- 博客(43)
- 资源 (1)
- 收藏
- 关注
原创 C++基础与深度解析01——函数基本组成+函数传参的三种方法
C++基础与深度解析系列,适合上过C++基础课程,但是想更多了解原理和进行实际操作的学习者。
2023-07-15 23:26:09
585
1
原创 VINS学习02——VINS系列代码所有依赖库安装(保姆级)
在学习视觉SLAM过程中,先后用了VINS_mono,VINS_Fusion,Omni_swarm,因为是第一次做视觉相关定位,所以大部分库都是第一次装,中间还从虚拟机换到双系统,意识到记录的重要行性,所以在此记录安装相关依赖库的教程。环境: Ubuntu18.04
2022-12-05 16:42:09
2111
1
原创 VINS学习03——使用Realense_D435i运行Vins_Fusion
跑了一下VINS_Fusion自带的demo,用的是几个常用的开源数据集,这篇文章主要是将VINS_Fusion用在自己的实验室设备上,在进行前期参数标定、config文件修改、几种方法对比、精度验证过程中对算法有更深次理解,也方便后期开展。
2022-11-09 16:28:15
2137
7
原创 VINS学习01——VINS_Fusion官方教程翻译解读
VINS_Fusion 是一个基于优化的多传感器融合定位算法,由港科大开源,在VINS_Fusion基础上改进。融合传感器包括:IMU,双目相机,GPS
2022-11-08 16:32:50
2829
1
原创 3D激光雷达SLAM算法学习01——3D激光SLAM整体框架
结合个人毕业设计和日后发展方向,开始学习3D激光雷达的相关感知算法,预计SLAM(定位和建图)开始,本篇给出简单的框架和绪论。
2022-10-20 18:48:41
1295
原创 ros_navigaiton③ ——里程计信息&基座控制器
1.官方链接https://wiki.ros.org/cn/navigation/Tutorials/RobotSetup/Odom2.主要学习内容了解里程计的数据形式,并且写发布里程计的话题。nav_msgs/Odometry 格式Header headerstring child_frame_idgeometry_msgs/PoseWithCovariance posegeometry_msgs/TwistWithCovariance twist3.学习过程记录1)要添加依赖
2021-10-14 10:22:33
330
原创 ros——navigation学习② 传感器信息
1.官网教程链接(一定要看!!不然不知道我在说啥)https://wiki.ros.org/cn/navigation/Tutorials/RobotSetup/Sensors2.主要内容ros下导航功能包接收的两种传感器数据格式sensor_msgs/LaserScan和sensor_msgs/PointCloud的消息发布代码案例。https://wiki.ros.org/sensor_msgs包含传感器信息格式3.学习过程记录1)在完成laserscan的消息发布之后,我运行了
2021-10-12 16:17:36
216
原创 ros_navigation学习①机器人配置TF
1.官网链接https://wiki.ros.org/cn/navigation/Tutorials/RobotSetup/TF2.内容简述学习编写关于tf格式的消息发布和接收节点3.学习重点①代码中是如何调用的ros、tf 、boost②代码中编写函数和发布消息的结构和函数语句4.其他rostopic list可以查看所有话题名称rostopic echo /tf...
2021-10-12 14:06:08
163
原创 11UR10轨迹规划与仿真————————————ROS下UR10驱动→matlab处理rosbag数据
完成ROS和ur10实物机器人的通信→控制ur10进行运动→采集数据→matlab进行数据分析
2021-03-19 15:24:09
1080
3
原创 01视觉伺服理论学习
0.摘要六自由度机械臂视觉伺服控制的理论学习参考书籍《机器人学建模规划与控制》《机器人建模和控制Spong》1.视觉伺服相关概念1) 定义:基于视觉测量反馈的控制特称为视觉伺服控制2)分类:①反馈信号基于位置的视觉伺服、基于图像的视觉伺服、混合视觉伺服基于位置的视觉伺服:用视觉测量重构了目标从参考于机器人的相对位姿基于图像的视觉伺服:基于当年目标图像特征参数与期望目标位姿特征参数的比较②相机个数两个或者两个以上相机一个相机在不同姿态拍摄的两幅图像(精度较低但是易于标定)③相
2021-03-16 15:09:17
2857
2
原创 04论文阅读与分享————2020年IEEE_六自由度机械臂轨迹规划调研
2020年IEEE上关于六自由度轨迹规划机械臂的相关论文调研同样我会把超链接版本上传到资源
2021-03-14 10:46:20
1605
1
原创 10轨迹规划仿真————用moveit的c++API控制UR10机械臂做gazebo圆弧轨迹规划的物理仿真
用moveit的C++编程接口控制UR10做物理仿真,理论是这样,但是我这是半篇文章,因为我没有把bug调完~等我调完我的bug(要是我可以的话),会把文件夹架构一起书写完成
2021-03-13 16:54:43
2059
2
原创 ROS系统01:Rviz下机器人末端轨迹显示
1.设置方法这个我之前一个超级复杂的,就是订阅/trajectory然后绘制机器人末端是可以直接显示的点击displays工具条左下角add,添加robotModel找到links点开找到最后一个link勾选show trail2.常见问题就是你看起来勾选了,然后你也看见机械臂在rviz中动了,但是没有终端轨迹,无论是因为你用的是gui界面还是C++API接口,原因都是,你只完成了plan,没有完成execute3.截图命令行然后Ubuntu终端截图,自选区域的命令行gnome-sc
2021-03-11 15:14:18
3182
1
原创 03论文阅读与分享————2020年中国知网六自由度机器人轨迹规划相关论文统计
在此无名感谢我的博士师兄,让我统计10年来知网和IEEE上六自由度机器人轨迹规划相关研究!我觉得先把2020年的中文论文分享给的大家,毕竟我不一定能活到都统计完~ 此次,文章中每一篇文章我写了创新点和基本方法,都是基于我本来的理论学习,进行理解和总结,是片面而短浅的,希望有不同意见的同学见谅~ 重点在这! 重点在这! 重点在这! 我会在资源中同步上传word文档,是有超链接的,你可以直接打开文章的知网页面哦!
2021-03-11 09:52:28
2622
原创 09轨迹规划仿真————Gazebo+ros_control+moveit实现UR10机械臂的物理仿真
ROS下使用moveit+gazebo实现物理仿真啊!我要下班了,我得赶紧写完,要不然我就要被学长拽走了,明早我可能就不记得了
2021-03-10 22:53:01
1741
4
原创 08轨迹规划仿真————— 轨迹规划终端路径实时显示
0.前言我在上一篇博文07轨迹规划仿真中实现PTP的轨迹规划,并且把圆弧轨迹规划的坑挖好了,但是我一直很难受的地方就是终端的轨迹显示,我之前解释了我实习UR10moveit控制的方式,是使用官方panda的教程进行修改,但是panda的教程是可以用绿色轨迹线显示轨迹的,这篇blog我想处理一下这个问题。感谢博主的文章,激发我的灵感https://blog.csdn.net/gophae/article/details/1085143361.解读参考博客的代码#include <ros/r
2021-02-23 11:44:34
1535
1
原创 02论文分享与分析——基于ROS的移动机械臂底层规划及运动仿真
钱伟学长的论文在我学习轨迹规划初期就开始阅读,在学习过程中,也对于很多疑惑的问题,找寻到了答案,在我学习ROS系统结构,插值,RRT算法,过程中都有非常大的帮助!对于论文中的很多内容,我还是不能完全体会,借此机会,梳理学长的论文内容,也分享给大家。
2021-02-18 19:41:22
2276
3
原创 07轨迹规划仿真 ——————ROS下UR10机器人实现直线和圆弧笛卡尔空间轨迹规划
0.前言以下引用:摘自两个月前我的笔记但是我已经都不记得啥了,加上我当时仿真用的是UR5,但是我现在仅有一台UR10,你可以先将前言部分划过,往下看。我本篇blog主要内容是:ROS下Rviz联合Momeit实现UR10机器人的直线和圆弧轨迹规划如果你在实现过程出现bug,可以去看我上边的笔记摘抄,应该有大部分bug的处理方法,希望今天我不会再一次处理他们。2020/12月轨迹规划学习笔记一、直线轨迹规划的实现1.思路:通过moveit的官方文档,实现ur5机器人在rviz+moveit下的
2021-02-15 19:59:05
5793
4
原创 01论文阅读与分享------粒子群算法求解机器人逆运动学的多目标优化问题
[1]刘洋.基于多目标粒子群算法的机器人逆运动学求解方法[J].现代计算机,2020(10):13-17.0.摘要采用多目标优化的方式,提出基于多目标粒子群算法的机器人逆运动学求解方法,可以同时实现对位置精度和姿态精度的控制。1.逆运动学求解常用方法逆运动学求解算法包括:解析法和数值法解析法:在我之前的blog中有详细的公式和代码大多参考文献说解析法的效果不好,尤其是对自由度高的机械臂,但是也许是我对ur10的仿真过于不刁钻,我现在还未发现这个问题https://blog.csdn.ne.
2021-02-13 20:10:56
2468
2
原创 06轨迹规划基础 ------微分运动学
本篇文章讲解微分运动学的主要内容,关键是两种雅克比矩阵的定义/计算,以及其对于正/逆运动学的作用,使用其求解机械臂奇异点的方法,文中还给出了六个转动关节的机械臂基于DH参数已知情况下的雅克比矩阵和奇异点。
2021-02-08 12:14:02
1341
2
原创 05轨迹规划基础 ----笛卡尔空间轨迹规划插值代码
0.前言我今早陷入了沉思,我想不起自己为啥要写一个逆运算包括今天这个笛卡尔空间位置和姿态插值的代码了,我在VS2019里进行仿真也不现实,我想用matlab仿真那为啥不用matlab语言写,更何况我的毕设是在ros平台下仿真的!但是我后来顿悟了,我是为了了解笛卡尔空间轨迹规划过程中的插值原理,尤其是四元数用于姿态的插值!我最终探讨的问题是:如何实验笛卡尔空间下直线和圆弧的轨迹规划并且在关节空间保证速度、加速度、加加速度的光滑!PS:如果你不在乎原理,建议直接打开ROS 的 catkin_UR功能
2021-01-30 16:05:25
5176
5
原创 04轨迹规划基础----正逆运动学的C++代码编写
1.摘要文章的主要内容是,编写C++代码,实现六轴机械臂的正运动学运算(输入为DH和,输入为关节角度,输出为T6 )和逆运动学求解(输入为T6,输出为关节角度),当然这个代码是很基础的,可能十几年前网上就有成熟的了,当然你也可以用我下边粘贴的代码。2.DH参数表...
2021-01-27 19:59:37
6995
7
原创 03轨迹规划基础---笛卡尔空间位姿插值
1、欧拉插值把旋转矩阵R表示成欧拉角,那么每个时刻的位姿就可以表示成三个角度,我们每两个节点之间对三个角度值分别进行插值,我们看起来就是每两个节点剑斗士绕三个轴依次旋转,每次旋转是按照其中一个角度值的插值,这也是他的缺点就是看起来比较繁琐,冗余的运动成分大,经济性很差...
2021-01-19 18:59:31
2367
原创 02轨迹规划基础---四元数的位姿表示
因为我个人是做六轴机械臂轨迹规划,所以大部分学习和博客重点与此有关。本篇文章主要讲述四元数的定义数学基础(没有推导只有公式结果)、四元数是如何表示旋转位姿,四元数表示位姿在轨迹规划过程中的插值方法、四元数的优缺点(主要是优点)。
2021-01-16 16:27:50
3627
原创 01轨迹规划基础--笛卡尔空间位姿表示
1.1位置描述一般来说空间中一个末端的位置和姿态分为位置和姿态两部分位置:就是直接用x,y、z三个坐标来表示。如下图1.2姿态描述1.2.1RPY旋转1.2.2欧拉旋转我们以下重点讨论姿态的表示方法,在下文会对其分别进行插值探讨和RPY旋转的对比1.2.3单轴旋转1.2.4双轴旋转1.2.5四元数这个位置我明天会单独发一篇帖子,因为是一个比较系统的内容1.3DH参数表示方法DH参数表可以进行关节空间和笛卡尔空间的转换计算DH参数法表示的是机械手第i个关节和第i-1个关
2021-01-15 16:45:43
3096
原创 ROS下驱动真实UR10机器人
1.他人博客经验分享roslaunch ur_modern_driver ur10_bringup.launch limited:=true robot_ip:=IP_OF_THE_ROBOT [reverse_port:=REVERSE_PORT](备注:IP_OF_THE_ROBOT需要替换成UR5机械臂本体的静态地址192.168.1.110)roslaunch ur_modern_driver ur10_bringup.launch limited:=true robot_ip:=192.1
2021-01-03 20:09:11
1281
2
原创 吴恩达老师深度学习笔记第四课第二周
深度卷积网络实例探究2.1为什么要进行实例探究通过研究别人神经网络的架构,是一个学习深度学习不错的方法接下来学习的几种典型的networksLeNet-5AlexNetVGGResNet残差网络Inception2.2经典网络LeNet-5介绍:针对灰度图像处理,大约有6万参数AlexNet介绍:AlexNet包含约6000万个参数,当用于训练图像和数据集时,Alex...
2020-03-20 14:09:53
440
原创 吴恩达老师深度学习笔记第三课第二周
结构化机器学习2.1进行误差分析①(定义)错误分析:通过对网络分析,找到问题,使网络达到自己想要的效果②举例(猫分类)你的分类猫的系统错误率达到10%,你发现错误识别中有很多狗,被错认为猫这时,你可以选择直接通过一些办法来解决狗的问题但是更好的做法是,先找到狗的错误识别的“表现上限”,先找100张错误识别(注意:是在验证集里),如果里边有5张是狗,那么意味着狗的“表现上限”就是5%。这...
2020-03-15 11:18:39
210
原创 吴恩达老师深度学习第三课第一周笔记
第三课:结构化机器学习项目1.1为什么是ML策略什么是机器学习策略当识别猫的系统准确率不够高问题在于:如果你选择的方法不正确,找不准问题的方向,最终一事无成课程内容就是希望通过对机器学习的分析,避免南辕北辙的问题1.2正交化正交化:就是(清楚明白应该)调整什么,来实现预期的效果1)四个在深度学习中必备的事(确保四件事准确无误)确保至少训练组运行良好(训练组的运行情况需要进行一些...
2020-03-13 17:32:54
286
原创 吴恩达老师深度学习笔记第二课(第三周)
第三周超参数调整,Batch正则化和程序框架3.1调试处理对于超参数而言,你要如何找到一套好的设定呢?分享一些指导原则,一些关于如何系统地组织超参数调试过程的技巧。如何使用mpmentum或Adam的优化算法的参数,α,β β1,β2,ε,#layers,#hidden limits,learning rate decay,你可能需要选择Mini-batch,结果证实,一些超参数比其他的更为...
2020-03-10 19:13:24
312
原创 吴恩达老师深度学习笔记第二课(第二周)
第二周优化算法2.1Mini_batch梯度下降算法①向量化可以让你相对较快的处理所有m个样本,但是如果m很大,处理速度仍然缓慢②传统的梯度下降算法,需要先处理所有数据,然后进行下一步梯度下降算法把训练集分割成小一点的子训练集,这些子集取名为Mini_batch(然后每处理一个子集,就把他传下去进行下一步梯度下降算法),同样也要拆分y训练集。③我的理解:就是不再把所有数据向量化一个大向量...
2020-03-09 18:05:28
448
原创 吴恩达老师深度学习笔记第二课第一周
第一周深度学习的实践层面1.1训练_开发_测试集主要内容:对训练集测试集和验证集的定义,生成和作用的介绍训练(train)集:训练模型验证集(Dev set):验证训练集产生的模型哪一个更好测试集(test set):用来评估最后产生的模型(可以没有)注意事项:尽量保证测试集和验证集来自同一分布1.2偏差_方差主要内容:通过分析训练误差和验证误差来分析偏差和方差的高低1.3...
2020-03-08 22:30:56
331
Robotics Toolbox.pdf
2021-01-29
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人