【ROS进阶篇】第九讲 基于Rviz和Arbotix控制的机器人模型运动
文章图片
文章目录
- 【ROS进阶篇】第九讲 基于Rviz和Arbotix控制的机器人模型运动
- 前言
- 一、Arbotix功能包介绍
-
- 1. 基本简介:
- 2. 安装教程:
- 二、控制运动流程
-
- 1. 准备工作
- 2. 编写并启动launch文件
- 总结
前言 在上一节博客中我们系统的学习了对于URDF文件的编程优化方法,即Xacro,一种XML的优化语言,通过对于基本概念、语法详解、代码实例的讲述了解了如何提升URDF文件的复用性、安全性和高效性,本节文章主要介绍在Rviz环境下如何使用Arbotix控制机器人模型运动。
文章图片
一、Arbotix功能包介绍
- 问题引入:
在先前的研究中,我们通过URDF文件实现了静态创建机器人模型,并可以通过可视化软件Rviz观察并实现基本操作,那么想要进一步的仿真操作,就一定需要完成对于机器人模型的运动控制,这里就引入一个对应的功能包来完成目标要求。1. 基本简介:
文章图片
Arbotix:Arbotix 是一款控制电机、舵机的控制板,并提供相应的 ros 功能包,这个功能包的功能不仅可以驱动真实的 Arbotix 控制板,它还提供一个差速控制器,通过接受速度控制指令更新机器人的 joint 状态,从而帮助我们实现机器人在 rviz 中的运动。
注:此差速控制器位于python程序包中,完整程序包还包括多种控制器,对应电机、机械臂和夹持器等;
2. 安装教程:
- 命令行直接调用:
sudo apt-get install ros-noetic-arbotix
- git安装源码:
git clone https://github.com/vanadiumlabs/arbotix_ros.git
\qquad 在下载后调用catkin_make
编译完成即可;
文章图片
二、控制运动流程
1. 准备工作
- 创建功能包,并编写URDF文件/通过Xacro进行优化
文章图片
- 添加Arbotix配置:配置文件control.yaml如下
# 该文件是控制器配置,一个机器人模型可能有多个控制器,比如: 底盘、机械臂、夹持器(机械手)....
# 因此,根 name 是 controllercontrollers: {
# 单控制器设置
base_controller: {
#类型: 差速控制器
type: diff_controller,
#参考坐标
base_frame_id: base_footprint,
#两个轮子之间的间距
base_width: 0.2,
#控制频率
ticks_meter: 2000,
#PID控制参数,使机器人车轮快速达到预期速度
Kp: 12,
Kd: 12,
Ki: 0,
Ko: 50,
#加速限制
accel_limit: 1.0
}
}
2. 编写并启动launch文件
- 编写launch文件:
\qquad 基本要求:
\qquad 1. 调用了arbotix_python 功能包下的 arbotix_driver 节点
\qquad 2. 通过 file 加载配置文件获取机器人信息以便驱动运动实现
\qquad 3. 配置 sim 为 true,完成仿真环境要求
- 启动launch文件:使用
roslaunch
命令即可 - 配置Rviz:修改Fixed Frame以及TF、Odometry下的Topic设置为odom等
文章图片
- 控制运动:此时话题
/cmd_vel
出现,故我们可以通过发布话题消息或者输入命令完成运动控制,效果如下:
rostopic pub -r 10 /cmd_vel geometry_msgs/Twist '{linear: {x: 0.2, y: 0, z: 0}, angular: {x: 0, y: 0, z: 0.5}}'
文章图片
注意:想要进一步操作可以修改Rviz的设置:
- 显示小车运动方向:将Odometry下status下的topic修改为/odom;
- 更改运动方向表示的箭头:将Odometry下shape的shaft radius进行修改;
- 显示机器人坐标系:开启TF箭头;
总结
- 声明:本节博客部分参考了CSDN用户赵虚左的ROS教程,本文主要内容是使用Arbotix功能包在Rviz环境下完成对于机器人静态模型的运动控制,从基本简介、安装教程到最后的实际控制示例,从实践中深入浅出,体会如何实际控制机器人运动。下节将会介绍在Gazebo中的机器人模型仿真,敬请期待。
文章图片
推荐阅读
- 计算机视觉|一个网络两种用途!南开&哈工程提出TINet,通过细化纹理和边缘,在显著性目标检测和伪装目标检测上实现双SOTA!...
- 历史上的今天|【历史上的今天】7 月 31 日(“缸中之脑”的提出者诞生;Wi-Fi 之父出生;USB 3.1 标准发布)
- 深度学习|基于生成对抗网络结构的图像修复(GAN)
- 机器学习|从零完成深度学习手写图片分类任务
- 机器学习|从零使用GAN(生成对抗网络)进行图像生成
- 机器学习|吴恩达机器学习(五)神经网络 2/2 —— 反向传播算法(BP-神经网络)
- 人工智能|PyTorch视频理解利器!数行代码训练视频模型
- 数据分析师|【机器学习】决策树案例三(利用决策树进行泰坦尼克号事故人员存活分类预测)
- 深度学习&神经网络|Transformer解析与tensorflow代码解读