人、与仓储机器人通信连接的仓储系统，所述仓储机器人根据布置在创库内的仓库路标得到实际位姿和误差位姿，采用机器人运动学方程得到仓储机器人线速度控制律和角速度控制律，并进行自身位姿调整后，进行激光扫描获得激光数据点集，依据激光数据点集构建当前位姿下的局部栅格地图并上传至仓储系统；所述仓储系统用于接收仓储机器人上传的局部栅格地图，融合各仓储机器人构建的局部栅格地图得到全局栅格地图并存储。本发明公开的室内建图定位系统实现在大区域环境下高效率，准确的同步建图与定位。

说明书

技术领域

本发明属于仓库建图领域，尤其涉及一种基于激光雷达的多仓储机器人室内建图定位系统。

背景技术

移动机器人在未知环境下工作的核心技术是移动机器人的同步定位与制图(SLAM，Simultaneous Localization and Mapping)。随着机器人的技术快速发展，研究人员提出了很多优秀的SLAM算法，但大都集中在单机器人上，单个机器人在能力、鲁棒性、可靠性、效率等方面都有所提升，然而当面对一些复杂的、需要高效的、并行完成的任务时，单个机器人则难以胜任，当机器人工作在环境规模比较大或者环境比较复杂的条件下时，单机器人就无法稳定的实现SLAM。

面向大规模环境时单个机器人存在以下问题：第一，单机器人建图效率低，对于一些实时性要求难以胜任；第二，由于误差积累的原因，单机器人的建图准确性较低；第三，单个机器人建图的容错性和鲁棒性较差。鉴于单机器人SLAM的种种不足，人们希望通过多机器人之间的协调合作来弥补这一缺陷。协作的多机器人在生产生活等诸多领域显示出广阔的应用前景。

因此，多机器人SLAM孕育而生。然而，虽然多机器人SLAM可以有效解决单机器人的问题，文献(Thrun S,Burgard W,Fox D.A real-time algorithm for mobile robotmapping with applications to multi-robot and 3Dmapping.In Proceedings of theIEEE Intemational Conference on Robotics and Automation.San Francisco,USA,2000.321～328)报道了采用增量方法解决多机器人SLAM问题，文献(Howard A.Multi-robot simultaneous localization and mapping using particle filters.InProceedings of Robotics Science and Systems Conference.Cambridge,USA,2005.201～

208)报道了基于粒子滤板器方法的多机器人SLAM问题，上述两种方法仅仅将单机器人的SLAM方法直接推广到多机器人SLAM方法中，并未充分利用多机器人协作建图的优势。

多机器人协同也面临了单机器人所没有的挑战。首先机器人不知道各自初始相对位置关系，导致无法直接建立机器人之间的联系，进而无法预知合适的策略将多个机器人地图融合成一张完整性和连续性的地图。其次，每个机器人的定位都存在累积误差，这些累积误差在地图融合后会叠加，从而导致融合后的地图出错，如何消除这些误差的影响也是一个难点。因此，上述多机器人研究中的产生的问题，对科研人员对多机器人的研究提出了严峻考验。

发明内容

本发明提供一种基于激光雷达的多仓储机器人室内建图定位系统，所述室内建图定位系统能够形成多机器人协同建图，实现在大区域环境下高效率，准确的同步建图与定位。

一种基于激光雷达的多仓储机器人室内建图定位系统，包括：

所述仓储机器人根据布置在创库内的仓库路标得到实际位姿，基于实际位姿和参考位姿得到误差位姿，基于误差位姿，采用机器人运动学方程得到仓储机器人线速度控制律和角速度控制律，通过仓储机器人线速度控制律和角速度控制律调整自身位姿后，进行激光扫描获得激光数据点集，依据激光数据点集构建当前位姿下的局部栅格地图并上传至仓储系统；

所述仓储系统用于接收仓储机器人上传的局部栅格地图，融合各仓储机器人构建的局部栅格地图得到全局栅格地图并存储。

仓储机器人根据布置在仓库内的仓库路标实现机器人的重新定位，通过实际位姿与参考位姿的对比计算减小了机器人运动累积误差，从而实现准确的同步建图与定位；各仓储机器人基于布置在仓库内的仓库路标，利用激光雷达扫描构建带有仓库路标索引的局部栅格地图，仓储系统对带有仓库路标索引的局部栅格地图进行融合，高效的实现各仓储机器人大区域环境下的同步建图与定位。

所述采用机器人运动学方程得到仓储机器人线速度控制律和角速度控制律的具体步骤为：

基于仓储机器人的实际位姿[x

其中x，y是仓储机器人的位置，θ是仓储机器人的姿态角，基于仓储机器人的位姿误差，采用机器人运动学方程得到仓储机器人线速度，仓储机器人角速度与位姿误差的微分方程如下所示：，确保位姿误差不断趋近于零：

其中，v为仓储机器人线速度，ω为仓储机器人角速度，v

通过仓储机器人线速度控制律，角速度控制律得到仓储机器人线速度和角速度，根据仓储机器人线速度和角度调整自身位姿。

所述融合各仓储机器人构建的局部栅格地图得到全局栅格地图并存储的具体步骤为：所述存储系统基于仓库路标确定各仓储机器人上传的局部栅格地图在仓库中位置，对各仓储机器人上传的局部栅格地图未重合部分进行拼接，对各仓储机器人上传的局部栅格地图重合部分进行融合，根据拼接和融合的结果得到全局栅格地图并存储。

仓储机器人根据布置在仓库内的仓库路标不断调整自身位姿，降低仓储机器人定位误差，减少仓储系统融合栅格地图过程中出现的偏差，准确构建全局栅格地图。

所述仓储机器人包括激光雷达、无线射频阅读器、驱动模块、防碰模块、通讯模块、供电系统和核心处理模块；

激光雷达，用于激光扫描室内环境，获得激光数据点集；

无线射频阅读器，用于识别仓库路标，获得仓储机器人实际位姿，辅助激光雷达，使得仓储机器人重新定位。

所述激光雷达位于仓储机器人顶部，确保激光雷达能够0-360°无遮挡旋转扫描。

所述仓库路标分布于仓库不同位置，仓库路标为移动式的磁条标签或地埋式的电磁标签。

一整套仓库路标在仓库的密集程度决定着整个系统建图时间以及准确度，标签太密则需要频繁的进行位姿重新计算，标签太稀疏则可能导致建图融合存在盲区。

所述通讯模块为ZigBee通讯模块的组播模式，实现各机器人与仓储系统的多节点实时通讯。确保机器人在建图对比及融合过程中的信息交互的及时性和准确性。

所述仓储机器人采用无线射频阅读器识别仓库路标得到位置标签信息，用于仓储机器人构建局部栅格地图时标记局部栅格地图在仓库中的位置。

与现有技术相比，本发明的有益效果是：

(1)仓储机器人根据布置在仓库的仓库路标调整自身位姿，重新定位，减少了机器人运动累计误差，确保了仓储系统准确构建全局栅格地图。

(2)将分布在仓库的仓库路标作为局部栅格地图的索引，实现了多机器人的协同建图，从而解决单机器人效率低、任务量小、系统鲁棒性弱的问题，实现了大区域环境下高效率同步建图与定位。

附图说明

图1为本发明实施例的基于激光雷达的多仓储机器人室内建图定位系统结构图；

图2为本发明实施例的基于2D激光雷达的多机器人仓库建图定位系统流程图；

图3为本发明实施例的基于2D激光雷达的多机器人仓库建图定位系统误差计算示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

如图1所示，一种基于激光雷达的多仓储机器人室内建图定位系统结构图，包括带有2D激光雷达的仓储机器，以及与仓储机器人通过通讯模块连接的仓储系统，其中仓储机器人包括2D激光雷达、无线射频(RFID)阅读器、驱动模块、防碰模块、通讯模块、供电系统和核心处理模块；

2D激光雷达，用于激光扫描室内环境，获得激光数据点集；

RFID阅读器，用于识别仓库路标，获得仓储机器人实际位姿，辅助2D激光雷达，使得仓储机器人重新定位。

所述2D激光雷达位于仓储机器人顶部，确保2D激光雷达能够0-360°无遮挡旋转扫描。

所述仓库路标分布于仓库不同位置，仓库路标为移动式的磁条标签或地埋式的电磁标签。

所述通讯模块为ZigBee通讯模块的组播模式，实现各机器人与仓储系统的多节点实时通讯。确保机器人在建图对比及融合过程中的信息交互的及时性和准确性。

所述仓储机器人采用RFID阅读器识别仓库路标得到位置标签信息，用于仓储机器人构建局部栅格地图时标记局部栅格地图在仓库中的位置。

一种基于激光雷达的多仓储机器人室内建图定位系统流程图，如图2所示，包括：

S1：所述仓储机器人根据布置在创库内的仓库路标得到实际位姿，基于实际位姿和参考位姿得到误差位姿；

S2：基于误差位姿，采用机器人运动学方程得到仓储机器人线速度控制律和角速度控制律；

S3:通过仓储机器人线速度控制律和角速度控制律调整自身位姿后，进行激光扫描获得激光数据点集；

S4:依据激光数据点集构建当前位姿下的局部栅格地图并上传至仓储系统；

S5：所述仓储系统用于接收仓储机器人上传的局部栅格地图，融合各仓储机器人构建的局部栅格地图得到全局栅格地图并存储。

所述采用机器人运动学方程得到仓储机器人线速度控制律和角速度控制律的示意图如图3所示，具体步骤如下：

基于仓储机器人的实际位姿[x

x

y

θ

根据位姿误差方程进行微分求导，找到误差与线速度和角速度之间的关系，通过计算误差最小值的方法来得到最合适的控制律，对X轴方向上的误差值x

其中，

其中，x，y是机器人的位置，θ是机器人的姿态角；v，ω是参考的机器人的线速度和角速度。使用同样的方法对Y轴方向上的误差值y

对角度误差值θ

整理上述公式，可以得到仓储机器人位姿误差的微分方程为：

通过误差微分方程的建立，得到了线速度、角速度与位姿误差变化之间的关系。轨迹跟踪的目的找到恰当的控制律v和ω，使得误差向量e＝(x

通过仓储机器人线速度控制律，角速度控制律得到仓储机器人线速度和角速度，根据仓储机器人线速度和角度调整自身位姿。

所述融合各仓储机器人构建的局部栅格地图得到全局栅格地图并存储的具体步骤为：

S51：所述存储系统基于仓库路标确定各仓储机器人上传的局部栅格地图在仓库中位置；

S52：对各仓储机器人上传的局部栅格地图未重合部分进行拼接，对各仓储机器人上传的局部栅格地图重合部分进行融合；

S53：根据拼接和融合的结果得到全局栅格地图并存储。