2025年移动机器人设计指南基于ROS系统开发详解

近年来，移动机器人已然成为科技领域的热门焦点。无论是轮式还是履带式，它们的核心任务都在于如何实现自主移动。为此，机器人的“眼”、“脑”和“腿”必须协同工作。而要让机器人实现环境感知、机械臂控制、导航规划等功能，一个重要的软件平台——ROS（机器人操作系统）发挥着至关重要的作用。它在科研领域已经得到了广泛的应用。

在硬创公开课中，我们有幸邀请到EAI科技创始人兼CEO李金榜先生，为我们分享如何利用ROS设计移动机器人。李先生毕业于北京理工大学，拥有硕士学位，并在网易、雪球、腾讯技术部有多年的linux底层技术研发经验。他创立的EAI科技专注于机器人移动技术，致力于提供消费级高性能激光雷达、SLAM算法和机器人移动平台。

那么，何为移动机器人的智能移动呢？简单来说，就是指机器人能够根据周围环境自主规划路线、避障，并最终抵达目标地点。这一过程，需得机器人的三部分紧密配合——首先是“腿”，它是机器人移动的基础；其次是“眼”，即环境感知部分，机器人需通过传感器等设备感知周围环境，获取必要的信息；最后是“脑”，这里是机器人的核心控制部分，需要根据“眼”获取的信息做出决策，并控制“腿”行动。

对于类人腿式机器人而言，其能够在复杂地形中灵活穿梭，甚至模拟人的舞步。其结构复杂、控制单元繁琐、造价较高以及移动速度相对较慢等缺点也不容忽视。相比之下，大多数移动机器人选择了更为简单的轮式设计。这种设计因其简洁性、低成本和快速移动而备受青睐，其中两轮平衡车到三轮、四轮乃至多轮设计都很常见，而目前最为实用的是两个主动轮加一个万向轮的组合。

机器人的行动速度由线速度和角速度共同构成，这仿佛人类行走时的步频与步幅。而驱动机器人行走的轮子，其速度的精准控制是实现这一速度组合的关键。这其中，编码器的角色不容忽视。编码器作为与轮子同步运转的关键组件，将实际的移动数据反馈给机器人大脑。在速度低于0.7m/s时，选用介于600键至1200键之间的编码器，可以确保数据的精准捕捉。为了提高数据准确性，推荐使用双线的编码器，其A、B两线输出之间的相位差有助于消除数据波动，从而确保里程计算的精确度。

控制机器人的移动过程是一个动态调整的过程。通过PID算法结合编码器反馈的数据，机器人能够实时调整电机PMW，实现对车轮速度的精细控制。这样，机器人可以实时计算自身的位置，形成一个动态的“里程计”。即便技术先进，仍有可能面临挑战。例如，轮子打滑等情况可能导致计算的位置与实际位置存在偏差。这时，我们需要权衡直线移动与转向精度之间的微妙平衡。陀螺仪作为一种重要的辅助设备，可以帮助纠正这种偏差，提高机器人的定位精度。

在机器人导航技术中，激光雷达已经成为建立环境地图的重要工具。它的工作原理类似于人类的眼睛，能够扫描周围环境并将其转化为机器人可以理解的语言——地图。ROS（机器人操作系统）中的gmapping工具能够将激光雷达的扫描数据转化为直观的栅格地图数据。在这张地图上，黑色代表障碍物，白色代表空白区域，灰色代表未知领域。随着机器人的移动，激光雷达从不同角度观测同一位置，确保数据的准确性。遇到挑战时，如很直的墙或黑色、镜面物体导致的测距不准，我们可以结合陀螺仪、激光雷达和超声波技术进行处理。ROS的地图是多层的，利用多台激光雷达在不同高度进行扫描并叠加地图，可以创建一个更为详尽的环境地图。机器人利用这张地图进行定位和导航。定位是一个基于概率的估计过程，机器人会根据各种传感器数据和环境信息来估计自己的位置和方向，从而实现精准导航。随着技术的不断进步，机器人的定位精度和导航能力将不断提高。机器人的定位之旅：从地图特征到坐标系转换的深入探索

机器人的定位之旅始于对周围环境的深入解读，这一过程与地图特征的指引息息相关。在具有显著特征的区域内，机器人依赖其搭载的激光雷达，通过扫描周围障碍物的形状与地图特征进行智能匹配，从而轻松判断自身位置。面对定位难题时，我们可能需要为机器人指定初始位置，或者借助LED灯及其他定位设备来增强识别能力。

现代视觉技术的飞速发展，为机器人导航带来了全新的视角。色彩和光的运用日益广泛，机器人导航仿佛是一场全局路径规划与局部调整的舞蹈。机器人依据预先设定的地图进行全局路径规划，但在实际运行过程中，会根据周围环境进行灵活的局部路线调整。始终沿着全局路径前行的机器人，如同一位精准的舞者，在复杂的舞台上优雅地舞动。

机器人的导航工作繁重且多样，不同类型的机器人路径规划也有所不同。例如，扫地机器人需要覆盖每一寸土地，尤其要注意墙角等细节；而服务机器人则主要围绕指定的路径或最短路径进行规划。这些任务都是机器人操作系统（ROS）中最为繁重的职责之一。ROS为路径规划提供了基础的开发包，根据应用场景的不同，路径规划会有所变化。无论是扫地机器人、服务机器人还是其他类型的机器人，都需要根据实际需求进行路径规划的开发与优化。

当机器人在未知环境中探索时，哪些区域可以安全通过，往往取决于其具体的形状和结构信息。为了准确描述机器人的硬件尺寸布局，ROS采用了URDF格式。这一格式为我们提供了关于机器人硬件细节的关键信息，如轮子的位置、底盘尺寸乃至激光雷达的安装点等。这些细节的精确性直接影响到坐标系的转换。

坐标系转换是机器人导航的核心要素之一。每个帧在这个系统中只能有一个父帧，为机器人构建了一个层级结构，确保了数据的连贯性和准确性。激光雷达的安装位置尤为关键，因为它直接影响到/scan的输出数据。为了将这些数据转化为机器人自身的视角，我们需要进行坐标变换。

深入研究ROS的坐标系，可以归结为三大标准框架：地图坐标系、里程计坐标系和机器人自身坐标系。地图坐标系提供全局参考点，里程计坐标系反映机器人的运动状态，而机器人自身坐标系则是所有其他坐标系的根基。机器人的各种传感器都在这个坐标系下工作，它们的数据被用来计算base_link和odom的坐标关系。

有些朋友遇到的问题，比如激光雷达在构建地图时，小车移动后地图出现混乱，这其实是底盘坐标系和激光雷达坐标系之间的标定不准确导致的。要确保机器人的各项功能正常运行，准确标定的坐标系是关键。这就需要我们深入探讨map和odom之间的关联。小车的移动需要一个局部的、连续的视角，这就是里程计的作用。而map则提供了全局的、离散的信息。通过激光雷达的扫描数据，我们可以将这两者结合起来，实现机器人在复杂环境中的精准导航。

当谈论机器人的旅程时，一个令人着迷的细节跃然而出：它是如何通过odom到base_link的坐标关系，巧妙地计算出map到odom的坐标关系的呢？这一精细的计算过程让机器人在没有激光雷达的纯里程计时代也能稳健前行。这一切都离不开它依赖预设地图进行简单的避障操作。

进入精彩问答时间，有一个问题引人深思：ROS的实时性改进进展如何？答案藏在ROS2.0的巧妙设计中。尽管网络上关于ROS2.0的进展信息如潮涌现，但它的实际应用之路仍需我们脚踏实地前行。预计今年下半年，它的稳定性将得到进一步提升。对代码深感兴趣的朋友们会发现，ROS2.0在内存管理和线程管理等方面，已经为实时性迈出了显著的步伐。

关于vSLAM对内存和CPU的高要求，李老师在实际工程中巧妙地运用了激光雷达和传感器辅助设备。这并不是因为地图大小的问题，而是与地形障碍物的复杂程度息息相关。无论面对多么庞大的地图，只要地形障碍物的复杂度在可控范围内，他们都能应对自如，为机器人的前行之路保驾护航。这一智慧的运用，展示了科技发展的无限可能。