16、基于Kinect的绘图机器人搭建与调试指南

基于Kinect的绘图机器人搭建与调试指南

1. 机器人舵机控制

在控制绘图机器人的舵机时,我们使用Arduino库将角度值发送到Arduino板。以下是控制舵机移动的代码:

arduino.analogWrite(servo1pin, 90-round(degrees(angle1))); // move servo 1
arduino.analogWrite(servo2pin, 90-round(degrees(angle2))); // move servo 2
arduino.analogWrite(servo3pin, round(degrees(angle3))); // move servo 3

由于屏幕上的图形解释与舵机的实际操作方式存在差异,我们需要进行一些修改。首先,要将角度从弧度转换为度,同时改变值的正负(翻转方向)并加上半圈旋转。这是因为旋转角度范围的中间值不是0(若为0则范围是 -90 到 90 度),而是90(范围是 0 到 180 度),不过基础舵机是个例外,它与图形表示中的角度相同。

连接Arduino并启动程序后,所有舵机会伸直成一条线,然后开始跟随屏幕上的几何图形。操作时尽量使用柔和的动作,否则舵机可能会突然移动,若组装结构不够牢固,可能会导致松动。通常,先校准舵机是个好主意,方法是拆卸子臂,在舵机从Arduino接收到信号(程序未运行时)后再重新连接。舵机通常会自动设置为90度,所以将机器人固定在笔直位置后,它们会以此作为起始点。

根据机械设置,可能需要微调机器人应用于关节的角度。可以通过对角度使用乘数来实现,例如:

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值