inverseKinematics
创建逆运动学解算器
描述
的inverseKinematics系统对象™创建一个逆运动学(IK)求解计算联合配置所需的末端执行器构成基于刚体指定树模型。为你创建一个刚体树模型机器人使用rigidBodyTree类。这个模型定义了所有联合解算器执行的约束。如果一个解决方案是可行的,在指定的联合限制机器人模型遵守。
指定更多的约束除了末端执行器构成,包括目标约束、位置范围,或定位目标,可以考虑使用generalizedInverseKinematics。该对象允许您计算多约束动力学解决方案。金宝搏官方网站
封闭的本土知识分析解决方案,请参阅金宝搏官方网站analyticalInverseKinematics。
计算联合配置所需的末端执行器构成:
创建
inverseKinematics对象并设置其属性。调用对象的参数,就好像它是一个函数。
了解更多关于系统对象是如何工作的,看到的系统对象是什么?
创建
描述
本土知识= inverseKinematicsRigidBodyTree财产。
本土知识= inverseKinematics (名称,值)名称,值对参数。的名字是一个属性名称和价值相应的价值。的名字必须出现在单引号(”)。您可以指定几个名称-值对参数在任何顺序Name1, Value1,…,的家。
属性
使用
描述
(找到一个共同配置,达到指定的末端执行器构成。指定一个初始猜测的配置和你想要的重量公差的六个组成部分configSol,solInfo本土知识]= (endeffector,构成,权重,initialguess)构成。解决方案信息相关的执行算法,solInfo,返回联合配置的解决方案,configSol。
输入参数
输出参数
对象的功能
使用一个目标函数,指定系统对象作为第一个输入参数。例如,释放系统资源的系统对象命名obj使用这个语法:
发行版(obj)
例子
生成关节位置实现末端执行器的位置
为机器人模型生成关节位置来实现所需的末端执行器的位置。的inverseKinematics系统对象使用逆运动学算法解出有效的共同立场。
机器人负载的例子。的puma1机器人是一个rigidBodyTree模型的基础上用六个转动关节机械臂。
负载exampleRobots.matshowdetails (puma1)
- - - - - - - - - - - - - - - - - - - - - -机器人:身体(6)Idx身体名称联合名称联合类型父母名字(Idx)孩子的名字(s) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 1 L1 jnt1转动基地(0)L2 (2) 2 L2 jnt2转动L1 (1) L3 (3) 3 L3 jnt3转动L2 (2) L4 (4) 4, jnt4转动L3(3)一两百(5)5 L5 jnt5转动L4(4) 16种(6)6 16种jnt6转动L5 (5) - - - - - - - - - - - - - - - - - - - - -
生成一个随机配置。获得终端执行器的转换(16种),随机配置的基础。使用这个变换作为一个目标终端执行器的姿势。显示此配置。
randConfig = puma1.randomConfiguration;tform = getTransform (puma1 randConfig,“哈佛”,“基地”);显示(puma1 randConfig);
创建一个inverseKinematics对象的puma1模型。指定重量的不同组件构成。使用一个取向角的大小重量低于组件的位置。使用机器人的家庭配置作为一个初始猜测。
本土知识= inverseKinematics (“RigidBodyTree”,puma1);重量= (0.25 0.25 0.25 1 1 1);initialguess = puma1.homeConfiguration;
计算关节位置使用本土知识对象。
[configSoln, solnInfo] =动力学(“哈佛”,重量tform initialguess);
显示新生成的解决方案配置。解决方案是一个稍微不同的联合配置,达到相同的末端执行器的位置。多个调用本土知识对象可以给相似或不同的联合配置。
显示(puma1 configSoln);
引用
[1]Badreddine,哈桑,斯蒂芬·范德维尔和约翰·迈耶斯。“序贯二次规划(SQP)湍流的直接数值模拟的最优控制。”计算物理学杂志。256 (2014):1 - 16。doi: 10.1016 / j.jcp.2013.08.044。
[2]Bertsekas,迪米特里P。非线性规划。贝尔蒙特,MA:雅典娜科学,1999。
[3]戈德法布,唐纳德。“延长Davidon变量度量方法在线性不等式和等式约束下最大化。”暹罗在应用数学》杂志上。17卷,4号(1969):739 - 64。doi: 10.1137 / 0117067。
[4]Nocedal,豪尔赫和斯蒂芬·莱特。数值优化。纽约:施普林格出版社,2006年。
[5]苏吉哈拉,Tomomichi。“Levenberg-Marquardt Solvability-Unconcerned逆运动学的方法。”IEEE机器人27卷,5号(2011):984 - 91。doi: 10.1109 / tro.2011.2148230。
[6]赵、健民,诺曼。Badler。“逆运动学定位使用非线性规划高度灵活的数字。”ACM交易图片13卷,4号(1994):313 - 36。doi: 10.1145/195826.195827。
