python 机械臂控制_机械臂正运动学-DH参数-Python快速实现

机械臂正运动学-DH参数-Python快速实现

前言：

最近在玩一个非常弱智的机械臂，好多功能都没有，连个配套的仿真环境都没， 虚拟边界和碰撞检测的功能都非常难用。

没办法，我只能自己实现一个简陋的虚拟边界功能，这必须要在已知关节角的情况下，提前计算出每个关节的三维坐标。

这里的问题凝结为输入输出就是：

已知： 机械臂的关节长度，关节构型

输入： 机械臂的关节角度；

输出： 机械臂的关节坐标。

全网好像没有搜到一个简单可用、基于DH参数的Python的正运动学代码（github有一个不能用）。

为了防止以后忘记，以及方便大家学习借鉴。先抛出来，供大家参考

我为了实现这个功能 ，来来回回看了三天的资料和课程，但是感觉核心步骤也就几个公式和对应关系，所以我就把这几个核心的东西单拎出来了。

大家如果时间充分，可以详细的看看课程和教材，如果时间不够，就可以看我这个，如果我有哪些细节没有描述清楚的话，可以在评论区留言~

整体思路流程：

搜集机械臂相关配置资料：关节长度、构型、官方设定的坐标系；

通过两个对应关系，找到机械臂的DH参数表；

找到了之后，代入转换矩阵T中；

连乘所有关节的T；

获取关节三维坐标。

学习资料

要想得到上面的输出，需要的基础知识比较多。

有：

刚体的坐标变换；

DH参数；

基本上就是上面两个了。

为了弄明白这个过程， 我请教了几位大佬，大佬说可以看看b站台大的机器人学，和《机器人学导论》-斯坦福的那本，自己去网上搜PDF版就好了

然后直接基本概念，大家可以去看看：

台大机器人学之运动学——林沛群（含课件+书籍）

核心概念：

我们将机械臂的每一个关节轴，都建立一个坐标系，那么从关节1到关节0的变化，其实就是做了一次刚体的坐标变换。

而关节7的末端点，则是串着做了好多次的坐标变换。

DH参数的理解。

先挂一个参考链接，这里面的介绍的更详细：

https://blog.youkuaiyun.com/aic1999/article/details/82490615

上节说到本质是坐标变换，那么我们如何根据已知信息，确定好坐标变换的基本信息？

这里面就得用到一个神奇的DH参数（两位大佬名字的缩写）

来看看课本里的这张经典图。

我们需要知道，决定四个轴的相对位置关系，我们可以用四个变量来描述（虽然可能不唯一，但是够了）。

那么我们需要知道的第一个对应关系：

DH参数的定义：

沿着轴方向，逆时针为正。

这里面我们还差一个东西，如何定义坐标系？

建立坐标系

其实一般如果是靠谱的机器人，这个坐标系应该是给的。

把我这次用的机器人的拿过来，作为例子，有例子，大家理解起来就方便了。

可以看出来一个很有意思的事情， 01关节是放在一起看了，即12坐标系原点重合，这里是将1杆的长度看作0了。下面去计算DH参数的时候也需要注意的。而且我们计算的时候，是无法计算出1轴的坐标。

坐标系和参数对应关系来了，我们就能填好DH表了：

如何填写？

对着坐标轴的图和连杆参数定义，一个一个填。

我们以第一个轴为例，第一行有四个值：α\alphaα1-0 , aaa1-0 , ddd1-0 θ\thetaθ1-0

这里面的α\alphaα1-0即α\alphaα0是绕X0正方向, 从Z0旋转到Z1的角度。从图中可以看出来，没旋转，即为0.

aaa0沿着X0,从Z0移动到Z1的距离，因为两个Z重合，不存在移动距离，即距离为0；

d1的话，不一样，沿着Z1轴，从X0移动到X1的距离，可以看出来，移动了0.31米，虽然方向不一样，但是确实是得移动这么多，才能重合。

θ\thetaθ的话，就是关节转动的角度了，后面几个关节，可能初始角度得加一个180°才行。

这个DH参数值拿到了之后，就得想办法拿到转换矩阵了。

好在《机器人学导论》这本书里直接给了计算公式：

矩阵变换公式：

这玩意儿还得配套几个公式才行。

总之拿到了DH参数，就把表里的值代入到T中， 然后连乘，就能计算出末端位姿了。

最后直接上代码吧：

from mpl_toolkits.mplot3d import Axes3D

import matplotlib.pyplot as plt

from matplotlib import cm

import numpy as np

from math import radians, sin, cos

def set_axes_equal(ax):

# 这一段是copy别人的。用处不是很大。

'''Make axes of 3D plot have equal scale so that spheres appear as spheres,

cubes as cubes, etc.. This is one possible solution to Matplotlib's

ax.set_aspect('equal') and ax.axis('equal') not working for 3D.

Input

ax: a matplotlib axis, e.g., as output from plt.gca().

'''

x_limits = ax.get_xlim3d()

y_limits = ax.get_ylim3d()

z_limits = ax.get_zlim3d()

x_range = abs(x_limits[1] - x_limits[0])

x_middle = np.mean(x_limits)

y_range = abs(y_limits[1] - y_limits[0])

y_middle = np.mean(y_limits)

z_range = abs(z_limits[1] - z_limits[0])

z_middle = np.mean(z_limits)

# The plot bounding box is a sphere in the sense of the infinity

# norm, hence I call half the max range the plot radius.

plot_radius = 0.5*max([x_range, y_range, z_range])

ax.set_xlim3d([x_middle - plot_radius, x_middle + plot_radius])

ax.set_ylim3d([y_middle - plot_radius, y_middle + plot_radius])

ax.set_zlim3d([z_middle - plot_radius, z_middle + plot_radius])

def dh_matrix(alpha, a, d, theta):

# 传入四个DH参数，根据公式3-6，输出一个T矩阵。

alpha = alpha / 180 * np.pi

theta = theta / 180 * np.pi

matrix = np.identity(4)

matrix[0,0] = cos(theta)

matrix[0,1] = -sin(theta)

matrix[0,2] = 0

matrix[0,3] = a

matrix[1,0] = sin(theta)*cos(alpha)

matrix[1,1] = cos(theta)*cos(alpha)

matrix[1,2] = -sin(alpha)

matrix[1,3] = -sin(alpha)*d

matrix[2,0] = sin(theta)*sin(alpha)

matrix[2,1] = cos(theta)*sin(alpha)

matrix[2,2] = cos(alpha)

matrix[2,3] = cos(alpha)*d

matrix[3,0] = 0

matrix[3,1] = 0

matrix[3,2] = 0

matrix[3,3] = 1

return matrix、

joint_num = 7

# --- Robotic Arm construction ---

# DH参数表，分别用一个列表来表示每个关节的东西。

joints_alpha = [0, 90, 90, 90, 90, 90, 90]

joints_a = [0, 0, 0, 0, 0, 0, 0]

joints_d = [0.31, 0.0, 0.4, 0.0, 0.4, 0.0, 0.175]

joints_theta = [0, 180, 180, 180, 180, 180, 180]

# Joint Angle variables

# joints_angle = [-0.001, -21.0, -0.001, -21.0, 0.0, 0.0, -0.0]

# 选定几个特定的关节角，看看算出来的值，和真实值是否一致，方向是否反了。

joints_angle = [0, -23.43, 0, 50, 0, 0, 0]

# DH参数转转换矩阵T---------------------

joint_hm = []

for i in range(joint_num):

joint_hm.append(dh_matrix(joints_alpha[i], joints_a[i], joints_d[i], joints_theta[i]+joints_angle[i]))

# -----------连乘计算----------------------

for i in range(joint_num-1):

joint_hm[i+1] = np.dot(joint_hm[i], joint_hm[i+1])

# Prepare the coordinates for plotting

for i in range(joint_num):

print(np.round(joint_hm[i][:3, 3], 5))

# 获取坐标值

X = [hm[0, 3] for hm in joint_hm]

Y = [hm[1, 3] for hm in joint_hm]

Z = [hm[2, 3] for hm in joint_hm]

# Plot

ax = plt.axes(projection='3d')

# ax.set_aspect('equal')

ax.plot3D(X, Y, Z)

ax.set_xlabel('x')

ax.set_ylabel('y')

ax.set_zlabel('z')

set_axes_equal(ax)

plt.show()