170112-機械臂moveit!抓取

前言

• 這一節有一點高級了

參考

Mastering ROS

學習記錄

使用3D視覺傳感器

• 這是實現抓取任務的基礎
• 注意！傳感器可以由Gazebo模擬，也可以直接和物理設備相連傳入Gazebo中

確認Gazebo插件正確工作

• 使用RViz查看Gazebo插件傳出的點雲數據

roslaunch seven_dof_arm_gazebo seven_dof_arm_bringup_grasping
# 這個命令打開gazebo，關節控制器，gazebo視覺傳感器插件

• 在gazebo中添加桌子和物體
• 打開RViz查看點雲信息

構件機器人環境

• 寫一些配置文件配置Moveit的插件（內置的OctoMap Updater）將Gazebo仿真出來的點雲數據輸入到Moveit規划場景中
• 機器人環境一般用八叉樹來表示，OctoMap已經是Moveit的一個插件，叫做Occupany Map Updater插件，能夠從不同的傳感器源生成八叉樹，目前有兩種更新器
  • PointCloud Occupancy Map Updater: This plugin can take input in the form of point clouds (sensor_msgs/PointCloud2)
  • Depth Image Occupancy Map Updater: This plugin can take input in the form of input depth images (sensor_msgs/Image)
• 第一步就是為這些插件寫一些配置文件，來定義使用的插件及其屬性

# seven_dof_arm_config/config/sensors_rgbd.yaml
sensors:
- sensor_plugin: occupancy_map_monitor/PointCloudOctomapUpdater
point_cloud_topic: /rgbd_camera/depth/points # 訂閱的主題
max_range: 10 # 加入規划場景處理的范圍
padding_offset: 0.01 # 其他定義
padding_scale: 1.0
point_subsample: 1
filtered_cloud_topic: output_cloud

• 第二步就是寫啟動文件

# seven_dof_arm_config/launch/seven_dof_arm_moveit_sensor_manager.launch
<launch>
<rosparam command="load" file="$(find seven_dof_arm_config)/config/
sensors_rgbd.yaml" />
</launch> # 簡單地加載參數到參數服務器

# sensor_manager.launch
<launch>
<!-- This file makes it easy to include the settings for sensor
managers -->
<!-- Params for the octomap monitor -->
<!-- <param name="octomap_frame" type="string" value="some frame in
which the robot moves" /> -->
# 這句話是注釋的，因為書本上的示例機器人是靜止的，如果機械臂固結在移動機器人上，那么需要定義八叉樹地圖的坐標系
<param name="octomap_resolution" type="double" value="0.015" />
<param name="max_range" type="double" value="5.0" />
# 這是分辨率和范圍
<!-- Load the robot specific sensor manager; this sets the moveit_
sensor_manager ROS parameter -->
<arg name="moveit_sensor_manager" default="seven_dof_arm" />
<include file="$(find seven_dof_arm_config)/launch/$(arg moveit_
sensor_manager)_moveit_sensor_manager.launch.xml" />
</launch>

啟動文件

roslaunch seven_dof_arm_gazebo seven_dof_arm_bringup_grasping.launch
# 啟動gazebo，加入桌子和物體
roslaunch seven_dof_arm_config moveit_planning_execution.launch
# 啟動Moveit規划器，這是在RViz中的規划界面
# 現在RViz中可以看到八叉樹地圖了

實現抓取任務

• 有一個現成的包，叫做moveit_simple_grasps，這是一個簡單的抓取動作生成器，它接收被抓取物體的姿態數據，生成抓取物體的動作序列，通過多線程的IK解算器來過濾和去掉不合法的抓取動作。這個包包括抓取生成器grasp generators, grasp filters, visualization tools。這個工具已經支持一些機械臂和機器人，我們可以通過簡單的修改就可以支持自己的機械臂。
• 復制moveit-simpl-grasps文件夾到項目中

roslaunch seven_dof_arm_gazebo grasp_generator_server.launch

• 我們需要向服務器提供機械臂的planning group和end-effector group，所以需要在啟動文件中做一些定義

<launch>
  <arg name="robot" default="cyton_gamma_1500"/>

  <arg name="group"        default="arm"/>
  <arg name="end_effector" default="gripper"/>


  <node pkg="moveit_simple_grasps" type="moveit_simple_grasps_server" name="moveit_simple_grasps_server">
    <param name="group"        value="$(arg group)"/>
    <param name="end_effector" value="$(arg end_effector)"/>

    <rosparam command="load" file="$(find gamma_1500_gazebo)/config/$(arg robot)_grasp_data.yaml"/>

  </node>


</launch>

• 接下來需要定義grasp_data.yaml

base_link: 'base_link'

gripper:
  end_effector_name: 'gripper'

  # Default grasp params
  joints: ['gripper_joint', 'gripper_joint2']

  pregrasp_posture: [0.0, 0.0]
  pregrasp_time_from_start: 4.0

  grasp_posture: [1.0, 1.0]
  grasp_time_from_start: 4.0

  postplace_time_from_start: 4.0

  # Desired pose from end effector to grasp [x, y, z] + [R, P, Y]
  grasp_pose_to_eef: [0.0, 0.0, 0.0]
  grasp_pose_to_eef_rotation: [0.0, 0.0, 0.0]

  end_effector_parent_link: 'wrist_roll'

建立客戶端和服務端

• 有多種方式實現抓取任務，1）提前定義一系列的關節角值，這種方法需要我們把被抓取物體放在預定義的位置2）通過逆運動學來抓取，需要手動提供被抓取物體的位姿3）通過視覺伺服的方式來抓取，同樣依賴逆運動學，不過是通過視覺來獲取被抓取物體的位姿
• 在這里我們直接提供被抓取物體的位姿

在moveit demo中仿真

• 使用python grasp client

roslaunch seven_dof_config demo.launch
# 啟動RViz界面
roslaunch seven_dof_arm_gazebo grasp_generator_server
# 啟動moveit grasp 服務器
rosrun seven_dof_arm_gazebo pick_and_place.py
# 啟動python客戶端

• 抓取流程可分為六步
  • 1. 客戶端在場景中創建被抓取物體，提供位姿信息
  • 1. 得到位姿信息后，將其發送到抓取服務器grasp server，進行逆運動學解算，如果解算出來，則機械臂會過去
  • 1. 放置動作place action

python客戶端源碼解讀

• 一個重要的是，我們在gazebo中創建的物理環境信息應該在client中體現出來，所以我們在client中也要添加障礙物和被抓取物體的信息，不過由於grasp server是簡單的，所以最好添加簡單的幾何物體。
• 還有一些消息訂閱和發布的函數定義
• 動作客戶端的定義

在gazebo中仿真

roslaunch seven_dof_arm_gazebo seven_dof_arm_bringup_grasping.launch
roslaunch seven_dof_arm_config moveit_planning_execution.launch
roslaunch seven_dof_arm_gazebo grasp_generator_server
rosrun seven_dof_arm_gazebo pick_and_place.py

• 在真機上也是一樣的，只是還要加上電機控制器controller