加拿大人最能了解冬天的残酷本质。当在寒冷的月份里向北冒险时，天气和地形可能会非常危险。然而，研究和探索正在不断应对北方恶劣气候条件的挑战。来自魁北克拉瓦尔大学的北方机器人实验室（Norlab）的专门团队正在将机器人导航推向绝对极限：雪地自主导航！

Norlab的独特位置在于它们是专门用于在北方或恶劣条件下工作的移动和自主系统的设施。该团队由几位拉瓦尔大学的博士学位学生组成。负责将机器人送往寒冷地区的是FrançoisPomerleau，博士（主要研究员）；VladimírKubekla博士（博士后）；理查德·李（Richard Lee）（代表加拿大通用动力陆地系统公司）；Dominic Baril（博士生）；Simon-PierreDeschênes（博士生）；Damien LaRocque（硕士生）；和Olivier Gamache（硕士生）。

通过开发和探索导航算法，Norlab专注于创建强大的移动机器人，该机器人可以快速适应各种现实生活中的天气和地形条件。具体来说，他们正在开发针对激光传感器（激光雷达）和3D重建环境的定位算法，在这种工具经常遇到困难的情况下。这些测试的场地是魁北克市北部超过400平方公里的蒙莫朗西森林，一年中有6个月积雪！

Norlab在崎uneven的地形上测试Warthog

如何在树林中不迷路

他们的项目名为SNOW（Self-driving Navigation Optimized for Winter，为冬季优化的自动驾驶导航）旨在创新当前的技术，以改善在因雪况和冰雪等冬季条件而经常变得无组织和动态的环境中的自动驾驶。此外，他们还与加拿大通用动力陆地系统（GDLS-C）建立合作伙伴关系，保证在实际应用中扎根。这种类型的技术对于当前的各种应用都是不可或缺的，包括自动加油和导航，搜索和救援任务，加拿大北极主权，北部冰路上的货运等等。下图就是Warthog UGV进来的地方！

Warthog生成的Montmorency森林的3D地图

使用Clearpath最大的全地形平台Warthog UGV，Norlab团队创建了地图，使Warthog能够适应由雪和风引起的环境变化，同时还可以对车辆进行实时可靠的定位。这些地图还将用作处理可变形障碍物和环境（例如车辆下方的深雪）的新型路径规划算法的基础。

但是，怎么让项目通过呢？Norlab为Warthog配备了一台32光束Robosense RS-32激光雷达，以及两台16光束Robosense RS-16激光雷达。迭代最近点（ICP）算法从这些传感器进行激光扫描，以定位机器人并绘制环境图。此外，Xsens Mti-10 IMU与平台的车轮里程表配合使用，以帮助机器人定位。然后，通过两个Emlid GNSS天线进行GNSS定位，同时由三个Trimble经纬仪棱镜和全站仪组成的阵列提供UGV的地面真值定位。最后，还添加了嵌入式计算机来计算自主导航所需的高级算法。

跟踪个别树木的本地化地图示例

犁过障碍

这些宏伟的目标并非没有挑战。降雪和不可预测的环境使本地化和制图更加困难。此外，自主机器人必须能够导航并克服冬季标准的雪和冰障碍。Warthog UGV帮助绕过了一些最初的问题。由于其易于启动，简化的集成和ROS就绪功能，Norlab团队能够专注于研究的其他方面，并发表他们的工作，取得巨大成功。

同样，由于不必从头开始构建平台，Norlab可以制定出更雄心勃勃的时间表，并适当分配时间。此外，Warthog的尺寸，牵引力和低的地面压力使其能够应对其他机器人可能会失败的艰难地形。Norlab还修改了其带有轨道的Warthog，以将机器人抬高至深雪之上。通过在这种极端环境中启用导航，Norlab能够开发复杂和高级的定位算法。作为团队负责人，FrançoisPomerleau博士认为：“ Warthog是一个很好的研究平台，因为它易于与各种传感器集成。它也是一个非常移动的平台，非常适合我们的项目，旨在突破自主移动机器人可访问内容的极限。”

疣猪通过冰和雪供电

如上所述，Norlab的研究成果也可以指出令人印象深刻的成就。他们的研究成果发表在《Field Robotics杂志》上，该论文提出了基于差分云GNSS的基于点云的无线电传播模型，以及在2020年计算机与机器人视觉大会（CRV）上发表的文章，该论文评估了亚北极滑移式移动机器人的各种运动学模型。环境。同一篇CRV文章甚至在本次会议上获得了最佳机器人视觉论文！他们的工作还没有完成，因为他们一直在努力改善自己的工作，使机器人进入更极端的条件，并发表他们的发现以推动创新。

您想了解有关Warthog UGV的更多信息可与我们取得联系。