【精选】python机器人库（robotics |
您所在的位置：网站首页 › universal机械手 › 【精选】python机器人库（robotics |
【精选】python机器人库（robotics
|
python机器人库（robotics-toolbox-python）的运用
Python 机器人库的运用 文章目录 python机器人库（robotics-toolbox-python）的运用前言一、相关概要二、必要的库的安装1.创建机械臂模型2.正逆运动的实现 DH参数三、总结 前言找了半天发现网上关于python机器人库的资料很少，而目前我的项目要用到相关的东西，查询官网过后总结一下。 一、相关概要这个工具箱为 Python 带来了机器人特定的功能，并利用 Python 的可移植性、普遍性和支持性的优势，以及线性代数（numpy、scipy）、图形（matplotlib、three.js、WebGL）的开源生态系统的能力，交互式开发（jupyter、jupyterlab、mybinder.org）和文档（sphinx）。 工具箱提供了用于表示串行链接机械手的运动学和动力学的工具 - 您可以轻松地以 Denavit-Hartenberg 形式创建自己的工具，导入 URDF 文件，或使用来自 Franka-Emika 的 30 多种提供的知名当代机器人模型， Kinova、Universal Robotics、Rethink 以及 Puma 560 和 Stanford arm 等经典机器人。 该工具箱还将支持具有机器人运动模型（独轮车、自行车）、路径规划算法（bug、距离变换、D*、PRM）、运动动力学规划（晶格、RRT）、定位（EKF、粒子滤波器）等功能的移动机器人，地图构建 (EKF) 和同时定位和映射 (EKF)。 工具箱提供： 成熟的代码，为相同算法的其他实现提供一个比较点； 例程通常以简单明了的方式编写，易于理解，但可能以牺牲计算效率为代价； 可供学习和教学阅读的源代码； 与 Robotics Toolbox for MATLAB 的向后兼容性 该工具箱利用Python 的空间数学工具箱来提供对 SO(n) 和 SE(n) 矩阵、四元数、扭曲和空间向量等数据类型的支持 二、必要的库的安装 需要 Python >= 3.6spatialmath-pythonnumpynumpy-stlvpython（这个库确实不知道怎么安装，但是安装不上也不影响后续，如果有知道到的可以，一起交流）python机器人工具箱 % git clone https://github.com/petercorke/robotics-toolbox-python.git % cd robotics-toolbox-python % pip install -e . 1.创建机械臂模型步骤一：在模型库里面创建一个名为’MYROBOT.py’的文件，其中MYROBOT是机器人的描述性名称，它是一个有效的文件名和Python类名。 E:\pyproject\defecate\robotics-toolbox-python\roboticstoolbox\models\DH\MYROBOT.py这是我的地址 步骤二：加载库 from math import pi import numpy as np from roboticstoolbox import DHRobot, RevoluteDH, PrismaticDH, RevoluteMDH, PrismaticMDH最后一行很重要，它定义了所有可能的类的可能。不会全部使用它们，为了保持整洁，你可以删除那些你不用的。这就是他们的目的； ‘RevoluteDH’用于使用标准DH参数的转动关节 ‘PrismaticDH’用于使用标准DH参数的移动关节 ‘RevoluteMDH’用于使用MDH参数的转动关节 ‘PrismaticMDH’用于使用MDH参数的移动关节 步骤三：描述机械臂，记录下使用的单位、DH参数以及对模型来源的引用。 class MYROBOT(DHRobot): """ Create model of MYROBOT manipulator KR5()是一个用标准DH约定对Kuka KR5机器人建模并描述其运动学特征的类。 . 定义的关节构型为: qk1，公称工作位置1 qk2，公称工作位置2 qk3，公称工作位置3. :notes: .使用国际计量单位米 .包括一个11.5厘米的工具在z方向 . :references: . . . """步骤四：在’init_’，通过创建适当的链接类的实例来定义一组链接变量 def __init__(self): deg = pi/180 L0 = RevoluteDH( d=0, # link length (Dennavit-Hartenberg notation) a=0, # link offset (Dennavit-Hartenberg notation) alpha=pi/2, # link twist (Dennavit-Hartenberg notation) I=[0, 0.35, 0, 0, 0, 0], # inertia tensor of link with respect to # center of mass I = [L_xx, L_yy, L_zz, # L_xy, L_yz, L_xz] r=[0, 0, 0], # distance of ith origin to center of mass [x,y,z] # in link reference frame m=0, # mass of link Jm=200e-6, # actuator inertia G=-62.6111, # gear ratio B=1.48e-3, # actuator viscous friction coefficient (measured # at the motor) Tc=[0.395, -0.435], # actuator Coulomb friction coefficient for # direction [-,+] (measured at the motor) qlim=[-160*deg, 160*deg]) # minimum and maximum joint angle L1 = RevoluteDH( d=0, a=0.4318, alpha=0, qlim=[-45*deg, 225*deg]) . . .其中包含DH四参数以及一些动力学参数，一般只考虑动力学参数的话，仅仅需要DH参数接可以了，也可以加一些关节极限qlim()。 我们提供尽可能多的参数。上述L0的定义包括运动学参数和动力学参数，而L1只有运动学参数。最小的要求是运动学参数，你甚至不需要知道关节极限，它们只需要一些工具箱函数。对于一个有N个关节的机器人，你必须定义N个关节实例。接下来，我们调用super函数来完成繁重的工作。 super().__init__( [L0, L1, L2, L3, L4, L5], name="MYROBOT", manufacturer="COMPANY THAT BUILDS MYROBOTs")步骤五：创建实例属性，准备两个位姿，为后续正逆运动的验证做准备 # 零角度，L形姿势 self._MYCONFIG = np.array([1, 2, 3, 4, 5, 6]) # 创建实例属性 self.addconfiguration("qz", np.array([0,0,0,0,0,0 ])) # 零角度，L形姿势 self.addconfiguration("qr", np.array([0.610865,1.047198,0.785398,1.134464,0.628319,0 ]))'MYCONFIG’是这个特定配置的名称。它必须是一个有N个元素的NumPy数组。然后定义一个返回该属性的属性。 @property def MYCONFIG(self): return self._MYCONFIG步骤六：底部要有一个main函数 if __name__ == '__main__': robot = MYROBOT() print(robot) print(robot._MYCONFIG)步骤七：将建立的模型添加到工具箱内，编辑此文件夹中的文件’init.py’。添加一行如下，同时_all[]中也要添加模型名称 from roboticstoolbox.models.DH.MYROBOT import MYROBOT
步骤一;载入库 import roboticstoolbox as rtb import numpy as np from math import pi步骤二：验证机械臂参数是否能正确调用 robot = rtb.models.DH.MYROBOT() #机械臂信息 print(robot)输出内容 步骤三：模型验证 使用 matplotlib 图形将机器人显示为线条。matplotlib 是 Python 最普遍的图形库，可在所有平台上运行。 import roboticstoolbox as rtb robot = rtb.models.DH.MYROBOT() qt = rtb.tools.trajectory.jtraj(robot.qz, robot.qr, 50) robot.plot(qt.q)
步骤四：正运动（已知关节角度，求解末端位姿） #正向运动 T = robot.fkine(robot.qr)这里的qr，是建立的机械臂模型中两个姿态设定的其中一个姿态，分别是qz与qr，qz设置的是零角度姿态，qr是随意设置的一个姿态 前向运动学 (FK) 是给定关节坐标的末端执行器的位姿。可以为DHRobot或ERobot类的机器人计算 正运动学：总的来说就是末端位姿相对于基座标的位置关系，用矩阵表示，这种位置关系通过关节坐标来传递T = T01T12T23T34T45*T56，而这T矩阵就是通过DH参数表示出来的，具体操作下一个文章再说，这里简单讲一下。读者也可以自己写一下。 出来的结果如下： 步骤五：逆运动学 逆运动学 (IK) 是实现给定末端执行器姿势所需的关节坐标。功能不是唯一的，可能没有解决办法。（已知末端位姿求解关节角度） 这里给出一些python版本和matlab版本机器人工具箱的差别
1建立坐标系 1）确定Zi轴 作为第i+1个关节的驱动轴，其方向和关节轴线方向保持一致。例如Z0是第1个关节的驱动轴,Z1是第2个关节的驱动轴。可能看上去有点混乱，但是符合规则的，这保证了：当关节i被驱动时，连杆i以及与其相连的坐标系 OiXiYiZi，将会经历一个对应的运动。 另外 Zi轴的方向符合右手定则，注意和关节的转动方向对应！ 2）确定基础坐标系 由前面的讨论可知，满足DH建模约束条件的坐标变换可以用 四个参数得到！ 基础坐标系的选择近乎是任意的，我们可以选择将基础坐标系的原点 Oo放置在Z0 轴上任何一点。然后，可以通过任意方便的方式来选择X0轴和Y0轴。但是建立0坐标系时，要尽可能使得最后的DH参数简单。 3）确定 Xi方向 a.轴 Zi-1和轴Zi不共面 那么轴Zi-1和轴Zi的公垂线定义了Xi轴，并且它于轴Zi的交点即为原点Oi。 b.轴Zi-1平行于轴Zi 这种情况下，轴Zi-1和轴Zi之间存在无穷多个共同法线。将穿过原点Oi-1的法线选作Xi轴， Oi是该法线和Zi轴的交点。 c.轴Zi-1和轴Zi相交 选择Xi垂直于由Zi-1和Zi组成的平面。原点Oi一般设为Zi-1和Zi的交点。不过，轴线Zi上的任意一点都可以被选作原点。 4)确定坐标系N 以上的三个步骤适用于坐标系0,…N-1。最终的坐标系通常被称为末端执行器或者工具坐标系。最常见的是，将原点Oi以对称方式布置在夹具的中间, Zi轴方向沿着末端移动方向（最后一个关节伸缩的方向）。Xi轴方向沿着夹具的上下开合方向。 因为有很多情况可以随意选择坐标系 Xi轴的方向，这就导致了不同的DH参数。为了规范DH建模方法，总结“使得DH参数简单”的一些法则。 1、确定Xi轴方向时，如果有很多种选择，尽可能选择与Xi-1相同的方向 2、确定坐标系0时，使得关节变量1的取值为零。如果是转动关节，关节变量就是；如果是平动关节，关节变量是d 3、符合人的习惯
主要是介绍python机器人工具箱的应用，DH参数顺便记录一下 |
这里我是没弄出来，查了一下，网上说是可能是机器人工具箱本身存在的问题，有解决的也可以互相交流。 验证我是通过matlab进行仿真验证的
这是一个末端位姿相对于极坐标的位置的矩阵，第四列代表X，Y，Z坐标，中间三行三列代表航偏角、俯仰角、滚轮角，至此正运动学算出。
我选择的是ikine_LMS()
可见所得角度与之前设定的qr角度差别很小，逆运动成功，逆运动自己写也可以，我运用的是数值解，下次和正运动一起写。
确定好坐标系过后就通过上面这张图进行DH参数的确定 
标准DH中矩阵带入参数来确定相邻两关节关系。【本文地址】