V-REP&NAO之手臂手指UI抓取控制探究

一、joint参数介绍

- Joint

图1
如图1所示:

  1. Pos.min:最小值,单位度。
  2. Pos.range:范围,单位度。
  3. Position:当期位置,单位度,范围为[Pos.min,Pos.min+Pos.range]。
  4. IK calculation weigit:
  5. Max.step size:
  6. Mode:
  7. length:joint的长度。
  8. Diameter:joint的直径。
  9. color:

- Common

图2在这里插入图片描述
如图2所示:

  1. General properties(常规属性):
    Selectable:可选
    Invisible during selection:选择期间不可见
    Select base of model instead:选择模型的基础
    Ignored by depth pass:被深度传递忽略
    Ignored by model bounding box:被模型边界框忽略
    Ignored for view-fitting:忽略视图拟合
    Cannot be deleted during simul:不能在模拟过程中删除
    Cannot be deleted:无法删除
  2. Visibility(能见度):
    Camera visibility layers:摄像头可见性层,第一层不打勾可以隐藏joint
    Can be seen by:
  3. Object special properties(对象特殊属性):
    Collidable:可碰撞的
    Measurable:可测量的
    Detectable:可检测
    Renderable:可渲染
  4. Model definition:
  5. Other:

- Joint dynamic properties

图3图1中点击show dynamic properties dialog打开
打开方法:在图1中点击show dynamic properties dialog打开
如图3所示:

  1. Motor enabled:打开电机
  2. Target velocity:目标速度,电机最终将达到的速度。
  3. Maximum torque:扭矩,其越大,电机达到目标速度越快。
  4. Lock motor when target velocity is zero:如果目标速度为0,电机不能转动。
  5. Control loop enabled:可以控制转动
  6. Target position:目标角度,电机启动后将达到这个角度并维持。
  7. Upper velocity limit:速度上限

adww

- Model properties

图4在图二中选中Object is model base,点击Edit model properties打开
打开方法:在图二中选中Object is model base,点击Edit model properties打开

  1. Select model thumbnail:选择模型缩略图
  2. Override properties:覆盖参数
  3. Model is not visible:模型不可见
  4. Model is not collidable:模型不可碰撞
  5. Model is not measurable:模型不可测量
  6. Model is not renderable:模型不可渲染
  7. Model is not detectable:模型无法检测
  8. Model is not dynamic:模型不是动态的
  9. Model is not respondable:模型不响映
  10. Model scripts are inactive(child scripts and customization scripts):模型脚本处于非活动状态(子脚本和自定义脚本)
  11. Invisible to other model` s bounding boxes:对其他模型的边界框不可见

二、基块参数介绍

- Shape
图5在这里插入图片描述

- Joint dynamic properties

图6在这里插入图片描述

三、手臂控制

- 手臂关节

joint名称作用
LShoulderPitch3大臂上下摆动
LShoulderRoll3大臂左右摆动
LElbowYaw3大臂旋转
LElbowRoll3小臂摆动
Lwristyaw3小臂旋转

- 控制函数

函数名称作用
sim.getObjectHandle获得joint的句柄(类似于文件句柄)
sim.setJointTargetPosition设置joint的目标角度

详细的使用方法,参数,见官方文档
http://www.coppeliarobotics.com/helpFiles/en/apiFunctionListAlphabetical.htm

四、手指控制

- 参数调整

  • 双击三个手指的第一个joint(即前面带的点符号的),打开图4所示的界面,取消它的dynamic和respondable选项,如果选中它们,手指就是静态的。
  • 点击所有手指joint的show dynamic properties dialog按钮,打开图3所示的界面,设置Target velocity为0,设置Maximum torque为100,太小不能抵消重力的影响,选中Lock motor when target velocity is zero。
  • 双击joint下面的正方体图标,打开所有手指的基块(即指节),如图5所示,单击show dynamic properties dialog按钮,打开图6所示的界面,点击M=M*2,将Mass值调大,最好是-2次方级别。
  • 注意响应掩码的设置,相邻两个指节不能用相同的响应掩码,最好每个手指的所有指节选一个且都不同。

- 控制函数

函数名称作用
sim.getObjectHandle获得joint的句柄(类似于文件句柄)
sim.setJointTargetVelocity设置joint的目标速度

详细的使用方法,参数,见官方文档
http://www.coppeliarobotics.com/helpFiles/en/apiFunctionListAlphabetical.htm

五、UI编写及设置

详细的使用方法,参数,见官方文档
UI控制函数:
http://www.coppeliarobotics.com/helpFiles/en/customUIPluginApi.htm
UI控制参数:
http://www.coppeliarobotics.com/helpFiles/en/customUIPluginXMLSyntax.htm

六、代码

在粘贴代码时,要删掉汉语注释,Vrep的lua不支持汉语。
lua语言的注释符,有两种,单行注释:–;多行注释:–[[…]]–

function sysCall_init() 
    nao=sim.getObjectHandle("NAO")
    --Set deg 
    //每个关节的角度范围
    minDeg={0,-math.pi,-math.pi/2,0}
    maxDeg={math.pi/2,math.pi,math.pi/2,math.pi/2}
    --left arm
    lShoulderPitch3=sim.getObjectHandle("LShoulderPitch3")
    lShoulderRoll3=sim.getObjectHandle("LShoulderRoll3")
    lElbowYaw3=sim.getObjectHandle("LElbowYaw3")
    lElbowRoll3=sim.getObjectHandle("LElbowRoll3")
    --finger in left arm
        --fist
    //获取指节joint的句柄
    lThumbBase=sim.getObjectHandle("NAO_LThumbBase")
    lLFingerBase=sim.getObjectHandle("NAO_LLFingerBase")
    lRFingerBase=sim.getObjectHandle("NAO_LRFingerBase")
        --second
    revolute_joint8=sim.getObjectHandle("Revolute_joint8")
    revolute_joint12=sim.getObjectHandle("Revolute_joint12")
    revolute_joint11=sim.getObjectHandle("Revolute_joint11")
        --third
    revolute_joint14=sim.getObjectHandle("Revolute_joint14")
    revolute_joint13=sim.getObjectHandle("Revolute_joint13")
    
    --right arm
    rShoulderPitch3=sim.getObjectHandle("RShoulderPitch3")
    rShoulderRoll3=sim.getObjectHandle("RShoulderRoll3")
    rElbowYaw3=sim.getObjectHandle("RElbowYaw3")
    rElbowRoll3=sim.getObjectHandle("RElbowRoll3")
    naoName=sim.getObjectName(nao) //获得机器人的名字
    

    // .. 是lua的链接字符串的语句;group是在一个界面内建立一块区域;label是设置名字;hslider是创建滑动条;button是设置按钮,参数text设置按钮上的提示文字,参数onclick可以指定button的运行函数。
    //xml是成对存在的。
    xml='<ui title="'..naoName..' Control Grasp" closeable="true" resizable="true" layout="vbox" >'..
        [[
            <group>
                <label text="LElbowRoll3"  wordwrap="true" />
                <hslider minimum="0" maximum="100"  id="1"/> 
            </group>

            <group>
                <label text="LElbowYaw3"  wordwrap="true" />
                <hslider   minimum="0" maximum="100"  id="2"/>
            </group>

            <group>
                <label text="LShoulderPitch3"  wordwrap="true" />
                <hslider   minimum="0" maximum="100" id="3"/>
            </group>

            <group>
                <label text="LShoulderRoll3"  wordwrap="true" />
                <hslider  tick-position="below" minimum="0" maximum="100" id="4"/>
            </group>

            <group>
                <button  text="grasp"  onclick = "grasp" id="5"/>
            </group>
            <group>
                <button  text="release"  onclick = "release" id="6"/>
            </group>

        </ui>
        ]]

    ui=simUI.create(xml)//创建UI
    simUI.setSliderValue(ui,1,0)//设置滑动条的初值,范围[0,100]
    simUI.setSliderValue(ui,2,50)
    simUI.setSliderValue(ui,3,50)-- 50=(100-0)/2
    simUI.setSliderValue(ui,4,0)
end

function grasp(h)// button的外部函数,抓
    grasp_flag=1
end

function release(h)// button的外部函数,放
    grasp_flag=0
end

function sysCall_actuation()
    --grasping=simUI.getWidgetVisibility(ui,5)
    --[[if(grasping) then
        sim.setJointTargetPosition(lThumbBase,0)
        sim.setJointTargetPosition(lLFingerBase,20)
        sim.setJointTargetPosition(lRFingerBase,30)
    else
        sim.setJointTargetPosition(lThumbBase,0)
        sim.setJointTargetPosition(lLFingerBase,0)
        sim.setJointTargetPosition(lRFingerBase,0)
    end--]]
    if(grasp_flag==1) then // 如果抓的按钮为真,我们给手指所有的joint传一个正目标速度,手指聚拢。
        sim.setJointTargetVelocity(lThumbBase,0.2)
        sim.setJointTargetVelocity(lLFingerBase,0.2)
        sim.setJointTargetVelocity(lRFingerBase,0.2)

        sim.setJointTargetVelocity(revolute_joint8,0.35)
        sim.setJointTargetVelocity(revolute_joint12,0.2)
        sim.setJointTargetVelocity(revolute_joint11,0.2)

        sim.setJointTargetVelocity(revolute_joint14,0.2)
        sim.setJointTargetVelocity(revolute_joint13,0.2)
    elseif(grasp_flag==0) then // 如果放的按钮为真,我们给手指所有的joint传一个负目标速度,手指展开。
        sim.setJointTargetVelocity(lThumbBase,-0.3)
        sim.setJointTargetVelocity(lLFingerBase,-0.3)
        sim.setJointTargetVelocity(lRFingerBase,-0.3)

        sim.setJointTargetVelocity(revolute_joint8,-0.3)
        sim.setJointTargetVelocity(revolute_joint12,-0.6)
        sim.setJointTargetVelocity(revolute_joint11,-0.6)

        sim.setJointTargetVelocity(revolute_joint14,-0.3)
        sim.setJointTargetVelocity(revolute_joint13,-0.3)
    else // 否则,手指速度设置为0,锁住。
        sim.setJointTargetVelocity(lThumbBase,0)
        sim.setJointTargetVelocity(lLFingerBase,0)
        sim.setJointTargetVelocity(lRFingerBase,0)

        sim.setJointTargetVelocity(revolute_joint8,0)
        sim.setJointTargetVelocity(revolute_joint12,0)
        sim.setJointTargetVelocity(revolute_joint11,0)

        sim.setJointTargetVelocity(revolute_joint14,0)
        sim.setJointTargetVelocity(revolute_joint13,0)
    end
    position=minDeg[1]+simUI.getSliderValue(ui,1)/100*(maxDeg[1]-minDeg[1]) // 获得滑动条的值,加以计算,求得对应的目标角度值。
    sim.setJointTargetPosition(lElbowRoll3,-position)  
    position=minDeg[2]+simUI.getSliderValue(ui,2)/100*(maxDeg[2]-minDeg[2])
    sim.setJointTargetPosition(lElbowYaw3,-position)
    position=minDeg[3]+simUI.getSliderValue(ui,3)/100*(maxDeg[3]-minDeg[3])
    sim.setJointTargetPosition(lShoulderPitch3,position)
    position=minDeg[4]+simUI.getSliderValue(ui,4)/100*(maxDeg[4]-minDeg[4])
    sim.setJointTargetPosition(lShoulderRoll3,position)
    --if(simUI.getWidgetVisibility(ui,5)) then
        --sim.setJointTargetVelocity(lThumbBase,1)
    --end
end 

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
VR(Virtual Reality)即虚拟现实,是一种可以创建和体验虚拟世界的计算机技术。它利用计算机生成一种模拟环境,是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真,使用户沉浸到该环境中。VR技术通过模拟人的视觉、听觉、触觉等感觉器官功能,使人能够沉浸在计算机生成的虚拟境界中,并能够通过语言、手势等自然的方式与之进行实时交互,创建了一种适人化的多维信息空间。 VR技术具有以下主要特点: 沉浸感:用户感到作为主角存在于模拟环境中的真实程度。理想的模拟环境应该使用户难以分辨真假,使用户全身心地投入到计算机创建的三维虚拟环境中,该环境中的一切看上去是真的,听上去是真的,动起来是真的,甚至闻起来、尝起来等一切感觉都是真的,如同在现实世界中的感觉一样。 交互性:用户对模拟环境内物体的可操作程度和从环境得到反馈的自然程度(包括实时性)。例如,用户可以用手去直接抓取模拟环境中虚拟的物体,这时手有握着东西的感觉,并可以感觉物体的重量,视野中被抓的物体也能立刻随着手的移动而移动。 构想性:也称想象性,指用户沉浸在多维信息空间中,依靠自己的感知和认知能力获取知识,发挥主观能动性,寻求解答,形成新的概念。此概念不仅是指观念上或语言上的创意,而且可以是指对某些客观存在事物的创造性设想和安排。 VR技术可以应用于各个领域,如游戏、娱乐、教育、医疗、军事、房地产、工业仿真等。随着VR技术的不断发展,它正在改变人们的生活和工作方式,为人们带来全新的体验。
VR(Virtual Reality)即虚拟现实,是一种可以创建和体验虚拟世界的计算机技术。它利用计算机生成一种模拟环境,是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真,使用户沉浸到该环境中。VR技术通过模拟人的视觉、听觉、触觉等感觉器官功能,使人能够沉浸在计算机生成的虚拟境界中,并能够通过语言、手势等自然的方式与之进行实时交互,创建了一种适人化的多维信息空间。 VR技术具有以下主要特点: 沉浸感:用户感到作为主角存在于模拟环境中的真实程度。理想的模拟环境应该使用户难以分辨真假,使用户全身心地投入到计算机创建的三维虚拟环境中,该环境中的一切看上去是真的,听上去是真的,动起来是真的,甚至闻起来、尝起来等一切感觉都是真的,如同在现实世界中的感觉一样。 交互性:用户对模拟环境内物体的可操作程度和从环境得到反馈的自然程度(包括实时性)。例如,用户可以用手去直接抓取模拟环境中虚拟的物体,这时手有握着东西的感觉,并可以感觉物体的重量,视野中被抓的物体也能立刻随着手的移动而移动。 构想性:也称想象性,指用户沉浸在多维信息空间中,依靠自己的感知和认知能力获取知识,发挥主观能动性,寻求解答,形成新的概念。此概念不仅是指观念上或语言上的创意,而且可以是指对某些客观存在事物的创造性设想和安排。 VR技术可以应用于各个领域,如游戏、娱乐、教育、医疗、军事、房地产、工业仿真等。随着VR技术的不断发展,它正在改变人们的生活和工作方式,为人们带来全新的体验。
基于GPT-SoVITS的视频剪辑快捷配音工具 GPT, 通常指的是“Generative Pre-trained Transformer”(生成式预训练转换器),是一个在自然语言处理(NLP)领域非常流行的深度学习模型架构。GPT模型由OpenAI公司开发,并在多个NLP任务上取得了显著的性能提升。 GPT模型的核心是一个多层Transformer解码器结构,它通过在海量的文本数据上进行预训练来学习语言的规律。这种预训练方式使得GPT模型能够捕捉到丰富的上下文信息,并生成流畅、自然的文本。 GPT模型的训练过程可以分为两个阶段: 预训练阶段:在这个阶段,模型会接触到大量的文本数据,并通过无监督学习的方式学习语言的结构和规律。具体来说,模型会尝试预测文本序列中的下一个词或短语,从而学习到语言的语法、语义和上下文信息。 微调阶段(也称为下游任务训练):在预训练完成后,模型会被应用到具体的NLP任务中,如文本分类、机器翻译、问答系统等。在这个阶段,模型会使用有标签的数据进行微调,以适应特定任务的需求。通过微调,模型能够学习到与任务相关的特定知识,并进一步提高在该任务上的性能。 GPT模型的优势在于其强大的生成能力和对上下文信息的捕捉能力。这使得GPT模型在自然语言生成、文本摘要、对话系统等领域具有广泛的应用前景。同时,GPT模型也面临一些挑战,如计算资源消耗大、训练时间长等问题。为了解决这些问题,研究人员不断提出新的优化方法和扩展模型架构,如GPT-2、GPT-3等,以进一步提高模型的性能和效率。
### 回答1: v-rep 作为一款强大的机器人仿真软件,可以与 MATLAB 进行良好的联动。通过 MATLAB 脚本,我们可以实现对 v-rep 中的机器人、传感器等组件的控制。其中,抓取物体是机器人工作中常见的操作之一,在 v-rep 中,我们可以通过编写 MATLAB 脚本来实现机器人对某个物体的抓取。 首先,我们需要在 v-rep 界面中创建一个可抓取的物体,这个物体可以是一个方块、一个球体甚至是一个复杂的物体组合体。接下来,在 MATLAB 中编写代码,实现机器人对物体的抓取。下面是一段示例代码,实现机器人在视野中识别物体并抓取的过程: ``` % 搜索可抓取物体 sim.simxGetStringSignal(clientID,'vision_sensor1',sim.simx_opmode_streaming); [obj_name,~,~,~] = sim.simxReadStringSignal(clientID,'vision_sensor1',sim.simx_opmode_buffer); while isempty(obj_name) [obj_name,~,~,~] = sim.simxReadStringSignal(clientID,'vision_sensor1',sim.simx_opmode_buffer); end % 抓取物体 [res,obj_handle] = sim.simxGetObjectHandle(clientID,obj_name,sim.simx_opmode_oneshot_wait); [res,position] = sim.simxGetObjectPosition(clientID,obj_handle,-1,sim.simx_opmode_streaming); [res,orientation] = sim.simxGetObjectOrientation(clientID,obj_handle,-1,sim.simx_opmode_streaming); target_position = [position(1) position(2) position(3)+0.1]; sim.simxSetObjectPosition(clientID,obj_handle,-1,target_position,sim.simx_opmode_oneshot); gripper_handle = sim.simxGetObjectHandle(clientID,'Pioneer_p3dx_gripperClose_joint',sim.simx_opmode_oneshot_wait); [res,gripper_state] = sim.simxGetJointPosition(clientID,gripper_handle,sim.simx_opmode_streaming); while gripper_state < 0.04 sim.simxSetJointTargetPosition(clientID,gripper_handle,0.05,sim.simx_opmode_oneshot); [res,gripper_state] = sim.simxGetJointPosition(clientID,gripper_handle,sim.simx_opmode_streaming); end ``` 该代码首先搜索视野中的物体,并获取其句柄。随后,机器人将夹爪移动到物体上方,将夹爪闭合并锁定物体。最终,机器人可以将物体移动到其他位置。需要说明的是,该代码仅供参考,具体实现取决于具体情况和要求。 总之,通过结合 v-rep 和 MATLAB 的强大特性,我们可以很方便地实现机器人对物体的抓取。同时,这也是机器人自主操作和控制的重要一环。 ### 回答2: v-rep matlab抓取物体的代码需要分为两部分:v-rep场景中的模型控制和matlab程序控制。 一、通过v-rep场景模型控制实现物体抓取。 1. 编辑v-rep场景,添加机械臂和需要抓取的物体。 2. 给机械臂添加控制器实现运动控制,例如:路径规划运动、关节空间控制、任务空间控制等。 3. 编写模型脚本,添加物体的碰撞检测、力传感器、夹爪等。 4. 配置碰撞检测和力传感器,实现物体抓取的强度控制和感知控制。 二、通过matlab程序控制实现物体抓取。 1. 编写matlab脚本,连接v-rep场景中的机械臂和物体。 2. 配置机械臂和物体的关节角度、位置和速度等参数,实现物体抓取和移动。 3. 设置夹爪的力量控制和位置控制控制物体的紧握和放松。 4. 添加传感器并读取传感器数据,获取物体的位置、速度和力信息,并进行处理。 通过v-rep场景模型控制和matlab程序控制的双重控制,可以实现物体抓取的智能控制。可以通过不断优化程序和模型,提高物体抓取的效率和精度。 ### 回答3: v-rep与Matlab合作的抓取物体代码,必须要细分为三个部分:V-rep的场景设置、Matlab的串口通信和Matlab的控制算法。 在V-rep的场景设置中需要给每个需要被抓取的物体增加触发器,以便于Matlab的算法知道该物体当前的位置及状态信息,同时需要设置机械臂的起始点,以及运动的终点和轨迹规划方式。 在Matlab中需要使用串口通信模块与v-rep建立2种方式的通信,以获取目标物体的位置和状态信息,并控制机械臂的运动,其中一种方式是用Matlab提供的内置Serial Port工具箱进行串口通信,而另一种方式是使用v-rep自带的ROS插件,进行机器人控制和接口信息的实现。 最后是Matlab的控制算法,其中包括将得到的物体位置信息转换成机器人可以理解的控制量,将机械臂移动到指定位置的轨迹规划算法,以及控制机械臂的低级控制算法等等。 总的来说,v-rep matlab抓取物体代码的设计思路主要包括场景设置、串口通信和机器人控制、算法的设计。只有对这三个方面进行完善的设置和实现,才能够实现更加准确的机械臂抓取物体的工作。

“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