基于RTK北斗和激光雷达的巡检机器人导航系统及方法与流程

本发明涉及一种导航系统，尤其是涉及一种基于rtk北斗和激光雷达的巡检机器人导航系统。

背景技术：

移动巡检机器人可以节约大量人力，尤其是可以运用在不适宜人工巡检的危险场合，比如超高压巡检机器人和输油管线巡检机器人。发展移动巡检机器人和人工巡检相结合的方式势必是未来发展的一种趋势。

传统移动机器人较多采用磁轨道、无线射频识别技术rfid或固定导轨进行定位和导航。20世纪90年代，日本研发一款有轨巡检机器人，应用于500kv变电站。2014年1月，浙江国自机器人技术有限公司研制的变电站巡检机器人在瑞安变电站投入运行，采用的是多个声纳和激光测距传感器的导航方式。2015年常熟理工学院研究的一款校园巡检机器人采用定位、导航方式是普通的gps和摄像头相结合的方案。2016年中信重工开诚智能装备有限公司生产了一款轨道式巡检机器人，文献中主要介绍了轨道式巡检机器人的轨道硬件组成、数据采集系统方案和电源管理方案。中国专利cn103064416b公开一种巡检机器人室内外自主导航系统，包括行走控制单元、行走决策单元和功能任务单元，维护较为简单。大多数参考文献并未涉及到系统的构建和巡检路线上遇到突发障碍情况的避障方式。而且，虽然各地研发的移动机器人基本上能满足常规巡检需求，但存在环境干扰大、抗干扰能力弱、定位精度低且机器人灵活性较差等缺点。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于rtk北斗和激光雷达的巡检机器人导航系统及方法。

本发明的目的可以通过以下技术方案来实现：

一种基于rtk北斗和激光雷达的巡检机器人导航系统，包括采用无线路由组网通信的机器人移动站和后台管理服务器，所述机器人移动站包括机器人机体以及设置于机器人机体上的控制模块、定位导航模块、无线通信模块和电源管理模块，所述控制模块分别连接定位导航模块、无线通信模块和电源管理模块，所述定位导航模块包括激光雷达和rtk/sins单元。

进一步地，所述控制模块包括通过串口通信连接的工控机和cortex-m3内核控制芯片，所述工控机分别连接激光雷达和rtk/sins单元，所述cortex-m3内核控制芯片连接无线通信模块。

进一步地，所述无线通信模块为2.4g无线遥控模块。

进一步地，所述rtk/sins单元包括定位天线和测向天线，所述定位天线和测向天线间的距离大于1m。

进一步地，所述激光雷达安装于机器人机体最前方，且离地面高度为20cm～30cm。

进一步地，还包括用于机器人移动站的无线遥控器，与所述无线通信模块连接。

进一步地，所述定位导航模块还包括超声波单元。

本发明还提供一种利用所述的巡检机器人导航系统实现全局和局部结合导航的方法，该方法通过构建的全局地图与局部地图相结合的导航地图实现导航，具体为：

获取rtk/sins单元的输出数据，进行卡尔曼滤波，融合输出所述机器人移动站的状态参数，基于该状态参数和全局地图采用预瞄pid控制策略实现全局导航控制；根据rtk/sins单元输出的惯导数据、激光雷达采集的数据以及局部地图，采用人工势场法实现局部避障控制，并实时更新局部地图。

进一步地，所述全局地图的构建具体为：

机器人移动站接收遥控指令，沿待巡检指定轨道运行，rtk/sins单元实时记录路径定位数据，形成全局地图。

进一步地，所述局部地图的构建具体为：

获取激光雷达数据，对该激光雷达数据进行中值滤波，获得障碍物离散数据点，设定一最短距离作为聚类的阈值距离，根据该阈值距离对所述障碍物离散数据点进行聚类，获得多个簇，对各个簇进行曲线拟合，得到障碍物边缘离散点，形成局部地图；

进行聚类时，删除数据点数目小于设定的聚类数目阈值的簇。

与现有技术相比，本发明具有以下有益效果：

1、本发明利用rtk/sins单元进行导航，采用了高精度差分北斗定位模块，解决了使用gps等其他定位设备的市场限制和安全隐患。

2、本发明rtk北斗定位设备集成高精度惯导模块，经卡尔曼滤波后融合输出，两者相互配合，实现优势互补，解决了因信号遮挡而造成的定位失败问题，保证定位可靠性和姿态角的精度值，实现精确定点定向巡检任务。

3、发明采用rtk/sins单元和激光雷达构建全局和局部相结合的导航地图，导航地图精度高。

4、本发明采用激光雷达的避障方式，控制策略采用人工势场法，实时更新局部地图，实现复杂环境下局部路径规划及智能避障。

5、本发明进行局部地图构建时，对激光雷达记录的障碍物离散数据点，经聚类、曲线拟合等步骤还原障碍物边缘信息，障碍物信息准确可靠，方便机器人识别道路信息。

6、本发明对于巡检路径的规划无需对路面进行整改即可实现巡检需求，环境适应性强。

7、本发明rtk/sins单元中定位天线和测向天线间的距离大于1m，数据采集精度高。

8、本发明激光雷达安装在机器人车身最前方，离地面高度在20cm～30cm之间，数据采集精度高。

附图说明

图1为本发明的结构示意图；

图2为差动转向巡检机器人运动物理模型示意图；

图3为激光雷达和rtk/sins单元的安装设计示意图；

图4为遥控发送数据工作流程图；

图5为遥控接收数据工作流程图；

图6为全局和局部导航控制策略框图；

图7为聚类前后对比图，其中，(7a)为聚类前边缘离散激光点示意图，(7b)为聚类后边缘离散激光点示意图；

图8为不同聚类距离阈值deltad、聚类数据点阈值ncluster、拟合方式的离散激光点曲线拟合对比图，其中，(8a)为deltad＝10、ncluster＝3、整体拟合时的拟合结果，(8b)为deltad＝10、ncluster＝3、分段拟合时的拟合结果，(8c)为deltad＝10、ncluster＝10、整体拟合时的拟合结果，(8d)为deltad＝10、ncluster＝10、分段拟合时的拟合结果，(8e)为deltad＝15、ncluster＝10、整体拟合时的拟合结果，(8f)为deltad＝15、ncluster＝10、分段拟合时的拟合结果；

图9为预瞄pid控制算法原理框图；

图10为机器人不同路况下避障轨迹图，其中，(10a)为直线道路中的机器人路径规划，(10b)为较为空旷场地中的机器人路径规划，(10c)为道路转弯路段中的机器人路径规划。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一、系统结构

如图1所示，本实施例提供一种基于rtk北斗和激光雷达的巡检机器人导航系统，用于智能巡检，包括采用无线路由组网通信的机器人移动站100和后台管理服务器200，通信协议采用tcp/ip协议，机器人移动站100包括机器人机体以及设置于机器人机体上的控制模块、定位导航模块101、无线通信模块102和电源管理模块103，控制模块分别连接定位导航模块101、无线通信模块102和电源管理模块103，定位导航模块101包括激光雷达和rtk/sins(解算差分定位设备/捷联式惯导系统，real-timekinematic/sins)单元。

控制模块包括通过串口通信连接的工控机104和cortex-m3内核控制芯片105，工控机104分别连接激光雷达和rtk/sins单元，cortex-m3内核控制芯片105连接无线通信模块。本实施例中，cortex-m3内核控制芯片105采用stm32f103arm。在某些实施例中，工控机104负责实时采集rtk/ins、激光雷达、图像、热成像仪等数据，通过tcp/ip协议将刀闸、仪表等相关设备信息和机器人实时运行状态等信息传输至后台管理服务器200，供相关人员进行监控。在某些实施例中，定位导航模块101还包括超声波单元。cortex-m3内核控制芯片105用于实现无线遥控解码、电机驱动、电池管理、超声波避障、报警指示等功能。

无线通信模块102为2.4g无线遥控模块，具有nrf24l01无线通信接口。在某些实施例中，该导航还包括用于机器人移动站的无线遥控器，与无线通信模块对应连接。

无线遥控器为命令发送模块，采用工业、科学和医疗ism免费频段，nrf24l012.4g无线通信模块设计，控制器采用stm32f407armcortex-m3内核控制芯片，控制器采用stm32f407armcortex-m3内核控制芯片，用于近程操控巡检机器人前进和转向等功能。在构建地图命令模式下，可以通过遥控操作机器人沿待巡检指定轨道运行，实时记录路径定位数据来构建全局地图。命令发送模块设有前进、后退、前左转、前右转和紧急刹车等命令帧，并在软件中预留其他功能命令接口。每帧数据宽度设为5字节，nrf24l01自带数据校验，如果传输失败可以设定重新发送次数，考虑到使用场合和高传输波特率，故在帧格式设计中无需进行crc等相关校验算法。具体帧格式设计如表1所示。

表1

前两个字节为帧头，后面三个字节为命令帧、数据帧长度和数据帧。如图4和图5所示，分别为遥控收发工作流程。命令发送模块根据按下的键值将遥控命令打包成完整帧格式，再将数据包逐字节发送出去。巡检机器人机身上携带的无线接收模块为命令接收解码模块，接收到发送模块发送的命令后，对遥控命令进行帧头检测和解码，最后执行相应的动作。

本实施例的rtk/sins单元采用r60系列的双天线定位、定向型高精度接收机，包括定位天线和测向天线，如图3所示，定位天线和测向天线间的距离大于1m，静态定位精度达±(2.5+1×10-6×d)mm，具有较佳效果。rtk/sins单元实现定位时，采用的是载波相位差分技术，基站将采集到的载波相位发送给移动站，经解算得到精确的差分解。基站和移动站之间通信采用大功率电台设备。基站安装在空旷的楼顶或其他较高的空旷位置，移动站安装在机器人机载体上对机器人进行实时定位、测向和测速。

本实施例采用de01激光雷达，测量最远半径距离可达15m，对于正常巡检路面已能满足局部地图构建需求。该雷达通过发射近红外光，遇物体反射，传感器通过对光线发射和接收时间差或相位差进行解算得到机器人与障碍物之间的距离。安装于机器人机体最前方，且离地面高度为20cm～30cm，效果较佳。

二、巡检机器人运动物理模型

由于较多巡检场合的路面较为平坦和规则，可将wgs-84坐标系巡检机器人定位坐标用高斯变换算法转换至二维平面坐标系，对机器人进行运动模型建立。以机器人重心为载体坐标原点，机体纵轴方向为机器人y轴方向，以机器人前进方向右侧为x轴正方向。机器人姿态由两侧的车轮独立控制，通过协调两车轮的不同速度，可以实现机器人原地转动、沿直线行驶、转向或者其他轨迹运动。

如图2所示，为差动转向巡检机器人运动物理模型示意图。根据几何学原理，容易得到差动转向机器人的运动方程。r表示机器人运动轨迹的瞬时曲率半径，w表示机器人的宽度，ψ表示两坐标系之间的夹角。根据此模型示意图，建立相应的机器人机体运动模型。载体坐标系和地理坐标系之间采用旋转矩阵进行转换，将机体运动模型转换成地理坐标系下离散化运动模型。

三、导航控制

上述巡检机器人导航系统改变传统的磁道轨等导航方式，采用带惯导的rtk北斗定位设计进行定位和导航，采用激光雷达进行避障，基于全局地图与局部地图相结合的导航地图、预瞄pid全局导航算法以及人工势场解算法实现全局-局部组合导航，实现优势互补、增强环境鲁棒性，如图6。采用扩展卡尔曼滤波将带里程计的惯导模块和rtk设备进行数据融合，解决了因信号遮挡而造成的定位失败问题。惯导存在长时间累计误差，又需要rtk设备进行精确定位、定向调整，两者优势互补。

全局地图的构建具体为：机器人移动站接收遥控指令，沿待巡检指定轨道运行，rtk/sins单元实时记录路径定位数据，形成全局地图。

利用rtk/ins设备创建高精度全局环境地图，需要将全局地图路段和节点信息存储到数据库。rtk输出数据帧格式为nmea-0183格式，对其进行解码得到经纬度信息。nmea-0183主要包括gpgga、gprmc和ppnav等数据帧。其中gprmc包含推荐定位信息，ppnav为惯导输出数据。在构建全局地图、机器人定位和机器人导航时，需要对gprmc和ppnav数据帧解码。全局地图采用存储道路拓扑结构离散点的方式，调用sql语句操作access数据库将rtk定位数据存放在数据库中。道路节点表中存储的每个节点对应的经纬度信息是wgs-84大地坐标系，而全局数字地图的构建通常采用的是平面坐标系。在上位机读取和显示节点信息时，选用高斯转换算法将wgs-84大地坐标(l，b)转换为椭球体相对应的高斯平面坐标系，然后将高斯平面坐标系通过旋转和平移矩阵与机体坐标系之间进行相互转换。

局部地图的构建具体为：获取激光雷达数据，对该激光雷达数据进行中值滤波，获得障碍物离散数据点，设定一最短距离作为聚类的阈值距离，根据该阈值距离对障碍物离散数据点进行聚类，获得多个簇，对各个簇进行曲线拟合，得到障碍物边缘离散点，形成局部地图；且进行聚类时，删除数据点数目小于设定的聚类数目阈值的簇。

局部地图构建采用激光雷达读取机器人与障碍物之间的距离和角度信息，实时、动态绘制而成。激光雷达读取的是分辨率为1°、范围为360°的离散数据点，需要对返回的数据进行处理才能表达出障碍物轮廓信息。

为表达出障碍物边缘信息，首先要对激光雷达数据进行中值滤波，滤除因机器人行进过程中抖动带来的影响。然后设定最短距离作为聚类的阈值距离，根据该阈值对各数据帧进行以距离为依据的简单聚类算法，并去除数据点不足n的聚类。激光雷达扫描角度分辨率为1°恒定值，距离越远，则同一障碍物被扫描到的信息点越少，甚至在距离过远时，单圈扫描而产生分辨率上的盲区，所以n值大小需根据实际设定距离递减。由于巡检机器人车速较低，根据经验和理论计算选取n值。如图7所示，为离散的数据点聚类前后对比图。

图(7a)为没有聚类的路沿和障碍物离散点，虽能看出大致轮廓，但机器无法识别道路信息，不进行聚类容易造成机器人无法规划出最优路径。图(7b)为经过聚类算法处理的路沿和障碍物离散点，基本能看出障碍物轮廓信息，为便于观察，同一聚类的离散点被直线相连。

如果要让机器人识别障碍物并安全避障，还需要对各个聚类进行曲线拟合，得到较为密集的障碍物边缘离散点。拟合方式、聚类数目阈值ncluster、聚类的阈值距离deltad选取的不同对障碍物边缘的表达程度也有所不同。由图8中拟合结果的两两对比可以看出，整体曲线拟合所得障碍物边缘较为圆滑，分段线性拟合得到的障碍物边缘较为真实，更能凸显障碍物的实际形状。由图8中(8d)和(8f)可以看出当距离阈值系数过小时较远处的障碍物边缘出现丢失情况，所以应适当调整聚类距离阈值系数；(8b)和(8d)可以看出，聚类数据点个数较小时能更完整描述障碍物信息，聚类数据点个数过大时会丢失部分障碍物信息，不同聚类数据点阈值对障碍物恢复也存在较大影响。本实施例选择deltad＝10、ncluster＝3、分段线性拟合的条件拟合出的障碍物边缘和路段信息，获得较为可靠的结果。

rtk设备在强磁环境中容易遭受干扰，采用扩展卡尔曼滤波将带里程计的惯导模块和rtk设备进行数据融合，解决了因信号遮挡而造成的定位失败问题。惯导存在长时间累计误差，又需要rtk设备进行精确定位、定向调整，两者优势互补。

如图9所示，为预瞄pid控制算法原理框图。预瞄pid控制算法策略的思想为：将采用rtk设备获取的全局高精度地图路径作为机器人预瞄的依据，从工控机的数据库中实时获取路经坐标和航向角信息，经仿人工预瞄和位置、角度pid调整沿预期巡检路径行走的策略。

移动巡检机器人行走在有不确定障碍物的巡检路线上，如果单纯采用预瞄pid控制算法，很可能会发生碰撞造成停机甚至损坏。人工势场法是在局部路径规划中是性能较好、鲁棒性较强的一种方法，采用人工势场算法进行路径规划的激光雷达避障法，较单纯避障系统可以避免因偏离路线而停机的缺陷。将目标点设为与障碍物较远处的预瞄点，机器人经路径规划到达目标点后，将进入下个预瞄点继续执行预瞄pid控制策略。为此，采用人工势场法进行局部地图路径规划实现避障。

人工势场法的前提是假设机器人在一种虚拟的力场下运动。其力场有两种：引力场和斥力场。其中机器人需要前往的坐标点称为目标点，产生引力效果。环境中出现的障碍物产生斥力场，对机器人产生虚拟斥力的效果。引力场和斥力场均与距离有关，当机器人与障碍物逐渐接近时，该算法将迅速产生巨大的斥力场，从而防止机器人与障碍物发生碰撞；当机器人与目标点较远时，算法产生的引力场将对机器人产生巨大的引力作用，从而引导机器人以最短路径前往目标点。机器人在巡检路径上每一点受到合力为机器人在该点所受到的斥力和引力之和。引力和斥力可以通过引力场和斥力场对距离的导数计算得到。

实验通过车载激光雷达采集多组实验数据，对实验数据进行聚类、拟合、栅格化后，模拟仿真路径规划避障实验，取栅格步进长度为5cm。如图10所示，为机器人在各种不同路况下避障路径规划图，其中“方框”为机器人起始点，“加号”为机器人目标点。

图(10a)为直线道路，前方有处障碍物，将障碍物后方的预瞄点坐标设为目标点，机器人根据周围障碍物分布情况顺利抵达目标点，进入无障碍区，然后继续执行全局预瞄pid算法，仿真行走路径长度为1461.02cm。

图(10b)为较为空旷的场地，环境中设有几处障碍点，将目标点设置到障碍点后方，可以看出机器人能绕过障碍，到达目标点，仿真行走路径长度为1952.70cm。

图(10c)为道路转弯路段，从机器人运动轨迹可以看出机器人绕过障碍，进入转折路段，仿真行走路径长度为237.70cm。

可以看出该系统设计能满足机器人导航需求，具有环境鲁棒性强、实时性高等优点。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。