认识移动机器人

1. 认识移动机器人

扫地机器人作为目前需求量最大的一种移动机器人，已成为一种比较常见的家用电器。
目前中高端的扫地机器人已经配备了激光雷达、相机、超声波、红外等多种传感器，集成SLAM、路径规划、多传感器融合等众多算法，以确保在家庭的复杂环境中可以高效地完成工作。这样一个小小的扫地机器人，就是一个典型的移动机器人。

总的来说，移动机器人就是一个集 感知、定位、决策、规划、控制、执行 等多功能为一体的综合系统。

接下来，我们开始移动机器人原理的学习与应用。

2. ROS 机器人操作系统

ROS 是开源的，它由一组软件库和若干工具组成，是通讯机制、工具软件包、机器人高层技能以及机器人生态系统的集合体。
我们在 ROS 简介 已经介绍过，这里不再赘述。

3. 感知定位

感知指利用传感器获取外界环境信息，判断周围有没有要识别的目标或障碍物等，常用的传感器有毫米波雷达、激光雷达、相机等。定位则是通过传感器数据来获取自身在环境中的位置与姿态，通常采用GNSS、RTK、IMU、轮速计、视觉里程计、激光雷达里程计等方案。

通常感知与定位是绑定在一起的，专门领域叫作 SLAM (Simultaneous Localization and Mapping) ，即同时定位与地图构建。SLAM 可以分为以下两部分：Localization，在给定地图的情况下估计机器人的位姿；Mapping，在给定机器人位姿的情况下估计环境地图。

我们使用激光雷达获取点云数据来识别和处理地面和障碍物信息，从而进行实时定位、地图构建和自主避障。

我们使用相机获取图像数据来搜寻、识别和跟踪环境中其他机器人(以及其他需要击打的目标)的位姿，从而进行敌我识别、自动瞄准和精确击打。这部分工作由视觉组的同学们负责。但为了更高效的合作，大家在日后的学习与备赛工作中也需要了解这方面知识。

4. 决策

决定自己要做什么，结合环境感知信息、比赛规则信息、机器人自身状态信息等，综合决策出下一时刻要去哪里、做什么。行为决策只给出运动意图，并不给出具体的运动建议，至于机器人要走哪条路线、速度给多少等，那是规划和控制的事。

我们使用 行为树 (Behavior Tree) 作为决策处理框架，来完成机器人自主决策的任务。构建黑板信息处理中心，将机器人自身状态、赛场环境、裁判系统共享信息以及雷达站对敌方机器人的观测结果进行整合和处理。随着决策树的不断更新，进入不同的行为树枝叶，实现多样化行为。

5. 规划控制

路径规划：又叫全局规划，规划相对顶层，静态。在接收到目标点信息后，基于存储的地图信息搜索出一条自起始点到目标点的可通过的路径。当然路径不止一条，我们要通过算法搜索出最优的路径。

运动控制：又叫局部规划，这是相对全局规划而言的。动态规划，要求快速响应。结合机器人自身信息、局部环境信息、全局路径参考信息等，规划出一条满足特定约束条件的平滑轨迹，并生成控制信息（线速度、角速度等）下发给执行模块。

规划和控制通常要搭配结合起来。

6. 执行

想让机器人动起来，电机自然是必不可少。执行实际上就是 MCU 接收上位机指令后驱动电机控制机器人底盘、云台、机械臂等部位执行相应动作。以机器人底盘为例，底盘通常由电机、调速器、编码器等组成。控制底盘移动是通过控制轮速差异来实现的，这就需要执行模块将我们下发的线速度与角速度指令解算为轮速，实现机器人的各种直线/曲线和转向运动。

这部分工作由电控组的同学们负责。但为了更高效的合作，大家在日后的学习与备赛工作中也需要了解这方面知识。

7. 仿真与可视化

仿真在机器人研发过程中占有举足轻重的地位，在研发与测试中较之于实体机器人实现，仿真有着低成本、高效、高安全性等显著优势。

ROS 提供了多种工具，可以满足我们的可视化显示、三维仿真等开发需求，涉及的内容主要有三：对机器人建模( URDF )、搭建仿真环境( Gazebo )以及信息可视化( rviz、rqt )等。