机械臂路径规划

机械臂视觉操作流程

=手眼标定+目标识别与定位+操作姿态分析+运动规划

=手眼标定+深度学习+运动规划

手眼标定

作用：获得机器人坐标系和相机坐标系的关系

运动规划

作用：到达算法指定位置和姿态

路径规划：从当前位置到期望位置规划一条无碰撞轨迹

1.路径规划在机械臂领域所处的位置

1.1框架设计

 2.区分路径规划、轨迹规划与运动规划

路径规划

规划的是路径点，即机器人从起始点运动到目标点的路线，它规划的结果不包含时间信息。

轨迹规划

规划的是轨迹，即机器人何时、以何种速度到达某路径点，如机械臂各关节角度随时间变化的关系，它规划的结果是包含时间信息的。

运动规划

概念更加宽泛，可以近似理解为等于路径规划+轨迹规划。

3.基于采样的路径规划算法简介

-PRM：1.先随机采样n个点构图2.基于图进行搜索

-RRT：快速搜索随机数，非最优解；查询near可用kdtree等数据结构，快速找到树中最近结点

-RRT*：做了两个改进，一是改变了新节点连接到树的规则，二是对搜索数进行‘剪枝’操作，使之更接近于真实的最优路径

-RRT-connect：双向扩展的RRT，从start和goal同时扩展，搜索速度比较快，ROS-Moveit默认使用此算法

4.RRT

优点：

1.能够找到一条从start到goal的路径

缺点：

1.非最优解---》RRTstar

2.算法效率低（时间长）--》RRT-Connect

3.整个空间均匀采样

5.RRT-Connect

算法描述：

1.从start到goal分别生成一颗树

2.当两棵树连接时，生成路径

3.贪婪思想

6.OMPL

6.1OMPL是啥？

OMPL（The Open Motion Planning Library）一个开发的运动规划库，由许多基于采样的先进的运动规划算法组成。OMPL本身不包含任何与碰撞检查或可视化相关的代码。

包含内容：

-OMPL包含许多基于采样的算法的实现，如PRM、RRT、EST、SBL、KPIECE、SyCLOP，以及这些规划算法的几个变体。查看可用的规划算法以获得完整的列表。

-所有这些规划算法都在非常抽象的状态空间中工作。许多常用的状态空间已经实现（例如，SE（2）、SE（3）、Rn等）。

-对于任何状态空间，可用使用不同的状态采样器（例如，均匀、高斯、基于障碍等）

-API overview