传统的移动机器人均采用了两轮差速作为驱动方式，其只能实现耦合的平面轨迹运动，不能同时改变运动位置和方向，无法实现侧行，因此机动灵活性不佳，难于在狭小空间内进行相关作业。为了提高驱动轮灵活性，实验室开展了基于主动万向脚轮的全向移动平台技术研究。然而，传统的万向脚轮驱动系统具有两个转动自由度运动耦合问题，即脚轮在绕垂直轴转动时会使得脚轮产生一个绕水平轴的伴随滚动运动，这个伴随的转动，将对移动平台的运动规划和控制带来了困扰，若出现控制误差，会使得脚轮出现滑转、滑移甚至是侧滑运动，影响了平台的运动平稳性，同时也会造成车轮的过度磨损。为避免上述问题，实验室提出了如图 1所示的具有运动解耦特性的主动万向脚轮。该主动万向角轮具有两个自由度，即绕水平轮轴滚动和绕垂直轮轴的回转运动，而两个轮轴之间有一个偏置距离，且为了避免导线的缠绕，脚轮的两个驱动电机都固定在平台上并通过齿轮传动使角轮进行滚动与回转运动。而在运动解偶方面，该角轮采用了先耦合再解耦的设计方案，即在脚轮的运动传动系统中引入一个具有2个自由度的差速器，如此一来，转向电机便可在输出转向运动的同时输出一部分的运动用于消除脚轮的转向运动和滚动运动所产生耦合运动，因此只要通过设置适合的传动参数即可实现脚轮的运动学解耦。目前，该主动解偶角轮的相关成果除已经申请了发明专利（201510332303.8）外，也广泛用于实验室所研制的相关移动平台。

解耦式主动万向脚轮原理

        对于移动机器人而言，除追求运动灵活性外，定位与导航亦是另一个关键的核心问题。目前的实用方法一般采用磁条或者光带来实现，然而这些方法除运动路径固定外，还需要对环境进行改造，因此如何实现稳定、高效、准确的同步定位与地图构建（SLAM）是近几十年来移动机器人研究学者们所关心的问题。

传统的采用差分轮驱动的移动机器人，其位姿从前一时刻的位姿变换到当前时刻位姿的运动过程，可以由下式确定：

        其中v和g是速度和转向的控制输入，dt是控制信号之间的时间间隔。其中控制输入v和g分别包含了噪声 v和 g， v和 g分别服从N(0, v)和N(0, v)。控制输入v和g的误差分别影响了位姿的三个估计值。可以看出，差分驱动模式下，为了移动至某一位置必然会导致其位姿中的航向相应的变化，而相应的航向变化又影响着下一时刻位置估计。并且位姿估计的三个值因为v和g的影响相互干扰，出现累积误差，最终导致位姿估计误差在整个SLAM过程中相互影响。然而对于全向移动机器人而言，其位姿估计模型可以写为方程(2)，由式中可以发现，航向估计值 _{t -1}只与转动角速度有关，没有受到机器人平移速度的影响，即位置误差没有被累积如航向估计值中，因而，更加准确的航向估计使得位置估计精度也会相应得到提升。

        虽然上述算法能够提高移动机器人建立地图的精度，但是在实际应用中由于地面不平或轮子打滑容易导致里程计存在累计误差，进而造成地图构建时出现误差。因此为降低因外在环境变化所造成里程计误差，本研究结合激光测距仪的测量信息提出了一种新的通过环境推算机器人自身的真实位姿的角点匹配算法，该算法的基本思想是利用环境中已有的角点信息，例如检测到角的一条边和角的另一条边未被检测导致扫描数据存在跳变现象，通过搜索每次扫描数据中的跳变现象以确定角点在当前扫描数据中的位置，然后通过坐标变换关系式计算出机器人前后两次位姿变换，从而推算出机器人在环境中的真实位姿。图 2的实验结果表明该算法与迭代最近点（ICP）等算法以及通过轮子编码器直接估计方法相比其位姿估计更准确，具有实际应用价值。

图2 角点匹配算法与ICP 算法的实验结果对比