硬核,机器人只需5秒就跟踪上了爱心曲线

简介: 硬核,机器人只需5秒就跟踪上了爱心曲线

目录

0 前言

硬核,这年头机器人都开始自学“倒车入库”了这篇文章本质上属于机器人的镇定问题。本文仍基于差速轮式机器人模型完成一个轨迹跟踪应用,使机器人在尽可能短的时间内跟踪上爱心轨迹


image.png

仿真效果动图如下所示,看完本文相信你也可以做到!(文末有 实际机器人运行效果图!)

image.gif

1 什么是轨迹跟踪?

轨迹跟踪以稳定性和快速性为核心,基于时间微分约束(如速度、加速度),规划路径点间的运动状态 ,轨迹规划赋予路径规划时间信息。简单来说:就是控制机器人用最短的时间跟上期望的轨迹。


和上一期的镇定问题做个对比,镇定问题是设计一个控制律在有限时间内使误差衰减到0,当前位姿稳定在参考位姿上。


这两次博文讨论的问题表面上轻松简单,但背后的应用极为广泛,常见于智能车竞赛的循线、平衡等赛题,学术界方面也有相当的论文研究这两个问题,感兴趣的同学可以继续深入了解,我把相关的参考论文放在文章最后。

2 开始编程实现

2.1 选择轨迹

R = 5.0;
T = 40.0;
w = 2 * pi / T;
ref = @(t) [R*(2*sin(w*t)-sin(2*w*t)), R*(2*cos(w*t)-cos(2*w*t))];

打印出来看看


image.png

2.2 编写轨迹跟踪算法

function dpdt = wmrTrackOde45Func(t, p, ref)

获取机器人当前状态

% robot state
x = p(1);
y = p(2);
theta = p(3);

获取参考位姿信息

% reference path
pRef = ref(t);
xRef = pRef(1);
yRef = pRef(2);
vRef = 1;
wRef = 0;

获取目标向量

% predict reference path
targetVec = [xRef - x;
             yRef - y]; 
if targetVec(2) > 0
    thetaRef = acos(targetVec(1) / sqrt(targetVec(1)^2 + targetVec(2)^2));
else
    thetaRef = - acos(targetVec(1) / sqrt(targetVec(1)^2 + targetVec(2)^2));
end

控制器参数设置

% controller parameters
Kx = 15;
Ky = 25;
Kt = 10;

控制

% controller
ex = cos(theta) * (xRef - x) + sin(theta) * (yRef - y);
ey = -sin(theta) * (xRef - x) + cos(theta) * (yRef - y);
u  = [ vRef * cos(thetaRef - theta) + Kx * ex;
       wRef + vRef*(Ky * ey + Kt * sin(thetaRef - theta))];
v = u(1);
w = u(2);
dpdt = [v*cos(theta); v*sin(theta); w];
end

然后把这个函数封装成ode45的被调函数,让Matlab帮我们迭代计算即可。

2.3 测试跟踪性能

其中绿色是机器人初始位置,蓝色是机器人实际轨迹。


image.png

再来看看误差曲线,大概在5s的时候各参数全部跟踪上预期曲线,这个效果可以通过调节控制器参数来观察变化,加深对控制作用的理解,上文代码中的控制器是我个人整定的,大家可以按需调整。


image.png

对其他轨迹的效果怎么样呢?看看下面圆轨迹的跟踪效果,即使初始位置很偏也没有任何问题。


image.png

2.4 制作动图

figure(1)
trackProcess = VideoWriter('video/trackProcess.avi');
open(trackProcess);
movie = moviein(t);
% 画参考轨迹
plot(refPos(:,1),refPos(:,2), "--b", 'LineWidth', 1);
grid on
hold on
% 画初始位置
handler = plotPose(initPos, 0.8, 0.3, 'r', size);
for i=1:length(t)
    delete(handler);
    handler = plotPose(actualPos(i,:));
    plot(actualPos(i,1), actualPos(i,2), 'Marker', '.', 'color', [0,0.5,0]);
    movie(:, i) = getframe;
  writeVideo(trackProcess, movie(:, i));
end
hold off
close(trackProcess);

3 真车实战

由于限制5M,只放出部分动图,完整视频可以关注公众号观看。

image.gif

4 参考文献

希望做相关研究的同学可以进一步阅读下面的文献


[1]杨士超. 非完整轮式移动机器人的反馈镇定和轨迹跟踪控制研究[D]. 长安大学.

[2]Kanayama Y , Kimura Y , Miyazaki F , et al. A stable tracking control method for an autonomous mobile robot[C]// IEEE International Conference on Robotics & Automation. IEEE, 1991.


🔥 更多精彩专栏:


《机器人原理与技术》

《计算机视觉教程》

《机器学习》

《嵌入式系统》

《数值优化方法》


目录
相关文章
|
2月前
|
算法 数据挖掘
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
R语言——AVOCADO“(异常植被变化检测)算法(1990-2015数据分析)监测森林干扰和再生(含GEE影像下载代码)
41 1
|
9月前
专家PID控制轨迹跟踪研究(Matlab代码实现)
专家PID控制轨迹跟踪研究(Matlab代码实现)
|
9月前
测量学:水准和导线测量实验报告+详细解析
测量学:水准和导线测量实验报告+详细解析
222 0
|
9月前
|
算法 安全 定位技术
模拟可执行的四旋翼模型——在未知环境下运动规划应用研究(Matlab代码实现)
模拟可执行的四旋翼模型——在未知环境下运动规划应用研究(Matlab代码实现)
|
9月前
|
机器人
水下机器人双机械手系统动态建模与控制仿真(Matlab代码实现)
水下机器人双机械手系统动态建模与控制仿真(Matlab代码实现)
117 0
|
9月前
|
算法
使用颜色识别来进行道路跟踪
使用颜色信息来检测和跟踪在可能不存在车道标记的主要住宅环境中设置的道路边缘。基于颜色的跟踪示例说明了如何使用色彩空间转换块、霍夫变换块和卡尔曼滤波器块来检测和跟踪使用色调和饱和度的信息。
55 0
|
10月前
|
机器学习/深度学习 Web App开发 人工智能
Deepmotion: AI动作捕捉和3D身体追踪技术平台
Deepmotion: AI动作捕捉和3D身体追踪技术平台
448 0
|
11月前
|
编解码 vr&ar 计算机视觉
CenterNet++ | CenterNet携手CornerNet终于杀回来了,实时高精度检测值得拥有!(二)
CenterNet++ | CenterNet携手CornerNet终于杀回来了,实时高精度检测值得拥有!(二)
122 0
|
11月前
|
机器学习/深度学习 编解码 算法
CenterNet++ | CenterNet携手CornerNet终于杀回来了,实时高精度检测值得拥有!(一)
CenterNet++ | CenterNet携手CornerNet终于杀回来了,实时高精度检测值得拥有!(一)
101 0
|
传感器 人工智能 监控
卡塔尔世界杯出现了半自动越位识别技术、动作轨迹捕捉等黑科技。
卡塔尔世界杯出现了半自动越位识别技术、动作轨迹捕捉等黑科技。
卡塔尔世界杯出现了半自动越位识别技术、动作轨迹捕捉等黑科技。