摘要：为解决传统轮式机器人在复杂地形中受限与腿式机器人控制策略复杂的问题，提出一种多地形机器人。结合激光即时定位与地图构建（SLAM）方法和自适应式轮腿机构，将树莓派作为运算单元，搭载（ROS）机器人操作系统，应用激光SLAM技术实现环境地图构建和机器人导航，同时结合深度模型和摄像头完成图像任务。自适应式轮腿机械结构使机器人能够根据环境需求自动切换为轮式或腿式行进模式。底层控制器采用STM32F407，机器人通过PID算法能实现精准的移动和机械臂作业。结果表明：该多地形机器人控制方法简单高效，在坡地、草地、坑地、台阶障碍物等复杂地形中展现了灵活移动的能力，最大翻越障碍高度可达250 mm，爬坡角度可达45°,在稳定性和适应性方面具有显著优势。

　　关键词：自适应；即时定位与地图构建；多地形机器人；激光雷达；PID

　　0引言

　　随着机器人技术的快速发展和广泛应用，对于机器人在多种地形环境下的自主导航和工作需求日益增长。然而，传统的轮式或腿式机器人在面对复杂地形时面临着许多挑战，例如地形的不确定性、障碍物的存在以及控制策略复杂等。因此，为了使机器人能够在多样化的地形环境中实现高效的移动和工作，本文提出一种基于激光的即时定位与地图构建（Simultaneous Localization and Mapping，SLAM）[1-3]与自适应式轮腿的多地形机器人。

　　激光SLAM技术作为环境感知和定位技术，具备实时获取机器人周围环境二维信息、构建准确地图的能力[4-6]。通过激光雷达扫描周围环境并利用SLAM算法实时建图和自定位，机器人可获得精确的定位和环境感知能力，为其在复杂地形中的导航和路径规划提供强大支持。

　　同时，自适应式轮腿设计是一种创新的机器人底盘设计理念，将轮式机器人和腿式机器人的优势相结合。这种设计允许机器人根据不同地形环境自动切换轮式或腿式行进模式，具备被动式调节和柔性的特点，能够自适应调节姿态和行进方式。因此，自适应式轮腿设计使机器人在不同地形条件下保持稳定的姿态和平稳的移动，同时避免了传统轮腿机器人复杂的控制策略。

　　本文将设计一种自适应式轮腿的机械结构，并结合激光SLAM技术，开发一种具备多地形适应能力的机器人系统。该系统利用SLAM技术实现精确的环境感知和地图构建，同时通过自适应式轮腿实现在多样化地形环境中的高效移动和操作。最终目标是提供一种灵活、稳定和高效的机器人平台，以应对复杂地形中的挑战，并简化机器人控制策略，以实现在不同地形条件下的高效自主导航和工作，满足多个领域对机器人移动能力的需求。对所设计的机器人在多样化地形环境中的导航和工作性能进行全面评估，验证该设计的优越性，并与现有研究成果进行比较，凸显其创新之处。

　　所设计的机器人组合了激光SLAM技术和自适应式轮腿，为机器人技术在多样化地形环境中的应用拓展了新的可能性，能推动机器人在勘测、农业和工业自动化等领域的应用。

　　1系统设计

　　机器人系统使用树莓派4B作为计算单元，搭载ROS机器人操作系统与深度模型，接收激光雷达传回的点云信息与姿态传感器传回的位姿信息，运行SLAM算法进行构图与定位工作，并且可结合摄像头进行目标检测、分类等工作。底层控制器采用STM32F407，用于接收上位机传输的目标位置与目标速度与姿态传感器和测速传感器采集的信息计算当前位置与速度，运行PID算法计算获得控制信息，通过驱动器控制电机从而控制机器人移动。通过LoRa通信模块与摄像头可以将机器人感知的信息与画面传送至上位机，并且上位机也可以通过LoRa通信模块给机器人发送控制命令使其由自动模式切换至手动模式，进而发送相关控制命令控制机器人移动或机械臂工作等。所设计的机器人系统结构如图1所示。

　　2系统硬件设计

　　2.1机械结构

　　2.1.1自适应轮腿

　　自适应轮腿结构如图2所示，每个轮腿结构由8个弹簧，4个铝合金材质的轮腿与1个特殊十字轮毂组成。

　　该机构有2种运动模式，分别为类轮模式与类腿模式。正常状态下，在侧面的2个不同拉力与方向的弹簧作用下，轮腿处于半张开状态；向前行进时，轮腿正向接触地面，在压力与弹簧拉力共同作用下，使得轮腿与运动方向相同的方向旋转变为类轮式结构，当与地面接触轮腿离开地面时，在不同弹簧弹力的作用下，轮腿继续恢复半张开状态；向后运动时同理，但此时轮腿与运动方向相反的方向旋转依旧变为类轮式结构；同时，弹簧的拉伸过程可以很好地吸收腿与地面碰撞产生的能量，起到了良好的缓冲作用。当遇到障碍物时，未与地面接触的轮腿处于半张开状态，故而先越过障碍物，此时轮腿以与障碍物接触点为支点，在弹簧拉力与电机驱动的作用下形成反向作用力，使得结构转变为腿式结构，进而越过障碍物，跨过障碍物之后，轮腿式结构恢继续复半张开状态。

      2.1.2整机

　　整机模型如图3所示。机器人机械结构主要由移动部分、工作部分与储存部分组成。移动部分由铝合金底板、4个自适应轮腿与大扭矩行星减速电机组成，实现机器人的移动与越障功能。工作部分由五自由度机械臂与云台组成，用来完成精细操作。储存部分由3个大小不同的储物仓组成，可以在不同工作任务中分类储存采集回收的物品。

　　2.2传感器与驱动模块

　　2.2.1姿态传感器

　　ATK-MS901M是一款十轴高性能角度传感器模块。模块内部集成陀螺仪、加速度计、磁力计、气压计等多个高精度传感器，并采用32位72 MHz主频的高性能微处理器，快速求解出模块当前的实时运动姿态[7]。模块通过UART与外部主控芯片进行通信，直接通过UART输出姿态角数据，因此外部主控无需进行复杂的姿态解算，降低了运动处理运算对底层控制器的算力负担。其轴向绕X轴旋转为横滚角（Roll），绕Y轴旋转为俯仰角（Pitch），绕Z轴旋转为航向角（Yaw）。横滚角、俯仰角、航向角分别绕X、Y、Z轴旋转时，遵循右手法则，即右手大拇指指向轴向正方向时，右手四指自然弯曲的方向为绕该轴旋转的正方向，反之为负方向。旋转方向如图4所示。

　　2.2.2激光雷达

　　思岚A1激光雷达是一种常见的二维单线激光雷达，采用了采用了激光三角测距技术[8-10]。它由1个旋转的激光器、1个接收器与电机组成。由激光器发射脉冲激光束照射到探测环境的物体表面，激光束的一部分激光会被物体反射回来由接收器接收，然后计算出发射与接收之间的时间间隔，从而计算出雷达与物体之间的距离。电机为激光雷达提供旋转动力，使得激光雷达在一个方向距离测量结束后旋转一个角度继续测量下一个方向距离，不断重复直至旋转一周就完成了一次对周围障碍物的探测。在激光雷达不断地旋转探测之下，实时刷新周围障碍物的分布情况，并且形成点阵分布图，而ROS中的激光雷达数据格式就是对障碍物轮廓点阵分布图的具体描述。

　　2.2.3电机驱动电路

　　电机驱动部分采用BTN7971B芯片设计的四路电机驱动器，其主要包括隔离缓冲电路、驱动电路与电源电路3个部分。隔离电路部分采用74LS245三态数据缓冲芯片作为隔离芯片，用来提高单片机信号的驱动能力，同时隔离控制电路与驱动电路，减少两者之间的干扰，增加电路系统的可靠性，并且保护单片机与BTN7971B芯片。驱动电路部分使用8个BTN7971B芯片，将其分为4组，每组控制一个电机的转动。BTN7971B是一款专门用于电机驱动的功率集成电路芯片，控制信号经过隔离电路输入到芯片IN与INH口，通过不同的控制信号即可达到控制电机正反转的目的。电源部分使用LM2596电源芯片，将用于驱动电机的12 V电压降为5 V为74LS245供电，同时向外提供5 V输出电压。其原理如图5所示。

　　2.3无线通讯

　　LoRa（Long Range）是一种低功耗、远距离无线通信技术，专为物联网（IoT）应用而设计[11]。它采用Chirp Spread Spectrum（CSS）的调制技术，具有广泛的覆盖范围和较低的功耗，使其在长距离通信和低功耗要求的场景中具有优势[12]。ATK-MW1278D是一款高性能的远距离LoRa无线串口模块，具有体积小、功耗低等优点。该模块采用高效的ISM频段射频SX1278扩频芯片，其工作频率为410~441 MHz，信道以1 MHz频率为步长，共有32个信道，可在线修改模块的串口速率、发射功率、空中速率、工作模式和自定义通信密钥等各种参数。

　　3软件设计

　　3.1算法原理

　　3.1.1 PID算法

　　PID（Proportional-Integral-Derivative）[13]控制器以机器人当前位置与目标位置之间的误差作为输入，分别经过比例、积分、微分控制器再将各控制器的运算结果融合生成适当的控制信号，使机器人能够稳定地运行并精准地到达目标位置。图6所示为PID控制器原理。图中，x（k）表示实际输入，y（k）表示期望值，e（k）表示偏差作为控制器的输入，u（k）表示控制器输出。在该机器人系统中采用了离散位置式PID，如式（1）所示。u(k)=Kpe(k)+Ki+Kd[e(k)−e(k−1)]（1）

　　式中：Kp、Ki、Kd分别为及比例、积分与微分系数。

　　3.1.2 Cartographer算法

　　激光SLAM算法利用机器人搭载的激光传感器获取周围环境的信息，并实时生成准确的地图，同时估计机器人在地图中的位置和姿态[14-16]，由于机器人需在室外环境工作，故在该系统中使用Cartographer算法进行构图与定位。Cartographer使用了基于图优化的算法，可以很好地用于室外大场景建图场景中[17-19]。它结合了激光雷达，惯性测量单元（IMU）与里程计等传感器数据建立一个连续点云地图。

　　图7所示为Cartographer算法的基本原理，具体构图过程如下。

　　（1）传感器数据采集：Cartographer算法使用激光雷达和IMU等传感器来获取环境信息，激光雷达扫描环境，生成激光点云数据，IMU则提供机器人的加速度、角速度等姿态信息。

　　（2）位姿估计：机器人位姿指的是机器人在地图中的位置和方向，通过使用IMU和激光雷达数据，Cartog-rapher使用扩展卡尔曼滤波器对机器人的位姿进行估计。

　　（3）局部地图构建：在局部地图构建过程中，将激光雷达扫描的点云数据进行姿态转换，通过扫描匹配方法将其匹配到上一个子图中，经过运动滤波器更新子图，该地图通常是以网格表示的，其中每个网格表示环境中的一个体素。

　　（4）全局地图构建：在全局地图构建阶段，Cartog-rapher将多个局部地图拼接为整个环境的二维地图[13]。

　　（5）回环检测与优化：在局部地图累积构建全局地图的过程中进行回环检测和优化[14-15]，其目的是识别机器人在环境中已经访问过的区域，并通过将先前的观测数据与当前的观测数据进行比较来纠正累计误差，通过检测回环并进行图优化，Cartographer算法可以进一步提高建图的准确性和一致性。

　　3.2工作流程

　　总体软件流程如图8所示，工作过程如下。

　　（1）程序开始运行，各个系统与各传感器初始化。初始化结束后机器人等待命令，选择为自动模式或者是手动模式。

　　（2）若机器人选择手动模式，则机器人开启摄像头并将周围实时画面发送至上位机中，以便使用人员手动操作机器人移动与工作。

　　（3）若选择自动模式，树莓派计算单元开始接受激光雷达，IMU等传感器数据并进行处理。启动SLAM构图算法，使用处理过后的数据实时构建地图与定位。

　　（4）在构图过程中规划路径，将下一步的目标位置与目标速度通过串口发送到底层控制器STM32F407，底层控制器运行PID算法，计算出控制信号产生PWM波通过电机驱动器控制电机运动，从而达到控制机器人运动的目的。

　　（5）判断机器人是否达到目标位置，若达到目标位置则进行相关工作并传回工作信息，完成工作后结束程序运行；若未达到目标位置则继续更新地图并控制机器人向目标位置移动。

　　4实验与验证

　　LoRa无线通信模块通过上位机配置信道、频率，工作方式等参数，如图9所示[20]。

　　图10所示为机器人的遥控器与画面显示设备，当机器人切换为手动模式时，操作者可通过显示设备实时观测机器人周围画面，并通过遥控器上的相关按钮控制机器人的移动与工作。

　　实验样机如图11所示，由移动部分、储存部分、工作部分与各类传感器组成，其激光雷达安装位置高度由机器人可翻越的最大高度确定。

　　将机器人在有台阶障碍、草地、坡地等不平坦复杂地形进行试验，如图12所示。

　　实验显示，机器人对于障碍、草地、坡地与不平坦等多类地形有着优秀的通过能力，最大越障高度可达到250 mm，在各种复杂地面都具有较好的通过性与稳定性。机器人具体移动性能参数如表1所示。

　　机器人越障实验结果数据如图13所示。由图可知，当障碍物高度在200 mm内时，机器人有90%的成功率越过该障碍物。

　　图14所示为机器人停止运动时与目标位置的误差。

　　横坐标正负表示超过目标位置与未达到目标位置。由图可知，机器人移动到达目标位置时误差始终在30 mm之内，满足实际使用需求。

　　5结束语

　　本文提出了一种新方法，通过设计具有自适应功能的多功能轮腿机构，并将其与SLAM（同时定位和建图）技术相结合来创建多地形机器人平台。自适应轮腿机构结合了轮式和腿式机器人的优点，使机器人能够在不同地形中导航，而无需传统控制算法的复杂性。SLAM的使机器人能够感知周围环境、构建地图并准确定位自身，为自主导航和任务执行提供重要支撑。

　　通过一系列实验，证明了该机器人平台具有稳定性、可靠性和可维护性，能够在复杂地形下高效移动和作业。因此，该机器人在测量、农业和工业自动化等各领域具有巨大的应用潜力，在这些领域穿越不同地形的能力非常有价值。

　　这项研究的创新之处在于将基于激光的SLAM技术与自适应轮腿机构的设计成功集成，为在具有挑战性的地形中实现敏捷和自主导航提供了一种新的解决方案。简化的控制策略和增强的适应性使该平台在应对多地形场景方面具有优越性。

　　参考文献：

　　[1]张满,侯宇轩,杨毅,等.一种基于地空视角信息融合的激光SLAM系统[J].机器人,2023,45(5):568-580.

　　[2]汤青,陈兵,冯皓,等.基于图优化的三维激光雷达SLAM算法研究[J].电子质量,2023(5):20-25.

　　[3]颜普,曹昊宇,雷为好.基于改进图优化的激光SLAM算法[J].安徽大学学报(自然科学版),2023,47(4):35-41.

　　[4]张光华,张琳,马超,等.多功能姿态检测预警设备的设计[J].电子设计工程,2023,31(13):65-69.

　　[5]刘培焱,刘丰硕,沈瑶,等.基于ROS系统的变电站智能巡检机器人建图与控制[J].物联网技术,2023,13(6):104-107.

　　[6]杨治,曾寰,涂起龙.激光雷达的多源数据融合点云分类算法研究[J].计算技术与自动化,2023,42(2):100-107.

　　[7]赵政宏,乔栋,李博文,等.基于STM32的无线仿生机械手与穿戴式控制器设计[J].无线互联科技,2023,20(10):69-74.

　　[8]耿俊杰,李正鹏,焦仕杰,等.基于GPS惯性导航的高速小车设计[J].山西电子技术,2023(3):10-12.

　　[9]张清宇,崔丽珍,杜秀铎,等.矿山环境三维激光雷达SLAM算法建图与定位[J].测绘通报,2023(5):72-77.

　　[10]张玲,祝秀琴,赵巍.利用SLAM激光扫描提取装配式建筑轮廓方法[J].激光杂志,2023,44(3):226-231.

　　[11]韩贝,李海雄.基于LoRa的现代农业远程监测与控制系统设计[J].信息技术,2022,46(4):90-96.

　　[12]彭泽武,冯歆尧,谢瀚阳.基于LoRa无线技术的台区配用电电能物联网监测系统研究[J].自动化技术与应用,2023,42(5):166-169.

　　[13]习晨悦,袁卫.基于模糊抗饱和性PID的板球系统设计[J].电子测量技术,2020,43(18):52-58.

　　[14]黄禹翔,吴国新,左云波.基于改进Cartographer的激光SLAM算法[J].北京信息科技大学学报(自然科学版),2023,38(2):47-52.

　　[15]罗勤,李少波,阮伟军.ROS机器人Cartographer SLAM建图方法[J].自动化应用,2023,64(1):110-112.

　　[16]丛佩超,吕昆峰,周加超.复杂场景下移动机器人的SLAM与路径规划问题[J].计算机仿真,2023,40(2):443-448.

　　[17]杨颖,王立勇,孙鹏,等.动态环境下激光雷达地图构建[J].计算机工程与设计,2023,44(7):2125-2131.

　　[18]黄通交,侯英岢,倪益华,等.基于ROS和激光雷达的移动机器人系统设计与实现[J].机械工程师,2020(8):46-48.

　　[19]王志豪,李锐圳,韩利芬,等.基于视觉SLAM的履带传动式智能拾蛋机器人[J].机电工程技术,2022,51(8):231-235.

　　[20]蒋鹏.基于LoRa无线通信的煤矿矿井环境智能监测系统设计[J].煤炭技术,2023,42(7):206-208.