基于深度学习的机器人智能控制算法 笔记

正解/逆解

求正解/逆解有现成的库，参考https://github.com/petercorke/robotics-toolbox-python，代码如下：

import roboticstoolbox as rtb
import numpy as np
np.set_printoptions(precision=6, suppress=True)
robot = rtb.models.Panda()

qr = np.array([0, -0.3, 0, -2.2, 0, 2.0, np.pi / 4])
qz = np.zeros(7)

print("正解")
te = robot.fkine(qr)
print(te.data[0])

print("逆解")
# 可能存在多个逆解，若不设置seed, 多次执行返回的结果可能不一样
# q1 = robot.ikine_LM(te.data[0], q0=qz).q
q1 = robot.ikine_LM(te.data[0], q0=qz, seed=1234).q
print(q1)

# 检查逆解是否正确
assert np.allclose(te.data[0], robot.fkine(q1).data[0])

输出：

正解
[[ 0.995004  0.        0.099833  0.484047]
 [ 0.       -1.       -0.       -0.      ]
 [ 0.099833  0.       -0.995004  0.41263 ]
 [ 0.        0.        0.        1.      ]]
逆解
[ 2.684527  0.329245 -2.734035 -2.197693  0.147658  1.990311  0.668895]

可视化也很方便

robot.plot(qr, backend="swift", block=True)

输出：

STEP格式文件

可以将STEP格式转换为GLB格式，参考https://github.com/trimesh/cascadio，代码如下：

import cascadio
cascadio.step_to_glb("wrist_mount.step", "wrist_mount.glb", 0.1, 0.5)

import trimesh
trimesh.load("wrist_mount.glb").show()

摄像头基础知识

焦点/焦距/视场角/光圈/景深/光学畸变，参考https://www.optmv.com/content/details113_4276.html