En utvikler har delt sin erfaring med å bygge en komplett autonom mobilrobot (AMR) for lagerautomatisering ved hjelp av ROS 2. Prosjektet dekker alt fra CAD-design i Fusion 360 til avansert navigasjon og presis docking med ArUco-markører.
Utviklingen av autonome lagersystemer blir stadig mer tilgjengelig for hobbyister og mindre bedrifter takket være åpen kildekode-verktøy som ROS 2. La oss se hvordan dette omfattende robotprosjektet ble realisert fra bunn av.
Systemarkitektur og teknisk stack
Roboten bygger på en solid teknisk foundation med ROS 2 som hovedrammeverk. Chassiset ble designet i Fusion 360 før det ble eksportert til URDF-format for bruk i ROS-økosystemet.
Den tekniske stacken består av flere sentrale komponenter:
- Nav2 for navigasjon og ruteplanning
- ArUco-basert visuell docking for presis justering ved hyller
- Tilpasset waypoint-sekvensering for flerhylle-oppgaver
- Gazebo og RViz for simulering og visualisering
Dette gir roboten mulighet til å autonomt navigere mellom ulike hyller, hente varer og levere dem til angitte soner uten menneskelig inngripen.
Utfordringer med LiDAR og odometri
En kritisk utfordring oppsto da LiDAR-punktskyen roterte sammen med roboten i RViz, noe som ødela kartlegging og navigasjon. Problemet viste seg å være en odom/TF mismatch under svinger.
Løsningen ble å utvikle en Ground TruthOdom-node som bruker Gazebo pose-data for å publisere stabil /odom og konsistent TF, inkludert håndtering av tidsstempel-problemer mellom ROS og Gazebo.
Denne typen debugging og problemløsning er typisk for robotikkprosjekter og viser viktigheten av å forstå TF-systemet i ROS grundig.
Praktisk anvendelse og resultater
Det ferdige systemet demonstrerer imponerende kapasiteter ved autonomt å betjene forespørsler for spesifikke hyller (Hylle B og Hylle C) og levere varene til utleveringssonen. ArUco-markørene sikrer presis posisjonering ved hver hylle, noe som er kritisk for pålitelig varehåndtering.
Prosjektet viser hvordan moderne robotikk-verktøy kan kombineres for å skape sofistikerte automatiseringsløsninger. For hobbyister og studenter representerer dette en excellent læringskilde for avanserte ROS 2-konsepter som transformasjoner, navigasjon og sensorfusjon.
Systemet er fullt kompatibelt med standard ROS 2-distribusjoner og kan tilpasses ulike lagerlavouter og robotplattformer. OpenCV-integrasjonen for ArUco-deteksjon gjør løsningen robust og kostnadseffektiv sammenlignet med proprietære docking-systemer.
Kilde: ROS Discourse
