ubuntu16.04下ROS操作系统学习笔记(四 )机器人系组成、URDF机器人建模、xacro模型优化

简介: ubuntu16.04下ROS操作系统学习笔记(四 )机器人系组成、URDF机器人建模、xacro模型优化
  • 机器人的定义与组成

 

  • 机器人系统构建

机器人系统的构建主要有以下几点:

  1. 执行机构的实现:轮子、电机、舵机等。
  2. 驱动系统的实现:电源子系统、电机驱动子系统、传感器接口等。
  3. 内部传感系统的实现:机器人里程计:
    通过电机带动光删计数,实现对机器人运动速度的求取,然后计算积分得到里程。惯性测量单元(IMU):测量物体速度姿态,主要包括三轴陀螺仪、三轴加速度计、磁力计等。
  4. 控制系统的实现:常用的框架如下:

  5. 外部传感系统的实现

我们接下来连接一下摄像头:

 sudo apt-get install ros-kinetic-usb-cam
 roslaunch usb_cam usb_cam-test.launch
 rqt_image_view

第一句命令是安装这个功能包。如果是使用indigo版本的话需要把kinetic改为indigo。安装完成之后我们就可以来启动这个文件。运行成功之后就可以看到调用了的一个摄像头弹出来了。

第三句命令的话就是qt当中的一个功能包,运行成功之后就会弹出这样一个窗口出来。

在弹出的左上角部位我们可以选择原始数据,或者压缩数据。ros当中有很多功能包,当我们接触一个功能包的时候我们首先需要去了解的是这个功能包的输入输出,以及一些参数是怎么样的。这个usb_cam功能包能发布的话题主要是一些图像的话题。

这样的话题和参数在ros wiki上面都可以找到。

我们接下来可以看一下我们刚才启动的launch文件:

主要的话就是节点的信息,相关参数信息的配置。第二个node节点就是弹出的可视化的界面的节点。

1.什么是URDF模型?

  1. Unified Robot Description Format,统一机器人描述格式;
  2. ROS中一个非常重要的机器人模型描述格式;
  3. 可以解析URDF文件中适用XML格式描述的机器人模型,xml能够方便地使用标签、属性来描述模型当中的相关信息;
  4. ros同时也提供URDF文件的C++解析器,能够在代码当中调用模型当中的一些信息。

一个机器人拆开的话大致上可以分为两个部分,一个是连杆、两个连杆(link)之间通过关节(joint)来连接。

link的话主要是设置连杆部分的尺寸、颜色、形状等等。Collision一般都画成矩阵,会比椭圆方便点,计算起来运算量也会比较小。

joint的话主要是连接两个关节。关节可以分为六种:无限旋转关节(如小车车轮等)、有旋转角度极限关节(手臂关节)、滑动关节(在某一个坐标系上可以滑动的关节)、平面关节、浮动关节、固定关节。用的最多的还是旋转关节。

 

还有一些其他的参数,想关节的参考位置,阻尼(物理仿真引擎里面会有),mimic描述关节与已有关节之间的关系等。

整个的机器人模型是可以采用link和joint来描述的,但是整个的标签都得在根标签(robot)里面。根标签里面指定机器人的名字是什么:

2.创建一个机器人功能包

在工作空间的src目录下面打开终端,输入以下命令:

catkin_create_pkg mbot_description urdf xacro

后面还跟了两个功能包,urdf是用于解析整个模型。后面还有一个xacro功能包。

创建成功之后里面有两个文件cmakelists.txt和package.xml。

我们需要在里面创建几个文件夹:

urdf:存放机器人模型的URDF或xacro文件。

meshes:存放URDF中引用的模型渲染文件。

launch:保存相关启动文件。

config:保存rviz的配置文件。

第一行表示的是参数的名字,然后定义文件位置。

joint_state_publisher:发布每个joint(除fixed类型)的状态,而且可以通过UI界面对joint进行控制。

robot_state_publisher:将机器人各link、joint之间的关系,通过tf的形式,整理成三维姿态信息发布。

然后还有一些文件,都可以在分享的资源里面找到,视频里面对文件的源码都做了解析,这里我就不写了。

我们运行以下命令,就可以看到机器人的模型(模型描述文件在urdf里面):

roslaunch mbot_description display_mbot_base_urdf.launch

得到结果如上图所示。

在urdf目录下面,输入以下命令:

urdf_to_graphiz mbot_with_kinect.urdf

在上一节中,我们说到了机器人模型代码冗长,内容重复过多。像左右轮的代码就有点重复。所以我们需要一种URDF模型的进化版本--xacro模型文件。这个模型文件也是基于URDF的,但是它模型的管理上面发生了一些变化,精简了模型的代码,创建了宏定义,文件的包含等等。也提供了可编程接口,使得我们能够定义常量,定义变量,能够做一些数学计算,也能够去调用条件语句等等。

我们在xacro里面通过以下方式定义并且使用常量:

在$加大括号的方式可以实现对其内部数据的计算。还有一种机制叫做宏定义,通过这种方式能够实现像c++函数那样的功能一样。

在urdf文件里面是没有办法像c++那样做文件的包含的,在xacro里面就可以。这样的话我们就可以实现文件之间的调用。

我的微信公众号名称:深度学习与先进智能决策

微信公众号ID:MultiAgent1024

公众号介绍:主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容,分享学习过程中的学习笔记和心得!期待您的关注,欢迎一起学习交流进步!

相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务,定义资源编排模板,实现自动化创建阿里云专有网络和交换机。
阿里云资源编排ROS使用教程
资源编排(Resource Orchestration)是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等,并自动完成所有资源的创建和配置,以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式,并且可以随时编辑修改,使基础设施即代码(Infrastructure as Code)成为可能。 产品详情:https://www.aliyun.com/product/ros/
目录
打赏
0
0
0
0
25
分享
相关文章
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
196 68
ROS2:从初识到深入,探索机器人操作系统的进化之路
前言 最近开始接触到基于DDS的这个系统,是在稚晖君的机器人项目中了解和认识到。于是便开始自己买书学习起来,感觉挺有意思的,但是只是单纯的看书籍,总会显得枯燥无味,于是自己又开始在网上找了一些视频教程结合书籍一起来看,便让我对ROS系统有了更深的认识和理解。 ROS的发展历程 ROS诞生于2007年的斯坦福大学,这是早期PR2机器人的原型,这个项目很快被一家商业公司Willow Garage看中,类似现在的风险投资一样,他们投了一大笔钱给这群年轻人,PR2机器人在资本的助推下成功诞生。 2010年,随着PR2机器人的发布,其中的软件正式确定了名称,就叫做机器人操作系统,Robot Op
174 14
ROS进阶:使用URDF和Xacro构建差速轮式机器人模型
【11月更文挑战第7天】本篇文章介绍的是ROS高效进阶内容,使用URDF 语言(xml格式)做一个差速轮式机器人模型,并使用URDF的增强版xacro,对机器人模型文件进行二次优化。
202 6
ROS2:从初识到深入,探索机器人操作系统的进化之路
【11月更文挑战第4天】ROS2的学习过程和应用,介绍DDS系统的框架和知识。
299 1
【ROS速成】半小时入门机器人ROS系统简明教程之安装测速(二)
半小时入门机器人ROS系统简明教程之安装测速
290 0
9.9K star!大模型原生即时通信机器人平台,这个开源项目让AI对话更智能!
"😎高稳定、🧩支持插件、🦄多模态 - 大模型原生即时通信机器人平台"
Deepseek 的 “灵魂”,宇树的 “躯体”,智能机器人还缺一个 “万万不能”
法思诺创新探讨智能机器人产业的发展,指出Deepseek的AI“灵魂”与宇树的机器人“躯体”虽技术先进,但缺乏关键的商业模式。文章分析了两者在硬件和软件领域的困境,并提出通过软硬一体化结合及明确商业模式,才能实现真正实用的智能机器人。未来,需聚焦高频刚需场景、优化付费体验、推动技术创新,让智能机器人走进千家万户。法思诺提供相关课程与咨询服务,助力行业突破。
自己都站不稳,怎么护理人?智能机器人的自主平衡问题,用TRIZ和DeepSeek有解吗?
法思诺创新探讨机器人自主平衡难题,结合TRIZ创新理论与DeepSeek大模型,为仿人机器人动态平衡提供解决方案。文章分析了机器人平衡差的原因,包括复杂环境、传感器限制、算法难度和机械设计挑战等,并提出通过TRIZ原理(如矛盾识别、理想解)与DeepSeek的AI能力(如数据学习、强化学习)协同优化平衡性能。展望未来,2024-2028年将实现从实验室验证到家用场景落地,推动消费级人形机器人发展。

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等