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