机器人学、机器视觉与控制 上机笔记（第一版译文版 2.1章节）

机器人学、机器视觉与控制 上机笔记（第一版译文版 2.1章节）

  • 1、前言
  • 2、本篇内容
  • 3、代码记录
    • 3.1、新建se2
    • 3.2、生成坐标系
    • 3.3、将T1表示的变换绘制
    • 3.4、完整绘制代码
    • 3.5、获取点`*`在坐标系1下的表示
    • 3.6、相对坐标获取完整代码
  • 4、结语

1、前言

工作需要，想同时显示出六轴协作臂，一组位姿信息逆解出的八组关节角的效果情况。就想使用MATLAB的机器人工具箱RTB去实现这一需求，辅助数据分析。朋友推荐了《机器人学、机器视觉与控制》这本书，书的作者也是工具箱RTB的作者，就开始拜读补充基础知识，并结合书中的RTB示例代码熟悉RTB的使用。个人使用的matlab2022b版本和10.4版本的RTB，实际操作时发现书本中的示例代码(猜测应该是9版本的RTB，语法未做到向下兼容)在个人使用的环境下，频繁出现报错无法运行的问题。就准备写一个改正后的实机运行记录系列。

2、本篇内容

记录书中第2.1章节中的示例代码，修改后能在10.4版本中正确运行。

3、代码记录

3.1、新建se2

原书中的第一步是用函数se2创建一个齐次变换，原书代码如下：

>> T1 = se2(1, 2, 30 * pi / 180)
T1 = 0.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000

在高位版本环境下，运行报错，原因是se2的函数形参变动调整了

>> T1 = se2(1, 2, 30 * pi / 180)
错误使用 matlabshared.spatialmath.internal.SE2Base
Invalid number of arguments. To create an se2, specify 2 or fewer arguments.出错 se2 (第 69 行)obj@matlabshared.spatialmath.internal.SE2Base(varargin{:});

下面我们来看看help文档中，高版本的se2函数定义：
se2函数定义
原书中是位移在前，旋转在后，高版本恰恰相反了。因此，新建se2需要修改为（可能步骤有些繁琐，欢迎评论区留言优化）：

>> tr = [1, 2]tr =1     2
>> rot = rotz(30)rot =0.8660   -0.5000         00.5000    0.8660         00         0    1.0000>> T1 = se2(rot(1:2, 1:2), tr)T1 = se20.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000

3.2、生成坐标系

这个没有问题，同原书一样即可，生成一个XY轴分别为[0,5]刻度的二维平面坐标系。

>> axis([0 5 0 5]);

生成坐标系

3.3、将T1表示的变换绘制

原书代码如下：

>> trplot2(T1, 'frame', '1', 'color', 'b')

在高位版本下，同样运行报错，报错提示如下：

>> trplot2(T1, 'frame', '1', 'color', 'b')
Unable to perform assignment because value of type 'se2' is not convertible to 'double'.出错 transl (第 88 行)t1(1:3,4,:) = x';出错 trplot2 (第 148 行)if all(size(T) == [3 3]) || norm(transl(T)) < eps原因:无法从 se2 转换为 double。

根据报错提示，T1此时是se2数据类型，而高版本的trplot2函数的第一个形参，要求数据类型为double，那么，此处需要手动进行数据类型转换。可以参考该链接: (知乎)matlab中SE3是什么类型，怎么转换成double型矩阵？
经过实际尝试,使用tform函数有效，转换如下：

>> T1_double = tform(T1)T1_double =0.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000

工作区中也可以观察到，数据类型变换成功。
T1转换为T1_double
这边需要再多说几句，知乎回答中提及的T1.T方式尝试过，报错未识别类 'se2' 的方法、属性或字段 'T'。，提及的另一种double(T1)强制转换的方式也同样以失败告终。之后翻阅了tform函数的文档看了一下，该函数应该是2022b版本以后引入的。
tform引入时间
最终运行效果如下，记得补加上hold on，原书中缺失，不然坐标轴刻度变化，不再是[0，5]：

>> T1_double = tform(T1)T1_double =0.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000
>> hold on         
>> trplot2(T1_double, 'frame', '1', 'color', 'b')

绘制T1变化

3.4、完整绘制代码

>> tr = [1, 2]tr =1     2>> rot = rotz(30)rot =0.8660   -0.5000         00.5000    0.8660         00         0    1.0000>> T1 = se2(rot(1:2, 1:2), tr)T1 = se20.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000>> axis([0 5 0 5]);
>> T1_double = tform(T1)T1_double =0.8660   -0.5000    1.00000.5000    0.8660    2.00000         0    1.0000>> hold on
>> trplot2(T1_double, 'frame', '1', 'color', 'b')
>> rot2 = rotz(0)rot2 =1     0     00     1     00     0     1>> tr2 = [2, 1]tr2 =2     1>> T2 = se2(rot2(1:2, 1:2), tr2)T2 = se21     0     20     1     10     0     1>> T2_double = tform(T2)T2_double =1     0     20     1     10     0     1>> hold on
>> trplot2(T2_double, 'frame', '2', 'color', 'r');
>> T3 = T1 * T2T3 = se20.8660   -0.5000    2.23210.5000    0.8660    3.86600         0    1.0000>> T3_double = tform(T3)T3_double =0.8660   -0.5000    2.23210.5000    0.8660    3.86600         0    1.0000>> hold on;
>> trplot2(T3_double, 'frame', '3', 'color', 'g');
>> T4 = T2 * T1T4 = se20.8660   -0.5000    3.00000.5000    0.8660    3.00000         0    1.0000>> T4_double = tform(T4)T4_double =0.8660   -0.5000    3.00000.5000    0.8660    3.00000         0    1.0000>> hold on
>> trplot2(T4_double, 'frame', '4', 'color', 'c')
>> hold on;
>> P = [3; 2];
>> plot_point(P, '*');

最终效果如下：
最终效果

3.5、获取点*在坐标系1下的表示

原书中的inv，在高版本使用时同样需要注意数据类型一致的问题：

% 原书中使用的变量名为P1
% 个人使用P_to_T1替换，感觉变量名意义更清晰明了些
>> P_to_T1 = inv(T1) * [P; 1]
错误使用  .* 
times, .* requires both operands to be transformations or rotations (of the same type).出错  *  (第 18 行)out = obj1 .* obj2;

报错原因为左侧inv(T1)的结果仍为se2类型，需要变为double类型。验证如下：

>> Test = inv(T1)Test = se20.8660    0.5000   -1.8660-0.5000    0.8660   -1.23210         0    1.0000>> Test_double = tform(Test)Test_double =0.8660    0.5000   -1.8660-0.5000    0.8660   -1.23210         0    1.0000>> P_to_T1 = Test_double * [P; 1]P_to_T1 =1.7321-1.00001.0000

成功获取，点*相对于坐标系{1}的表示为（1.7321，-1.0000）。

3.6、相对坐标获取完整代码

>> Test = inv(T1)Test = se20.8660    0.5000   -1.8660-0.5000    0.8660   -1.23210         0    1.0000>> Test_double = tform(Test)Test_double =0.8660    0.5000   -1.8660-0.5000    0.8660   -1.23210         0    1.0000>> P_to_T1 = Test_double * [P; 1]P_to_T1 =1.7321-1.00001.0000>> h2e(Test_double * e2h(P))ans =1.7321-1.0000>> homtrans(Test_double, P)ans =1.7321-1.0000>> P_to_T2 = homtrans(tform(inv(T2)), P)P_to_T2 =11

4、结语

平时工作为机械臂软件开发，书本中的matlab示例代码跑通的感觉还是挺舒服的。2.1节总体评价不错，通过二维演示了三维常见的齐次变换大致的使用思想。减去Z的维度，确实更方便初学者的理解。工作一年多，回过头来再看这些内容，也受益匪浅。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://xiahunao.cn/news/2775587.html

如若内容造成侵权/违法违规/事实不符，请联系瞎胡闹网进行投诉反馈，一经查实，立即删除！

相关文章

2022中科院期刊分区小类学科-COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能一览

2022中科院期刊分区小类学科-COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能一览

从左到右的次序依次为&#xff1a;序号&#xff0c;刊名&#xff0c;ISSN码以及分区&#xff1a; 1 IEEE Transactions on Cybernetics 2168-2267 1区 2 Nature Machine Intelligence 2522-5839 1区 3 Information Fusion …
阅读更多...
ChatGPT高效提问—prompt常见用法（续篇四）

ChatGPT高效提问—prompt常见用法（续篇四）

ChatGPT高效提问—prompt常见用法&#xff08;续篇四&#xff09; 1.1 知识生成 ​ 知识生成是指使用自然语言处理技术&#xff0c;通过ChatGPT等AI模型生成与特定主题相关的知识、文本或回答。在知识生成过程中&#xff0c;模型接收prompt输入的问题、指令或上下文信息&…
阅读更多...
ONLYOFFICE文档8.0新功能浅探

ONLYOFFICE文档8.0新功能浅探

ONLYOFFICE文档8.0新功能浅探 上个月末这个月初的几天&#xff0c;ONLYOFFICE版本更新了&#xff01;更新到了一个比较整的大的版本号&#xff0c;8.0版本&#xff0c;看来这个生产力工具的升级速度基本上能保持每年两个版本号的速度&#xff0c;还是很快的&#xff0c;一般来…
阅读更多...
获取视频帧图片

获取视频帧图片

在实现了minio文件上传的基础上进行操作 一、编写pom <dependency><groupId>org.jcodec</groupId><artifactId>jcodec</artifactId><version>0.2.5</version> </dependency> <dependency><groupId>org.jcodec<…
阅读更多...
【开源项目阅读】Java爬虫抓取豆瓣图书信息

【开源项目阅读】Java爬虫抓取豆瓣图书信息

原项目链接 Java爬虫抓取豆瓣图书信息 本地运行 运行过程 另建项目&#xff0c;把四个源代码文件拷贝到自己的包下面 在代码爆红处按ALTENTER自动导入maven依赖 直接运行Main.main方法&#xff0c;启动项目 运行结果 在本地磁盘上生成三个xml文件 其中的内容即位爬取…
阅读更多...
ubuntu22.04 安装部署05：禁用默认显卡驱动

ubuntu22.04 安装部署05：禁用默认显卡驱动

一、相关文章 ubuntu22.04安装部署03&#xff1a; 设置root密码-CSDN博客 《ubuntu22.04装部署01&#xff1a;禁用内核更新》 《ubuntu22.04装部署02&#xff1a;禁用显卡更新》 二、场景说明 Ubuntu22.04 默认显卡驱动&#xff0c;如果安装cuda&#xff0c;需要单独安装显…
阅读更多...
制作耳机壳的UV树脂和塑料材质相比劣势有哪些？

制作耳机壳的UV树脂和塑料材质相比劣势有哪些？

以下是UV树脂相比塑料材质可能存在的劣势&#xff1a; 价格较高&#xff1a;相比一些常见的塑料材质&#xff0c;UV树脂的价格可能较高。这主要是因为UV树脂的生产过程较为复杂&#xff0c;需要较高的技术和设备支持。加工难度大&#xff1a;虽然UV树脂的加工过程相对简单&…
阅读更多...
微服务OAuth 2.1认证授权可行性方案(Spring Security 6)

微服务OAuth 2.1认证授权可行性方案(Spring Security 6)

文章目录 一、背景二、微服务架构介绍三、认证服务器1. 数据库创建2. 新建模块3. 导入依赖和配置4. 安全认证配置类 四、认证服务器测试1. AUTHORIZATION_CODE&#xff08;授权码模式&#xff09;1. 获取授权码2. 获取JWT 2. CLIENT_CREDENTIALS(客户端凭证模式) 五、Gateway1.…
阅读更多...
The Back-And-Forth Method (BFM) for Wasserstein Gradient Flows windows安装

The Back-And-Forth Method (BFM) for Wasserstein Gradient Flows windows安装

本文记录了BFM算法代码在windows上的安装过程。 算法原网站&#xff1a;https://wasserstein-gradient-flows.netlify.app/ github&#xff1a;https://github.com/wonjunee/wgfBFMcodes 文章目录 FFTWwgfBFMcodesMATLABpython注 FFTW 官网/下载路径&#xff1a;https://ww…
阅读更多...
Flink从入门到实践（一）：Flink入门、Flink部署

Flink从入门到实践（一）：Flink入门、Flink部署

文章目录 系列文章索引一、快速上手1、导包2、求词频demo&#xff08;1&#xff09;要读取的数据&#xff08;2&#xff09;demo1&#xff1a;批处理&#xff08;离线处理&#xff09;&#xff08;3&#xff09;demo2 - lambda优化&#xff1a;批处理&#xff08;离线处理&…
阅读更多...
python视频播放列表信息库之m3u8使用详解

python视频播放列表信息库之m3u8使用详解

m3u8库是什么&#xff1f; m3u8是一个用于解析和操作M3U8文件的Python库。M3U8文件&#xff0c;是指使用UTF-8编码格式的M3U文件&#xff0c;它们通常用于播放列表文件&#xff0c;尤其是在HTTP Live Streaming&#xff08;HLS&#xff09;中。简单来说&#xff0c;m3u8库能帮…
阅读更多...
HiveSQL——条件判断语句嵌套windows子句的应用

HiveSQL——条件判断语句嵌套windows子句的应用

注&#xff1a;参考文章&#xff1a; SQL条件判断语句嵌套window子句的应用【易错点】--HiveSql面试题25_sql剁成嵌套判断-CSDN博客文章浏览阅读920次&#xff0c;点赞4次&#xff0c;收藏4次。0 需求分析需求&#xff1a;表如下user_idgood_namegoods_typerk1hadoop1011hive1…
阅读更多...
假期刷题打卡--Day27

假期刷题打卡--Day27

1、MT1217矩阵乘法 输入3X4整型矩阵A和4X3的整型矩阵B&#xff0c;计算A*B&#xff0c;放到矩阵C里面&#xff0c;输出矩阵C。 格式 输入格式&#xff1a; 分两行输入两个矩阵&#xff0c;空格分隔。 输出格式&#xff1a; 按矩阵形式输出&#xff0c;整型&#xff0c;每…
阅读更多...
[算法前沿]--059-大语言模型Fine-tuning踩坑经验之谈

[算法前沿]--059-大语言模型Fine-tuning踩坑经验之谈

前言 由于 ChatGPT 和 GPT4 兴起，如何让人人都用上这种大模型，是目前 AI 领域最活跃的事情。当下开源的 LLM（Large language model）非常多，可谓是百模大战。面对诸多开源本地模型，根据自己的需求，选择适合自己的基座模型和参数量很重要。选择完后需要对训练数据进行预处…
阅读更多...
基于微信小程序的校园二手交易平台

基于微信小程序的校园二手交易平台

博主介绍&#xff1a;✌程序员徐师兄、7年大厂程序员经历。全网粉丝12w、csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌ &#x1f345;文末获取源码联系&#x1f345; &#x1f447;&#x1f3fb; 精彩专栏推荐订阅&#x1f447;…
阅读更多...
双指针算法 判断子序列

双指针算法 判断子序列

判断子序列 1.C代码实现: #include<iostream> using namespace std; const int N100002; int a[N],b[N];int main(){int n,m;cin>>n>>m; // 输入n和m的值for(int i0;i<n;i){cin>>a[i]; // 输入数组a的元素}for(int j0;j<m;j){cin>>b[j]; …
阅读更多...
MYSQL存储过程（含入参、出参）

MYSQL存储过程（含入参、出参）

1、创建库存表语句 -- eladmin.t_stock definitionCREATE TABLE t_stock (id bigint(20) NOT NULL AUTO_INCREMENT,quantity bigint(20) NOT NULL,PRIMARY KEY (id) ) ENGINEInnoDB AUTO_INCREMENT4101 DEFAULT CHARSETutf8mb4 COLLATEutf8mb4_bin; id为主键&#xff0c;便于…
阅读更多...
CTFshow web(php命令执行 45-49）

CTFshow web(php命令执行 45-49）

基础知识&#xff1a; 1.绕过cat使用&#xff1a; tac more less head tac tail nl od(二进制查看) vi vim sort uniq rev 2.绕过空格用&#xff1a; %09 <> ${IFS} $IFS$ {cat,fl*} %20 注&#xff1a; %09 ##&#xff08;Tab&#xff09; %20 ##&#xff08;spa…
阅读更多...
项目02《游戏-12-开发》Unity3D

项目02《游戏-12-开发》Unity3D

基于 项目02《游戏-11-开发》Unity3D &#xff0c; 任务&#xff1a;实现场景怪物自动巡航 &#xff0c; 首先在场景中创建小球命名为路径点WayPoint0&#xff0c; 取消小球的碰撞器Collider&#xff0c; 再复制两个改名为WayPoint1 和 WayPoint2 &#xff0c; 在…
阅读更多...
Spring Boot 笔记 003 Bean注册

Spring Boot 笔记 003 Bean注册

使用Idea导入第三方jar包 在porn.xml种添加的第三方jar包依赖&#xff0c;并刷新 可以在启动类中尝试调用 以上放到启动类中&#xff0c;不推荐&#xff0c;建议创建一个专门定义的类 package com.geji.config;import cn.itcast.pojo.Country; import cn.itcast.pojo.Province;…
阅读更多...
最新文章

Copyright @ 2022~2023