概述

本示例使用KINOVA Gen3操作符将对象标识并回收到两个容器中。该示例使用了五个工具箱中的工具:

本示例基于以下相关示例中的关键概念:

凉亭机器人仿真与控制

为KINOVA Gen3机器人启动基于ros的模拟器，并配置与机器人模拟器的MATLAB®连接。

本示例使用一个虚拟机(VM)，其中包含可下载的ROS Melodic在这里．如果您以前从未使用过它，请参见开始与露台和模拟乌龟机器人(ROS工具箱)．

rosIP =“192.168.203.131”；启用ros的机器的IP地址rosinit (rosIP, 11311);初始化ROS连接

ROS_IP环境变量的值192.168.31.1将用于设置ROS节点的发布地址。使用NodeURI http://192.168.31.1:51073/初始化全局节点/matlab_global_node_36570

通过单击图标初始化Gazebo世界后，VM将KINOVA Gen3机械臂加载到一个桌子上，每边都有一个回收箱。为了模拟和控制Gazebo中的机械臂，虚拟机中包含ros_kortexROS软件包，由KINOVA提供。

包使用ros_control控制关节到所需的关节位置。有关使用虚拟机的更多详细信息，请参见开始与露台和模拟乌龟机器人(ROS工具箱)

Stateflow图表

本示例使用状态流图来调度示例中的任务。打开图表以检查内容并跟踪图表执行期间的状态转换。

编辑exampleHelperFlowChartPickPlaceROSGazebo.sfx

图表说明了机械手如何与物体或部件相互作用。它包括基本的初始化步骤，然后是两个主要部分:

有关取放步骤的高级描述，请参见使用状态流的MATLAB取放工作流．

打开和关闭拉手

激活夹持器的命令，exampleCommandActivateGripperROSGazebo，发送一个动作请求来打开和关闭在Gazebo中实现的夹持器。要发送打开夹持器的请求，使用以下代码。注意:所显示的示例代码只是说明了该命令的功能。不运行。

[gripAct, gripGoal] = rosactionclient (' / my_gen3 / custom_gripper_controller / gripper_cmd '）;gripperCommand = rosmessage (“control_msgs / GripperCommand”）;gripperCommand。位置= 0.0;gripGoal。命令= gripperCommand;sendGoal (gripAct gripGoal);

移动机械手到指定的姿势

的exampleCommandMoveToTaskConfigROSGazebo命令功能用于将机械手移动到指定的姿态。

规划

路径规划生成从初始任务到所需任务配置的简单任务空间轨迹trapveltraj和transformtraj．有关规划和执行轨迹的详细信息，请参见利用KINOVA Gen3机械手规划和执行任务和关节空间轨迹．

ROS中的关节轨迹控制器

在生成机器人要跟随的关节轨迹后，exampleCommandMoveToTaskConfigROSGazebo以所需的采样率对轨迹进行采样，将其打包到联合轨迹ROS消息中，并向KINOVA ROS包中实现的联合轨迹控制器发送动作请求。

检测和分类场景中的对象

的函数exampleCommandDetectPartsROSGazebo和exampleCommandClassifyPartsROSGazebo利用来自机器人的模拟末端执行器摄像机feed，并应用预训练的深度学习模型来检测可回收部件。该模型以一个相机帧作为输入，并输出对象的2D位置(像素位置)和它所需的回收类型(蓝色或绿色垃圾桶)。图像帧上的2D位置被映射到机器人基本帧。

深度学习模型训练:凉亭图像的获取与标注

检测模型使用在Gazebo世界的模拟环境中获得的一组图像进行训练，将两类对象(瓶子和罐子)放置在桌子的不同位置。这些图像是由机器人上的模拟相机获得的，它沿着水平和垂直平面移动，从许多不同的相机视角获得物体的图像。

然后对图像进行标记图片标志(计算机视觉工具箱)app，为YOLO v2检测模型创建训练数据集。trainYOLOv2ObjectDetector(计算机视觉工具箱)火车模型。要了解如何在MATLAB中训练YOLO v2网络，请参见训练YOLO v2网络进行车辆检测(计算机视觉工具箱)．

训练后的模型在机器人处于主位置时，用于对机载摄像机获取的单幅图像进行在线推理。的检测(计算机视觉工具箱)函数返回检测到的对象及其类的边界框的图像位置，然后用它来查找对象顶部的中心位置。使用一种简单的相机投影方法，假设物体的高度是已知的，将物体的位置投影到世界中，最后作为选择物体的参考位置。与边界框相关联的类决定将对象放置在哪个容器中。

开始选择和放置任务

该仿真使用KINOVA Gen3机械手Robotiq夹附呈。中加载机器人模型.mat文件作为rigidBodyTree对象。

负载(“exampleHelperKINOVAGen3GripperROSGazebo.mat”）;

初始化“拾取和放置协调器”

设置机器人初始配置。通过给出机器人模型、初始配置和末端执行器名称，创建用于处理机器人控制的协调器。

initialRobotJConfig = [3.5797 -0.6562 -1.2507 -0.7008 - 0.7303 -2.0500 -1.9053];endEffectorFrame =“爪”；

通过给出机器人模型、初始配置和末端执行器名称来初始化协调器。

coordinator = exampleHelperCoordinatorPickPlaceROSGazebo(robot,initialRobotJConfig, endEffectorFrame);

指定放置对象的主配置和两个姿势。

协调员。HomeRobotTaskConfig = getTransform(robot, initialRobotJConfig, endEffectorFrame);协调员。PlacingPose{1} = trvec2tform([[0.2 0.55 0.26]])*axang2tform([0 0 1 pi/2])*axang2tform([0 1 0 pi]);协调员。PlacingPose{2} = trvec2tform([[0.2 -0.55 0.26]])*axang2tform([0 0 1 pi/2])*axang2tform([0 1 0 pi]);

运行并可视化模拟

将协调器连接到状态流图。一旦启动，状态流图负责连续地检查检测对象的状态，将它们拾取并放置在正确的暂存区域。

协调员。流程图= exampleHelperFlowChartPickPlaceROSGazebo (“协调员”协调员);

使用一个对话框启动拣放任务执行。点击是的在对话框中开始模拟。

回答= questdlg (“你想现在就开始收拾东西吗?”，.．.“开始工作”，“是的”，“不”，“不”）;开关回答情况下“是的”触发事件以启动“在状态流图中选择并放置”coordinator.FlowChart.startPickPlace;情况下“不”coordinator.FlowChart.endPickPlace;删除(coordinator.FlowChart)删除(协调);结束

结束拣放任务

状态流图将在检测新对象的3次失败尝试后自动完成执行。要过早地结束选择和放置任务，取消注释并执行以下代码行或在命令窗口中按Ctrl+C。

% coordinator.FlowChart.endPickPlace;%删除(coordinator.FlowChart);%删除(协调);

观察模拟状态

在执行期间，每个时间点的活动状态在状态流图中以蓝色突出显示。这有助于跟踪机器人在什么时候做什么。您可以单击子系统以查看运行状态的详细信息。

想象《凉亭》中的拾取和放置动作

Gazebo的世界展示了机器人在工作区域移动零件到回收箱。机器人继续工作，直到所有的部件都被安置好。当检测步骤四次没有找到更多的部分时，状态流图退出。

如果比较字符串(答案,“是的”）而协调员。NumDetectionRuns < 4等待没有部件被检测到。。结束结束

完成示例后关闭ROS网络。

rosshutdown

使用NodeURI http://192.168.31.1:51073/关闭全局节点/matlab_global_node_36570

The MathWorks, Inc.版权所有2020