本次课题为基于ROS的室内机器人定位与导航研究。在科技高速发展的时代，计算机技术给人类带来了更多应用和方便，尤其是以机器人技术为代表，已经融入到人类生活、教育、军事、医疗、空间探索等许多领域，机器人工作环境包含室内环境、室外环境，已知环境、未知环境，太空、地面、水里等。伴随各式各样具有不同功能的机器人不断涌出，彼此之间的开发与制造方法也存在很大差别，需要建立一整套系统来缩短开发周期，包括硬件设备、控制系统、界面接口，以及让机器人运作并作为测试平台的检测工具。ROS系统应运而生，提供了通用的框架应用程序，为机器人的开发提供了极大的便利。针对机器人在陌生复杂环境的运动，同时定位与地图构建则是其中十分重要的部分，利用SLAM技术可以实现机器人的自主运动与导航。该技术基于搭载在自身的传感器采集环境的信息，估计自己在环境的位姿，并建立周围的环境地图。本课题将对现有的SLAM算法进行分析复现，实现机器人的定位与导航。

1.1 ROS研究现状

自从2010年Willow Garage公司发布推广开源项目ROS （Robot Operating System）以来，为机器人提供了一个通用的框架应用程序，很快在机器人研究领域掀起了高潮，机器人领域迸发了学习和使用 ROS 的热情。再随着基于 ROS 的PR2 机器人叠衣服、插插座、做早饭等智能表现，ROS得到越来越多的关注。ROS相比以前的设计开发能节省更多的成本，并能在复杂条件下使用。尤其针对目前的变电站巡检机器人、服务机器人、AGV 车，ROS的分布式系统能发挥重要作用，将ROS系统结合应用在移动机器人身上，也受到国内外专家的关注。移动机器人已经走入家庭、办公、服务、工业、军事等领域，并将成为未来生活、办公中的重要一员，移动机器人的工作性质也已经发生重大变化，要求机器人必须以自然方式学习环境、与人和设备交互、安全自主导航，进而完成指定的任务。

图1.1 PR2机器人 图1.2 A.L.O 机器人管家

目前国内研究 ROS 起步晚，随着ROS成为开发机器人不可缺少的工具，国内的一些科研机构，例如西南交通大学、哈尔滨工业大学等也进行了相应的研究。对基于ROS的移动机器人研究与实现具有重要的理论意义和应用价值，可为机器人行业的发展提供重要参考价值。

1.2 同时定位与地图构建（SLAM）研究现状

同时定位与地图构建（Simultaneous Localization And Mapping，SLAM），是机器人在陌生环境（未知环境）中，通过自身运动，根据本身和外部传感器数据，在运动过程中建立自己的环境，并实现对自己位置的估计。SLAM技术对于机器人或其他智能体的行动和交互能力至为关键，因为它代表了这种能力的基础：知道自己在哪里，知道周围环境如何，进而知道下一步该如何自主行动。它在自动驾驶、服务型机器人、无人机、AR/VR等领域有着广泛的应用，可以说凡是拥有一定行动能力的智能体都拥有某种形式的SLAM系统。

2005年，德国弗莱堡大学的 Giorgio Grisetti等人提出了一种基于粒子滤波方法的 SLAM 算法，并在2007 年公布了研究成果随后开源了Gmapping 算法，该算法很好地解决了搭载激光雷达的机器人在未知环境中同时定位与建图问题，是激光 SLAM 领域的重要研究成果。2010年以后，激光 SLAM 建立二维地图的研究成果迭出，该年，WillowGarage的Kurt Konolige等人发表了基于图优化的 KartoSLAM，使用高度优化和非迭代Cholesky矩阵进行稀疏系统解耦，提升了在大环境下的建图效率。2011年，国达姆施塔特技术大学的 Stefan Kohlbrecher等人提出了基于三维空间位置估计的HectorSLAM算法，在硬件上该算法使用高频率激光雷达而不需要里程计，这将 SLAM 技术拓宽到了不平坦区域运行的移动机器人应用和无人机领域上。2016年的ICRA会议上，Google公布了Cartographer开源项目，在工程实现上构建了一套完整的室内雷达 SLAM 系统而非简单算法，并以其技术框架之完整，建图效率之高在 SLAM 研究领域引起一阵轰动。这些不断完整的 SLAM 算法成果,逐步解决了移动机器人在未知环境中的定位与探索问题。