當前位置：首頁 > 编程语言 > python >内容正文

python

Python 机器人学习手册：1~5

發布時間：2024/3/13 python 54 豆豆

生活随笔收集整理的這篇文章主要介紹了 Python 机器人学习手册：1~5 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

原文：ILearning Robotics using Python

協議：CC BY-NC-SA 4.0

譯者：飛龍

本文來自【ApacheCN 計算機視覺譯文集】，采用譯后編輯（MTPE）流程來盡可能提升效率。

當別人說你沒有底線的時候，你最好真的沒有；當別人說你做過某些事的時候，你也最好真的做過。

一、機器人操作系統入門

本書的主要目的是教您如何從頭開始構建自動移動機器人。機器人將使用 ROS 進行編程，其操作將使用名為 Gazebo 的模擬器進行模擬。在接下來的章節中，您還將看到使用 ROS 的機器人的機械設計，電路設計，嵌入式編程和高級軟件編程。

在本章中，我們將從 ROS 的基礎知識，如何安裝 ROS，如何使用 ROS 和 Python 編寫基本應用以及 Gazebo 的基礎知識開始。本章將成為您自主機器人項目的基礎。如果您已經了解 ROS 的基礎知識，并且已經在系統上安裝了 ROS，則可以跳過本章。但是，您仍然可以在后面的章節中瀏覽有關 ROS 基礎的內容。

本章將涵蓋以下主題：

ROS 介紹
在 Ubuntu 16.04.3 上安裝 ROS Kinetic
Gazebo 的介紹，安裝和測試

讓我們開始使用 Python 和機器人操作系統（ROS）對機器人進行編程。

技術要求

要獲取本章中提到的完整代碼，可以克隆以下鏈接。

ROS 介紹

ROS 是用于創建機器人應用的軟件框架。 ROS 框架的主要目的是提供可用于創建功能強大的機器人應用的功能，這些功能可重復用于其他機器人。 ROS 擁有軟件工具，庫和包的集合，這使得機器人軟件開發變得容易。

ROS 是根據 BSD 許可許可的完整開源項目。我們可以將其用于研究和商業應用。即使 ROS 代表機器人操作系統，它也不是真正的操作系統。相反，它是一個元操作系統，提供了真實操作系統的功能。 ROS 提供的主要功能如下：

消息傳遞接口：這是 ROS 的核心功能，它使進程間通信成為可能。使用此消息傳遞功能，ROS 程序可以與其鏈接的系統進行通信并交換數據。在接下來的章節中，我們將學習有關 ROS 程序/節點之間的數據交換的更多技術術語。
硬件抽象：ROS 具有一定程度的抽象，使開發人員可以創建與機器人無關的應用。這些類型的應用可用于任何機器人。開發人員只需要擔心底層機器人硬件。
包管理：ROS 節點被組織在稱為 ROS 包的包中。 ROS 包包括源代碼，配置文件，構建文件等。我們創建包，構建包并安裝該包。 ROS 中有一個構建系統，可以幫助構建這些包。 ROS 中的包管理使 ROS 開發更加系統和有組織。
第三方庫集成：ROS 框架與許多第三方庫集成，例如 OpenCV，PCL，OpenNI 等。這有助于開發人員在 ROS 中創建各種應用。
低級設備控制：使用機器人時，我們可能需要使用低級設備，例如控制 I/O 引腳，通過串行端口發送數據的設備等。這也可以使用 ROS 完成。
分布式計算：處理來自機器人傳感器的數據所需的計算量非常大。使用 ROS，我們可以輕松地將計算分配到計算節點的群集中。這樣可以分配計算能力，并使您可以比使用單臺計算機更快地處理數據。
代碼重用：ROS 的主要目標是代碼重用。代碼重用使世界各地良好的研發社區得以發展。 ROS 可執行文件稱為節點。這些可執行文件可以分組為一個稱為 ROS 包的實體。一組包稱為元包，包和元包都可以共享和分發。
語言獨立性：可以使用流行的語言（例如 Python，C++ 和 Lisp）對 ROS 框架進行編程。節點可以用任何語言編寫，并且可以通過 ROS 進行通信而沒有任何問題。
易于測試：ROS 有一個內置的單元/集成測試框架，稱為 rostest，用于測試 ROS 包。
縮放比例：可以縮放 ROS，以在機器人中執行復雜的計算。
免費和開源：ROS 的源代碼是開放的，并且絕對免費。 ROS 的核心部分已獲得 BSD 許可，并可以在商業和封閉源產品中重復使用。

ROS 是管道（消息傳遞），工具，功能和生態系統的組合。 ROS 中有強大的工具可以調試和可視化機器人數據。 ROS 中具有內置的機器人功能，例如機器人導航，本地化，地圖繪制，操縱等。它們有助于創建功能強大的機器人應用。

下圖顯示了 ROS 方程：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-n1Fukqk8-1681873679406)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00005.jpeg)]

ROS 方程

有關 ROS 的更多信息，請參見這個頁面。

ROS 概念

ROS 中有三個主要的組織級別：

ROS 文件系統
ROS 計算圖
ROS 社區

ROS 文件系統

ROS 文件系統主要介紹如何在磁盤上組織 ROS 文件。以下是使用 ROS 文件系統時必須了解的主要術語：

包：ROS 包是 ROS 軟件框架的獨立單元。 ROS 包可能包含源代碼，第三方庫，配置文件等。 ROS 包可以重復使用和共享。
包清單：清單（package.xml）文件將包含包的所有詳細信息，包括名稱，描述，許可證，以及更重要的是包的依賴項。
消息（msg）類型：消息描述存儲在包的msg文件夾中。 ROS 消息是用于通過 ROS 的消息傳遞系統發送數據的數據結構。消息定義存儲在擴展名為.msg的文件中。
服務（srv）類型：服務描述以.srv擴展名存儲在srv文件夾中。 srv文件在 ROS 中定義了服務的請求和響應數據結構。

ROS 計算圖

ROS 計算圖是處理數據的 ROS 系統的對等網絡。 ROS 計算圖的基本功能是節點，ROS 主節點，參數服務器，消息和服務：

節點：ROS 節點是使用 ROS 功能來處理數據的過程。節點基本上進行計算。例如，節點可以處理激光掃描儀數據以檢查是否存在任何沖突。這將在后續部分“在 ROS 客戶端庫的幫助下編寫 ROS 節點”（例如roscpp和rospy）中進行討論。
ROS 主機：ROS 節點可以使用稱為 ROS 主機的程序相互連接。這將為其余的計算圖提供名稱，注冊和查找。如果不啟動主服務器，節點將不會彼此發現并發送消息。
參數服務器：ROS 參數是靜態值，存儲在稱為參數服務器的全局位置中。從參數服務器，所有節點都可以訪問這些值。我們甚至可以將參數服務器的范圍設置為私有或公共，以便它可以訪問一個節點或訪問所有節點。
ROS 主題：ROS 節點使用名為 ROS 主題的命名總線相互通信。數據以消息的形式流經主題。通過主題發送消息稱為發布，通過主題接收數據稱為訂閱。
消息：ROS 消息是一種數據類型，可以由原始數據類型組成，例如整數，浮點數和布爾值。 ROS 消息流經 ROS 主題。主題一次只能發送/接收一種類型的消息。我們可以創建自己的消息定義并通過主題發送它。
服務：我們已經看到使用 ROS 主題的發布/訂閱模型是一種非常簡單的通信方式。這種通信方法是一對多的通信方式，這意味著可以由任意數量的節點訂閱主題。在某些情況下，我們可能還需要一種請求/答復類型的交互，通常在分布式系統中使用。可以使用 ROS 服務來完成這種交互。 ROS 服務與 ROS 主題的工作方式類似，因為它們具有消息類型定義。使用該消息定義，我們可以將服務請求發送到另一個提供服務的節點。服務結果將作為答復發送。該節點必須等待，直到從另一個節點接收到結果。
袋子：這些是保存和播放 ROS 主題的格式。 ROS 袋子是記錄傳感器數據和處理后數據的重要工具。這些包可以稍后用于離線測試我們的算法。

下圖顯示了主題和服務如何在節點與主服務器之間工作：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Fkw8ONnr-1681873679407)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00006.jpeg)]

ROS 節點與 ROS 主機之間的通信

在上圖中，您可以看到兩個 ROS 節點以及它們之間的 ROS 主機。我們必須記住的一件事是，在啟動 ROS 中的任何節點之前，您應該啟動 ROS 主機。 ROS 主機就像節點之間的中介程序一樣，用于交換有關其他 ROS 節點的信息以建立通信。假設節點 1 要發布消息類型為abc的名為/xyz的主題。它將首先接近 ROS 主機，并說I am going to publish a topic called /xyz with message type abc and share its details。當另一個節點（例如節點 2）想要訂閱消息類型為abc的同一主題/xyz時，主節點將共享有關節點 1 的信息，并分配一個端口以直接開始這兩個節點之間的通信，而無需與 ROS 主機通信。

ROS 服務以相同的方式工作。 ROS 主機是一種 DNS 服務器，當第二個節點向第一個節點請求主題或服務時，可以共享節點詳細信息。 ROS 使用的通信協議是 TCPROS，它基本上使用 TCP/IP 套接字進行通信。

ROS 社區級別

ROS 社區由 ROS 開發人員和研究人員組成，他們可以創建和維護包并交換與現有包，新發布的包以及與 ROS 框架相關的其他新聞的新信息。 ROS 社區提供以下服務：

發行版：ROS 發行版具有一組特定版本的包。本書中使用的發行版是 ROS Kinetic。還有其他可用的版本，例如 ROS Lunar 和 Indigo，它們具有可以安裝的特定版本。在每個發行版中維護包都比較容易。在大多數情況下，發行版中的包將相對穩定。
存儲庫：在線存儲庫是我們保存包的位置。通常，開發人員會在存儲庫中保留一組稱為元包的類似包。我們還可以將單個包保存在單個存儲庫中。我們可以簡單地克隆這些存儲庫并構建或重用這些包。
ROS Wiki：幾乎所有 ROS 文檔都可以在 ROS Wiki 上找到。您可以使用 ROS Wiki 了解 ROS，從最基本的概念到最高級的編程。
郵件列表：如果要獲取有關 ROS 的更新，可以訂閱 ROS 郵件列表您還可以從 ROS Discourse 獲取最新的 ROS 新聞。
ROS 回答：這與 Stack Overflow 網站非常相似。您可以在此門戶網站中提出與 ROS 相關的問題，并且可能會得到來自世界各地的開發人員的支持。

ROS 中還有許多其他功能。您可以訪問 ROS 官方網站 www.ros.org 以獲得更多信息。現在，我們將繼續進行 ROS 的安裝過程。

在 Ubuntu 上安裝 ROS

根據前面的討論，我們知道 ROS 是安裝在主機系統上的元操作系統。在 Ubuntu/Linux 上以及在 Windows 和 OS X 的試驗階段，都完全支持 ROS。一些最新的 ROS 發行版如下：

分發版發布日期

ROS Melodic Morenia	2018 年 5 月 23 日
ROS Lunar Loggerhead	2017 年 5 月 23 日
ROS Kinetic Kame	2016 年 5 月 23 日
ROS Indigo Igloo	2014 年 7 月 22 日

現在，我們將研究 Ubuntu 16.04.3 LTS 上稱為 Kinetic 的 ROS 的穩定，長期支持（LTS）發行版的安裝過程。 ROS Kinetic Kame 將主要針對 Ubuntu 16.04 LTS。在查看以下說明后，您還可以在 Ubuntu 18.04 LTS 的最新 LTS Melodic Morenia 中找到設置 ROS 的說明。如果您是 Windows 或 OS X 用戶，則可以先在 VirtualBox 應用中安裝 Ubuntu，然后再在其上安裝 ROS。下載 VirtualBox 的鏈接是這里。

您可以在這個頁面找到完整的說明。

步驟如下：

配置您的 Ubuntu 存儲庫，以允許受限制的，Universe 和多版本的可下載文件。我們可以使用 Ubuntu 的軟件和更新工具對其進行配置。我們可以通過簡單地在 Ubuntu Unity 搜索菜單上進行搜索并勾選以下屏幕快照中的顯示來獲得此工具：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-F0JcxSoW-1681873679407)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00007.jpeg)]

Ubuntu 的軟件和更新工具

設置系統以接受packages.ros.org中的 ROS 包。僅 Ubuntu 15.10 和 16.04 支持 ROS Kinetic。以下命令將packages.ros.org存儲在 Ubuntu 的apt存儲庫列表中：

$ sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'

接下來，我們必須添加apt-key。 apt-key用于管理 APT 用來驗證包的密鑰列表。使用這些密鑰進行身份驗證的包將被視為受信任的包。以下命令將為 ROS 包添加apt-key：

sudo apt-key adv --keyserver hkp://ha.pool.sks-keyservers.net:80 --recv-key 421C365BD9FF1F717815A3895523BAEEB01FA116

添加apt-key后，我們必須更新 Ubuntu 包列表。以下命令將添加和更新 ROS 包以及 Ubuntu 包：

$ sudo apt-get update

更新 ROS 包后，我們可以安裝這些包。以下命令將安裝所有必需的 ROS 包，工具和庫：

$ sudo apt-get install ros-kinetic-desktop-full

即使在桌面完全安裝后，我們也可能需要安裝其他包。每個附加安裝將在相應的部分中提到。桌面完整安裝將需要一些時間。安裝 ROS 之后，您幾乎可以完成。下一步是初始化rosdep，這使您可以輕松安裝 ROS 源包的系統依賴關系：

$ sudo rosdep init $ rosdep update

要在當前 bash shell 上訪問 ROS 的工具和命令，我們可以將 ROS 環境變量添加到.bashrc文件中。這將在每個 bash 會話開始時執行。以下是將 ROS 變量添加到.bashrc的命令：

echo "source /opt/ros/kinetic/setup.bash" >> ~/.bashrc

以下命令將在當前 shell 上執行.bashrc腳本，以在當前 shell 中生成更改：

source ~/.bashrc

rosinstall是安裝包依賴項的有用工具。該工具必須單獨安裝。它使您能夠通過一個命令輕松下載 ROS 包的許多源代碼樹：

$ sudo apt-get install python-rosinstall python-rosinstall-generator python-wstool build-essential

最新的 LTS Melodic 的安裝與前面的說明類似。您可以將 Melodic 與 Ubuntu 18.04 LTS 一起安裝。您可以在這個頁面中找到完整的說明。

安裝 ROS 之后，我們將討論如何在 ROS 中創建示例包。在創建包之前，我們必須創建一個 ROS 工作區。這些包是在 ROS 工作區中創建的。我們將使用 catkin 構建系統，該系統是用于在 ROS 中構建包的一組工具。 catkin 構建系統從源代碼生成可執行文件或共享庫。 ROS Kinetic 使用 catkin 構建系統來構建包。讓我們看看什么是柳絮。

Catkin 介紹

Catkin 是 ROS 的官方構建系統。在發布 catkin 之前，ROS 使用 rosbuild 系統來構建包。它的替代品是最新 ROS 版本上的柳絮。 Catkin 結合了 CMake 宏和 Python 腳本，以提供與 CMake 相同的正常工作流程。與 rosbuild 系統相比，Catkin 可提供更好的包分發，更好的交叉編譯和更好的可移植性。有關更多信息，請參閱 wiki.ros.org/catkin。

Catkin 工作區是一個文件夾，您可以在其中修改，構建和安裝 catkin 包。

讓我們檢查一下如何創建 ROS catkin 工作區。

以下命令將創建一個名為catkin_ws的父目錄和一個名為src的子文件夾：

$ mkdir -p ~/catkin_ws/src

使用以下命令將目錄切換到src文件夾。我們將在src文件夾中創建包：

$ cd ~/catkin_ws/src

使用以下命令初始化 catkin 工作區：

$ catkin_init_workspace

初始化 catkin 工作區之后，您可以使用以下命令簡單地構建包（即使沒有源文件）：

$ cd ~/catkin_ws/$ catkin_make

catkin_make命令用于在src目錄中構建包。構建包后，我們將在catkin_ws中看到build和devel文件夾?？蓤绦形募鎯υ赽uild文件夾中。在devel文件夾中，有一些外殼腳本文件可將工作空間添加到 ROS 環境中。

創建一個 ROS 包

在本節中，我們將研究如何創建一個包含兩個 Python 節點的示例包。其中一個節點用于在名為/hello_pub的主題上發布Hello World字符串消息，而另一個節點將訂閱該主題。

可以使用 ROS 中的catkin_create_pkg命令來創建 catkin ROS 包。

包是在創建工作區期間創建的src文件夾中創建的。在創建包之前，使用以下命令切換到src文件夾：

$ cd ~/catkin_ws/src

以下命令將創建具有std_msgs依賴項的hello_world包，其中包含標準消息定義。 rospy是 ROS 的 Python 客戶端庫：

$ catkin_create_pkg hello_world std_msgs rospy

這是我們成功創建時得到的信息：

Created file hello_world/package.xml Created file hello_world/CMakeLists.txt Created folder hello_world/src Successfully created files in /home/lentin/catkin_ws/src/hello_world. Please adjust the values in package.xml.

成功創建hello_world包后，我們需要添加兩個 Python 節點或腳本來演示主題的訂閱和發布。

首先，使用以下命令在hello_world包中創建一個名為scripts的文件夾：

$ mkdir scripts

切換到scripts文件夾，創建一個名為hello_world_publisher.py的腳本和另一個名為hello_world_subscriber.py的腳本，以發布和訂閱hello world消息。以下部分介紹了這些腳本或節點的代碼和功能：

Hello_world_publisher.py

hello_world_publisher.py節點基本上將名為hello world的問候消息發布到名為/hello_pub的主題。問候消息以 10Hz 的速率發布到主題。

這是顯示兩個 ROS 節點之間的相互作用如何工作的圖：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-z3Pjj2UK-1681873679407)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00008.jpeg)]

發布者和訂閱者節點之間的通信

本書的完整代碼可在這個頁面獲得。

有關此代碼如何工作的分步說明如下：

如果要編寫 ROS Python 節點，則需要導入rospy。它包含與 ROS 主題，服務等交互的 Python API。

要發送Hello World消息，我們必須從std_msgs包中導入String消息數據類型。 std_msgs包具有標準數據類型的消息定義。我們可以使用以下代碼行導入：

#!/usr/bin/env python import rospy from std_msgs.msg import String

下面的代碼行創建名為hello_pub的主題的發布者對象。消息類型為String，queue_size值為10。如果訂閱者的速度不足以接收數據，我們可以使用queue_size選項對其進行緩沖：

def talker():pub = rospy.Publisher('hello_pub', String, queue_size=10)

下面的代碼行初始化 ROS 節點。還將為該節點分配名稱。如果兩個節點以相同的節點名稱運行，則一個節點將關閉。如果我們要同時運行兩者，請使用匿名=True標志，如以下代碼所示：

rospy.init_node('hello_world_publisher', anonymous=True)

下一行創建一個名為r的費率對象。使用Rate對象中的sleep()方法，我們可以以所需的速率更新循環。在這里，我們給比率為10的值：

r = rospy.Rate(10) # 10hz

以下循環將檢查rospy是否構造了rospy.is_shutdown()標志。然后，它執行循環。如果單擊Ctrl + C，則此循環將退出。

在循環內部，終端世界上將打印一個hello world消息，并以 10Hz 的速率發布在hello_pub主題上：

while not rospy.is_shutdown(): str = "hello world %s"%rospy.get_time() rospy.loginfo(str) pub.publish(str) r.sleep()

以下代碼具有 Python __main__檢查并調用talker()函數。該代碼將繼續執行talker()，并在按Ctrl + C時關閉該節點：

if __name__ == '__main__': try: talker() except rospy.ROSInterruptException: pass

發布主題后，我們將了解如何訂閱它。下一節介紹了訂閱hello_pub主題所需的代碼。

Hello_world_subscriber.py

訂戶代碼如下：

#!/usr/bin/env python import rospy from std_msgs.msg import String

以下代碼是當消息到達hello_pub主題時執行的回調函數。 data變量包含來自主題的消息，它將使用rospy.loginfo()打印：

def callback(data): rospy.loginfo(rospy.get_caller_id()+"I heard %s",data.data)

以下步驟將以hello_world_subscriber名稱啟動節點并開始訂閱/hello_pub主題：

消息的數據類型為String，當消息到達此主題時，將調用一種稱為回調的方法：

def listener(): rospy.init_node('hello_world_subscriber', anonymous=True) rospy.Subscriber("hello_pub", String, callback)

以下代碼將阻止您的節點退出，直到該節點關閉：

rospy.spin()

以下是 Python 代碼的主要部分。主要部分將調用listener()方法，該方法將訂閱/hello_pub主題：

if __name__ == '__main__': listener()

保存兩個 Python 節點后，您需要使用chmod命令將權限更改為可執行文件：

chmod +x hello_world_publisher.pychmod +x hello_world_subscriber.py

更改文件許可權后，使用catkin_make命令構建包：

cd ~/catkin_wscatkin_make

以下命令將當前 ROS 工作空間路徑添加到所有終端中，以便我們可以訪問此工作空間內的 ROS 包：

echo "source ~/catkin_ws/devel/setup.bash" >> ~/.bashrcsource ~/.bashrc

以下是訂閱服務器和發布服務器節點的輸出：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-ovtimJzf-1681873679408)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00009.jpeg)]

你好世界節點的輸出

首先，我們需要在啟動節點之前運行roscore。需要roscore命令或 ROS 主節點才能在節點之間進行通信。因此，第一個命令如下：

$ roscore

執行roscore之后，使用以下命令運行每個節點：

$ rosrun hello_world hello_world_publisher.py $ rosrun hello_world hello_world_subscriber.py

我們已經介紹了 ROS 的一些基礎知識。現在，我們將了解什么是 Gazebo，以及如何使用 ROS 與 Gazebo 一起工作。

Gazebo 介紹

Gazebo是一個免費的開源機器人模擬器，我們可以在其中測試自己的算法，設計機器人并在不同的模擬環境中測試機器人。 Gazebo 可以在室內和室外環境中準確，高效地模擬復雜的機器人。 Gazebo 是使用物理引擎構建的，通過它我們可以創建高質量的圖形和渲染。

Gazebo 的功能如下：

動態仿真：Gazebo 可以使用諸如開放式動力學引擎（ODE），Bullet，Simbody 和 DART 之類的物理引擎來模擬機器人的動力學。。
高級 3D 圖形：Gazebo 使用 OGRE 框架提供了高質量的渲染，照明，陰影和紋理。
傳感器支持：Gazebo 支持多種傳感器，包括激光測距儀，Kinect 型傳感器，2D/3D 攝像機等。我們還可以使用它來模擬噪聲以測試音頻傳感器。
插件：我們可以為機器人，傳感器和環境控件開發自定義插件。插件可以訪問 Gazebo 的 API。
機器人模型：Gazebo 為流行的機器人提供模型，例如 PR2，Pioneer 2 DX，iRobot Create 和 TurtleBot。我們還可以構建機器人的自定義模型。
TCP/IP 傳輸：我們可以通過基于套接字的消息傳遞服務在遠程計算機和 Gazebo 接口上運行模擬。
云模擬：我們可以使用 CloudSim 框架在云服務器上運行模擬。
命令行工具：廣泛的命令行工具用于檢查和記錄模擬。

安裝 Gazebo

Gazebo 可以與 ROS 一起安裝為獨立應用或集成應用。在本章中，我們將結合使用 Gazebo 和 ROS 來模擬機器人的行為并使用 ROS 框架來測試我們編寫的代碼。

如果您想親自嘗試最新的 Gazebo 模擬器，則可以按照這個頁面中給出的步驟進行操作。

要使用 Gazebo 和 ROS，我們不需要單獨安裝它們，因為 Gazebo 隨附了 ROS 桌面完整安裝。

將 Gazebo 與 ROS 集成在一起的 ROS 包稱為gazebo_ros_pkgs。獨立的 Gazebo 周圍有包裝紙。該包提供了使用 ROS 消息服務在 Gazebo 中模擬機器人的必要接口。

可以使用以下命令將完整的gazebo_ros_pkgs安裝在 ROS Indigo 中：

$ sudo apt-get install ros-kinetic-gazebo-ros-pkgs ros-kinetic-ros-control

使用 ROS 接口測試 Gazebo

假設 ROS 環境已正確設置，我們可以在啟動 Gazebo 之前使用以下命令啟動roscore：

$ roscore

以下命令將使用 ROS 運行 Gazebo：

$ rosrun gazebo_ros gazebo

Gazebo 運行兩個可執行文件-Gazebo 服務器和 Gazebo 客戶端。 Gazebo 服務器將執行模擬過程，而 Gazebo 客戶端可以是 Gazebo GUI。使用前面的命令，Gazebo 客戶端和服務器將并行運行。

Gazebo GUI 顯示在以下屏幕截圖中：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-u6iYnsBu-1681873679408)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00010.jpeg)]

Gazebo 模擬器

啟動 Gazebo 之后，將生成以下主題：

$ rostopic list /gazebo/link_states /gazebo/model_states /gazebo/parameter_descriptions /gazebo/parameter_updates /gazebo/set_link_state /gazebo/set_model_state

我們可以使用以下命令分別運行服務器和客戶端：

使用以下命令運行 Gazebo 服務器：

$ rosrun gazebo_ros gzserver

使用以下命令運行 Gazebo 客戶端：

$ rosrun gazebo_ros gzclient

總結

本章是對機器人操作系統的介紹。本章的主要目的是概述 ROS，ROS 的功能，如何安裝，ROS 的基本概念以及如何使用 Python 對其進行編程。同時，我們研究了一種名為 Gazebo 的機器人模擬器，該模擬器可以與 ROS 一起使用。我們已經看到了如何安裝和運行 Gazebo。在下一章中，我們將介紹差動機器人的基本概念。

問題

ROS 的重要特征是什么？

ROS 中概念的不同層次是什么？

什么是 ROS catkin 構建系統？

什么是 ROS 主題和消息？

ROS 計算圖有哪些不同的概念？

ROS 主機的主要功能是什么？

Gazebo 的重要特征是什么？

二、了解差動機器人的基礎

在上一章中，我們討論了 ROS 的基礎知識，如何安裝它以及 Gazebo 機器人模擬器的基礎知識。正如我們已經提到的，我們將從頭開始創建一個自動輪式機器人。我們將要設計的機器人是差動機器人，該機器人涉及在機器人底盤的相對兩側具有兩個輪子，從而可以通過更改兩個輪子中每個輪子的速度來調整機器人的方向。

在對機器人進行編程之前，最好先了解差動輪機器人背后的基本思想和術語。本章將為您提供有關如何數學分析機器人以及如何求解機器人運動學方程的想法。運動方程可幫助您根據傳感器數據預測機器人的位置。

在本章中，我們將介紹以下主題：

差動機器人的數學建模
差動機器人的正向運動學
差動機器人的逆向運動學

機器人的數學建模

移動機器人的重要組成部分是其轉向系統。這將幫助機器人導航其環境。差速驅動系統是最簡單，最具成本效益的轉向系統之一。差動機器人由兩個安裝在同一軸上的主軸組成，并由單獨的電動機控制。差動驅動系統/轉向系統是非完整系統，這意味著它對改變機器人的姿勢有限制。

汽車是非完整系統的一個例子，因為它不能不改變姿勢就不能改變位置。讓我們看看這種類型的機器人是如何工作的，以及如何根據其數學模型對它進行建模。

差動驅動系統和機器人運動學簡介

機器人運動學是對運動數學的研究，沒有考慮影響運動的力。它主要處理控制系統的幾何關系。 機器人動力學是對機器人運動的研究，其中模擬了機器人運動中涉及的所有力。

移動機器人或車輛具有六個自由度（DOF），這些自由度由姿勢（x, y, z，側傾，俯仰和偏航）表示。這些自由度包括位置（x, y, z）和姿態（側傾，俯仰和偏航）。橫滾表示橫向旋轉，俯仰表示向前和向后旋轉，偏航（稱為航向或方向）表示機器人在 xy 平面上的移動方向。差動機器人在水平面上從x移到y，因此 2D 姿態主要包含x，y和θ，其中θ是指向機器人向前方向的機器人航向。此信息足以描述差分機器人姿態：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-6BI429nU-1681873679408)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00011.jpeg)]

全局坐標系中機器人在x，y和θ中的姿態

在差動機器人中，可以通過調節左側和右側的兩個獨立控制的電動機（分別稱為V_left和V_right）的速度來控制運動。下圖顯示了市場上幾個流行的差動機器人：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-WUX9iCVj-1681873679408)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00012.jpeg)]

機器人 Roomba

Roomba 系列自動吸塵器是 iRobot 最受歡迎的差動機器人。

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-AjR7HQSN-1681873679409)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00013.jpeg)]

先鋒 3-DX

Pioneer 3-DX 是歐姆龍自適應移動機器人公司流行的差速驅動研究平臺。

差動機器人的正向運動學

具有差動驅動系統的機器人的正向運動學方程用于解決以下問題：

如果機器人在時間t站立在x，y，θ的位置，請確定t +δt處的姿勢x'，y'，θ'（給定控制參數V_left和V_right）。

該技術可以由機器人計算以遵循特定的軌跡。

正向運動學方程的解釋

我們可以從制定正向運動學解決方案開始。下圖是機器人的一個輪子的圖示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Gfpxk5SQ-1681873679409)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00014.gif)]

機器人的單個輪子沿局部 y 軸旋轉

圍繞 y 軸的運動稱為滾動；其他的一切都稱為單據。假設在這種情況下不會發生打滑。車輪完成一整圈時，它的距離為2πr，其中r是車輪的半徑。我們將假設運動是二維的。這意味著表面平坦且平坦。

當機器人要執行轉彎運動時，機器人必須繞著沿其共同的左右車輪軸的點旋轉。機器人旋轉的點稱為 ICC - 瞬時曲率中心。 ICC 位于機器人外部。下圖顯示了差動機器人相對于其 ICC 的車輪配置：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-gJhz7JoE-1681873679409)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00015.jpeg)]

差動機器人的車輪配置

運動方程的推導的中心概念是機器人的ω角速度。機器人上的每個車輪都沿一個圓的圓周圍繞 ICC 旋轉，車輪半徑為r。

車輪速度為v = 2πr / T，其中T是完成 ICC 整圈的時間。ω角速度定義為2π / T，通常具有每秒的弧度（或度）單位。結合v和ω的等式，得出ω= 2π / T，我們可以得出以下結論：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-TwmZti28-1681873679409)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00016.jpeg)]

線速度方程

下圖顯示了差動驅動系統的詳細模型：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-qLxkgppe-1681873679410)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00017.jpeg)]

差動驅動系統的詳細圖

如果將前面的方程式應用到兩個車輪，結果將是相同的，即ω：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-vodXujCJ-1681873679410)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00018.jpeg)]

差動驅動輪方程

在此， R是 ICC 與輪軸中點之間的距離， l是輪軸長度。在求解ω和R之后，我們得到以下結果：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-zjc88jlG-1681873679410)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00019.jpeg)]

用于找到從 ICC 到機器人中心的距離以及機器人角速度的方程式

前面的等式對于解決正向運動學問題很有用。假設機器人以ω的角速度移動δt秒。這將導致機器人的方向或航向更改為以下內容：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-jx6mNpqR-1681873679410)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00020.jpeg)]

尋找方向變化的方程式

在這里，ICC 旋轉的中心由基本三角函數給出，如下所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Lp2AjYqR-1681873679411)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00021.jpeg)]

找到 ICC 的方程式

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-1UzOogqy-1681873679411)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00022.jpeg)]

圍繞 ICC 旋轉機器人ωδt度

給定起始位置x, y，可以使用 2D 計算新位置x', y'。旋轉矩陣。以δt秒的角速度ω圍繞 ICC 旋轉在t +δt時產生以下位置：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-pBz1uLyg-1681873679411)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00023.jpeg)]

用于計算機器人新位置的方程式

給定ω，δt和R，可以根據公式（6）和（8）計算新姿勢x'，y'和θ'。

ω可以根據式（5）算出。 Vr和V1通常更難準確測量。代替測量速度，可以使用稱為車輪編碼器的傳感器來測量每個車輪的旋轉。來自車輪編碼器的數據是機器人的里程表值。這些傳感器安裝在車輪軸上，并針對車輪旋轉的每個角度（每個角度約為 0.1 毫米）傳遞二進制信號。在第 6 章，“執行器和傳感器與機器人控制器的接口連接”中，我們將詳細介紹車輪編碼器的工作原理。這些信號被饋送到計數器，使得vδt為從時間t到t +δt的距離。我們可以編寫以下內容：

n * step = vδt

由此，我們可以計算出v：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-XnrVLCbB-1681873679411)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00024.jpeg)]

根據編碼器數據計算線速度的方程式

如果將方程式（9）插入方程式（3）和（4），我們將得到以下結果：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-ujq5jXHo-1681873679411)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00025.jpeg)]

根據編碼器值計算R的公式

在此，nl和nr是左輪和右輪的編碼器計數。Vl和Vr分別是左輪和右輪的速度。因此，機器人站立姿勢（x，y，θ）并移動nl和nr在δt的時間范圍內計數；新姿勢（x'，y'，θ'）通過以下公式得出：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-0R1ph6RW-1681873679412)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00026.jpeg)]

根據編碼器值計算機器人位置的方程式

在哪里，

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-TLPkyUGF-1681873679412)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00027.jpeg)]

根據編碼器值計算 ICC 和其他參數的公式

得出的運動方程主要取決于機器人的設計和幾何形狀。不同的設計可能導致不同的方程式。

逆向運動學

前向運動學方程在給定的車輪速度下提供了更新的姿態。現在我們可以考慮反問題了。

在時間t站立姿勢（x，y，θ）并確定V_left和V_right控制參數，以使t +δt時的姿態為（x'，y'和θ'）。

在差動驅動系統中，這個問題可能并不總是可以解決的，因為僅通過設置車輪速度就無法將這種機器人移動到任何姿勢。這是由于非完整機器人的限制。

在非完整機器人中，如果我們允許一系列不同的運動（V_left，V_right）運動，則有一些方法可以增加約束運動性。如果插入方程（12）和（15）中的值，我們可以確定一些可以編程的特殊運動：

如果V_right = V_left => nr = nl => R = ∞ => ωδT= 0，則表示機器人沿直線運動，θ保持不變
如果V_right = -V_left => nr = -nl => R = 0 => ωδt = 2nl * step / l和ICC = [ICC[x], ICC[y]] = [x, y] => x'= x, y'= y, θ' = θ + ωδt，這意味著機器人會繞著 ICC 旋轉，即θ均可到達，而x, y保持不變

結合這些操作，可以使用以下步驟從起始姿勢達到任何目標姿勢：

旋轉直到機器人的方向與從起始位置到目標位置的直線重合V_right = -V_left = V_rot。

直行直到機器人的位置與目標位置一致V_right = V_left = V_ahead。

旋轉直到機器人的方向與目標方向一致V_right = -V_left = V_rot。在此，可以任意選擇V_rot和V_ahead。

在接下來的章節中，我們將看到如何使用 ROS 來實現機器人的運動學方程。

總結

本章介紹了差動機器人的基本概念，并探討了如何推導此類機器人的運動學方程。在本章的開頭，我們了解了差動機器人的基礎知識，然后討論了在這些機器人中使用的正向運動學方程。這些方程式用圖表解釋。在查看了正向運動學方程后，我們研究了差動機器人的逆向運動學方程。我們還研究了逆運動學方程的基礎。

在下一章中，我們將看到如何使用 ROS 和 Gazebo 創建自動移動機器人的仿真。

問題

什么是完整和非完整配置？

什么是機器人運動學和動力學？

差動機器人的 ICC 是多少？

差分機器人中的正向運動方程是什么？

差分機器人中的逆向運動方程是什么？

三、建模差動機器人

在本章中，我們將研究如何為差動機器人建模以及如何在 ROS 中創建該機器人的 URDF 模型。我們將在本章中設計的機器人的主要用例是在旅館和飯店中提供食物和飲料。該機器人名為 Chefbot。本章將介紹該機器人的完整建模。

我們將研究此機器人中使用的各種機械組件的 CAD 設計以及如何組裝它們。我們將研究該機器人的 2D 和 3D CAD 設計，并討論如何創建該機器人的 URDF 模型。

在酒店中部署的實際機器人模型可能很大，但是在這里，我們打算構建一個微型版本來測試我們的軟件。如果您有興趣從頭開始構建機器人，那么本章適合您。如果您對構建機器人不感興趣，可以選擇一些機器人平臺（如 Turtlebot）在市場上購買，以與本書一起使用。

要構建機器人硬件，首先我們需要獲得機器人的要求。獲得要求后，我們可以對其進行設計并在 2D CAD 工具中繪制模型以制造機器人零件。機器人的 3D 建模將使我們對機器人的外觀有更多的了解。 3D 建模后，我們可以將設計轉換為可與 ROS 一起使用的 URDF 模型。

本章將涵蓋以下主題：

根據給定規格設計機器人參數
使用 LibreCAD 設計 2D 機器人主體零件
使用 Blender 和 Python 設計 3D 機器人模型
為 Chefbot 創建 URDF 模型
在 Rviz 中可視化 Chefbot 模型

技術要求

要測試本章中的應用和代碼，您需要安裝了 ROS Kinetic 的 Ubuntu 16.04 LTS PC /筆記本電腦

機器人要滿足的要求

在設計任何機器人系統之前，第一個步驟是確定系統需求。以下是此機器人要滿足的一組機器人設計要求。這包括硬件和軟件要求：

機器人應配備食物
機器人應攜帶的最大有效載荷為 2 千克
機械手應以 0.25m/s 至 0.35m/s 的速度移動
機器人的離地間隙應大于 3 厘米
機器人必須連續工作 2 個小時
機器人應能夠移動并向任何桌子供應食物，避免障礙物
機械手的高度可以在 80 厘米至 100 厘米之間。
該機器人的成本應低（不到 500 美元）

現在我們有了設計要求，例如有效載荷，速度，離地高度，機器人的高度，機器人的成本以及要在機器人中實現的功能，我們可以設計機器人主體并選擇與上述要求匹配的組件。讓我們討論可用于滿足這些要求的機器人機制。

機器人驅動機構

差動驅動系統是移動機器人導航的一種經濟高效的解決方案。它是移動機器人最簡單的驅動機制之一，主要用于室內導航。 差動機器人包括兩個輪子，兩個輪子安裝在由兩個單獨的電動機控制的公共軸上。有兩個支撐輪，稱為腳輪。這樣可以確保機器人的穩定性和重量分配。下圖顯示了典型的差動驅動系統：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-J6bscMJK-1681873679412)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00029.gif)]

差動驅動系統

下一步是選擇此機器人驅動系統的機械組件，主要是電動機，車輪和機器人底盤。根據要求，我們將首先討論如何選擇電動機。

電機和車輪的選擇

在查看規格后選擇電動機。電機選擇的一些重要參數是轉矩和 RPM。我們可以根據給定的要求計算這些值。

電機轉速的計算

該機器人所需的速度范圍是 0.25 至 0.35m/s。在設計中，我們可以將此機器人的最大速度設為 0.35m/s。將輪子的直徑設為 9cm，因為根據要求，離地間隙應大于 3cm，我們將機器人本體固定在與電機軸相同的高度上。在這種情況下，我們將獲得更大的離地間隙。

使用以下方程式，我們可以計算電動機的 RPM：

RPM = (60 * 速度) / (3.14 * 車輪直徑)= (60 * 0.35) / (3.14 * 0.09) = 21 / 0.2826 = 74 RPM

您也可以查看這個頁面進行計算。

車輪直徑為 9cm 且速度為 0.35m/s 時，計算得出的 RPM 為 74 RPM。我們可以將 80 RPM 作為標準值。

電機轉矩的計算

讓我們計算一下移動機器人所需的扭矩：

車輪數為四個車輪，其中包括兩個腳輪。

電機數量為 2。

假設摩擦系數為 0.6，車輪半徑為 4.5cm。

取機器人的總重量 = 機器人的重量 + 有效載荷 = (W = mg) = (~100 N + ~20 N) W = ~150 N，而總質量為 12 Kg。

作用在四個車輪上的重量可以寫成2 * N1 + 2 * N2 = W；也就是說，N1是作用在每個腳輪上的重量，N2是作用在電動車輪上的重量。

假設機器人是靜止的。機器人開始移動時需要最大扭矩。它還應克服摩擦。

我們可以將摩擦力寫為機器人扭矩為 0，直到機器人運動為止。如果在此條件下獲得機器人扭矩，則將獲得最大扭矩，如下所示：

設計總結

設計之后，我們計算以下值并四舍五入到市場上可用的標準電動機規格：

電機 RPM 為 80（四舍五入到標準值）
電機扭矩為 18 kg-cm
輪徑為 9 厘米

機器人底盤設計

在計算了機器人的電動機和車輪參數之后，我們可以設計機器人底盤或機器人主體。根據要求，機器人底盤應具有容納食物的設施，應能夠承受 5 公斤的負載，機器人的離地間隙應大于 3 厘米，并且成本應低。除此之外，機器人還應提供放置電子元件的設備，例如個人計算機（PC），傳感器和電池。

滿足這些要求的最簡單的設計之一就是多層架構，例如 Turtlebot 2。它在機箱中有三層。名為 Kobuki 的機器人平臺是該平臺的主要驅動機制。 Roomba 平臺內置了電動機和傳感器，因此無需擔心設計機器人驅動系統。下圖顯示了 TurtleBot 2 機械手機箱設計：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Qaz7ZtsO-1681873679412)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00030.jpeg)]

TurtleBot 2 機器人

我們將設計一個與 TurtleBot 2 類似的機器人，并帶有我們自己的移動平臺和組件。我們的設計還具有三層架構。在開始設計之前，讓我們確定我們需要的所有工具。

在開始設計機器人機箱之前，我們需要計算機輔助設計（CAD）工具。可用于 CAD 的流行工具有：

SolidWorks
AutoCAD
Maya
Inventor
SketchUp
Blender
LibreCAD

可以使用任何您喜歡的軟件來設計機箱設計。在這里，我們將演示 LibreCAD 中的 2D 模型和 Blender 中的 3D 模型。這些應用的亮點之一是它們是免費的，并且可用于所有 OS 平臺。我們將使用稱為 MeshLab 的 3D 網格查看工具來查看和檢查 3D 模型設計，并使用 Ubuntu 作為主要操作系統。另外，我們可以在 Ubuntu 16.04 中看到這些應用的安裝過程，以開始設計過程。我們還將提供教程鏈接，以在其他平臺上安裝應用。

安裝 LibreCAD，Blender 和 MeshLab

LibreCAD 是一個免費的開源 2D CAD 應用，適用于 Windows，OS X 和 Linux。 Blender 是一款免費的開源 3D 計算機圖形軟件，用于創建 3D 模型，動畫和視頻游戲。它帶有 GPL 許可證，允許用戶共享，修改和分發應用。 MeshLab 是一個開放源代碼，便攜式且可擴展的系統，用于處理和編輯非結構化 3D 三角網格。

以下是在 Windows，Linux 和 OS X 上安裝 LibreCAD 的鏈接：

訪問這個頁面下載 LibreCAD
訪問這個頁面從源代碼構建 LibreCAD
訪問這個頁面在 Debian/Ubuntu 中安裝 LibreCAD
訪問這個頁面在 Fedora 中安裝 LibreCAD
訪問這個頁面在 OS X 中安裝 LibreCAD
訪問這個頁面在 Windows 中安裝 LibreCAD

您可以在以下鏈接中找到 LibreCAD 上的文檔。

安裝 LibreCAD

提供了所有操作系統的安裝過程。如果您是 Ubuntu 用戶，則也可以直接從 Ubuntu 軟件中心進行安裝。

如果使用的是 Ubuntu，以下是安裝 LibreCAD 的命令：

$ sudo add-apt-repository ppa:librecad-dev/librecad-stable$ sudo apt-get update$ sudo apt-get install librecad

安裝 Blender

訪問以下下載頁面以為您的 OS 平臺安裝 Blender。您可以在此處找到 Blender 的最新版本。另外，您可以在這個頁面上找到有關 Blender 的最新文檔。

如果您使用的是 Ubuntu/Linux，則只需通過 Ubuntu 軟件中心安裝 Blender 或使用以下命令：

$ sudo apt-get install blender

安裝 MeshLab

MeshLab 適用于所有 OS 平臺。以下鏈接將為您提供預編譯二進制文件的下載鏈接和 MeshLab 的源代碼。

如果您是 Ubuntu 用戶，則可以使用以下命令從 APT 包管理器中安裝 MeshLab：

$sudo apt-get install meshlab

使用 LibreCAD 創建機器人的 2D CAD 圖

我們將看一下 LibreCAD 的基本界面。以下屏幕截圖顯示了 LibreCAD 的界面：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-23w31L1h-1681873679412)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00031.jpeg)]

LibreCAD 工具

CAD 工具欄具有繪制模型所需的組件。下圖顯示了 CAD 工具欄的詳細概述：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-vgKqL81l-1681873679413)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00032.jpeg)]

以下鏈接提供了 LibreCAD 工具的詳細說明。

以下是每種工具的簡短說明：

命令框：僅用于使用命令繪制圖形。我們可以繪制圖表而無需觸摸任何工具欄。有關命令框用法的詳細說明，請參見：
圖層列表：這將具有當前圖形中使用的圖層。計算機輔助繪圖中的一個基本概念是使用圖層來組織圖形。有關圖層的詳細說明，請參見這個頁面。
塊：這是一組實體，可以在不同的位置，不同的比例和旋轉角度以不同的屬性多次插入同一圖形中。可以在以下鏈接中找到有關塊的詳細說明。
絕對零：這是圖形(0, 0)的原點。

現在，通過設置圖形單位開始草繪。將繪圖單位設置為厘米。打開 LibreCAD，然后導航到編輯| 應用首選項。將“單位”設置為“厘米”，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-rBDxYlfe-1681873679413)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00033.jpeg)]

讓我們從機器人的底板設計開始。底板具有連接電動機，放置電池和控制板的裝置。

底板設計

下圖顯示了機器人的底板。該板為差速驅動器提供了兩個電動機，底板的前后都有每個腳輪。在圖中將電動機稱為M1和M2，腳輪表示為C1和C2。它還具有四個極，以連接到下一個板。極點表示為P1-1，P1-2，P1-3和P1-4。螺絲標記為S，在此我們將使用相同的螺絲。中心處有一個孔，可將電線從電動機引到板的頂部。在左側和右側切割該板，以便將車輪安裝到電動機上。從中心到腳輪的距離稱為 12.5cm，從中心到電機的距離稱為 5.5cm。極點的中心距中心的長度為 9cm，高度為 9cm。所有板的孔都遵循相同的尺寸：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-xtSusz43-1681873679413)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00034.jpeg)]

底板設計

尺寸未在圖中標出；相反，它們在下表中列出：

零件尺寸（長 x 高/半徑，厘米）

M1和M2	5 x 4
C1和C2	半徑為 1.5
S（螺絲）（在圖中未顯示）	0.15
P1-1，P1-2，P1-3，P1-4	外徑 0.7，高度 3.5cm
左右輪部分	2.5 x 10
底盤	半徑為 15

稍后我們將更詳細地討論電機尺寸和夾具尺寸。

底板桿設計

基板有四個極點以延伸到下一層。磁極的長度為 3.5cm，半徑為 0.7cm。通過將空心管連接到桿上，我們可以延伸到下一個板。在中空管的頂部，我們將插入硬質塑料以形成螺孔。該孔對于延伸到頂層很有用。下圖顯示了底板極和每個極上的空心管。中空管的半徑為 0.75cm，長度為 15cm：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-dXSKKIjZ-1681873679413)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00035.jpeg)]

空心管設計 15 厘米

車輪，電機和電機夾具設計

我們必須確定輪子的直徑并計算電動機的要求。在這里，我們給出了設計成功時可以使用的典型電動機和車輪：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-pInCuih8-1681873679413)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00036.jpeg)]

機器人的電機設計

電動機的設計可以根據電動機的選擇而變化。如有必要，可以將該電動機作為設計，并可以在仿真后進行更改。電動機圖中的L值可以根據電動機的速度和轉矩而變化。這是電動機的齒輪組件。

下圖顯示了我們可以使用的 90cm 直徑的典型砂輪。放置手柄后，直徑 86.5mm 的砂輪將變為 90mm：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-DJzmsQSa-1681873679414)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00037.gif)]

機器人的車輪設計

電機需要安裝在基板上。要安裝，我們需要一個可以擰到板上的夾具，還將電動機連接到夾具。下圖顯示了可用于此目的的典型夾具。這是一個 L 型夾鉗，我們可以使用它在一側安裝電動機，然后將另一側安裝到板上：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-VAkgKg2b-1681873679414)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00038.gif)]

機器人的典型夾具設計

腳輪設計

腳輪不需要特殊設計。我們可以使用任何可以與地面接觸的腳輪。以下鏈接收集了可用于該設計的腳輪的集合。

中板設計

該板的尺寸與基板相同，螺釘尺寸也相似：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-q7AnvQht-1681873679414)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00039.jpeg)]

機器人中間板設計

中間板可從基板固定在中空管上方。該布置使用另一個從中板伸出的中空管連接。中間板的管子的底部將有一個螺釘，以固定底板和中間板的管子，并在空心端連接頂板。下圖顯示了從中間板伸出的管子的俯視圖和側視圖：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-TWQIoOe8-1681873679414)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00040.gif)]

中空管設計 20 厘米

該管將中間板連接到底板，同時提供頂板的連接。

頂板設計

頂板與其他板相似；它有四個 3 厘米的小桿，類似于底板。磁極可以從中間板放置在空心管上。四個極連接到板本身：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-AiAQj4r3-1681873679414)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00041.gif)]

頂板設計

完成頂板設計后，機器人底盤設計幾乎完成。我們來看一下使用 Blender 的該機器人的 3D 模型構建。 3D 模型是出于仿真目的而構建的，而我們構建的 2D 設計主要是出于制造目的。

使用 Blender 處理機器人的 3D 模型

在本節中，我們將設計機器人的 3D 模型。 3D 模型主要用于仿真目的。建模將使用 Blender 完成。該版本必須大于 2.6，因為我們僅測試了這些版本的教程。

以下屏幕截圖顯示了 Blender 工作區和可用于 3D 模型的工具：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-EfNf93BC-1681873679415)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00042.jpeg)]

Blender 3D CAD 工具

我們在這里使用 Blender 的主要原因是我們可以使用 Python 腳本對機器人進行建模。 Blender 具有內置的 Python 解釋器和 Python 腳本編輯器，用于編碼。我們將不在這里討論 Blender 的用戶界面。您可以在其網站上找到 Blender 的良好教程。請參考以下鏈接以了解 Blender 的用戶界面。

讓我們開始使用 Python 在 Blender 中進行編碼。

Blender 中的 Python 腳本

Blender 主要用 C，C++ 和 Python 編寫。用戶可以編寫自己的 Python 腳本并訪問 Blender 的所有功能。如果您是 Blender Python API 的專家，則可以使用 Python 腳本而不是手動建模來對整個機器人進行建模。

Blender 使用 Python3.x。攪拌機。 Python API 通常是穩定的，但仍在某些方面進行了添加和改進。有關 Blender Python API 的文檔，請參考這個頁面。

讓我們快速概述一下我們將在機器人模型腳本中使用的 Blender Python API。

Blender Python API 簡介

Blender 中的 Python API 可以執行 Blender 的大部分功能。 API 可以完成的主要工作如下：

編輯 Blender 內部的任何數據，例如場景，網格，粒子等
修改用戶首選項，鍵映射和主題
創建新的 Blender 工具
使用 Python 的 OpenGL 命令繪制 3D 視圖

Blender 為 Python 解釋器提供了bpy模塊。該模塊可以導入腳本中，并可以訪問 Blender 數據，類和函數。處理 Blender 數據的腳本將需要導入此模塊。我們將在 bpy 中使用的主要 Python 模塊是：

上下文訪問：這可從（bpy.context）腳本訪問 Blender 用戶界面功能
數據訪問：這提供對 Blender 內部數據（bpy.data）的訪問
運算符：這提供對調用運算符的 Python 訪問，其中包括用 C，Python 或宏（bpy.ops）編寫的運算符

要在 Blender 中切換到腳本，我們需要更改 Blender 的屏幕布局。以下屏幕截圖顯示了可幫助您切換到腳本布局的選項：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-bYS60H6c-1681873679415)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00043.jpeg)]

Blender 腳本選項

選擇腳本選項卡后，我們可以在 Blender 中看到一個文本編輯器和 Python 控制臺窗口。在文本編輯器中，我們可以使用 Blender API 進行編碼，也可以通過 Python 控制臺嘗試使用 Python 命令。單擊“新建”按鈕創建一個新的 Python 腳本并將其命名為robot.py。現在，我們可以僅使用 Python 腳本來設計機器人的 3D 模型。接下來的部分提供了用于設計機器人模型的完整腳本。我們可以在運行代碼之前對其進行討論。希望您已經從其站點閱讀了 Blender 的 Python API。下一節中的代碼分為六個 Python 函數，以繪制三個機器人板，繪制電動機和車輪，繪制四個支撐管，并導出模擬格式到立體光刻（STL）3D 文件中。

機器人模型的 Python 腳本

以下是我們將設計的機器人模型的 Python 腳本：

在 Blender 中啟動 Python 腳本之前，我們必須導入bpy模塊。 bpy模塊包含 Blender 的所有功能，并且只能從 Blender 應用內部進行訪問：

import bpy

以下功能將繪制機器人的底板。此功能將繪制一個半徑為 5cm 的圓柱體，并從相反的側面切開一部分，以便可以使用 Blender 中的Boolean修改器連接電動機：

#This function will draw base plate def Draw_Base_Plate():

以下兩個命令將在基板的任一側上創建兩個半徑為 0.05 米的立方體。這些多維數據集的目的是創建一個修改器，以從基板中減去這些多維數據集。因此，實際上，我們將獲得帶有兩個切口的基板。切開兩側后，我們將刪除多維數據集：

bpy.ops.mesh.primitive_cube_add(radius=0.05, location=(0.175,0,0.09))bpy.ops.mesh.primitive_cube_add(radius=0.05, location=(-0.175,0,0.09)) #################################################### #################################################### #Adding base plate bpy.ops.mesh.primitive_cylinder_add(radius=0.15, depth=0.005, location=(0,0,0.09)) #Adding boolean difference modifier from first cube bpy.ops.object.modifier_add(type='BOOLEAN') bpy.context.object.modifiers["Boolean"].operation = 'DIFFERENCE'bpy.context.object.modifiers["Boolean"].object = bpy.data.objects["Cube"] bpy.ops.object.modifier_apply(modifier="Boolean") ###################################################### ###################################################### #Adding boolean difference modifier from second cube bpy.ops.object.modifier_add(type='BOOLEAN') bpy.context.object.modifiers["Boolean"].operation = 'DIFFERENCE'bpy.context.object.modifiers["Boolean"].object = bpy.data.objects["Cube.001"] bpy.ops.object.modifier_apply(modifier="Boolean") ############################################################################################################## #Deselect cylinder and delete cubes bpy.ops.object.select_pattern(pattern="Cube") bpy.ops.object.select_pattern(pattern="Cube.001") bpy.data.objects['Cylinder'].select = False bpy.ops.object.delete(use_global=False)

以下功能將拉動安裝在底板上的電動機和車輪：

#This function will draw motors and wheels def Draw_Motors_Wheels():

以下命令將繪制一個半徑為 0.045 且圓柱體深度為 0.01 米的圓柱體。創建輪子之后，它將旋轉并平移到基板的切割部分：

#Create first Wheel bpy.ops.mesh.primitive_cylinder_add(radius=0.045, depth=0.01, location=(0,0,0.07)) #Rotate bpy.context.object.rotation_euler[1] = 1.5708 #Transalation bpy.context.object.location[0] = 0.135 #Create second wheel bpy.ops.mesh.primitive_cylinder_add(radius=0.045, depth=0.01, location=(0,0,0.07)) #Rotate bpy.context.object.rotation_euler[1] = 1.5708 #Transalation bpy.context.object.location[0] = -0.135

以下代碼將在基板上添加兩個虛擬電機。在 2D 設計中提到了電動機的尺寸。電機基本上是一個圓柱體，它將被旋轉并放置在底板中：

#Adding motors bpy.ops.mesh.primitive_cylinder_add(radius=0.018,depth=0.06, location=(0.075,0,0.075)) bpy.context.object.rotation_euler[1] = 1.5708 bpy.ops.mesh.primitive_cylinder_add(radius=0.018,depth=0.06, location=(-0.075,0,0.075)) bpy.context.object.rotation_euler[1] = 1.5708

以下代碼將向電動機添加軸，類似于電動機模型。軸也是一個圓柱體，它將旋轉并插入電動機模型中：

#Adding motor shaft bpy.ops.mesh.primitive_cylinder_add(radius=0.006,depth=0.04, location=(0.12,0,0.075)) bpy.context.object.rotation_euler[1] = 1.5708 bpy.ops.mesh.primitive_cylinder_add(radius=0.006,depth=0.04, location=(-0.12,0,0.075)) bpy.context.object.rotation_euler[1] = 1.5708 ##############################################################################################################

以下代碼將在底板上添加兩個腳輪。目前，我們正在添加一個圓柱體作為輪子。在模擬中，我們可以將其指定為車輪：

#Adding Caster Wheel bpy.ops.mesh.primitive_cylinder_add(radius=0.015, depth=0.05, location=(0,0.125,0.065))bpy.ops.mesh.primitive_cylinder_add(radius=0.015, depth=0.05, location=(0,-0.125,0.065))

以下代碼將添加一個虛擬 Kinect 傳感器：

#Adding Kinect bpy.ops.mesh.primitive_cube_add(radius=0.04, location=(0,0,0.26))

此功能將繪制機器人的中間板：

#Draw middle plate def Draw_Middle_Plate(): bpy.ops.mesh.primitive_cylinder_add(radius=0.15, depth=0.005, location=(0,0,0.22)) #Adding top plate def Draw_Top_Plate(): bpy.ops.mesh.primitive_cylinder_add(radius=0.15, depth=0.005, location=(0,0,0.37))

此功能將為所有三個板繪制所有四個支撐空心管：

#Adding support tubes def Draw_Support_Tubes(): ############################################################################################# #Cylinders bpy.ops.mesh.primitive_cylinder_add(radius=0.007, depth=0.30, location=(0.09,0.09,0.23))bpy.ops.mesh.primitive_cylinder_add(radius=0.007, depth=0.30, location=(-0.09,0.09,0.23))bpy.ops.mesh.primitive_cylinder_add(radius=0.007, depth=0.30, location=(-0.09,-0.09,0.23))bpy.ops.mesh.primitive_cylinder_add(radius=0.007, depth=0.30, location=(0.09,-0.09,0.23))

此功能會將設計的機械手導出到 STL。在執行腳本之前，我們必須更改 STL 文件路徑：

#Exporting into STL def Save_to_STL(): bpy.ops.object.select_all(action='SELECT') # bpy.ops.mesh.select_all(action='TOGGLE') bpy.ops.export_mesh.stl(check_existing=True, filepath="/home/lentin/Desktop/exported.stl", filter_glob="*.stl", ascii=False, use_mesh_modifiers=True, axis_forward='Y', axis_up='Z', global_scale=1.0) #Main code if __name__ == "__main__": Draw_Base_Plate() Draw_Motors_Wheels() Draw_Middle_Plate() Draw_Top_Plate() Draw_Support_Tubes() Save_to_STL()

在文本編輯器中輸入代碼后，請按“運行腳本”按鈕執行腳本，如以下屏幕截圖所示。輸出的 3D 模型將顯示在 Blender 的 3D 視圖上。另外，如果我們檢查桌面，我們可以看到exported.stl文件用于仿真目的：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-r0J2w10s-1681873679415)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00044.jpeg)]

在 Blender 中運行 Python 腳本

可以使用 MeshLab 打開exported.stl文件，以下是 MeshLab 的屏幕截圖：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-ljGxdhDl-1681873679415)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00045.jpeg)]

MeshLab 中的 Chefbot 3D 模型

創建機器人的 URDF 模型

ROS 中的機械手模型包含用于對機械手各個方面進行建模的包，這些包在 XML 機械手描述格式中指定。該棧的核心包是 URDF，它可以解析 URDF 文件并構造機器人的對象模型。

統一機器人描述格式（URDF）是用于描述機器人模型的 XML 規范。我們可以使用 URDF 表示機器人的以下功能：

機器人的運動學和動態描述
機器人的視覺表示
機器人的碰撞模型

對機器人的描述由一組鏈接（零件），元素和一組關節元素組成，這些元素將這些鏈接連接在一起。以下代碼顯示了典型的機器人描述：

如果您參考以下鏈接以獲取有關 URDF 的更多信息，那就太好了。

Xacro（XML 宏）是一種 XML 宏語言。使用 xacro，我們可以創建更短，更易讀的 XML 文件。我們可以將 xacro 與 URDF 一起使用以簡化 URDF 文件。如果將 xacro 添加到 URDF，則必須調用附加的解析器程序以將 xacro 轉換為 URDF。

以下鏈接將為您提供有關 xacro 的更多詳細信息。

robot_state_publisher允許您將機器人的狀態發布到tf。該節點讀取名為robot_description的 URDF 參數，并從名為joint_states的主題讀取機器人的關節角度作為輸入，并使用的運動樹模型發布機器人鏈接的 3D 姿勢。該包可用作庫和 ROS 節點。該包已經過良好的測試，并且代碼穩定。

世界文件：這些文件代表 Gazebo 的環境，必須與機器人模型一起加載。 empty.world和Playground.world是 Gazebo 世界文件的一些示例。 empty.world僅包含一個空白空間。在Playground.world中，環境中將存在一些靜態對象。我們可以使用 Gazebo 創建自己的*.world文件。在下一章中，我們將進一步介紹 Gazebo 世界文件。
CMakeList.txt和package.xml：這些文件是在創建包時創建的。 CmakeList.txt文件有助于在包中構建 ROS C++ 節點或庫，而package.xml文件保存此包的所有依賴項列表。

創建一個 Chefbot 描述 ROS 包

chefbot_description包包含我們機器人的 URDF 模型。在自己創建此包之前，您可以瀏覽chapter3_codes中下載的 Chefbot 包。這將幫助您加快流程。

讓我們檢查一下如何創建chefbot_description包。以下過程將指導您創建此包：

首先，我們需要切換到src文件夾中的chefbot文件夾：

$ cd ~/catkin_ws/src/

以下命令將創建機器人描述包以及相關性，例如urdf和xacro。這將在catkin_ws/src文件夾中創建chefbot_description包：

$ catkin_create_pkgchefbot_descriptioncatkinxacro

將所有文件夾從下載的chefbot_description包復制到新的包文件夾。 meshes文件夾包含機器人的 3D 零件，urdf文件夾包含具有機器人運動學和動力學模型的 URDF 文件。機械手模型分為多個 xacro 文件，從而使調試更容易且可讀性更好。

讓我們看一下該包中每個文件的功能。您可以檢查chefbot_description中的每個文件。下圖顯示了此包中的文件：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-g8jmwFuq-1681873679415)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00046.jpeg)]

Chefbot 描述包

包中每個文件的功能如下：

urdf/chefbot.xacro：這是具有機器人運動學和動態參數的主要 xacro 文件。
urdf/common_properties.xacro：此 xacro 文件包含一些屬性及其在機器人模型中使用的值。例如，機械手鏈接的不同顏色定義和一些常數。
gazebo/chefbot.gazebo.xacro：此文件包含機器人的仿真參數。它主要具有 Gazebo 參數和用于執行模擬的插件。僅當我們使用此模型開始仿真時，這些參數才有效。
launch/upload_model.launch：此啟動文件具有一個節點，該節點基本上可以解析機械手 xacro 文件，并將解析后的數據上載到名為robot_description的 ROS 參數。然后robot_description參數在 Rviz 中用于可視化，在 Gazebo 中用于仿真。如果我們的 xacro 模型錯誤，則此啟動文件將引發錯誤。
launch/view_model.launch：此啟動文件將上載機器人 URDF 模型并在 Rviz 中查看該模型。
launch/view_navigation.launch：將在 Rviz 中顯示 URDF 模型和導航相關的顯示類型。
launch/view_robot_gazebo.launch：這將在 Gazebo 中啟動 URDF 模型并啟動所有 Gazebo 插件。
meshes/：此文件夾包含機器人模型所需的網格。
您可以使用catkin_make命令來構建工作區。

構建包后，我們可以使用以下命令在 Rviz 中啟動 Chefbot 模型：

$ roslaunch chefbot_descriptionview_robot.launch

以下屏幕快照顯示了 Rviz 中的機器人模型：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-tKzBh2HP-1681873679416)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00047.jpeg)]

Rviz 中的 Chefbot URDF 模型

這是在 Rviz 中可視化機器人的view_robot.launch文件：

這是upload_model. launch的定義。 xacro命令將解析chefbot.xacro文件并存儲到robot_description中：

我們可以看一下udf/chefbot.xacro，它是主要的 URDF 模型文件。我們可以看到如何在 xacro 文件中定義鏈接和關節。

以下代碼段顯示了機器人 xacro 模型的標題。它具有 XML 版本，機械手名稱，并且還包含其他一些 xacro 文件，例如common_properties.xacro和chefbot.gazebo.xacro.。之后，我們可以看到標頭中定義的一些相機屬性：

<?xml version="1.0"?> <robot name="chefbot" xmlns:xacro="http://ros.org/wiki/xacro"> <xacro:include filename="$(find chefbot_description)/urdf/common_properties.xacro" /> <xacro:include filename="$(find chefbot_description)/gazebo/chefbot.gazebo.xacro" /> <xacro:property name="astra_cam_py" value="-0.0125"/> <xacro:property name="astra_depth_rel_rgb_py" value="0.0250" /> <xacro:property name="astra_cam_rel_rgb_py" value="-0.0125" /> <xacro:property name="astra_dae_display_scale" value="0.8" />

以下代碼片段顯示了模型中鏈接和關節的定義：

在此代碼中，我們可以看到兩個名為base_footprint和base_link的鏈接的定義。 base_footprint鏈接是虛擬鏈接，表示它具有任何屬性；它僅用于顯示機器人的起源。 base_link是機器人的起源，具有視覺和碰撞特性。我們還可以看到該鏈接被可視化為網格文件。我們還可以在定義中看到鏈接的慣性參數。關節是兩個環節的結合。我們可以通過提及兩個鏈接和關節的類型來在 URDF 中定義關節。 URDF 中有不同類型的關節，例如固定，旋轉，連續和棱柱形。在此代碼段中，我們將創建一個固定的關節，因為這些框架之間沒有運動。

本章主要涉及 Chefbot URDF 的基礎知識。在下一章中，我們將學習有關 Chefbot 仿真的更多信息，并對參數進行解釋。

總結

在本章中，我們討論了 Chefbot 機器人的建模。建模涉及機器人硬件的 2D 和 3D 設計，最終成為可在 ROS 中使用的 URDF 模型。本章從機器人要滿足的各種要求開始，我們已經看到了如何計算各種設計參數。計算完設計參數后，我們開始設計機器人硬件的 2D 草圖。使用免費的 CAD 工具 LibreCAD 完成了設計。之后，我們使用 Python 腳本在 Blender 中研究了 3D 模型。我們已經從 Blender 創建了網格模型，并創建了機器人的 URDF 模型。創建 URDF 模型后，我們研究了如何在 Rviz 中可視化機器人。

在下一章中，我們將討論如何模擬該機器人以及執行映射和定位。

問題

什么是機器人建模及其用途？

2D 機器人模型的目標是什么？

3D 機器人模型的目標是什么？

與手動建模相比，Python 腳本有什么優勢？

什么是 URDF 文件，其用途是什么？

進一步閱讀

要了解有關 URDF，Xacro 和 Gazebo 的更多信息，請參閱以下書籍：《精通 ROS 機器人程序設計第二版》。

四、使用 ROS 模擬差動機器人

在上一章中，我們研究了如何建模 Chefbot。在本章中，我們將學習如何使用 ROS 中的 Gazebo 模擬器來模擬機器人。我們將學習如何創建 Chefbot 的仿真模型，并在 Gazebo 中創建類似于酒店的環境來測試我們的應用，該應用被編程為自動向客戶交付食物。我們將查看每個步驟的詳細說明，以測試我們的應用。以下是我們將在本章中介紹的重要主題：

Gazebo 模擬器入門
使用 TurtleBot 2 模擬
模擬 Chefbot
用于仿真的 URDF 標簽和插件
同步定位和映射入門
在 Gazebo 環境中實現 SLAM
使用 SLAM 創建地圖
自適應蒙特卡洛定位入門
在 Gazebo 環境中實現 AMCL
使用 Gazebo 在酒店內自動導航 Chefbot

技術要求

要測試本章中的應用和代碼，您需要安裝了 ROS Kinetic 的 Ubuntu 16.04 LTS PC /筆記本電腦。

Gazebo 模擬器入門

在第一章中，我們研究了 Gazebo 仿真器的基本概念及其安裝過程。在本章中，我們將了解有關 Gazebo 的用法以及如何在 Gazebo 模擬器中模擬差動機器人的更多信息。第一步是了解 GUI 界面及其各種控件。正如我們在第一章中所討論的，Gazebo 有兩個主要部分。第一個是 Gazebo 服務器，第二個是 Gazebo 客戶端。仿真是在充當后端的 Gazebo 服務器上完成的。 GUI 是前端，它充當 Gazebo 客戶端。我們還將介紹 Rviz（ROS 可視化工具），它是 ROS 中的 GUI 工具，用于可視化來自機器人硬件或模擬器（如 Gazebo）的各種機器人傳感器數據。

我們可以使用 Gazebo 作為獨立的模擬器來模擬機器人，也可以使用具有 ROS 和 Python 的接口，這些接口可用于在 Gazebo 模擬器中對機器人進行編程。如果我們將 Gazebo 用作獨立模擬器，則模擬機器人的默認選項是編寫基于 C++ 的插件。我們可以編寫 C++ 插件來模擬機器人的行為，創建新的傳感器，創建新的世界，等等。默認情況下，使用 SDF 文件完成對 Gazebo 中機器人和環境的建模。如果我們為 Gazebo 使用 ROS 接口，則必須創建一個 URDF 文件，其中包含機器人的所有參數，并具有特定于 Gazebo 的標簽來提及機器人的仿真屬性。當我們使用 URDF 啟動仿真時，它將使用某些工具轉換為 SDF 文件，并在 Gazebo 中顯示機器人。 Gazebo 的 ROS 接口稱為 gazebo-ros-pkgs。它是一組包裝程序和插件，它們能夠在 Gazebo 中對傳感器，機器人控制器和其他模擬進行建模并通過 ROS 主題進行通信。在本章中，我們將主要關注用于模擬 Chefbot 的 ROS-Gazebo 接口。 ROS-Gazebo 接口的優點是我們可以通過使用 ROS 框架對機器人進行編程。我們可以使用 ROS 等常用的編程語言（例如 C++ 和 Python）對機器人進行編程。

如果您對使用 ROS 不感興趣，并且想使用 Python 編程機器人，則應簽出一個名為 pygazebo 的接口。它是 Gazebo 的 Python 綁定。在下一節中，我們將看到 Gazebo 的 GUI 及其一些重要控件。

Gazebo 的圖形用戶界面

我們可以通過幾種方式啟動 Gazebo。您已經在第 1 章，“機器人操作系統入門”中看到了這一點。在本章中，我們使用以下命令啟動一個空白世界，這意味著沒有機器人，也沒有環境：

$ roslaunch gazebo_ros empty_world.launch

前面的命令將啟動 Gazebo 服務器和客戶端，并將一個空白世界加載到 Gazebo 中。這是 Gazebo 里空虛的世界的景象：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-SMyXpCQR-1681873679416)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00048.jpeg)]

Gazebo 用戶界面

Gazebo 用戶界面可分為三個部分：場景，左面板和右面板。

場景

場景是模擬機器人的地方。我們可以向場景中添加各種對象，并且可以使用鼠標和鍵盤與場景中的機器人進行交互。

左面板

當我們啟動 Gazebo 時，您會看到左側面板。左面板中有三個主要選項卡：

世界：世界選項卡包含當前 Gazebo 場景中的模型列表。在這里，我們可以修改模型參數（例如姿勢），也可以更改相機的姿勢。
插入：插入選項卡允許您向場景添加新的仿真模型。這些模型在本地系統和遠程服務器中均可用。 /home/<user_name>/.gazebo/model文件夾會將本地模型文件和模型保存在這個頁面中的遠程服務器中，如以下屏幕快照所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-IM0IOXRr-1681873679416)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00049.jpeg)]

Gazebo 左側面板中的“插入”標簽

您可以在前面的屏幕快照中顯示的插入標簽中看到本地文件和遠程文件。

首次啟動 Gazebo 時，或者從遠程服務器啟動具有模型的世界時，您可能會在 Gazebo 上看到黑屏或在終端上看到警告。這是因為正在下載遠程服務器中的模型，并且 Gazebo 必須等待一段時間。等待時間會根據您的互聯網連接速度而變化。下載模型后，它將保存在本地模型文件夾中，因此下次不會有任何延遲。

圖層：大多數時候，我們不會使用此選項卡。此選項卡用于組織模擬中可用的不同可視化。我們可以通過切換各層來隱藏/取消隱藏仿真中的模型。在仿真中，大多數時候此選項卡將為空。

右面板

默認情況下，“右側”面板是隱藏的。我們必須拖動它才能查看它。該面板使我們能夠與模型的移動部分進行交互。如果在場景中選擇模型，則可以看到模型的關節。

Gazebo 工具欄

Gazebo 有兩個工具欄。一個在場景之上，另一個在場景之下。

頂部工具欄

頂部工具欄對于與 Gazebo 場景進行交互非常有用。該工具欄主要用于操縱 Gazebo 場景。它具有選擇模型，縮放，平移和旋轉以及向場景添加新形狀的功能：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-gIJp7aed-1681873679416)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00050.jpeg)]

Gazebo 上層工具欄

以下列表為您顯示了每個選項的詳細說明：

選擇模式：如果處于“選擇模式”，則可以在場景中選擇模型并設置其屬性，以及在場景內導航。
平移模式：在平移模式中，我們可以選擇模型并通過單擊向左按鈕來平移??模型。
旋轉模式：在旋轉模式下，我們可以選擇模型并更改其方向。
縮放模式：在“縮放模式”中，我們可以選擇模型并進行縮放。
撤消/重做：這使我們能夠撤消或重做場景中的動作。
簡單形狀：使用此選項，我們可以將原始形狀插入場景，例如圓柱體，立方體或球體。
燈光：“燈光”選項使我們能夠將不同種類的光源添加到場景中。
復制/粘貼：“復制和粘貼”選項使我們能夠復制和粘貼場景的不同模型和部分。
對齊：這使我們能夠彼此對齊模型。
捕捉：捕捉一個模型并將其移入場景。
更改視圖：這將更改場景的視圖。它主要使用透視圖和正交視圖。
屏幕截圖：這是當前場景的屏幕截圖。
記錄日志：這將保存 Gazebo 的日志。

底部工具欄

底部的工具欄主要為我們提供了有關模擬的想法。它顯示“仿真時間”，它是指仿真器中經過的時間。模擬會加快或減慢速度。這取決于當前仿真所需的計算。

實時顯示是指模擬器運行時在現實生活中經過的實際時間。 實時因子（RTF）是模擬時間與實時速度之間的比率。如果 RTF 為 1，則表示仿真以與實際時間相同的速率進行。

Gazebo 的世界狀態可以隨著每次迭代而改變。每次迭代都可以在 Gazebo 中進行固定時間的更改。該固定時間稱為步長。默認情況下，步長為 1 毫秒。步長和迭代顯示在工具欄中，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-mfAHk7j5-1681873679416)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00051.jpeg)]

Gazebo 的下部工具欄

我們可以暫停仿真，并使用步驟按鈕查看每個步驟。

您可以從這個頁面獲取有關 Gazebo GUI 的更多信息。

在進入下一部分之前，您可以使用 Gazebo，并詳細了解其工作方式。

使用 TurtleBot 2 模擬

與 Gazebo 合作之后，現在該在其上進行仿真并與一些機器人一起工作了。可用于教育和研究的最受歡迎的機器人之一是 TurtleBot。 TurtleBot 軟件是在 ROS 框架內開發的，并且在 Gazebo 中可以很好地模擬其操作。 TurtleBot 的流行版本是 TurtleBot 2 和 3。我們將在本節中學習 TurtleBot 2，因為我們 Chefchebot 的開發受到其設計的啟發。

在 Ubuntu 16.04 中安裝 TurtleBot 2 仿真包非常簡單。您可以使用以下命令為 Gazebo 安裝 TurtleBot 2 仿真包：

$ sudo apt-get install ros-kinetic-turtlebot-gazebo

安裝包后，我們可以開始運行仿真。 turtlebot_gazebo包中有幾個啟動文件，它們具有不同的世界文件。 Gazebo 世界文件（*.world）是一個 SDF 文件，由環境中模型的屬性組成。當世界文件更改時，Gazebo 將在其他環境中加載。

以下命令將啟動一個具有一組特定組件的世界：

$ roslaunch turtlebot_gazebo turtlebot_world.launch

加載模擬將花費一些時間，并且在加載時，您會在 Gazebo 場景中看到以下模型：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-YiGPQGpd-1681873679417)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00052.jpeg)]

Gazebo 中的 TurtleBot 2 模擬

當我們在 Gazebo 中加載仿真時，它還將加載必要的插件以與 ROS 交互。 TurtleBot 2 具有以下重要組件：

帶有差動驅動器的移動底座
用于創建地圖的深度傳感器
可檢測碰撞的保險杠開關

當模擬加載時，它將加載 ROS-Gazebo 插件以模擬差動驅動器移動基座，深度傳感器（Kinect 或 Astra）以及保險杠開關的插件。因此，在加載模擬后，如果我們在終端中輸入$ rostopic list命令，則會出現一個主題選擇，如以下屏幕截圖所示。

如前所述，我們可以從差動驅動器插件，深度傳感器和保險杠開關中看到主題。除此之外，我們還可以從 ROS-Gazebo 插件中看到主題，這些主題主要包含機器人的當前狀態以及仿真中的其他模型。

Kinect/Astra 傳感器可以提供 RGB 圖像和深度圖像。差分驅動器插件可以在/odom（nav_msgs/Odometry）主題中發送機器人的里程表數據，并可以在/tf（tf2_msgs/TFMessage）主題中發布機器人的變換，如以下屏幕快照所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-eIk8V1VX-1681873679417)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00053.jpeg)]

TurtleBot 2 模擬中的 ROS 主題

我們可以在 Rviz 中可視化機器人模型和傳感器數據。有一個專門用于可視化的 TurtleBot 包。您可以安裝以下包以可視化機器人數據：

$ sudo apt-get install ros-kinetic-turtlebot-rviz-launchers

安裝此包后，我們可以使用以下啟動文件來可視化機器人及其傳感器數據：

$ roslaunch turtlebot-rviz-launchers view_robot.launch

我們將獲得以下 Rviz 窗口，其中顯示了機器人模型。然后，我們可以使傳感器顯示器可視化此特定數據，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-WqnvPLcZ-1681873679417)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00054.jpeg)]

Rviz 中的 TurtleBot 2 可視化

在下一節中，我們將學習如何移動該機器人。

移動機器人

機器人的差分驅動器插件能夠接收 ROS 扭曲消息（geometry_msgs/Twist），該消息包括機器人當前的線速度和角速度。機器人的遙控意味著通過操縱桿或鍵盤使用 ROS Twist 消息手動移動機器人。現在，我們將研究如何使用鍵盤遙控操作移動 Turtlebot 2 機器人。

我們必須安裝一個包才能遙控 TurtleBot 2 機器人。以下命令將安裝 TurtleBot 遠程操作包：

$ sudo apt-get install ros-kinetic-turtlebot-teleop

要啟動遠程操作，我們必須先啟動 Gazebo 仿真器，然后使用以下命令啟動遠程操作節點：

$ roslaunch turtlebot_teleop keyboard_teleop.launch

在終端中，我們可以看到用于移動機器人的按鍵組合。您可以使用這些鍵移動它，然后您將看到機器人在 Gazebo 和 Rviz 中移動，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-rhZMV01X-1681873679418)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00055.jpeg)]

TurtleBot 2 鍵盤遙控

當我們按下鍵盤上的按鈕時，它將向扭轉驅動器控制器發送 Twist 消息，并且該控制器將在模擬中移動機器人。 Teleop 節點發送一個名為/cmd_vel_mux/input/teleop（geometry_msgs/Twist）的主題，如下圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Mal8sjcN-1681873679418)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00056.gif)]

TurtleBot 鍵盤遙操作節點

模擬 Chefbot

我們已經看到了烏龜機器人模擬的工作方式。在本節中，我們將研究如何使用 Gazebo 創建我們自己的機器人仿真。

在我們開始討論這個主題之前，您應該將chefbot_gazebo包復制到您的 catkin 工作區，然后輸入catkin_make來構建該包。確保工作區中有兩個包，一個稱為chefbot_description，另一個稱為chefbot_gazebo。 chefbot_gazebo包包含與仿真相關的啟動文件和參數，chefbot_description包含機器人的 URDF 模型及其仿真參數，以及用于在 Rviz 和 Gazebo 中查看機器人的啟動文件。

讓我們開始在 Gazebo 中創建 Chefbot 模型，以便您熟悉該過程。之后，我們將深入研究 xacro 文件并查看模擬參數。

以下啟動文件將顯示一個空白世界的 Gazebo 機器人模型，并啟動該機器人的所有 Gazebo 插件：

$ roslaunch chefbot_description view_robot_gazebo.launch

下圖顯示了 Gazebo 內 Chefbot 的屏幕截圖：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-0OH8A7xW-1681873679419)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00057.jpeg)]

Gazebo 的廚師機器人

讓我們看看如何在 Gazebo 中添加 URDF 機器人模型。您可以在chefbot_description/launch/view_robot_gazebo.launch找到 URDF 機械手模型的定義。

代碼的第一部分調用upload_model.launch文件以創??建robot_description參數。如果成功，那么它將在 Gazebo 開始一個空的世界：

那么robot_description參數中的機器人模型如何在 Gazebo 中顯示？啟動文件中的以下代碼片段完成了該工作：

gazebo_ros包中名為spawn_model的節點將讀取robot_description并在 Gazebo 中生成模型。 -z 0.1參數指示要放置在 Gazebo 中的模型的高度。如果高度為 0.1，則將以 0.1 的高度生成模型。如果啟用了重力，則模型將跌落至地面。我們可以根據需要更改此參數。 -model參數是 Gazebo 中機器人模型的名稱。該節點將解析robot_description中的所有 Gazebo 參數，并在 Gazebo 中開始仿真。

生成模型后，我們可以使用以下代碼行發布機器人變換（TF）：

我們正在發布 30Hz 的 ROS TF。

深度圖像到激光掃描的轉換

機器人上的深度傳感器可提供環境的 3D 坐標。為了實現自主導航，我們可以使用這些數據來創建 3D 地圖。有多種創建環境圖的技術。我們用于此機器人的一種算法稱為 gmapping。映射算法主要使用激光掃描來創建地圖，但在本例中，我們從傳感器獲得了整個 3D 點云。我們可以通過切片深度數據來轉換激光掃描的 3D 深度數據。此啟動文件中的以下 nodelet 能夠接收深度數據并將其轉換為激光掃描數據：

Nodelet 是一種特殊的 ROS 節點，具有稱為零拷貝傳輸的屬性，這意味著它不需要網絡帶寬即可訂閱主題。這將使從深度圖像（sensor_msgs/Image）到激光掃描（sensor_msgs/LaserScan）的轉換更快，更有效。 Nodelet 的其他屬性之一是它可以作為插件動態加載。我們可以設置此 Nodelet 的各種屬性，例如range_min，圖像主題的名稱和輸出激光主題。

Gazebo 模擬的 URDF 標簽和插件

我們已經在 Gazebo 看到了模擬機器人。現在，我們將更詳細地介紹 URDF 中與仿真相關的標簽以及 URDF 模型中包含的各種插件。

Gazebo 的大多數特定標簽位于chefbot_description/gazebo/chefbot.gazebo.xacro文件中。此外，chefbot_description/urdf/chefbot.xacro中的某些標簽也用于仿真中。在Chefbot.xacro中定義<collision>和<inertial>標簽對于我們的仿真非常重要。 URDF 中的<collision>標簽定義了機器人鏈接周圍的邊界，該邊界主要用于檢測該特定鏈接的碰撞，而<inertial>標簽則包含了鏈接的質量和慣性矩。這是<inertial>標簽定義的示例：

這些參數是機器人動力學的一部分，因此在仿真中，這些值將對機器人模型產生影響。同樣，在仿真中，它將處理所有鏈接和接頭及其屬性。

接下來，我們將查看gazebo/chefbot.gazebo.xacro文件中的標簽。我們正在使用的重要的特定于 Gazebo 的標簽是<gazebo>，用于定義機器人中元素的仿真屬性。我們可以定義一個適用于所有鏈接的屬性，也可以定義一個特定于鏈接的屬性。這是 xacro 文件中的代碼片段，用于定義鏈接的摩擦系數：

reference屬性用于指定機械手中的鏈接。因此，前述屬性僅適用于chefbot_wheel_left_link。

以下代碼段顯示了如何設置機械手鏈接的顏色。我們可以創建自定義顏色，定義自定義顏色或使用 Gazebo 中的默認顏色。您可以看到，對于base_link，我們使用的是 Gazebo 默認屬性中的Gazebo/White顏色：

<material name="blue"> <color rgba="0 0 0.8 1"/> </material> <gazebo reference="base_link"> <material>Gazebo/White</material> </gazebo>

請參閱這個頁面以查看模擬中使用的所有標簽。

涵蓋了模擬的主要標簽。現在，我們將看一下在此模擬中使用的 Gazebo-ROS 插件。

懸崖傳感器插件

懸崖傳感器是一組檢測懸崖的紅外傳感器，有助于避免踩踏并防止機器人跌落。這是 Turtlebot 2 移動基地中的一種傳感器，稱為 Kobuki。我們在 Turtlebot 2 仿真中使用了這個插件。

我們可以設置傳感器的參數，例如紅外光束的最小和最大角度，分辨率以及每秒的采樣數。我們還可以限制傳感器的檢測范圍。我們的仿真模型中有三個懸崖傳感器，如以下代碼所示：

接觸式傳感器插件

這是我們機器人上的接觸式傳感器的代碼段。如果機器人的底部與任何對象碰撞，則此插件將觸發。它通常附著在機器人的base_link上，因此，只要保險杠碰到任何物體，就會觸發該傳感器：

<gazebo reference="base_link"> <mu1>0.3</mu1> <mu2>0.3</mu2> <sensor type="contact" name="bumpers"> <always_on>1</always_on> <update_rate>50.0</update_rate> <visualize>true</visualize> <contact> <collision>base_footprint_collision_base_link</collision> </contact> </sensor> </gazebo>

陀螺儀插件

陀螺儀插件用于測量機器人的角速度。使用角速度，我們可以計算機器人的方向。機器人的方向在機器人驅動控制器中用于計算機器人的姿勢，如以下代碼所示：

<gazebo reference="gyro_link"> <sensor type="imu" name="imu"> <always_on>true</always_on> <update_rate>50</update_rate> <visualize>false</visualize> <imu> <noise> <type>gaussian</type> <rate> <mean>0.0</mean> <stddev>${0.0014*0.0014}</stddev>  <bias_mean>0.0</bias_mean> <bias_stddev>0.0</bias_stddev> </rate> <accel>  <mean>0.0</mean> <stddev>1.7e-2</stddev> <bias_mean>0.1</bias_mean> <bias_stddev>0.001</bias_stddev> </accel> </noise> </imu> </sensor> </gazebo>

差分驅動器插件

差分驅動器插件是仿真中最重要的插件。該插件可模擬機器人中的差分驅動器行為。當它以 ROS Twist 消息（geometry_msgs/Twist）的形式接收命令速度（線速度和角速度）時，它將移動機器人模型。該插件還計算機器人的里程表，從而給出機器人的本地位置，如以下代碼所示：

<gazebo> <plugin name="kobuki_controller" filename="libgazebo_ros_kobuki.so"> <publish_tf>1</publish_tf> <left_wheel_joint_name>wheel_left_joint</left_wheel_joint_name> <right_wheel_joint_name>wheel_right_joint</right_wheel_joint_name> <wheel_separation>.30</wheel_separation> <wheel_diameter>0.09</wheel_diameter> <torque>18.0</torque> <velocity_command_timeout>0.6</velocity_command_timeout> <cliff_detection_threshold>0.04</cliff_detection_threshold> <cliff_sensor_left_name>cliff_sensor_left</cliff_sensor_left_name> <cliff_sensor_center_name>cliff_sensor_front</cliff_sensor_center_name> <cliff_sensor_right_name>cliff_sensor_right</cliff_sensor_right_name> <cliff_detection_threshold>0.04</cliff_detection_threshold> <bumper_name>bumpers</bumper_name> <imu_name>imu</imu_name> </plugin> </gazebo>

要計算機器人的里程表，我們必須提供機器人的參數，例如車輪之間的距離，車輪直徑和電動機的扭矩。根據我們的設計，車輪間距為 30cm，車輪直徑為 9cm，扭矩為 18N。如果要發布機器人的變形，可以將publish_tf設置為 1。插件是相應插件的參數。如您所見，它接收來自接觸傳感器，IMU 和懸崖傳感器的所有輸入。

libgazebo_ros_kobuki.so插件與 Turtlebot 2 仿真包一起安裝。我們在機器人中使用了相同的插件。在運行此仿真之前，我們必須確保在您的系統上安裝了 Turtlebot 2 仿真。

深度相機插件

深度相機插件可模擬深度相機的特征，例如 Kinect 或 Astra。插件名稱為libgazebo_ros_openni_kinect.so，它可以幫助我們模擬具有不同特征的各種深度傳感器。插件顯示在以下代碼中：

<plugin name="kinect_camera_controller" filename="libgazebo_ros_openni_kinect.so"> <cameraName>camera</cameraName> <alwaysOn>true</alwaysOn> <updateRate>10</updateRate> <imageTopicName>rgb/image_raw</imageTopicName> <depthImageTopicName>depth/image_raw</depthImageTopicName> <pointCloudTopicName>depth/points</pointCloudTopicName> <cameraInfoTopicName>rgb/camera_info</cameraInfoTopicName> <depthImageCameraInfoTopicName>depth/camera_info</depthImageCameraInfoTopicName> <frameName>camera_depth_optical_frame</frameName> <baseline>0.1</baseline> <distortion_k1>0.0</distortion_k1> <distortion_k2>0.0</distortion_k2> <distortion_k3>0.0</distortion_k3> <distortion_t1>0.0</distortion_t1> <distortion_t2>0.0</distortion_t2> <pointCloudCutoff>0.4</pointCloudCutoff> </plugin>

插件的發布者，RGB 圖像，深度圖像和點云數據。我們可以在插件中設置相機矩陣，以及自定義其他參數。

您可以參考這個頁面，以了解有關 Gazebo 中深度相機插件的更多信息。

可視化機器人傳感器數據

在本節中，我們將學習如何可視化來自模擬機器人的傳感器數據。在chefbot_gazebo包中，有啟動文件，用于在空曠的環境或類似酒店的環境中啟動機器人。可以使用 Gazebo 本身構建自定義環境。只需使用原始網格物體創建環境并保存為*. world文件即可，該文件可以作為啟動文件中gazebo_ros節點的輸入。要在 Gazebo 中啟動酒店環境，可以使用以下命令：

$ roslaunch chefbot_gazebo chefbot_hotel_world.launch

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-iYe7HE25-1681873679419)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00058.jpeg)]

酒店環境中 Gazebo 的 Chefbot

空間中的九個多維數據集代表九個表。機器人可以導航到任何桌子以運送食物。我們將學習如何執行此操作，但是在此之前，我們將學習如何從機器人模型中可視化各種傳感器數據。

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-DDVQSrB6-1681873679419)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00059.jpeg)]

酒店環境中 Gazebo 的 Chefbot

以下命令將啟動 Rviz，該 Rviz 顯示來自機器人的傳感器數據：

$ roslaunch chefbot_description view_robot.launch

這將生成傳感器數據的可視化效果，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-H9nkIf4p-1681873679419)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00060.jpeg)]

Rviz 中的 Chefbot 的傳感器可視化

我們可以啟用 Rviz 顯示類型來查看不同類型的傳感器數據。在上圖中，您可以看到深度云，激光掃描，TF，機器人模型和 RGB 攝像機圖像。

同步定位和映射入門

Chefbot 的要求之一是，它應該能夠自動導航環境并運送食物。為了達到這個要求，我們必須使用幾種算法，例如 SLAM（同時定位和映射）和 AMCL（自適應蒙特卡洛定位）。解決自治導航問題有多種方法。在本書中，我們主要堅持使用這些算法。 SLAM 算法用于在將機器人定位在同一張地圖上的同時映射環境。這似乎是個雞與蛋的問題，但是現在有不同的算法可以解決它。 AMCL 算法用于在現有地圖中定位機器人。我們在本書中使用的算法稱為 Gmapping，該算法實現了 Fast SLAM 2.0。標準映射庫包裝在稱為 ROS Gmapping 的 ROS 包中，可在我們的應用中使用。

SLAM 節點的想法是，當我們在環境中移動機器人時，它將使用激光掃描數據和里程計數據創建環境地圖。

有關更多詳細信息，請參見這個頁面上的 ROS Gmapping Wiki 頁面。

在 Gazebo 環境中實現 SLAM

在本節中，我們將學習如何實現 SLAM 并將其應用于我們構建的仿真。您可以在chefbot_gazebo/launch/gmapping_demo.launch和launch/includes/ gmapping.launch.xml檢查代碼。基本上，我們使用來自 Gmapping 包的節點，并使用適當的參數對其進行配置。 gmapping.launch.xml代碼片段具有此節點的完整定義。以下是此節點的代碼片段：

我們正在使用的節點的名稱為slam_gmapping，而包的名稱為gmapping。我們必須為此節點提供一些參數，可以在 Gmapping Wiki 頁面中找到。

使用 SLAM 創建地圖

在本節中，我們將學習如何使用 SLAM 創建環境地圖。但是，首先，我們必須使用幾個命令來開始映射。您應該在每個 Linux 終端中執行每個命令。

首先，我們必須使用以下命令開始仿真：

$ roslaunch chefbot_gazebo chefbot_hotel_world.launch

接下來，我們必須在新終端中啟動鍵盤遙操作節點。這將幫助我們使用鍵盤手動移動機器人：

$ roslaunch chefbot_gazebo keyboard_teleop.launch

下一條命令在新終端中啟動 SLAM：

$ roslaunch chefbot_gazebo gmapping_demo.launch

現在將開始映射。為了可視化映射過程，我們可以在導航設置的幫助下啟動 Rviz：

$ roslaunch chefbot_description view_navigation.launch

現在，我們可以看到在 Rviz 中創建的地圖，如以下屏幕截圖所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-xx35EpFJ-1681873679419)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00061.jpeg)]

使用 Gmapping 在 Rviz 中創建地圖。

現在我們可以使用 Teleop 節點移動機器人，您可以看到在 Rviz 中正在創建地圖。為了創建良好的環境圖，您必須緩慢移動機器人，并且經常必須旋轉機器人。當我們在環境中移動機器人并構建地圖時，可以使用以下命令保存當前地圖：

$ rosrun map_server map_saver -f ~/Desktop/hotel

該地圖將另存為*.pgm和*.yaml，其中pgm文件是地圖，yaml文件是地圖的配置。您可以在桌面上查看已保存的地圖。

在環境中移動機器人之后，您可能會得到一張完整的地圖，例如以下屏幕快照所示：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-3lXaTUS1-1681873679420)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00062.jpeg)]

使用映射的最終地圖。

可以隨時保存地圖，但是請確保機器人覆蓋了環境的整個區域并繪制了其所有空間，如前面的屏幕快照所示。一旦確定地圖已完全構建，請再次輸入map_saver命令并關閉端子。如果您無法映射環境，則可以從chefbot_gazebo/maps/hotel檢查現有的地圖。

自適應蒙特卡洛定位入門

我們已經成功建立了環境地圖。現在，我們必須從當前機器人位置自主導航到目標位置。開始自主導航之前的第一步是在當前地圖中定位機器人。我們用于在地圖上定位的算法稱為 AMCL。 AMCL 使用粒子過濾器來跟蹤機器人相對于地圖的位置。我們正在使用 ROS 包在我們的機器人中實現 AMCL。與 Gmapping 相似，amcl包內部有許多要為amcl節點配置的參數。您可以在 ROS Wiki 頁面本身上找到 AMCL 的所有參數。

那么如何為機器人啟動 AMCL？為此，有一個啟動文件，該文件位于chefbot_gazebo/amcl_demo.launch和chefbot_gazebo/includes/amcl.launch.xml中。

我們可以看到amcl_demo.launch的定義。以下代碼顯示了此啟動文件的定義：

此啟動文件中的第一個節點從map_server包中啟動map_server。 map_server節點加載我們已經保存的靜態地圖，并將其發布到名為map（nav_msgs/OccupancyGrid）的主題中。我們可以將映射文件作為amcl_demo.launch文件的參數提及，如果有映射文件，則map_server節點將加載該文件。否則，它將加載位于chefbot_gazeob/maps/hotel.yaml文件中的默認地圖。

加載地圖后，我們啟動amcl節點并移動基礎節點。 AMCL 節點有助于將機器人定位在 ROS 導航棧內的當前map和move_base節點上，這有助于將機器人從起點導航到目標位置。在接下來的章節中，我們將詳細了解move_base節點。 move_base節點也需要配置參數。參數文件保存在chefbot_gazebo/param文件夾中，如以下代碼所示：

<arg name="initial_pose_x" default="0.0"/> <arg name="initial_pose_y" default="0.0"/> <arg name="initial_pose_a" default="0.0"/> <include file="$(find chefbot_gazebo)/launch/includes/amcl.launch.xml"> <arg name="initial_pose_x" value="$(arg initial_pose_x)"/> <arg name="initial_pose_y" value="$(arg initial_pose_y)"/> <arg name="initial_pose_a" value="$(arg initial_pose_a)"/> </include>  <include file="$(find chefbot_gazebo)/launch/includes/move_base.launch.xml"/> </launch>

您可以通過以下鏈接進一步了解 ROS 導航棧。

在 Gazebo 環境中實現 AMCL

在本節中，我們將學習如何在 Chefbot 中實現 AMCL。我們將使用以下過程將 AMCL 合并到模擬中。每個命令應在每個終端中執行。

第一個命令啟動 Gazebo 模擬器：

$ roslaunch chefbot_gazebo chefbot_hotel_world.launch

現在，無論是否帶有映射文件，我們都可以啟動 AMCL 啟動文件。如果要使用已構建的自定義映射，請使用以下命令：

$ roslaunch chefbot_gazebo amcl_demo.launch map_file:=/home/<your_user_name>/Desktop/hotel

如果要使用默認地圖，則可以使用以下命令：

$ roslaunch chefbot_gazebo amcl_demo.launch

啟動 AMCL 之后，我們可以啟動 Rviz 以可視化地圖和機器人。我們將在 Rviz 中看到一個視圖，如以下屏幕快照所示。您可以看到地圖和被綠色粒子包圍的機器人。綠色粒子稱為amcl粒子。它們指示機器人位置的不確定性。如果機器人周圍有更多的粒子，則意味著機器人位置的不確定性更高。當它開始移動時，粒子數將減少并且其位置將更加確定。如果機器人無法定位地圖的位置，則可以使用 Rviz 中的 2D 姿態估計按鈕（在工具欄上）來手動設置機器人在地圖上的初始位置。您可以在以下屏幕截圖中看到該按鈕：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-f9BrJKoP-1681873679420)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00063.jpeg)]

在酒店地圖上啟動 AMCL。

如果放大到 Rviz 中機器人的位置，則可以看到粒子，如前面的屏幕快照所示。我們還可以通過不同的顏色看到機器人周圍的障礙物：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-CRgnab4g-1681873679420)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00064.jpeg)]

機器人周圍的 AMCL 云。

在下一部分中，我們將學習如何對 Chefbot 進行編程以自動導航該地圖。您無需關閉當前端子；我們可以在 Rviz 本身中自主導航機器人。

使用 Gazebo 在酒店內自動駕駛 Chefbot

要開始機器人的自主導航，我們只需要在地圖上命令機器人的目標位置即可。 Rviz 中有一個名為 2D Nav Goal 的按鈕。我們可以單擊該按鈕，然后單擊地圖上的一個點。現在，您可以看到一個指示機器人位置的箭頭。在地圖上指定目標位置時，可以看到機器人正在規劃從其當前位置到目標位置的路徑。它將從當前位置緩慢移動到目標位置，避開所有障礙物。以下屏幕快照顯示了機器人的路徑規劃和導航到目標位置。機器人周圍的彩色網格顯示了機器人的本地成本圖，本地計劃程序路徑以及機器人周圍的障礙物：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-RZDuTATd-1681873679420)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00065.jpeg)]

機器人的自主導航。

這樣，如果我們在地圖內命令一個位置更靠近桌子，則機器人可以轉到該桌子并提供食物，然后返回其原始位置。不用從 Rviz 命令它，我們可以編寫一個 ROS 節點來做同樣的事情。這將在本書的最后幾章中進行解釋。

總結

在本章中，我們學習了如何模擬自己的名為 Chefbot 的機器人。我們在上一章中介紹了 Chefbot 的設計。我們通過學習 Gazebo 仿真器及其不同的特性和功能來開始本章。之后，我們研究了如何使用 ROS 框架和 Gazebo 仿真器執行機器人仿真。我們安裝了 TurtleBot 2 包，并在 Gazebo 中測試了 Turtlebot 2 仿真。之后，我們創建了 Chefbot 仿真，并在酒店環境中使用了 Gmapping，AMCL 和自主導航。我們了解到模擬的準確率取決于地圖，并且如果生成的地圖是完美的，則機器人將在模擬中更好地工作。

在下一章中，我們將學習如何設計機器人的硬件和電路。

問題

我們如何在 Gazebo 中為傳感器建模？

ROS 如何與 Gazebo 連接？

用于仿真的重要 URDF 標簽是什么？

什么是映射，我們如何在 ROS 中實現它？

ROS 中move_base節點的功能是什么？

什么是 AMCL，我們如何在 ROS 中實現它？

進一步閱讀

要了解有關 URDF，Xacro 和 Gazebo 的更多信息，請參閱《精通 ROS 機器人編程第二版》。

五、設計 ChefBot 硬件和電路

在本章中，我們將討論 ChefBot 硬件的設計和工作原理，并介紹其硬件組件的選擇。在上一章中，我們使用 Gazebo 和 ROS 設計和仿真了旅館環境中的基本機器人框架，并測試了一些變量，例如機器人的體重，電機扭矩，車輪直徑等。我們還在酒店環境中測試了 ChefBot 的自主導航功能。

為了使用硬件實現此目的，我們需要選擇所有硬件組件，并弄清楚如何連接所有這些組件。我們知道該機器人的主要功能是導航：該機器人將能夠從起始位置導航到終點，而不會與周圍環境發生任何碰撞。我們將討論實現此目標所需的不同傳感器和硬件組件。我們將查看這些組件的框圖表示及其說明，并討論機器人的主要功能和物理操作。最后，我們需要選擇構建機器人所需的組件。我們還將熟悉可以在其中購買這些組件的在線商店。

如果您有 TurtleBot，則可以跳過本章，因為本章僅適用于需要創建機器人硬件的用戶。讓我們看看在硬件設計中必須滿足的規格。機器人硬件主要包括機器人機箱，傳感器，執行器，控制器板和 PC。

本章將涵蓋以下主題：

Chefbot 機器人的框圖和說明
機械手組件的選擇和說明
Chefbot 硬件的運作方式

技術要求

本章介紹了構建機器人所需的組件。您必須購買這些組件或類似組件才能構建 ChefBot。

ChefBot 的硬件規格

在本節中，我們將討論在第 3 章“建模差動機器人”中提到的一些重要規范。最終的機器人原型將滿足以下規格：

簡單且經濟高效的機器人機箱設計：與現有機器人相比，機器人機箱設計應該簡單且具有成本效益。
自主導航功能：機器人應該自主導航，并且應該包含執行此操作所需的傳感器。
電池壽命長：機器人應具有較長的電池壽命才能連續工作。它可以工作的時間長度應大于一小時。
避開障礙物：機器人應該能夠避免周圍環境中的靜態和動態物體。

機械手的硬件設計應符合這些規格。讓我們看一下互連此機器人中組件的可能方法之一。在下一節中，我們將查看機器人的框圖，并使用它來檢查其工作原理。

機器人的框圖

機器人的運動由兩個直流（DC）齒輪電機通過編碼器控制。兩個馬達通過馬達驅動器驅動。電機驅動器與嵌入式控制器板接口，該控制器板將向電機驅動器發送命令以控制電機的運動。電動機的編碼器與控制器板連接，以便計算電動機軸的轉數。該數據用于計算機器人的里程數據。有超聲波傳感器與控制板連接，以便感應障礙物并測量與障礙物的距離。有一個 IMU 傳感器可以改善里程計的計算。嵌入式控制器板與 PC 相連，后者在機器人中執行所有高端處理。視覺和聲音傳感器與 PC 連接，并連接了 Wi-Fi 以進行遠程操作。下圖說明了機器人的每個組件：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-guzOvZnY-1681873679420)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00066.gif)]

機器人硬件框圖

電機和編碼器

我們將要設計的機器人是帶有兩個輪子的差速驅動機器人，因此我們需要兩個電動機來實現其運動。每個電動機都由正交編碼器組成，這樣我們就可以獲得電動機的旋轉反饋數據。

正交編碼器將以平方脈沖的形式發送有關電動機旋轉的數據；我們可以解碼脈沖以獲得編碼器的滴答聲數量，該數量可用于反饋。如果我們知道輪子的直徑和電機的刻度數，就可以計算出移動機器人的位移和角度。這種計算對我們導航機器人的嘗試非常有用。

為機器人選擇電動機，編碼器和輪子

通過仿真，我們了解了機器人的參數。在試驗仿真參數時，我們提到驅動機器人所需的電機轉矩為 18 N，但計算出的轉矩略大于此。我們正在選擇非常接近實際扭矩的標準扭矩電動機，以便于選擇電動機。我們可能考慮的標準電動機之一是 Pololu。根據我們的設計規范，我們可以選擇一種高轉矩直流齒輪電動機，該電動機的編碼器工作在 12V DC 且轉速為 80 RPM。

下圖顯示了為此機器人選擇的電動機。電機帶有集成的正交編碼器，其分辨率為電機軸每轉 64 個計數，這對應于變速箱輸出軸每轉 8400 個計數：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-J5JVKY7Q-1681873679421)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00067.jpeg)]

帶編碼器和車輪的直流齒輪電動機

該馬達具有六個不同顏色的插針。下表中給出了該電機銷的說明：

顏色功能

紅	電機功率（連接到一個電機端子）
黑	電機功率（連接到另一個電機端子）
綠	編碼器 GND
藍	編碼器 VCC（3.5V-20V）
黃	編碼器 A 輸出
白	編碼器 B 輸出

根據我們的設計規格，我們將選擇 90 毫米的車輪直徑。 Pololu 提供了 90 毫米的砂輪，可從這個頁面獲得。上圖顯示了裝有此輪的電動機。

將電動機和車輪連接在一起所需的其他連接器如下：

可通過這個頁面獲得將車輪安裝到電機軸所需的安裝輪轂。
可在這個頁面上獲得用于將電機安裝到機器人機箱上的 L 型支架。

電動機驅動

電動機驅動器或電動機控制器是可以控制電動機速度的電路。通過控制電動機，我們的意思是我們可以控制電動機兩端的電壓，也可以控制電動機的方向和速度。如果更改電機端子的極性，則電機可以順時針或逆時針旋轉。

H 橋電路通常用于電動機控制器。 H 橋是一種可以在負載的任一方向施加電壓的電子電路。它具有高電流處理性能，并且可以改變電流的方向。

下圖顯示了使用開關的基本 H 橋電路：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-xkUwcrbZ-1681873679421)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00068.gif)]

H 橋電路

根據四個開關的狀態，電動機的方向如下：

S1S2S3S4結果

1	0	0	1	電機向右移動
0	1	1	0	電機向左移動
0	0	0	0	電機自由運行
0	1	0	1	電機剎車
1	0	1	0	電機剎車
1	1	0	0	電機直射
0	0	1	1	電機直射
1	1	1	1	電機直射

在前面的電機驅動器電路圖中，我們已經了解了 H 橋電路的基礎知識。現在，我們將為我們的應用選擇一種電機驅動器，并討論其工作原理。

選擇電動機驅動器/控制器

Pololu 中有一些與所選電動機兼容的電動機驅動器。下圖顯示了我們將在機器人中使用的電機驅動器之一：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-TfTa3lTw-1681873679421)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00069.jpeg)]

雙 VNH2SP30 電動機驅動器支架 MD03A

該電動機驅動器可從這個頁面獲得。

該驅動器可以驅動兩個最大額定電流為 30A 的電動機，并包含兩個用于驅動每個電動機的集成 IC。該驅動器的引腳說明在后面的章節中給出。

輸入引腳

以下引腳是電動機驅動器的輸入引腳，通過它們我們可以主要控制電動機的速度和方向：

引腳名稱功能

1DIAG/EN，2DIAG/EN	它們監視電動機驅動器 1 和 2 的故障狀態。在正常操作中，它們將保持斷開狀態。
1INa，1INb，2INa，2INb	這些引腳將通過以下方式控制電動機 1 和 2 的方向：
	如果INA = INB = 0，則電動機將斷開
	如果INA = 1, INB = 0，則電動機將順時針旋轉
	如果INA = 0, INB = 1，則電動機將逆時針旋轉
	如果INA = INB = 1，則電動機將斷開
1PWM，2PWM	這將通過以非常高的速度打開和關閉它們來控制電動機 1 和 2 的速度。
1CS，2CS	這是每個電機的電流檢測引腳。

輸出引腳

電機驅動器的輸出引腳將驅動兩個電機。以下是輸出引腳：

引腳名稱功能

OUT 1A，OUT 1B	這些引腳可以連接到電動機 1 的電源端子。
OUT 2A，OUT 2B	這些引腳可以連接到電動機 2 的電源端子。

電源引腳

以下是電源引腳：

引腳名稱功能

VIN(+)，GND(-)	這些是兩個電機的電源引腳。電壓范圍為 5.5V 至 16V.
+5VIN(+)，GND(-)	這是電機驅動器的電源。電壓應為 5V。

嵌入式控制器板

控制器板通常是 I/O 板，可以將數字脈沖形式的控制信號發送到 H 橋/電動機驅動器板，并可以接收來自傳感器（例如超聲波和 IR 傳感器）的輸入。我們還可以將電機編碼器與控制板接口，以便從電機發送數據。

該機器人中控制板的主要用途如下：

連接電機驅動器和編碼器
連接超聲波傳感器
使用 PC 收發傳感器值

在接下來的章節中，我們將處理 I/O 板并與不同組件進行接口。一些比較流行的 I/O 板是德州儀器（TI）的 Arduino（arduino.cc）和 Tiva-C LaunchPad。由于以下因素，我們選擇基于 Arduino 的 Tiva-C LaunchPad：

Tiva-C LaunchPad 的微控制器基于 32 位 ARM Cortex-M4，具有 256KB 閃存，32KB SRAM 和 80MHz 數據傳輸頻率。大多數 Arduino 開發板都在這些規格下運行。
出色的處理性能與快速的中斷處理相結合。
12 個計時器。
16 個 PWM 輸出。
2 個正交編碼器輸入。
8 通用異步收發器（UART）。
5V 耐壓通用輸入/輸出（GPIO）。
與 Arduino 開發板相比，成本低，尺寸小。
易于編程的接口 IDE，稱為 Energia。用 Energia 編寫的代碼與 Arduino 板兼容。

下圖顯示了德州儀器（TI）的 Tiva-C LaunchPad：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-thKLVsMz-1681873679421)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00070.jpeg)]

Tiva-C LaunchPad 123

德州儀器（TI）的 LaunchPad 系列的引腳排列在這個頁面中給出。該引腳分配圖與所有 LaunchPad 系列版本兼容。在 Energia IDE 中進行編程時也可以使用它。

超聲波傳感器

超聲波傳感器，也稱為 PING 傳感器，主要用于測量與物體的距離。 PING 傳感器的主要應用是避免障礙物。超聲波傳感器發出高頻聲波，并評估從物體接收到的回聲。傳感器將計算回波的發送和接收之間的延遲，并確定其與物體的距離。

在我們的機器人中，無碰撞導航是設計規范的重要組成部分，否則會損壞機器人。您將在下一部分中看到顯示超聲波傳感器的圖像。該傳感器可以安裝在機器人的側面，以檢測機器人側面和背面的碰撞。當用于機器人技術時，Kinect 還主要用于障礙物檢測和避免碰撞。 Kinect 只能在 0.8m 的范圍內是準確的，因此可以使用超聲波傳感器檢測距 0.8m 范圍極限的剩余距離。在這種情況下，超聲波傳感器實際上是我們機器人的附加組件，目的是提高其避免碰撞和檢測的能力。

選擇超聲波傳感器

HC-SR04 是最流行和便宜的超聲波傳感器之一。由于以下因素，我們正在為機器人選擇此傳感器：

檢測范圍為 2cm 至 4m
工作電壓為 5V
工作電流非常低，通常為 15mA

我們可以使用此傳感器來準確檢測障礙物。它也可以在 5V 電壓下工作。這是 HC-SR04 及其引腳排列的圖像：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-9M1PgBvG-1681873679421)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00071.jpeg)]

超聲波傳感器

引腳及其功能如下：

引腳功能

VCC，GND	這些是超聲波傳感器的電源引腳。通常，我們需要施加 5V 電壓才能使其正常運行。
PING	這是傳感器的輸入引腳。我們需要向此引腳施加特定持續時間的脈沖以發送超聲波。
ECHO	這是傳感器的輸出引腳。它將根據接收觸發脈沖的延遲在此引腳上產生一個持續時間的脈沖。

慣性測量單元

我們將在此機器人中使用慣性測量單位（IMU）來獲得對里程表值和機器人姿勢的良好估計。僅從編碼器計算出的里程表值可能不足以進行有效導航，因為它們可能包含錯誤。為了補償機器人運動（尤其是旋轉）過程中的錯誤，我們將在該機器人中使用 IMU。由于以下原因，我們選擇 IPU 的 MPU 6050：

在 MPU 6050 中，加速度計和陀螺儀集成在單個芯片中
它提供了高精度和高靈敏度
我們能夠與磁力計對接以獲得更好的 IMU 性能
MPU 6050 的分線板非常便宜
MPU 6050 可直接與 LaunchPad 交互
MPU 6050 和 LaunchPad 均兼容 3.3V
還提供了軟件庫，可簡化 MPU 6050 和 LaunchPad 之間的接口

下圖顯示了 MPU 6050 的分線板：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-09yjmCXj-1681873679422)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00072.jpeg)]

MPU 6050 設備

引腳及其功能如下：

引腳功能

VDD，GND	電源電壓 2.3V-3.4V
INT	當數據到達設備緩沖器時，該引腳將產生一個中斷
SCL，SDA	串行數據線（SDA）和串行時鐘線（SCL）用于 I2C 通信
ASCL，ASDA	與磁力計通訊的輔助 I2C

我們可以從亞馬遜購買分線板。

Kinect/Orbbec Astra

Kinect 是 3D 視覺傳感器，主要用于 3D 視覺應用和基于運動的游戲。我們將 Kinect 用于 3D 視覺。使用 Kinect，機器人將獲得周圍環境的 3D 圖像。 3D 圖像被轉換為??更細的點，這些點被收集以形成點云。點云數據將具有構成周圍環境的所有 3D 參數。

Kinect 在機器人上的主要用途是模擬激光掃描儀的功能。激光掃描儀數據對于 SLAM 算法構建環境圖至關重要。激光掃描儀是一種非常昂貴的設備，因此，我們無需購買昂貴的激光掃描儀，而是可以將 Kinect 轉換為虛擬激光掃描儀。 Kinect 已正式停止生產，但仍可從某些供應商處獲得。 Kinect 的替代品之一是 Orbbec Astra。它將支持為 Kinect 編寫的相同軟件。點云到激光數據的轉換是使用此軟件完成的，因此，如果您使用的是 Astra，我們只需要更改設備驅動程序即可；軟件的重置是相同的。生成環境圖后，機器人可以導航周圍的環境。下圖顯示了 Kinect 傳感器（A）和 Orbbec Astra（B）：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Q2OM533J-1681873679422)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00073.jpeg)]

Kinect 和 Orbbec Astra

Kinect 主要具有紅外攝像機和投影儀，以及 RGB 攝像機。紅外攝像機和投影儀會生成周圍區域的 3D 點云。它還具有麥克風陣列和電動傾斜裝置，可上下移動 Kinect。 Astra 與 Kinect 非常相似。

我們可以從這個頁面購買 Kinect。

我們可以從這個頁面購買 Astra。

中央處理器

機器人主要由其 PC 上運行的導航算法控制。我們可以選擇筆記本電腦，微型 PC 或上網本來用于機器人的處理功能。最近，英特爾推出了一款微型計算機，稱為英特爾下一計算單元（NUC）。它具有超小的外形尺寸（尺寸），重量輕，并且具有 Intel Celeron，Core i3 或 Core i5 的出色計算處理器。它最多可支持 16GB 的 RAM，并集成了 Wi-Fi /藍牙。我們之所以選擇英特爾 NUC，是因為其性能，超小外形和輕巧的特性。我們不打算使用 Raspberry Pi 或 Beagle Bone 這樣的流行主板。，因為我們需要強大的計算能力，而這些電路板無法提供這種能力。

我們正在使用的 NUC 是 Intel DN2820FYKH。這是這臺計算機的規格：

英特爾賽揚雙核處理器（2.39GHz）
4GB 內存
500GB 硬盤
英特爾集成顯卡
耳機/麥克風插孔
12V 電源

下圖顯示了英特爾 NUC 小型計算機：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-iizD3lMb-1681873679422)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00074.gif)]

英特爾 NUC DN2820FYKH

我們可以通過這個頁面從亞馬遜購買 NUC。

這種 NUC 模型是舊模型；如果不可用，則可以使用下面顯示的鏈接檢查低成本的 NUC：

英特爾 NUC BOXNUC6CAYH
英特爾 NUC 套件 NUC7CJYH
英特爾 NUC 套件 NUC5CPYH
英特爾 NUC 套件 NUC7PJYH

揚聲器/麥克風

機器人的主要功能是自主導航。我們將添加一個附加功能，機器人可以通過語音與用戶互動。機器人可以通過語音輸入獲得命令，并可以使用文本到語音（TTS）引擎與用戶對話，該引擎可以將文本轉換為語音格式。麥克風和揚聲器對于此應用至關重要。對于此硬件，沒有特別推薦的建議。如果揚聲器和麥克風與 USB 兼容，那就太好了。其他選擇之一是藍牙耳機。

電源/電池

電源是最重要的硬件組件之一。我們在規格書中看到機器人必須工作超過一個小時。如果電池的電源電壓與組件所需的電壓兼容，那將是很好的。另外，如果電池的尺寸和重量小于我們的預期，則不會影響機器人的有效負載。

另一個問題是整個電路所需的最大電流不會超過其可提供的電池最大電流。電路各部分的最大電壓和電流分布如下：

組件最大電流（以安培為單位）

英特爾 NUC PC	12V，5A
Kinect	12V，1A
馬達	12V，0.7A
電機驅動器，超聲波傳感器，IMU，揚聲器	5V，<0.5A

為了滿足這些規格，我們為機器人選擇了 12V，10AH 鋰聚合物或密封鉛酸（SLA）電池。這是我們可以用于此目的的典型低成本 SLA 電池：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-qtEZ3tD5-1681873679422)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00075.jpeg)]

密封鉛酸電池

我們可以從這個頁面購買此電池。您可以根據方便程度選擇電池，但它應滿足機器人的電源要求。

ChefBot 的硬件如何工作？

我們可以使用以下框圖來說明 ChefBot 的硬件如何工作。這是我們第一個框圖的改進版本，因為它提到了每個組件的電壓及其互連：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-0IDFH4DO-1681873679422)(https://gitcode.net/apachecn/apachecn-cv-zh/-/raw/master/docs/learn-robot-py/img/00076.gif)]

Chefbot 硬件的詳細框圖

本章的主要目的是為 ChefBot 設計硬件，其中包括找到合適的硬件組件以及學習各部分之間的互連。該機器人的主要功能是執行自主導航。機器人的硬件設計針對自主導航進行了優化。

機器人驅動基于差速驅動系統，該系統由兩個電機和兩個輪子組成。有用于支撐主車輪的腳輪。這兩個電機可以通過調整機器人的方向和旋轉速度來使其在 2D 平面上面向任意方向移動。

為了控制車輪的速度和方向，我們必須連接一個可以執行這些功能的電機控制器。我們選擇的電動機驅動器應該能夠同時控制兩個電動機，并且還應該能夠改變它們的方向和速度。

電機驅動器引腳與名為 Tiva-C LaunchPad 的微控制器板連接，該板可以發送命令以更改電機的方向和速度。借助電平轉換器，將電機驅動器與 LaunchPad 連接。 電平轉換器是一種可以將電壓電平從 3.3V 轉換到 5V，反之亦然的電路。我們使用電平轉換器是因為電動機驅動器的工作電壓為 5V，而 LaunchPad 板的工作電壓為 3.3V。

每個電機都有一個稱為編碼器的旋轉反饋傳感器，可用于估計機器人的位置。編碼器通過電平轉換器與 LaunchPad 連接。

與 LaunchPad 接口的其他傳感器包括超聲波傳感器和 IMU。超聲波傳感器可以檢測到附近但 Kinect 傳感器無法檢測到的對象。 IMU 與編碼器一起使用，可以很好地估計機器人的姿勢。

所有傳感器值都在 LaunchPad 上接收，并通過 USB 發送到 PC。 LaunchPad 板運行的固件代碼可以接收所有傳感器值并將其發送到 PC。

PC 與 Kinect，LaunchPad 板，揚聲器和麥克風連接。 PC 上運行有 ROS，它將接收 Kinect 數據并將其轉換為等效的激光掃描儀數據。該數據可用于使用 SLAM 構建環境地圖。揚聲器和麥克風用于用戶和機器人之間的通信。在 ROS 節點中生成的速度命令將發送到 LaunchPad。 LaunchPad 將處理速度命令，并將適當的 PWM 值發送到電動機驅動器電路。

在設計并討論了機器人硬件的工作原理之后，我們將在下一章中討論每個組件的詳細接口以及為此接口所必需的固件編碼。

總結

在本章中，我們研究了要設計的機器人的功能。該機器人的主要特征是其自主導航。機器人可以通過分析傳感器讀數來導航周圍的環境。我們查看了機器人的框圖，并討論了每個模塊的作用，并選擇了滿足我們要求的適當組件。我們還建議了一些經濟的組件來構建此機器人。在下一章中，我們將仔細研究執行器及其在該機器人中將用于它們的接口。

問題

機器人硬件設計到底是什么？

什么是 H 橋電路，其功能是什么？

機器人導航算法的基本元素是什么？

選擇機器人組件時必須牢記的標準是什么？

Kinect 在此機器人方面的主要應用是什么？

進一步閱讀

您可以通過以下鏈接了解有關 Tiva-C LaunchPad 板的更多信息。

總結

以上是生活随笔為你收集整理的Python 机器人学习手册：1~5的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇： android分享微信朋友圈带编辑功能吗
下一篇： Python有哪些优势？

python

Python 机器人学习手册：1~5

一、機器人操作系統入門

技術要求

ROS 介紹

ROS 概念

ROS 文件系統

ROS 計算圖

ROS 社區級別

在 Ubuntu 上安裝 ROS

Catkin 介紹

創建一個 ROS 包

Hello_world_publisher.py

Hello_world_subscriber.py

Gazebo 介紹

安裝 Gazebo

使用 ROS 接口測試 Gazebo

總結

問題

二、了解差動機器人的基礎

機器人的數學建模

差動驅動系統和機器人運動學簡介

差動機器人的正向運動學

正向運動學方程的解釋

逆向運動學

總結

問題

更多信息

三、建模差動機器人

技術要求

機器人要滿足的要求

機器人驅動機構

電機和車輪的選擇

電機轉速的計算

電機轉矩的計算

設計總結

機器人底盤設計

安裝 LibreCAD，Blender 和 MeshLab

安裝 LibreCAD

安裝 Blender

安裝 MeshLab

使用 LibreCAD 創建機器人的 2D CAD 圖

底板設計

底板桿設計

車輪，電機和電機夾具設計

腳輪設計

中板設計

頂板設計

使用 Blender 處理機器人的 3D 模型

Blender 中的 Python 腳本

Blender Python API 簡介

機器人模型的 Python 腳本

創建機器人的 URDF 模型

創建一個 Chefbot 描述 ROS 包

總結

問題

進一步閱讀

四、使用 ROS 模擬差動機器人

技術要求

Gazebo 模擬器入門

Gazebo 的圖形用戶界面

場景

左面板

右面板

Gazebo 工具欄

頂部工具欄

底部工具欄

使用 TurtleBot 2 模擬

移動機器人

模擬 Chefbot

深度圖像到激光掃描的轉換

Gazebo 模擬的 URDF 標簽和插件

懸崖傳感器插件

接觸式傳感器插件

陀螺儀插件

差分驅動器插件

深度相機插件

可視化機器人傳感器數據

同步定位和映射入門

在 Gazebo 環境中實現 SLAM

四、使用 ROS 模擬差動機器人

五、設計 ChefBot 硬件和電路