MocoTrack接口使用教程_osim文件详解-CSDN博客

本文链接：https://blog.csdn.net/weixin_50084948/article/details/141392906

MocoTrack可以使用采集到的标记点数据作为追踪目标，MocoInverse使用预设的关节角度坐标运动值数据。两者都可以配置选择使用关节扭矩作为控制量，还是肌肉作为控制量，如果使用肌肉，就需要对肌肉进行相应的一些配置。

用到的几个数据文件进行说明：

subject_walk_scaled.osim：肌肉骨骼模型文件

grf_walk.xml：地反力的配置文件，内部包含了grf_walk.mot的数据文件

marker_trajectories.trc：运动学数据，标记点的数据，里面包含了各个mark标记点的名称

高级用法的例子中

subject_walk_scaled_FunctionBasedPathSet.xml：每一条肌肉长度路径多项式函数的系数参数

coordinates.sto：也可以使用关节坐标数据作为，追踪的目标的运动学数据

# 第一个例子，基本用法，没有使用肌肉，使用关节扭矩追踪采集到的标记点的轨迹
# 第二个例子，更高级的功能，配置肌肉的参数，跟踪关节坐标问题，使用coordinates.sto
import os
import opensim as osim

def torqueDrivenMarkerTracking():

    # MocoTrack实例化
    track = osim.MocoTrack()
    # 配置对象名字
    track.setName("torque_driven_marker_tracking")

    # 使用ModelProcessor加载.osim肌肉骨骼模型
    modelProcessor = osim.ModelProcessor("subject_walk_scaled.osim")
    # 将地反力数据添加到模型中
    modelProcessor.append(osim.ModOpAddExternalLoads("grf_walk.xml"))
    # 移除模型ForceSet中的所有肌肉
    modelProcessor.append(osim.ModOpRemoveMuscles())
    # 将坐标执行器(CoordinateActuators)添加到模型的自由度上
    # 骨盆坐标已有坐标执行器(CoordinateActuators)，本操作忽略骨盆坐标
    modelProcessor.append(osim.ModOpAddReserves(250.0, 1.0))
    # 将配置完成的模型选项给到MocoTrack的实例中
    track.setModel(modelProcessor)
    # 将TRC文件中的采集的mark点作为参考轨迹，mark点数据6Hz低通滤波，原文件mm单位将转换成米
    track.setMarkersReferenceFromTRC("marker_trajectories.trc")

    # trc中包含手臂的手臂标记点，而模型中没有，设置以避免报错。
    track.set_allow_unused_references(True)

    # 增加全局标记点的权重到10，修改MocoMarkerTrackingCost参数
    # global_tracking是那些点，可查看源代码
    track.set_markers_global_tracking_weight(10)


    # 增加骨标志位上的mark标记点的跟踪权重
    markerWeights = osim.MocoWeightSet()
    markerWeights.cloneAndAppend(osim.MocoWeight("R.ASIS", 20))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.ASIS", 20))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.PSIS", 20))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.PSIS", 20))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.Knee", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.Ankle", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.Heel", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.MT5", 5))
    markerWeights.cloneAndAppend(osim.MocoWeight("R.Toe", 2))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.Knee", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.Ankle", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.Heel", 10))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.MT5", 5))
    markerWeights.cloneAndAppend(osim.MocoWeight("L.Toe", 2))
    track.set_markers_weight_set(markerWeights)

    # 设置起始时间，终点时间和时间间隔，单位为秒
    track.set_initial_time(0.48)
    track.set_final_time(1.61)
    track.set_mesh_interval(0.02)

    # 使用solveAndVisualize函数求解并显示仿真界面
    solution = track.solveAndVisualize()

def muscleDrivenStateTracking():

    # MocoTrack 实例化
    track = osim.MocoTrack()
    # 设置对象名称 muscle_driven_state_tracking
    track.setName("muscle_driven_state_tracking")

    # 构造一个ModelProcessor并加载模型
    modelProcessor = osim.ModelProcessor("subject_walk_scaled.osim")
    # 将地反力数据添加到模型中
    modelProcessor.append(osim.ModOpAddExternalLoads("grf_walk.xml"))
    # 关闭模型中所有肌肉的肌腱顺应性，替换成DeGrooteFregly2016Muscles的类型
    modelProcessor.append(osim.ModOpIgnoreTendonCompliance())
    modelProcessor.append(osim.ModOpReplaceMusclesWithDeGrooteFregly2016())
    # 只有DeGrooteFregly2016Muscles类型的肌肉，才需要忽略 passiveFiberForce
    modelProcessor.append(osim.ModOpIgnorePassiveFiberForcesDGF())
    # 只有DeGrooteFregly2016Muscles，
    modelProcessor.append(osim.ModOpScaleActiveFiberForceCurveWidthDGF(1.5))

    # 对肌肉路径使用基于函数的表示，有助于加速收敛，如果使用原始的肌肉路径，模型中设置基于function的路径
    # 给出关节坐标角度值的变化与肌肉长度的关系
    # 定义输入关节坐标角度为自变量，以多元多项式函数求出因变量肌肉长度，一个自由度对应一个自变量
    # 参考例子：examplePolynomialPathFitter.py
    # 基于函数的肌肉路径添加到模型中
    modelProcessor.append(osim.ModOpReplacePathsWithFunctionBasedPaths(
            "subject_walk_scaled_FunctionBasedPathSet.xml"))
    
    track.setModel(modelProcessor)

    # 构造一个TableProcessor，并加载关节坐标数据，TableProcessors可以添加TableOperators来配置和更改
    track.setStatesReference(osim.TableProcessor("coordinates.sto"))

    # 默认情况下，运动学数据包含额外的列，Moco会报错。
    # 在这里，告诉Moco允许（并忽略）这些额外的列。
    track.set_allow_unused_references(True)

    # 由于.sto文件中只有坐标位置数据，因此启用此设置可以使用位置的导数作为坐标速度数据。
    track.set_track_reference_position_derivatives(True)

    # 初始时间0.48s,终止时间1.61s,间隔为0.02s.
    track.set_initial_time(0.48)
    track.set_final_time(1.61)
    track.set_mesh_interval(0.02)

    # 使用initialize()函数，获取一个MocoStudy对象，然后对MocoStudy对象进行自定义。
    study = track.initialize()

    # 默认情况下,参考的MocoControlCost自动添加到每个MocoTrack问题中
    problem = study.updProblem()
    # 将出力大小设置为控制成本之一，权重系数为0.1，
    effort = osim.MocoControlGoal.safeDownCast(problem.updGoal("control_effort"))
    effort.setWeight(0.1)

    # 将很大的权重设置给骨盆坐标执行器，它作为残余力或“上帝之手”，我们希望尽可能地减小这些力。
    model = modelProcessor.process()
    model.initSystem()
    forceSet = model.getForceSet()
    for i in range(forceSet.getSize()):
        forcePath = forceSet.get(i).getAbsolutePathString()
        if 'pelvis' in str(forcePath):
            effort.setWeightForControl(forcePath, 10)


    # 设置约束，初始时间点的肌肉激活，等于初始的肌肉兴奋值
    problem.addGoal(osim.MocoInitialActivationGoal('initial_activation'))

    # 更新求解器的误差tolerance
    solver = osim.MocoCasADiSolver.safeDownCast(study.updSolver())
    solver.set_optim_convergence_tolerance(1e-3)
    solver.set_optim_constraint_tolerance(1e-4)
    
    # 求解并可视化
    solution = study.solve()
    study.visualize(solution)


# 求解扭矩驱动的标记追踪问题
# 移除模型ForceSet中的所有肌肉，使用自由度的执行器用来替换
torqueDrivenMarkerTracking()

# 求解肌肉驱动的标记追踪问题
# 使用DeGrooteFregly2016Muscles肌肉，设置肌肉长度路径等参数
muscleDrivenStateTracking()