1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着机器人技术的发展，无论是工业机器人还是服务型机器人都在各个领域得到了广泛的利用，同时也引起了持续的机器人研究热潮。其中机器人操作系统在机器人大发展中起到至关重要的作用。随着计算机、网络、机械电子、信息、自动化以及人工智能等技术的飞速发展，移动机器人的研究进入了一个崭新的阶段。同时，太空资源、海洋资源的开发与利用为移动机器人的发展提供了广阔的空间。目前，智能移动机器人，无人自主车等领域的研究进入了应用的阶段，随着研究的深入，对移动机器人的自主导航能力，动态避障策略，壁障时间等方面提出了更高的要求。地面智能机器人路径规划，是行驶在复杂动态自然环境中的全自主机器人系统的重要环节，而地面智能机器人全地域全自主技术的研究，（智械科技）是当今国内外学术界面临的挑战性问题。所谓机器人操作系统实质上是为机器人标准化设计而构造的软件平台，它使得每一位机器人设计师都可以使用同样的平台来进行机器人软件开发。一般来说机器人操作系统主要包括硬件抽象、底层设备控制、常用功能实现、进程间消息以及数据包管理等功能。目前比较常见的机器人操作系统有安卓（android）系统、linux（ubuntu、debian等）系统、ros系统、以及一些嵌入式的操作系统（如ucosiii等）。移动机器人是一类能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标自主运动，从而完成一定功能的机器人系统。理想的自主移动机器人可以不需人的干预在各种环境中自主完成规定任务，具有较高的智能水平，但目前全自主的移动机器人还大多处于实验阶段，进入实用的多为自主移动机器人，通过人的干预在特定环境中执行各种任务，而遥控机器人则完全离不开人的干预。智能移动机器人是一类能够通过传感器、感知环境和自身状态，实现在有障碍物的环境中面向目标自主运动，从而完成一定功能的机器人系统。移动机器人技术研究综合了路径规划、导航定位、路径跟踪与运动控制等技术。涉及包括距离探测、视频采集、温湿度以及声光等多种外部传感器，作为移动机器人的输入信息。移动机器人的运动控制主要是完成移动机器人的运动平台，提供一种移动机器人的控制方式。性能良好的移动机器人运动控制系统是移动机器人运行的基础，能够服务于移动机器人研究的通用开发平台。随着移动机器人技术的发展及其在工业军事等领域中的广泛应用，有关移动机器人的理论设计制造和应用的新的技术学科——机器人学，已经逐渐形成，并越来越引起人们广泛的关注。机器人学是一门综合性很强的学科，它涉及现代控制技术、传感器技术、计算机系统和人工智能等多门学科．但是它又有自身的系统性和专业性。内容极为丰富、广泛，其中专业性比较强的有机器人动力学和运动学、机器人轨迹规划和运动控制、机器人的传感技术、机器人的编程语言、机器人的智能和任务规划等。其中机器人的运动控制是实现机器人航迹控制的关键。

运动控制是移动机器人的执行机构，对机器人的平稳运行起着重要作用。随着新的智能控制算法的不断涌现，移动机器人正向着智能化方向发展，这就对运动控制系统性能提出了更高的要求。设计实现智能移动机器人的控制系统，能够熟悉移动机器人硬件和软件的开发，掌握移动机器人的运动控制特性，为后续的移动机器人的功能扩展搭建一个可行、稳定的平台，而这个平台则可以成为多种机器人开发的公共基础平台。实现智能移动机器人控制系统的开发具有一定的现实意义，将为以后的移动机器人开发奠定坚实基础。

2. 研究的基本内容与方案

本项目在ros系统中搭建仿真平台,将机械臂的模型转化为urdf文件,urdf文件是ros中统一的机器人描述格式， 可以描述出机器人的结构、关节、自由度等，同时由于urdf是基于可扩展标记语言（xml）的，所以对于我们的阅读和编写都是十分有利的。得到urdf文件以后，我们就可以将其导入到moveit！中进行运动配置。moveit!作为ros中十分重要的工具包集，由运动规划、操作控制、 3d感知、运动学、碰撞检测等功能包组成，在使用过程中有着友好的gui。 按照moveit！assistant的提示，经过一系列步骤对urdf文件进行处理（如图1），生成一个完整的运动配置功能包。启动这个配置功能包在 rviz中完成对机械臂的运动规划。

gazebo是ros中一个实现物理仿真的工具包， 基于opendynamicsengine（ode）的物理引擎，能够模拟机器人以及环境中的物理特性。本文将gazebo 添加到机器人的仿真过程中，通过添加实物来模拟更加真实的运动环境，此外还可以方便的为机器人添加传感器，进行环境的感知。目前许多机器人都在gazebo仿真平台下完成了实验，例如pr2、kuka、 pioneer等机器人。 对于机械臂的运动规划，由于存在多种关节角度配置都能够使末端达到相同的位姿，所以机械臂的运动规划可以说是有无数的解。针对于这无数个解，解决方法总的来说有两个方向，一种是找到最好的解，另一种是快速找到一个有效的解。前者大部分算法使用最优规划，后者使用采样规划。moveit! 包 含 有 开 源 运 动 规 划 库（open motion planning library，ompl）算法库，虽然ompl库中也提到了 最优规划，但是总体来说ompl还是一个采样规划算法库。 启动配置好的moveit!功能包，在rviz中显示出 机械臂模型以及motionplanning模块，可以通过移动 机械臂末端的互动标记来确定机械臂的目标位姿， 也可以在planning子模块中的query子模块里面设 置随机的或者预设的目标位姿。设定好目标位姿之 后，点击planning子模块中的plan，即可显示其规划的运动轨迹，同时可以对相关显示参数进行设置。

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题；

第7周—第12周 撰写论文初稿；

4. 参考文献（12篇以上）

[1]lentin joseph. mastering ros forrobotics pro#8259; gramming[m].birmingham:packetpublishingltd. 2015.

[2]lentinjoseph.learningroboticsusingpython[m]. birmingham:packetpublishingltd.2015.

[3]panagiota tsarouchi,sotiris makris,george michalos,alexandros-stereos matthaiakis,xenofon chatzigeorgiou,athanasios athanasatos,michael stefos,panagiotis aivaliotis,george chryssolouris. ros based coordination of human robot cooperative assembly tasks-an industrial case study[j]. procedia cirp,2015,37.