ROS小车路径规划与避障

张欣欣1郭明暄1方浩凌1高天祺1高启翔1

天津职业技术师范大学 天津 河西区 300222

摘  要：本研究旨在开发一款基于ROS（机器人操作系统）的智能小车，专注于路径规划和避障技术。项目核心为NVIDIA Jetson Nano，配备麦克纳姆轮底盘、镭神M10激光雷达和Intel D415深度相机，强化了导航和环境感知能力。软件方面，结合改进的A-Star算法和Cartographer SLAM算法，实现了高效路径规划和复杂环境下的导航。本研究不仅深入探讨了全局与局部路径规划方法，还实现了2D和3D建图，适用于多种应用场景，为自动驾驶和智能机器人领域提供了新的技术方案。

关键词：路径规划与避障；ROS小车；SLAM算法；NVIDIA Jetson Nano

1 系统总体设计方案

本项目开发了一款以ROS为基础的智能小车，用于路径规划与避障。其核心计算单元为NVIDIA Jetson Nano，配备多核CPU和GPU，能高效处理SLAM算法、传感器数据和路径规划任务。小车采用麦克纳姆轮底盘，实现任意方向移动，增强操控性和适应性。在感知设备方面，集成了镭神M10系列激光雷达进行360°扫描，和Intel D415深度相机以获取环境视觉信息。

自主避障算法基于优化的A-Star算法，通过动态加权和权重系数优化提升路径规划和避障效率。SLAM算法上选用Cartographer，适合复杂环境下的大型场景地图构建和精确定位。系统集成了硬件和软件，实现自主导航和环境感知的紧密协作，确保传感器数据的实时处理和机器人的智能决策。

在建图导航方面，系统首先使用激光雷达实现2D建图，仅生成平面地图效果。而在3D建图模式下，系统结合激光雷达和深度相机数据，以更精确地识别周围环境。

2 硬件设计

2.1 计算核心

ROS小车以英伟达Jetson Nano作为其计算核心，处理SLAM算法和其他任务，包括传感器数据处理、路径规划、导航和决策。Jetson Nano是一款四核64位ARM Cortex-A57 CPU和128核Maxwell GPU的嵌入式计算平台，适合执行计算密集型任务，特别是在机器人领域的SLAM算法、计算机视觉和深度学习。

2.2 移动平台

本项目的ROS小车使用麦克纳姆轮作为其移动平台底盘。这种轮子能够在不改变车体方向的情况下实现全方位移动。通过独立控制每个轮子的速度和方向，麦克纳姆轮可使小车实现前进、后退、侧移和转向等多样化运动，大幅提升操控性和灵活性。

麦克纳姆轮的设计特点在于减少移动时的摩擦，降低能耗，增强运行效率。其适应性强，能在多种地面材质上保持良好性能。

在驱动方式上，项目选择了电机直接驱动。每个轮子配备独立电机，确保对小车运动的精确控制。电机直接驱动的方式还简化了系统结构，降低故障率。。同时，电机直接驱动的方式也简化了系统的结构，降低了系统的故障率。

2.3激光雷达

本项目采用镭神M10系列激光雷达作为智能小车的主要感知设备。这款轻薄型360°二维激光雷达，基于TOF（Time of Flight）原理，具备强大的抗光干扰能力，可在多种光照条件下稳定工作。它的最大测量距离达25米，测量精度高至±3厘米，适应室内外复杂环境，为小车提供准确的感知和导航信息。

激光雷达体积小巧，适合各类机器人应用，包括建图、导航和避障。内置无线供电和光通讯技术，测量重频高达10KHz，增强了性能和稳定性。广泛应用于室内服务机器人、AGV（自动导引车）、清扫消杀机器人和无人机等领域，实现精确定位和避障，是智能小车感知系统的关键组件。

2.4 视觉模块

本项目中，Intel D415深度相机作为视觉模块的核心，利用其立体视觉和红外(IR)技术捕捉高达1280x720分辨率的深度信息，帧率可达90fps，工作距离从0.16米至远距离。借助Intel RealSense技术，D415提供准确的深度感知和高质量色彩图像。

D415深度相机的彩色和深度信息对物体识别、障碍物检测和路径规划至关重要，它可以准确识别环境中物体的位置、形状和距离，为导航和规划提供关键数据。此外，D415在检测和跟踪环境中的静态及动态障碍物方面表现出色，利用深度信息监测障碍物位置和动态，有效避免碰撞，确保安全运行。

在3D建图过程中，D415的三维环境数据对于创建精确地图非常有价值，这进一步增强了ROS小车的定位和导航能力。

3 软件设计

3.1 自动避障算法的研究

本项目基于A-Star算法进行改进，通过仿真试验分析避障规划效果，并将算法应用于ROS小车的自动避障与路径规划。

全局路径规划根据雷达扫描出当前范围内的障碍物，得到当前位置周围地图，给移动机器人规划一条由起始点到目标点无碰撞的路径。当扫面地图环境的精确度足够高时，全局路径规划便可以轻易找到最优路径，在一定条件下最优路径与地图精度呈正相关。当地图环境发生动态变化且出现未知障碍物时，该全局路径可能就要失效了。全局路径规划所依赖的算法有以下几种：A-star算法、Dijkstra算法、快速搜索树算法等。A-star算法是目前全局路径规划效果最好、实用范围最广。下面介绍A-star算法的基本流程如图所示。

图5 A-star算法的基本流程图

A*算法通过下面这个函数来计算每个节点的优先级。

其中：

f(n)是节点n的综合优先级。当我们选择下一个要遍历的节点时，我们总会选取综合优先级最高（值最小）的节点。

g(n) 是节点n距离起点的代价。

h(n)是节点n距离终点的预计代价，这也就是A*算法的启发函数。

A*算法在运算过程中，每次从优先队列中选取f(n)值最小（优先级最高）的节点作为下一个待遍历的节点。

3.1.1 启发函数的改进

首先考虑的是改进 A-Star算法的启发函数。上述对 A-Star算法的原理进行了介绍，其核心是创造性地提出了启发函数的概念。h(n)是对未知的路径信息的一个估算，其意义是提供一个先验信息，即在路径规划的过程中，对还未搜索到的点进行一个预判，根据预判到的信息进行指引，避免遍历多余的节点信息，这样会大大提高搜索路径的效率。而启发函数是以距离的形式表现出来的，这里我们通过对欧氏距离，马氏距离，对角线距离以及曼哈顿距离进行对比分析。找到最优秀的距离函数让其替换为原始的h(n)值实现启发函数的改进。

3.1.2 权重系数优化

为优化A-Star算法，本研究采用动态加权启发函数，通过调整h(n)值，以缩短搜索时间并减少搜索节点。分析显示，曼哈顿距离下算法初期节点密集，增大h(n)权重减少节点可提高效率；而后期路径搜索较直接，减小h(n)权重以保留最优路径。因此，我们在算法前半段使用较大权值系数（w），后半段采用较小系数。公式如下：

3.2 激光雷达SLAM的研究

在移动机器人的激光SLAM研究中，通常有多种算法可供选择，其中包括Gmapping、Cartographer和Hector等。智能小车采用Cartographer算法，因为Cartographer在构建大型场景地图方面表现出色，实现了在复杂环境中的精确导航和定位。Cartographer算法还提供了高精度的定位能力，确保小车在各种情况下准确了解自己的位置。

此外，智能小车的Jetson Nano主控板，为Cartographer算法提供了足够的计算资源，以确保其高效运行。因此，结合Cartographer算法的特性和所提供的硬件条件，Cartographer被认为是最适合智能小车的SLAM算法选择。这将使小车能够在各种环境中构建精确地地图并实现高精度的定位，为其任务提供了坚实的基础。

4结论

本研究成功开发了一款具备路径规划和避障功能的ROS小车，适应多种任务和环境。结合英伟达Jetson Nano的强大计算能力、麦克纳姆轮底盘、激光雷达和深度相机，实现了高度自主的智能小车系统。软件上，我们优化了A-Star算法，提高路径规划和避障效率，采用Cartographer算法实现复杂环境下的精准定位和导航。系统支持2D和3D建图，适用于多种场景。该研究为自动驾驶和自主导航提供了有效解决方案，未来将继续优化算法和硬件，提升小车性能，满足更广泛应用需求。

参考文献

[1].郭金淋,康杰,马志远.基于ROS的室内自主导航移动机器人的研制[J].南方农机,2024,55(02):36-38.

[2].薛迎港. 基于ROS的仓储机器人自主导航研究和实现[D].西安工业大学,2023.DOI:10.27391/d.cnki.gxagu.2022.000439.

[3].李光宇,韩雨露,王鑫鑫.基于ROS的移动机器人室内路径规划与导航实现[J].物联网技术,2023,13(08):87-89.DOI:10.16667/j.issn.2095-1302.2023.08.022.

[4].赵宏昊. 基于激光SLAM的移动机器人自主导航技术研究[D].山东大学,2023.DOI:10.27272/d.cnki.gshdu.2022.004105.

[5].刘朋. 基于激光导航遥控小车的研制[D].烟台大学,2024.DOI:10.27437/d.cnki.gytdu.2023.000497.

[6].汪杰. 多机器人协同SLAM算法研究[D].西安理工大学,2023.DOI:10.27398/d.cnki.gxalu.2023.001947.

[7].杭彤,李玲,柳燕菲等.基于ROS的小车运动控制系统设计[J].电子制作,2023,31(18):3-6.DOI:10.16589/j.cnki.cn11-3571/tn.2023.18.015.

作者简介：张欣欣（2003/7/9）女，汉族，籍贯（天津市）学历：本科，职称：学生，研究方向：通信工程

郭明暄（2002/8/5）男，汉族，籍贯：（山西省大同市），学历：本科，职称：学生，研究方向：电子信息工程

方浩凌（2002/10/30）男，汉族，籍贯：（江西省宜春市），学历：本科，职称：学生，研究方向：应用电子技术教育

高天祺（2003/12/23） 男，汉族，籍贯：( 浙江省杭州市),学历：本科，职称：学生，研究方向：电气技术教育方向

高启翔（2002/12/22）男，汉族，籍贯:(河北省唐山市)，学历：本科，职称：学生，研究方向：电子信息工程