robotiq自适应二指夹爪分析

2 篇文章 1 订阅

robotiq自适应二指夹爪分析

tip:关注实现具体的功能,采取的控制策略。

## 抓取功能概述
- 二指夹持器有一个驱动器用于打开和关闭手指。手指将采用平行夹取或包围夹取;

- pinch or power取决于:零件的几何形状、零件相对于夹爪的相对位置。换句话说,拾取同一零件可能会导致pinch or power抓取;要注意的是,只有当手指首先以远端指骨的上部接触到物体时才能进行pinch抓握。 相反,对于power抓握,手指必须首先以远端指骨的近端或下部接触物体。 另外,为确保稳定性,在进行power抓握时,应将物体靠在夹爪手掌的支撑面上。(还是要支撑面的,保证稳定、可靠性)


## 位置、速度、力控制,功能概述
- 位置设置:指尖运动位置
- 速度设置:开、合过程中的速度大小;
- 力设置:定义了夹具的最终夹持力。 该力将限定夹取运动过程中发送到电动机的最大电流(限定堵转电流)。 如果超过当前限制,手指会停止并触发对象检测通知。

## 对象检测功能的实现(是否抓取成功)
- 通过检查电机驱动电流的大小实现。(控制器内部应该有pid控制,一旦堵转,由于积分i的作用,驱动电流会越来越大,超过I_limit时,则认为已经抓取到物体)。

- 此功能还适用于丢失或掉落的物体,如果在检测到物体后掉落了物体,则会向用户发出警报。

- 对象检测的精确度只有几毫米。在某些情况下,对象检测可能不会检测到一个对象,即使它已经被抓住。例如,在不发生物体检测的情况下,用指尖夹起一个薄薄的物体可能是成功的。由于这些原因,使用此特性时要谨慎。

- "是否运动到请求位置flag"
- 故障状态返回


## 自动标定功能:
- Robotiq自适应夹爪自动校准将允许夹爪调整到任何指尖。 
- 无论所用指尖的大小和形状如何,始终将0完全打开,将255完全闭合,并且准线性关系在0和255之间。
- - 设定自动标定程序,用于切换手指后,自动辨识手指宽度。

 

 

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenMV 是一款基于MicroPython的嵌入式视觉开发板,可以用来进行图像处理和计算机视觉任务。它提供了一系列的图像处理函数,其中就包括自适应二值化。 自适应二值化是一种图像处理技术,用于将彩色或灰度图像转换为二值图像。与传统的全局阈值二值化不同,自适应二值化可以根据图像中不同区域的亮度进行灵活的阈值选择,从而更好地处理光照不均匀或背景复杂的情况。 在 OpenMV 中,可以使用 `image.adaptive_threshold()` 函数进行自适应二值化操作。该函数需要指定阈值类型、块大小和偏移量等参数。例如,下面的代码片段演示了如何在 OpenMV 上进行自适应二值化: ```python import sensor import image import time sensor.reset() sensor.set_pixformat(sensor.GRAYSCALE) sensor.set_framesize(sensor.QVGA) sensor.skip_frames(time=2000) while True: img = sensor.snapshot() img.binary([threshold],invert=True) img.erode(1) img.dilate(1) img.show() ``` 在上述代码中,首先初始化摄像头并设置图像格式和分辨率。然后进入循环,在每次循环中获取一帧图像,并对其进行自适应二值化操作。在这个例子中,我们使用 `binary()` 函数来进行二值化,并使用 `erode()` 和 `dilate()` 函数对结果进行形态学操作,以去除噪声。最后,使用 `show()` 函数将处理后的图像显示出来。 需要注意的是,这只是一个简单的示例,实际应用中可能需要根据具体的需求进行参数调整和图像处理步骤的优化。你可以根据自己的需求和具体情况对代码进行修改和扩展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值