manipulatorRRT
描述
的manipulatorRRTobject是一个针对机械臂的单查询规划器，它使用双向快速探索随机树(RRT)算法和可选的连接启发式来潜在地提高速度。
双向RRT规划器在指定的开始和目标配置处创建两个根节点的树。为了扩展每棵树，规划器生成一个随机配置，如果有效，则从最近的节点基于MaxConnectionDistance财产。在每个扩展之后，规划器尝试使用新的扩展和对面树上最近的节点在两个树之间连接。与环境冲突的无效配置或连接不会添加到树中。
对于更贪婪的搜索，启用EnableConnectHeuristic属性上的限制MaxConnectionDistance属性。
设置EnableConnectHueristic财产假属性的值将两个树之间的连接扩展距离限制为MaxConnectionDistance财产。
对象使用rigidBodyTree机器人模型生成随机配置和节点之间的中间状态。碰撞对象在机器人模型中指定，以验证配置并检查与环境或机器人本身的碰撞。
若要规划开始配置和目标配置之间的路径，请使用计划对象的功能。方法在规划之后，可以沿路径插入状态插入对象的功能。若要尝试通过修剪边缘来缩短路径，请使用缩短对象的功能。
若要指定在目标构型附近对末端执行器姿态进行采样的区域，请创建workspaceGoalRegion对象，并将其指定为goalRegion输入计划对象的功能。若要更改对其他目标配置进行抽样的概率，请指定WorkspaceGoalRegionBias财产。
有关计算复杂度的详细信息，请参见规划的复杂性．
创建
描述
rrt =操作系统(创建指定的双向RRT计划器robotRBT{})rigidBodyTree机器人模型。空单元格数组表示环境中没有障碍物。
rrt =操作系统(为放置在环境中的碰撞对象的机器人模型创建一个规划器。计划器检查与这些对象的碰撞。robotRBT，collisionObjects）
输入参数
属性
例子
利用RRT规划机械手机器人路径
使用manipulatorRRT对象在有障碍物的环境中为刚体树机器人模型规划路径。用插值状态可视化规划路径。
将机器人模型加载到工作区中。使用库卡LBR iiwa©机械手臂。
机器人=装载机器人(“kukaIiwa14”，“DataFormat”，“行”）;
为机器人生成环境。创建碰撞对象并指定它们相对于机器人基座的姿势。想象环境。
env = {collisionBox(0.5, 0.5, 0.05) collisionSphere(0.3)};env{1}。姿态(3,end) = -0.05;env{2}。Pose(1:3, end) = [0.1 0.2 0.8];显示(机器人);持有在显示(env {1}) (env {2})
为机器人模型创建RRT计划器。
rrt =机械手rrt(机器人，env);rrt。SkippedSelfCollisions =“父”；
指定开始和目标配置。
startConfig = [0.08 -0.65 0.05 0.02 0.04 0.49 0.04];goalConfig = [2.97 -1.05 0.05 0.02 0.04 0.49 0.04];
规划路径。由于RRT算法的随机性，请设置rng种子的可重复性。
rng(0) path = plan(rrt,startConfig,goalConfig);
想象路径。要添加更多的中间状态，请对路径进行插值。默认情况下，插入对象函数使用的值ValidationDistance属性确定中间状态的数目。的为循环显示插值路径的每20个元素。
interpPath =插值(rrt，路径);clf为i = 1:20:size(interpPath,1) show(robot,interpPath(i，:));持有在结束Show (env{1}) Show (env{2}) hold从
计划到工作区目标区域的路径
在您的工作空间中指定一个目标区域，并在这些范围内规划一条路径。的workspaceGoalRegion对象上的边界xyz-安置和zyx股票机器人末端执行器的欧拉方向。的manipulatorRRT对象根据目标区域规划路径，并对边界内的随机姿势进行采样。
加载现有的机器人模型作为rigidBodyTree对象。
机器人=装载机器人(“kinovaGen3”，“DataFormat”，“行”）;Ax = show(机器人);
创建路径规划器
为机器人创建一个快速探索随机树(RRT)路径规划器。这个例子使用了一个空的环境，但是这个工作流在混乱的环境中也能很好地工作。方法向环境中添加碰撞对象collisionBox或collisionMesh对象。
planner =机械手rrt(机器人，{});计划。SkippedSelfCollisions =“父”；
定义目标区域
使用机器人的末端执行器主体名称创建工作空间目标区域。
为您的工作区定义目标区域参数。目标区域包括一个参考姿态，xyz的位置限制和方向限制zyx股票欧拉角。属性上的边界xy平面，并允许旋转z-轴以弧度表示。
goalRegion = workspaceGoalRegion(robot.BodyNames{end});goalRegion。ReferencePose = trvec2tform([0.5 0.5 0.2]);goalRegion。Bounds(1，:) = [-0.2 0.2];% X边界goalRegion。Bounds(2，:) = [-0.2 0.2];% Y边界goalRegion。Bounds(4，:) = [-pi/2 pi/2];%绕z轴旋转
你也可以对区域内采样的所有姿势应用固定偏移量。这个偏移量可以解释抓取工具或工作区中尺寸的变化。对于这个例子，应用一个固定的变换，将末端执行器放置在工作区上方5厘米。
goalRegion。endffectoroffsetpose = trvec2tform([0 0 0.05]);持有在显示(goalRegion);
计划通往目标区域的路径
从机器人的主配置规划到目标区域的路径。由于RRT算法的随机性，本例设置rng播种以确保可重复的结果。
rng(0) path = plan(planner,homeConfiguration(robot)，goalRegion);
显示机器人执行路径。为了可视化更真实的路径，可以在路径配置之间插入点。
interpConfigurations =插值(规划器，路径，5);为i = 1: size(interpConfigurations) show(robot,interpConfigurations(i，:)，“PreservePlot”、假);集(ax,“ZLim”(-0.05 - 0.75),“YLim”(-0.05 - 1),“XLim”(-0.05 - 1),.．.“CameraViewAngle”5) drawnow结束持有从
调整末端执行器姿态
注意，机械臂从底部接近工作空间。若要翻转最终位置的方向，请添加π旋转到y轴作为参考姿态。
goalRegion。EndEffectorOffsetPose =.．.goalRegion。endffectoroffsetpose *eul2tform([0 pi 0]，“ZYX股票”）;
重新规划路径，并再次可视化机器人运动。机器人现在从顶部靠近。
持有在显示(goalRegion);path = plan(planner,homeConfiguration(robot)，goalRegion);interpConfigurations =插值(规划器，路径，5);为i = 1: size(interpConfigurations) show(robot, interpConfigurations(i，:)，“PreservePlot”、假);集(ax,“ZLim”(-0.05 - 0.75),“YLim”(-0.05 - 1),“XLim”，[-0.05 1])结束持有从
通过3-D占用地图规划路径
装载Kinova Gen 3机器人。
装载机器人(“kinovagen3”DataFormat =“行”）;
创建一个三维占用地图，并设置坐标为[0.4 0.0 0.4]占领。
map = occuancymap3d (10);map.setOccupancy([0.4 0.0 0.4]，1);
在地图中显示机器人。
显示(地图);持有在显示(rbt);轴(“平等”) xlim([-1,1.0]) ylim([-1,1.0]) zlim([-0.5,1.2])
定义启动配置。
Startconfig = [2.2131，-1.3950,0.1618,0.2053，-0.1624,1.1684，-2.1886];
定义一个目标配置，该配置除了第一个关节外与起始配置相同。
Goalconfig = startconfig;Goalconfig (1) = 3.4;
方法为机器人创建机械手RRT规划器，并将映射指定为环境地图论点。
planner = manipulatorRRT(rbt，{}，Map= Map);planner.ValidationDistance = 0.1;planner.MaxConnectionDistance = 0.2;计划。SkippedSelfCollisions =“父”；
在开始和目标配置之间规划一条路径。然后在路径之间进行插值。
Plannedpath = plan(planner,startconfig,goalconfig);Interpoalatedpath = interpolate(planner,plannedpath);
动画机器人沿着路径。
rc = rateControl (10);视图((π/ 3π/ 2π/ 4]);为i = 1:size(interpoalatedpath,1) show(rbt,interpoalatedpath(i，:)，FastUpdate=true,PreservePlot=false);等待(rc);结束
![图中包含一个轴对象。标题为Occupancy Map的坐标轴对象，xlabel X [meters]， ylabel Y [meters]包含了26个类型为patch, line的对象。](http://www.ru-cchi.com/in/help/examples/robotics/win64/PlanPathThrough3DOccupancyMapExample_01.png)
提示
规划的复杂性
当规划树中节点之间的运动时，会生成一组配置并进行验证。规划器的计算时间与生成的配置数成正比。节点之间的配置数由MaxConnectionDistance和ValidationDistance属性。为了缩短规划时间，可以考虑增加验证距离或减小最大连接距离。
验证每个配置的复杂度为O(mn + m2),米碰撞体的数量是多少
rigidBodyTree对象和n碰撞对象的数量在吗worldObjects．使用大量的网格来表示机器人或环境会增加验证每个配置的时间。
无限关节极限
如果你的
rigidBodyTree机器人模型具有无限范围的关节极限(例如，极限为的转动关节)(负无穷到正无穷)),manipulatorRRT对象使用的限制(1) e10 1 e10)在节理范围内进行均匀随机抽样。
参考文献
[1]库夫纳，J. J.和S. M.拉瓦尔。RRT-Connect:单查询路径规划的有效方法在2000年ICRA。年会议。IEEE机器人与自动化国际会议。专题讨论会论文集(Cat。No.00CH37065), 2:995 - 1001。旧金山，加州，美国:IEEE, 2000。https://doi: 10.1109 / ROBOT.2000.844730。
扩展功能
版本历史
R2020b中介绍
您也可以从以下列表中选择一个网站: