使用树莓派5、2D激光雷达及传感器融合SLAM技术的自主配送机器人

为室内配送任务构建自主无人地面车辆(UGV)面临两大主要挑战：在嵌入式硬件上实现实时同时定位与建图(SLAM)，同时不超出计算预算;以及在缺乏特征的环境中，如医院病房、仓库等，生成可靠的地图。

该项目展示了一款基于树莓派5打造的轻量级、高度优化的自主机器人。通过跳过资源消耗大且复杂的框架，该系统采用定制化的传感器融合流程，实现实时精确导航、高精度定位和可靠的建图。

系统架构与数据流

在查看代码之前，先了解数据的流动方式会有所帮助。该系统将任务分为快速定位(高频)和环境建图(低频)两部分。

>> 低级感知：二维激光雷达持续扫描环境，获取结构几何信息。该数据以距离z和测量角度theta的数组形式记录下来，随后进行处理并转换为二维几何地图，实时显示在屏幕上。

>>>> 运动学与惯性追踪：采用6自由度IMU结合高分辨率光学轮码盘，实时追踪机器人的高速物理运动。传感器数据融合后可实现实时里程计，确保车辆移动时快速完成姿态估计与定位。

主计算：树莓派5负责协调传感器输入，处理导航算法，并向电机控制器发送PWM驱动指令。

软件大脑：Tinyslam + ICP扫描匹配

在单板计算机上运行标准的SLAM算法容易导致CPU性能下降。为了将处理开销保持在极低水平，该系统采用了一种双管齐下的策略：

1. 快速定位(Tinyslam)：核心定位流程将来自轮子编码器和惯性测量单元的数据融合。该无参考系定位方法可实现快速、低延迟的姿态估计，使机器人能够在行走过程中实时计算自身位置。

2. 一致映射(迭代最近点)：为纠正硬件轮子打滑导致的不可避免的漂移，映射程序采用迭代最近点(ICP)扫描匹配技术。通过数学方式将新的二维激光雷达数据帧与现有的地图矩阵对齐，系统可动态地精调自身位置，并输出清晰稳定的地图网格。

硬件与定制电源挑战

自动驾驶汽车的性能取决于其电气基础。电机本身会产生噪音，而突然的高电流消耗容易导致电压线路下降，从而使树莓派5(通过5V/5A降压模块供电的5S电池组)烧毁或崩溃。因此我们使用专用电源线：为树莓派(由5V/5A降压模块供电的5S电池组)和独立的3S电池组用于电机供电。

>>>> 底盘与驱动系统：采用坚固的三轮底盘，由直流齿轮电机驱动。后轮驱动，带滑移转向。唯一的前轮为万向轮式自由轮，可实现车辆灵活的急转弯。该驱动底盘已成功通过负载和高速行驶下的稳定性测试。

>> 电源隔离：电路采用专用的隔离电源路径。高效降压转换器为逻辑轨道(Pi 5 和传感器)提供干净、稳定的供电，而独立的高功率电源线则为电机驱动器提供原始电力。接地连接遵循星形接地拓扑结构，以避免地环路。

>> 无头运行：为保持开发的流畅性，软件在无头Linux环境中运行，通过本地网络(如Wi-Fi/热点)远程使用SSH和VNC进行管理。

本文编译自hackster.io