基于ROS的智能代步车嵌入式运动控制系统(2)

　　（3）依据决策结果，由驱动层选择合适的控制策略，实现预定的工作任务。

　　任务执行过程中，内传感器实现对智能代步车运动状态的描述，外传感器感知外部工作环境信息。感知层将所获取的智能代步车运动状态及工作环境状态反馈给系统决策层并作为决策依据。从图2中可知，人机交互系统与决策系统之间存在双向信息传播。一方面，操作者通过人机交互层向智能代步车传送任务命令；另一方面，决策层实时向人机交互层传送智能代步车运行状态及外部工作环境状态，并通过可视化技术在人机交互界面上显示。在决策层与驱动层之间同样存在双向信息传递：决策层把决策结果传递给驱动层，作为驱动层运行的依据；同时，驱动层将把执行的结果反馈给决策层，供决策系统参考并做出相应调整。

　　3.1人机交互层

　　人机交互层与决策层通过以太网连接，可显示决策层建立的室内地图和规划的路径。人机交互层的操作界面为一台平板电脑，可实时监控显示智能代步车的运行位置和运行状态，用户可通过触屏的方式向智能代步车发送运动控制指令和导航指令，比如用户可以通过人机交互层设定智能代步车的起始点、目标点位置，系统会将该指令通过以太网传输给决策层，决策层经过计算处理后得出路径导航规划方案，以实现对智能代步车的控制。当出现紧急情况时，用户可通过人机交互层及时介入系统导航决策过程，以避免危险事故的发生。图3为导航过程在人机交互层的显示。

　　3.2决策层

　　决策层为飞思卡尔imx6q开发板，软件开发系统环境为ubuntuarmhf系统、ROS系统，主要实现功能包括建立地图、自主导航和运动控制[7-9]。当智能代步车处于地图创建模式时，决策层调用ROS中的gmapping功能包，通过手动控制模式控制智能代步车在未知环境中移动，在移动过程中根据位置估计和地图进行自身定位，在自身定位的基础上创建SLAM栅格地图，并将地图信息发布给人机交互层显示；当智能代步车处于运动控制模式时，决策层从人机交互层读取运动控制指令，并通过话题“cmd_vel”发布出去；当智能代步车处于自主导航模式时，决策层调用ROS中navigation功能包，并接收感知层采集到的传感器信息，经过一系列计算，输出智能代步车的速度并通过cmd_vel”发布出去[9]。

　　决策层中的运动学模块订阅到“cmd_vel”发布的线速度和角速度后，根据运动学模型可计算出左右轮速度，如图4所示。O1、O2分别是左、右驱动轮的轮心，轮间距O1O2为l，C为O1O2的中心，、、分别为左、右驱动轮及智能代步车中心的速度。

　　智能代步车做圆弧运动。

　　3.3驱动层

　　驱动层主要由控制部分和被控制部分组成，如图5所示。控制部分即控制器，被控部分即电机。图中带叉号的圆圈为比较环节，用来将输入与输出相减，给出偏差信号。控制器通过接收决策层输出的控制指令和智能代步车的实际速度计算偏差，再由偏差产生作用去消除偏差，对电机发出控制信号。电机在控制信号的作用下实现被控运动，从而驱动智能代步车以预定的速度运行。

　　3.4感知层

　　感知层主要包括外部激光传感器、stargazer、gps和内部的光电编码器。激光传感器用来获取智能代步车周围障碍物的距离信息，为建立地图和自主避障提供信息。stargazer通过对标签的识别实现室内定位功能。室外多属于公共场所，相比室内环境复杂，因此采用GPS获取自身所在的位置和航向角信息。光电编码器可以检测电机的转过的圈数，通过公式（5）—（7）实现里程计和速度的计算。

　　在车体不发生侧滑的情况下，车体方位与左右轮运动速度和具有如下关系：

　　根据编码器的采样信息，将公式（5）—（7）两边积分，可实时计算出智能代步车车体方位。

　　4仿真实验（Simulationexperiment）

　　为了验证运动控制系统的有效性，在rviz仿真平台上结合ROS对建立的运动控制系统进行了仿真实验，对其运动性能进行了分析。实验首先运行核心节点roscore，然后启动已经创建好的智能代步车自主导航节点，并在rviz中导入已有的环境地图，通过rviz窗口最顶端“2DPoseEstimate”和“2DNavGoal”设置智能代步车的初始位置和目标位置。通过图6可以看出，在地图中任意选择一个目标点，智能代步车都能够规划出一条最优路径完成并到达指定位置。图6中黄色的箭头表示智能代步车前进的方向，绿色的实线代表ROS规划的路径。

　　5结论（Conclusion）

　　本文提出的基于ROS的智能代步车嵌入式运动控制系统具备室内外定位导航功能，体积小、功耗低，运用ROS中基于扩展卡尔曼滤波器同时定位与地图创建方法构建定位系统和SLAM地图，依靠ROS中已有的Dijkstra最优路径算法计算出智能代步车到达目标位置的最优路径，通过两轮差速的驱动方式实现从当前位置安全到达地图中其它指定位置。

　　本文提出的嵌入式运控制系统利用了ROS的软件架构和导航功能包，开发人员只需要少量的编程工作即可构建一套较为完整的运动控制系统，使得软件搭建工作更方便，效率更高。

　　参考文献（References）

　　[1]LiangwenWang，etal.Ageometricapproachtosolvingthestableworkspaceofquadrupedbionicrobotwithhandfoot-integratedfunction[J].RoboticsandComputerIntegratedManufacturing，2016：13.

　　[2]HongZhang，etal.Adaptiveincrementallearningofimagesemanticswithapplicationtosocialrobot[J].Neurocomputing，2016：173.

　　[3]Rai-WungPark.NonlinearityEstimationandCompensationforRobustPathsandForcesControlofRobot[J].BritishJournalofAppliedScience&Technology，2015，7（2）：224-236.

　　[4]MaciejPetko，GrzegorzKarpiel，KonradGac，GrzegorzGóra，Konradkobus，JanuszOchoński.Trajectorytrackingcontrollerofthehybridrobotformilling[J].Mechatronics，2016，8：100-111.

　　[5]张建伟，等.开源机器人操作系统ROS[M].北京科学出版社，2012：9-24.

　　[6]马丁内斯.刘品杰，译.ROS机器人程序设计[M].北京：机械工业出版社，2014.

　　[7]http：//wiki.ros.org/navigation/Tutorials/RobotSetup.

　　[8]http：//wiki.ros.org/gmapping.

　　[9]高雅，李晓娟，关永.运用定理证明器ACL2验证机器人操作系统ROS节点间通信[J].小型微型计算机系统，2014，35（9）：2126-2130.