本项目旨在实现一款室内自主清扫机器人的导航系统。 机器人需要能够在未知环境中自主建图， 并根据建图结果规划清扫路径， 最终实现全覆盖清扫。
系统基于ROS（Robot Operating System）框架开发， 采用模块化设计，各功能节点通过ROS话题/服务进行通信， 便于调试和功能扩展。
项目概述
核心功能模块
1
SLAM 建图
基于激光雷达的GMapping算法实现2D栅格地图构建。机器人通过遥控或自主探索方式遍历环境，实时构建环境地图，为后续路径规划提供空间信息。
2
全局路径规划
采用A*算法在已知地图上规划从起点到目标点的最优路径。结合清扫区域划分策略，将待清扫区域分解为多个子区域，依次规划清扫路径。
3
局部路径规划
基于DWA（Dynamic Window Approach）算法实现局部避障与路径跟踪。在全局路径引导下，实时检测动态障碍物并调整运动轨迹，确保安全行驶。
4
清扫覆盖算法
采用弓字形覆盖策略，确保清扫区域无遗漏。结合地图边界检测，自动识别可清扫区域范围，生成全覆盖清扫路径点序列。
成果展示
Gazebo 仿真场景 — 机器人在虚拟环境中进行导航测试
RViz 可视化 — 实时显示激光雷达点云与机器人位姿
RViz 路径规划可视化 — 全局路径与局部路径的实时展示
完整清扫过程演示 — 从建图到自主清扫的全流程运行实录
技术参数
| 参数 | 数值 | 说明 |
|---|---|---|
| 建图算法 | GMapping | 基于粒子滤波的2D SLAM |
| 全局规划 | A* | 栅格地图最优路径搜索 |
| 局部规划 | DWA | 动态窗口避障 |
| 覆盖策略 | 弓字形 | 确保无遗漏全覆盖 |
| ROS版本 | Noetic | Ubuntu 20.04 LTS |
仿真成果
✓
SLAM 建图实现
✓
路径规划完成
✓
弓字形全覆盖
ROS
模块化架构
系统在 Gazebo 仿真环境中完成了从建图到自主清扫的全流程验证。 机器人能够在仿真地图中自主规划弓字形清扫路径并完成覆盖， 模块化的 ROS 架构便于后续功能扩展和算法优化。 本课程项目侧重于理解 ROS 导航栈的工作原理与系统集成方法。