ROS_机器人urdf建模仿真实践

简介: 实践内容:1、运用 urdf建模 实现案例中的机器人。2、根据以上掌握的方法,再快速创建一个机器人模型。成果图:成果图创建需要用到的功能包以及各种文件夹:Build跟devel两个文件夹在...

实践内容:
1、运用 urdf建模 实现案例中的机器人。
2、根据以上掌握的方法,再快速创建一个机器人模型。

成果图:

img_ba6b3288c2f855ef8d1b8b4348867e48.png
成果图

创建需要用到的功能包以及各种文件夹:

img_0ce3004e252781f2dfc47b82dee889c1.png

img_04dc0062fbc6c0694cdc1f5e45ebcc9b.png

Build跟devel两个文件夹在catkin_make之后会自动生成:
img_a7e6b56b7f39e3de6cd44eb458838485.png

编写launch文件:
img_6ed8ad0e59d681cede6c2ff8d185f346.png

添加左轮:

img_2be6c00e26e211fb764e84bdee912ad5.png

编译:
img_4b9096d31cef8a621d6896503ab619b3.png

启动:

roslaunch mbot_description display_mbot_base_urdf.launch
img_61f413a9e27a9746f8b273970c023294.png

效果:
(当然打开之后需要进行下面一番骚操作先——设置好RobotModel)

img_14c1226290ebe6064009abf6cb152f9d.png

拖动滑动条控制轮子转动:

img_d7033a6580c0dfb4bc334089ffa99c40.png

添加右轮:

img_740b8571fa1db9fb7e11eb8f26a8a7cd.png

编译,启动,

img_f137821e4e917f9f06f95fb898991daa.png

效果如下:

img_feaa680eb1c42bfe75446e1b9812e205.png

使用球体创建前后支撑轮:


img_bd9d8d05391fc816f91ee41c23bfc4ee.png

编译,启动,效果如下:

img_ba6b3288c2f855ef8d1b8b4348867e48.png

创建一个自己的机器人模型:
代码:

<?xml version="1.0"?>
<robot name="mbot">
  
   <link name="base_link">
      <visual>
          <origin xyz="0 0 0" rpy="0 0 0"/>
          <geometry>
              <cylinder length="0.06" radius="0.20"/>
          </geometry>
          <material name="yellow">
              <color rgba="1 0.4 0 1"/>
          </material>
      </visual>
   </link>

   <joint name="left_wheel_joint" type="continuous">
        <origin xyz="0 0.19 -0.05" rpy="0 0 0"/>
        <parent link="base_link"/>
        <child link="left_wheel_link"/>
        <axis xyz="0 1 0"/>
   </joint>

   <link name="left_wheel_link">
        <visual>
             <origin xyz="0 0 0" rpy="1.5707 0 0" />
             <geometry>
                 <cylinder radius="0.03" length = "0.025"/>
             </geometry>
             <material name="white">
                 <color rgba="1 1 1 0.9"/>
             </material>
        </visual>
   </link>

   <joint name="right_wheel_joint" type="continuous">
        <origin xyz="0 -0.19 -0.05" rpy="0 0 0"/>
        <parent link="base_link"/>
        <child link="right_wheel_link"/>
        <axis xyz="0 1 0"/>
   </joint>

   <link name="right_wheel_link">
        <visual>
             <origin xyz="0 0 0" rpy="1.5707 0 0" />
             <geometry>
                 <cylinder radius="0.03" length = "0.025"/>
             </geometry>
             <material name="white">
                 <color rgba="1 1 1 0.9"/>
             </material>
        </visual>
   </link>

   <joint name="front_caster_joint" type="continuous">
        <origin xyz="0.18 0 -0.045" rpy="0 0 0"/>
        <parent link="base_link"/>
        <child link="front_caster_link"/>
        <axis xyz="0 1 0"/>
   </joint>

   <link name="front_caster_link">
        <visual>
             <origin xyz="0 0 0" rpy="0 0 0" />
             <geometry>
                 <sphere radius="0.03" />
             </geometry>
             <material name="black">
                 <color rgba="0 0 0 0.95"/>
             </material>
        </visual>
   </link>

   <joint name="back_caster_joint" type="continuous">
        <origin xyz="-0.18 0 -0.045" rpy="0 0 0"/>
        <parent link="base_link"/>
        <child link="back_caster_link"/>
        <axis xyz="0 1 0"/>
   </joint>

   <link name="back_caster_link">
        <visual>
             <origin xyz="0 0 0" rpy="0 0 0" />
             <geometry>
                 <sphere radius="0.03" />
             </geometry>
             <material name="black">
                 <color rgba="0 0 0 0.95"/>
             </material>
        </visual>
   </link>
   
</robot>

效果:

img_a54afcbc0f05b44636a1b9ce9164df29.png
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。
ROS入门实践
本课程将基于基础设施即代码 IaC 的理念,介绍阿里云自动化编排服务ROS的概念、功能和使用方式,并通过实际应用场景介绍如何借助ROS实现云资源的自动化部署,使得云上资源部署和运维工作更为高效。
目录
相关文章
|
11月前
|
运维 算法 机器人
阿里云AnalyticDB具身智能方案:破解机器人仿真数据、算力与运维之困
本文将介绍阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL推出的全托管云上仿真解决方案,方案采用云原生架构,为开发者提供从开发环境、仿真计算到数据管理的全链路支持。
|
机器学习/深度学习 算法 机器人
基于QLearning强化学习的较大规模栅格地图机器人路径规划matlab仿真
本项目基于MATLAB 2022a,通过强化学习算法实现机器人在栅格地图中的路径规划。仿真结果显示了机器人从初始位置到目标位置的行驶动作序列(如“下下下下右右...”),并生成了详细的路径图。智能体通过Q-Learning算法与环境交互,根据奖励信号优化行为策略,最终学会最优路径。核心程序实现了效用值排序、状态转换及动作选择,并输出机器人行驶的动作序列和路径可视化图。
819 85
|
11月前
|
传感器 算法 安全
机器人路径规划和避障算法matlab仿真,分别对比贪婪搜索,最安全距离,RPM以及RRT四种算法
本程序基于MATLAB 2022A实现机器人路径规划与避障仿真,对比贪婪搜索、最安全距离、RPM和RRT四种算法。通过地图模拟环境,输出各算法的路径规划结果,展示其在避障性能与路径优化方面的差异。代码包含核心路径搜索逻辑,并附有测试运行图示,适用于机器人路径规划研究与教学演示。
1158 64
|
机器人 API 定位技术
具身智能干货|ROS2理论与实践系列(二):ROS2通信机制核心
机器人是一种高度复杂的系统性实现,一个完整的机器人应用程序可能由若干功能模块组成,每个功能模块可能又包含若干功能点,在不同功能模块、不同功能点之间需要频繁的进行数据交互。比如以导航中的路径规划模块为例: 路径规划时就需要其他功能模块输入数据,并输出数据以被其他模块调用。 输入的数据有地图服务提供的地图数据、定位模块提供的机器人位姿数据、人机交互模块提供的目标点数据......。 输出的路径信息则被运动控制订阅或是回显在人机交互界面上。 那么这些相对独立的功能模块或功能点之间是如何实现数据交互的呢?在此,我们就需要介绍一下ROS2中的通信机制了。
2827 62
|
算法 数据可视化 安全
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。
642 68
|
Ubuntu 机器人 开发工具
具身智能干货|ROS2理论与实践系列(一):ROS2概述与环境搭建
《ROS2理论与实践》系列课程主要由基础篇、核心篇、应用篇、进阶篇以及项目库五部分组成。本阶段为《ROS2理论与实践——核心篇》课程,核心篇课程设计以官方内容为标准,主要介绍ROS2中的通信机制与开发者工具,其中前者是整个ROS2框架中的核心构成,而后者则为开发者能够高效的构建应用程序提供有力支持。本阶段课程目的是帮助大家快速上手ROS2,为后续进阶奠定基础。
3070 12
具身智能干货|ROS2理论与实践系列(一):ROS2概述与环境搭建
|
机器学习/深度学习 算法 机器人
基于Qlearning强化学习的机器人路线规划matlab仿真
本内容展示了基于Q-learning强化学习算法的路径规划研究,包括MATLAB仿真效果、理论知识及核心代码。通过训练与测试,智能体在离散化网格环境中学习最优策略以规避障碍并到达目标。代码实现中采用epsilon-贪婪策略平衡探索与利用,并针对紧急情况设计特殊动作逻辑(如后退)。最终,Q-table收敛后可生成从起点到终点的最优路径,为机器人导航提供有效解决方案。
443 20
|
机器人 数据安全/隐私保护
基于模糊PID控制器的puma560机器人控制系统的simulink建模与仿真
本课题研究基于模糊PID控制器的PUMA 560机器人控制系统建模与仿真,对比传统PID控制器性能。通过Simulink实现系统建模,分析两种控制器的误差表现。模糊PID结合了PID的线性控制优势与模糊逻辑的灵活性,提升动态性能和抗干扰能力。以PUMA 560机器人为例,其运动学和动力学模型为基础,设计针对各关节的模糊PID控制器,包括模糊化、规则制定、推理及去模糊化等步骤,最终实现更优的控制效果。
|
机器学习/深度学习 算法 数据可视化
基于Qlearning强化学习的机器人迷宫路线搜索算法matlab仿真
本内容展示了基于Q-learning算法的机器人迷宫路径搜索仿真及其实现过程。通过Matlab2022a进行仿真,结果以图形形式呈现,无水印(附图1-4)。算法理论部分介绍了Q-learning的核心概念,包括智能体、环境、状态、动作和奖励,以及Q表的构建与更新方法。具体实现中,将迷宫抽象为二维网格世界,定义起点和终点,利用Q-learning训练机器人找到最优路径。核心程序代码实现了多轮训练、累计奖励值与Q值的可视化,并展示了机器人从起点到终点的路径规划过程。
666 0
|
算法 机器人 数据安全/隐私保护
四自由度SCARA机器人的运动学和动力学matlab建模与仿真
本课题深入研究SCARA机器人系统,提出其动力学与运动学模型,并基于MATLAB Robotics Toolbox建立四自由度SCARA机器人仿真对象。通过理论结合仿真实验,实现了运动学正解、逆解及轨迹规划等功能,完成系统实验和算法验证。SCARA机器人以其平面关节结构实现快速定位与装配,在自动生产线中广泛应用,尤其在电子和汽车行业表现优异。使用D-H参数法进行结构建模,推导末端执行器的位姿,建立了机器人的运动学方程。

热门文章

最新文章

推荐镜像

更多
  • ros