基于ROS的智能轮式巡逻车设计开题报告

全文总字数：6450字

1. 研究目的与意义（文献综述）

1.1 背景及意义

改革开放四十多年，人民的生活质量不断提高，汽车保有量的不断增加，使得城市交通负担日益增加，给人们的出行带来了极大的不便。根据统计报告，九成以上的事故时人为原因导致，醉驾、超速、疲劳驾驶、经验不足、违反禁令标志等等的主观原因导致。近年来，计算机、人工智能和机器人技术的不断发展，各种各样的自动驾驶平台开始应用于人们的生活中。由于计算机代替了传统的驾驶员，大大降低了人为导致事故的可能，同时也可缓解交通拥堵。自动驾驶还在我国国防、军工、探月工程以及太空探测等领域中应用。

自动驾驶融合了计算机技术、传感器数据融合技术、人工智能、大数据分析与处理、汽车电子控制等众多领域技术，可谓是一个高度集成的综合体。自动驾驶汽车首先运用多传感器信息融合技术来实时获取汽车周边环境以及自身状态信息，通过决策规划层来分析处理传感器感知数据，并将控制命令发送给底层各执行机构，从而实现智能车在复杂路况下的自主驾驶。自动驾驶技术中环境地图的构建，自主定位与导航，障碍物检测与避障，路径规划等技术一直是研究的热点与难点，是自动驾驶技术中的重要组成部分。

2. 研究的基本内容与方案

2.1 基本内容

本文的智能轮式巡逻车设计是使用阿克曼转向机构的越野车模的基础上仿真设计一个基于ROS系统并使用双目摄像头、激光雷达等传感器的智能巡逻车，该巡逻车沿着规定线路巡逻，并能躲避行人。

2.2 目标

1查阅资料，掌握ROS系统、机器视觉等有关知识。。

2学习阿克曼转向机构原理，实现基于阿克曼转向机构的小车运动控制。

3采用GPS双目摄像机确定小车位置，并沿指定路线行驶。

4研究行人检测方法和避障策略，并实现该功能。

2.3 实验方案

根据小车的配置在定位循迹运动方面使用GPS和双目摄像机共同完成。根据GPS提供的高精度空间坐标信息，利用空间三维坐标与图像二维坐标间的映射关系，进行摄像机参数的标定及空间坐标重建，采用摄像头循迹。

在行人检测和避障上设计了两种方案。

一是激光雷达避障，激光雷达本身的原因，使得观测到的激光数据点存在很多噪声，所以需要对激光数据点做去噪处理。首先是对激光雷达数据进行滤波，滤除掉噪声点。然后再对数据进行聚类，根据聚类的原理可以知道同一个障碍物上反射回来的激光点可以聚成一类。因此，根据聚类的结果就能够判定有多少个障碍物，同时能够得到障碍物的大小和方位，为机器人的路径规划和避障提供必要的信息，确保安全地行驶至目标位置。

在算法上使用了目前应用比较广泛的是在栅格地图的基础上发展起来的向量场直方图（VFH）算法。VFH 算法流程图如图1所示。

图1VFH 算法流程

二是通过双目相机来进行避障。利 用OpenCV视觉库中的 cvFindContours轮廓检测函数检测物体的轮廓，并用其外接矩形框标记，如根据其中的白色像素点，利用双目视觉测距原理计算出物体相对左摄像头坐标系下的三维坐标。障碍物判定算法为，随机取若干个矩形框中的白色像素点，计算其位于左摄像机坐标系下的三维坐标（x，y，z），其中x和z分别表示物体相对于左摄像头的高度距离与水平距离，然后根据设定的阈值判断是否为障碍物。 最后将两种方案进行对比实验，对两种方案进行比较。 2.4技术方案以及措施 2.4.1实验平台搭建 安装Gazebo,使用其中的building editor创建一个建筑环境并用于仿真。Palette选择建筑的特征和材料， 2D View导入floor计划嵌入墙，窗，门和台阶， 3D View预览建筑物，设计在建筑物不同部分的颜色和纹理。编辑完的建筑可在仿真中使用。仿真时使用Gazebo加载的阿克曼汽车模型。 2.4.2软件设计 利用了 ROS 提供的用于机器人SLAM 的 gmapping 软件包 ，以及用于自主避障与路径规划的 navigation 软件包集， 在 stdr_simulator 仿真器下仿真实现移动机器人的自主导航。ROS 导航功能包集中核心配置为move_base 软件包配置。 move_base 软件包实现移动机器人自主避障与路径规划。 move_base 在 global_costmap 全局代价地图上实现全局路径规划，在 local_costmap 上实现局部路径规划。 在配置文件中配置机器人运行时的相关参数。 move_base 软件包运行时，通过加载编写的配置文件，实现移动机器人的自主导航。 相关的配置有：通用配置文件；全局代价地图配置文件；局部代价地图配置文件。 在自主导航仿真环境中，先启动 stdr_simulator 仿真器；通过编写的 launch 文件启动 move_base 节点与 amcl 节点；打开 ROS 提供的可视化调试工具 rviz，在 rviz 中点击 2D Nav Goal。 此时，机器人便会在创建的地图上进行全局路径规划，并开启自主导航。 当遇到障碍物时，机器人通过局部路径规划进行局部避障。 在基于双目视觉的障碍物检测与避障的设计中，通过帧差法检测障碍物运动状态、宽度、相对于小车的运动方向以及偏距等信息。避障具体流程如图2所示。 图2避障流程图 为了在避障时避免产生较大的偏移，本文采用一个闭环反馈系统对避障时的偏差进行控制。首先通过摄像头采集外界图像传给上位机进行图像处理，提取相关信息并计算相应偏差传给控制系统，控制系统计算得到相应的输出量，以阿克曼转向方式实现对车体的位姿调整，使智能车在较小的偏移下稳定运行。

3. 研究计划与安排

第1-3周：文献查阅，包括著作、期刊、会议论文、网络资源等；

第4周：完成开题报告、论文提纲；

第5-6周：掌握ros系统的有关基础知识，并完成开发环境的配置；

4. 参考文献（12篇以上）

[1]tian z, zhang y, zhou m, et al. pedestriandead reckoning for marg navigation using a smartphone[j]. eurasip journal onadvances in signal processing, 2014, 2014(1): 65

[2]grisetti g,kummerler, stachnissc,et al.atutorial ongraph-basedslam[j]. ieeeintelligent transportationsystems magazine, 2010, 2(4): 31-43