本文是一篇电子信息类论文，论文主要基于激光SLAM的可组合式物流移动机器人导航技术展开研究，设计了一款适用于物流作业的物流移动机器人。在SLAM算法的选择上，通过比较两种经典SLAM算法，选择建图效果更好的Cartographer算法，并对该算法提出了改进策略。
第一章 绪论
1.1 课题背景与意义
近年来，各种技术正被不断的应用于移动机器人领域，而移动机器人则被广泛的应用于各行各业，推动着人类社会向自动化和智能化的社会迈进。现如今，移动机器人的工作环境已从单一转变为多样化，涵盖了复杂多变的室内环境以及未知的天空、水下、地面、矿洞等环境。此外，移动机器人在某些危险环境中的应用也为人类做出了重要贡献。
在移动机器人领域，移动机器人中的地面移动机器人不仅为人们的日常生活带来了便利，也为企业和国家带来了巨大的收益和战略优势。例如，智能扫地机器人和物流无人车“小蛮驴”等产品，显著提升了人们的生活质量；小型AGV[1]和无人卡车[2]等技术的应用，则有效降低了企业的人力成本，增加了企业的盈利空间；而在国防军事领域，智能移动机器人的作用更加显著，它们可以在战场上执行各种任务，如安置爆炸装置、检测未引爆弹药、战场补给和军事巡逻等，不仅避免了人员伤亡，还提高了任务的完成效率，成为国防中不可或缺的重要技术[3]。因此，地面移动机器人的快速发展和广泛应用，为社会、企业和国家带来了巨大的利益和发展机遇。
在地面移动机器人领域，物流移动机器人也扮演着至关重要的角色。根据国际机器人联合会发布的《2021年世界机器人−服务机器人报告》显示，2020年全球范围内的服务机器人市场营业额已达到67亿美元，其中用于物流运输的机器人占据了其中的三分之一份额[4]。而《2022年世界机器人−服务机器人报告》显示，2021年全球范围内的服务机器人销售额增长了37%，并且每出售三台服务机器人就有一个以上用于物流运输[5]。最新的《2023年世界机器人−服务机器人报告》指出，2022年用于物流运输的机器人同比增长了44%[6]。而物流移动机器人作为提升物流行业自动化和智能化水平的关键技术之一，对现代经济支柱之一的物流行业有着深远影响。特别是在仓库管理、货物排序、配送等环节，物流移动机器人可以大幅度提高物流效率，降低人力成本，并实现24小时不间断作业。这些物流移动机器人产品的应用不仅可以提升人们日常生活的便捷性，同时也显著提高了工业生产的经济效益和效率。
1.2 国内外现状与发展趋势
1.2.1 移动机器人发展现状
移动机器人的发展现状涉及到多个研究领域，包括自主导航、机器学习、多机器人协调、人机交互以及特定应用场景下的设计与开发等。自主导航是其中的核心领域，主要涉及到了环境感知、定位、地图构建（SLAM）、路径规划和实时避障等技术[8]。机器学习可以极大地增强机器人的自主性和适应性。多机器人系统的研究主要是关注于多个机器人之间的协作和通信。人机交互领域的研究则旨在提高机器人与人类之间的互动质量。
在20世纪后半叶，国外的研究者们开始将室内环境作为研究背景，起步了移动机器人的研究工作。1966年，斯坦福大学人工智能实验室的Nils Nilssen等人研究出了世界上首台移动机器人Shakey[9]，如图1.1（a）所示。移动机器人Shakey可以自主感知、环境建模并执行简单的任务。但由于当时硬件设备的限制，导致Shakey的计算力不足，以至于常常需要花费数个小时分析环境并规划路径。2000年，斯坦福大学人工智能实验室再次研制出了Nomadic XR4000移动机器人，该移动机器人的特点是采用了万向轮[10]。2002年，美国的iR obot公司研制出了扫地机器人Roomba[11]，如图1.1（b）所示。该机器人是全球首家公司研制而出的自动化扫地机器人，并且Roomba现在已成为全球销量最大的家用机器人。
第二章 可组合式物流移动机器人分析与建模
2.2 移动机器人性能需求分析
针对物流运输这一应用场景，不仅需要实现物流移动机器人的定位、建图、自主导航等功能，还需考虑到仓库内外环境的差异性对物流移动机器人的影响。为了更好的实现物流运输，现对物流移动机器人的性能需求做出如下归纳：
（一）根据《仓储场所消防安全管理通则》规定，仓储场所需要遵守仓库“五距”要求[55]。其中墙距、柱距和堆距分别要求物品与墙之间的距离不得小于0.5m，物品堆垛与柱之间的距离不得小于0.3m，堆垛与堆垛之间的距离不得小于1m。所以仓库内的物流移动机器人尺寸不宜过大。但是小型物流移动机器人在仓库外的运输效率偏低，因此又需要大型物流移动机器人。故需要设计两种体积存在明显差异的物流移动机器人。
（二）考虑到物流移动机器人的成本问题以及仓库内外的不同需求，物流移动机器人应具备可自由拆分为小型和大型物流移动机器人的能力。当在仓库外时，小型移动机器人可以作为“驾驶员”进而控制大型移动机器人，即通过物流移动机器人的组合实现一台计算机对多台物流移动机器人的控制。为了尽可能少的占用物流移动机器人的体积空间，需要选择小型的计算机作为主控，故可选用树莓派作为物流移动机器人的主控。
（三）由于仓库内部环境复杂，小型物流移动机器人应具备出色的多向移动能力和机动性。仓库外部则由于地形存在多样性，所以大型物流移动机器人应具备良好的减震性和适应性。此外，考虑到大型物流移动机器人需要运输更多的货物，还应考虑物流移动机器人车轮的承重能力。综上所述，小型物流移动机器人可采用麦克纳姆轮或全向轮，而大型物流移动机器人则采用充气轮。
2.3 基于ROS的移动机器人框架设计
2.3.1 ROS简介
ROS（Robot Operating System，机器人操作系统）是一个适用于机器人的开源元操作系统，被广泛认可为当今最先进的机器人开发框架之一。它提供了操作系统级别的服务，包括硬件抽象、底层设备控制、常用功能实现、进程间消息传递以及包管理等。ROS依赖于Linux系统，并采用了松耦合分布式通信框架机制，该机制使得节点间无需转发就可以直接进行通信，保证了数据传输的高效和准确。而ROS的基本通信被分为话题通信、服务通信以及参数服务器，最后再通过发布和订阅消息模型，就可以使得各个进程间进行持续通信[56]。
在ROS中，主节点负责调度和管理各个节点之间的通信过程，确保消息的正确传递和处理。而参数服务器则提供了一个集中管理的参数存储机制以及访问机制，使得整个ROS网络中的节点可以方便地读取和修改参数。
ROS操作系统还采用了一种特定的文件结构，即先将不同的组件分别放置于不同的文件夹中，然后这些文件夹再根据不同的功能对文件进行组织。通过这种文件组织形式不仅使得开发者能够更加方便地管理和使用文件，也使得ROS的各种开源库在迁移过程中更加便捷和安全。并且开发者还能够更快的定位和访问所需组件，提高开发效率和代码重用性。
第三章 移动机器人建图算法研究 ...................... 26
3.1 引言 .................................. 26
3.2 SLAM问题的形式与结构 ...................... 26
第四章 移动机器人路径规划算法研究 ...................... 41
4.1 引言 ............................... 41
4.2 基于改进A*算法的全局路径规划 ................ 41
第五章 移动机器人自主导航实验 ........................ 59
5.1 引言 ......................... 59
5.2 可组合式物流移动机器人硬件平台 ........................... 59
第五章 移动机器人自主导航实验
5.2 可组合式物流移动机器人硬件平台
5.2.1 硬件平台概述
基于本文的需求，搭建了两种不同的物流移动机器人，其驱动方式分别为麦克纳姆四轮驱动和两轮差速驱动，该硬件平台如下图5.1所示：
该硬件平台主要由笔记本电脑、树莓派 4B、YDLIDAR G2单线激光雷达、STM32F103RCT6开发板、STM32F407ZGT6核心板、JYQD_YL02D驱动器、降压转换器、四个JGB37-520电机、四个麦克纳姆轮、两个带电机的充气轮、两个万向轮、两个HC-05蓝牙模块、两个继电器、TTL转USB串口通信模块、电源模块以及一张64G的SD卡组成。
第六章 总结与展望
6.1 全文总结
论文主要基于激光SLAM的可组合式物流移动机器人导航技术展开研究，设计了一款适用于物流作业的物流移动机器人。在SLAM算法的选择上，通过比较两种经典SLAM算法，选择建图效果更好的Cartographer算法，并对该算法提出了改进策略。在路径规划方面，本文对A*算法进行了改进，并将其与DWA算法相结合，形成了适用于物流移动机器人导航的算法组合。为验证算法的可行性和自主导航系统的实际功能，论文分别搭建了仿真平台和实物平台进行实验，实验结果充分证明了自主导航系统的有效性。本文的大概内容概括如下：
（1）首先针对预设应用场景下的可组合式物流移动机器人进行了性能需求分析，并基于这些需求确定了物流移动机器人的自主导航系统框架。接着设计了两款具有不同基础结构和布局的物流移动机器人方案，并以此为基础建立了相应的运动学模型。然后对轮式里程计模型和激光雷达观测模型进行了分析和理论推导。最后为了保证数据在不同坐标系之间的一致性和兼容性，采用了TF坐标变换来实现数据间的转换。
（2）从SLAM问题出发，详细阐述了基于滤波的Gmapping算法和基于图优化的Car
