ROS-自主导航与定位

1，引言

​ 当我们自己走在街道上，大脑中本能的就会产生一张与实际地形类型的地图，同时精确的定位当前所处的位置，以及目的地的位置，然后在大脑中快速地进行路径规划，最后控制我们的肌肉从出发地到目的地。无独有偶，智能机器人·的自主运动也遵循与人类类似的四个认知步骤，即地图的产生，自身的地位，轨迹的规划和运动的控制。智能机器人的自主运动通常使用提前配合好的高精度的地图，然后需要通过传感器和相应的算法进行准确的定位，并获取在世界坐标系下的X,Y,Z,Vx,Vy,Vz,Vaw,Pitch和Rall这9个参数，通过这9个参数就可以为后续运动规划提供基础。目前智能机器人的定位主要通过四种方式实现，分别是全球导航卫星系统GNSS,惯性传感器IMU，激光雷达LiDAR和毫米波雷达Radar，以及摄像头。

2，全球导航卫星系统GNSS

​ 传统的GNSS，比如美国的GPS，欧洲的伽利略和中国的北斗虽然在可靠性和稳定性方面有一定的优势，同时提供了X,Y,Z,Vx,Vy,Vz的输出。但是系统的精度通常不够，一般在米级别，并且对于信号遮挡区域，如隧道等都无法提供服务，因此单纯使用GNSS无法满足智能机器人的定位需要。

3，惯性传感器

​ 利用加速度计和角速度计提供的X,Y,Z,Vx,Vy,Vz,Vaw,Pitch和Rall的数据，在根据上一时刻的位置和方位从而推断出现在的位置，因此使用惯性传感器需要给定初始的位置。虽然惯性传感器紧紧依靠自身记录的数据就可以独立工作，但是惯性传感器具有累计误差，只适用短时间的测量，而在实际应用中，惯性传感器通常会和GNSS融合使用。通过惯性传感器弥补GNSS更新频率低的缺陷，同时GNSS可以纠正惯性传感器的运动误差。

4，GNSS和IMU融合形式

1）融合形式：松耦合

工作原理：GNSS和IMU各自独立工作，将各自计算的位置和速度估计信息进行比较，得到的差值作为测量值进行卡尔曼滤波优化处理，输出最好的结果。滤波后的结果进行反馈给SINS，用于IMU的校正。

优点：基于位置和速度的组合，结构简单，容易实现。

缺点：耦合程度低，定位性能弱。

2）融合形式：紧耦合

工作原理：使用GNSS的原始数据，并通过SINS解算得到位置和速度信息来估计GNSS的数据，然后使用SINS计算得到的估计数据与GNSS的数据做比较，并将结果作为测量值，并通过卡尔曼滤波反馈给SINS来校正IMU的数据。

优点：高抗干扰性，定位性能强。

缺点：对硬件要求高，实现难度大。

5，雷达和摄像头

​ 这两种方式都属于基于环境特征匹配定位技术，即利用激光雷达，毫米波雷达货摄像头记录周围环境的信息，测量机器人到静态物体法人距离，然后将点云数据或图像数据与存储的赶进度地图进行数据匹配。匹配后的结果可以把智能机器人的本地坐标与世界坐标坐标系之间的转换，从而确定可能所处的位置。

6，雷达和摄像头的比较

1）匹配形式：雷达环境匹配

​ 定位原理：利用激光雷达获取点云图特征与预先采集的地图基准进行匹配，来获得车辆的位置信息

定位流程：首先通过GNSS给定一个初始位置，然后使用IMU和电机的编码器得到车辆的起始姿态，接着将包含几何信息和语义信息的点云数据进行数据提取，然后结合智能机器人的起始位置进行空间变化，从而获得在全局坐标下的矢量特证，然后将这些特征与预存的地图特证进行匹配，以此来获得准确的定位。

输出结果 x,y,z,yaw

缺点 受天气和环境影响较大且激光雷达成本高

优点 不受环境光线影响，白天晚上都可以使用，并且数据量小，定位精度高

2）匹配形式 摄像头环境匹配

定位原理 摄像头获取图像信息，再利用图像中稳定的语义特征与预先采集的地图基准数据进行匹配，来获得车辆的位置和方向信息

定位流程 首先通过摄像头获取图像，并进行图像特征检测，然后从预采集的地图中提取相关的元素，再通过GPS获取一个初始位置，通过该位置把相机获取的特征与地图采集的特征进行匹配，然后利用IMU进行姿态预测，预测和匹配完成后把位置和方向结果进行输出

输出结果 x,y,z,yaw

缺点 容易受光线的影响

优点 摄像头技术成熟，成本低，可以根据不同的算法选择不同的特征组合，容易拓展，数据丰富