本案例展示了如何利用視覺系統(tǒng)提升機械臂的抓取精度，成功實現(xiàn)了人形機器人的雙臂抓取不在局限于單臂抓取。

引言
如今市面上已經(jīng)有了許多不同類型的人形機器人，涵蓋了服務(wù)行業(yè)和醫(yī)療行業(yè)等各個領(lǐng)域。這些機器人以其智能化和自動化的特性逐漸融入我們的日常生活和工作中。然而，盡管現(xiàn)有的人形機器人在特定應(yīng)用場景中展現(xiàn)出了巨大的潛力，如何進(jìn)一步提升其操作精度、適應(yīng)性和多功能性，仍然是機器人技術(shù)發(fā)展的關(guān)鍵挑戰(zhàn)。針對這一需求，本案例探討了通過整合視覺系統(tǒng)與機械臂技術(shù)，來提升人形機器人在復(fù)雜環(huán)境中的自主操作能力，特別是在精確抓取和操作任務(wù)中的應(yīng)用。

目標(biāo)：

通過結(jié)合openc算法＆STag標(biāo)記碼視覺系統(tǒng)和Mercury X1輪式人形機器人，實現(xiàn)對各種形狀和大小的物品進(jìn)行精準(zhǔn)抓取，提高分揀效率和準(zhǔn)確度，實現(xiàn)雙手合作充分發(fā)揮人形機器人的作用。

產(chǎn)品
Mercury X1
Mercury X1是由Elephant Robotics開發(fā)的一款先進(jìn)的人形機器人，特別設(shè)計用于應(yīng)對各種自動化任務(wù)。它擁有19個自由度，（單臂7個自由度）使其在執(zhí)行任務(wù)時具有極高的靈活性和適應(yīng)性。Mercury X1配備了輪式移動底座，由高性能直驅(qū)電機驅(qū)動，能夠在復(fù)雜環(huán)境中穩(wěn)定移動，并具備高達(dá)8小時的電池續(xù)航能力，適合個人和商業(yè)應(yīng)用。

這款機器人采用高性能主控制器系統(tǒng)，配置了NVIDIA Jetson Xavier提供強大的計算支持，以處理視覺測距、傳感器融合、定位與地圖構(gòu)建、障礙檢測和路徑規(guī)劃等復(fù)雜算法。此外，Mercury X1的移動基座裝備了LiDAR、超聲波傳感器和2D視覺系統(tǒng)，能夠?qū)崿F(xiàn)高感知的環(huán)境交互。

myCobot Pro Adaptive Gripper
自適應(yīng)夾爪，它可以拾起任何形狀的任何物體并且不會松開。使用它來完成一系列完整的應(yīng)用，并快速投入生產(chǎn) - 無需機器人專業(yè)知識。它是高度靈活和可靠的機器人單元的關(guān)鍵。

myCobot Pro Camera Flange
使用USB-B數(shù)據(jù)線能夠獲取到圖像的相機模組。

接下來，我們將探討這些技術(shù)在實際應(yīng)用中是如何被集成到機器人中，并展示其在具體任務(wù)中的表現(xiàn)。

技術(shù)概覽
OpenCV
OpenCV是用于實現(xiàn)圖像處理和計算機視覺的開源庫，它在本次的案例中扮演了至關(guān)重要的角色，沒有它就不能完成這個項目。機器人的攝像頭通過OpenCV分析收集到的視覺數(shù)據(jù)，識別和定位物體。OpenCV的算法使機器人能夠識別物體形狀、大小和精確坐標(biāo)，這些信息對于精確抓取和操作至關(guān)重要。

提供了物體的坐標(biāo)給機器人，就可以實現(xiàn)精準(zhǔn)的抓取。

S-Tag標(biāo)記碼技術(shù)
S-Tag標(biāo)記碼是一種高度可靠的標(biāo)識系統(tǒng)，設(shè)計用于在視覺上挑戰(zhàn)的環(huán)境中提供準(zhǔn)確的標(biāo)記識別。這些標(biāo)記被用于標(biāo)識Mercury X1機器人操作環(huán)境中的物體和位置。即使在光線不足或視線受阻的情況下，S-Tag也能確保機器人通過其攝像頭系統(tǒng)準(zhǔn)確識別目標(biāo)物體。

https://youtu.be/vnHI3GzLVrY

通過這些技術(shù)的應(yīng)用，Mercury X1大象人形機器人能夠執(zhí)行復(fù)雜的任務(wù)，如自主導(dǎo)航、物體識別和精確操控，這些都是現(xiàn)代自動化和智能系統(tǒng)不可或缺的能力。

pymycobot
pymycobot是用于控制Mercury X1機器人機械臂和末端執(zhí)行器（如夾爪）的Python庫。它允許開發(fā)者精確控制機械臂的角度、坐標(biāo)以及運動模式，包括差補模式和刷新模式。此庫為機器人提供了高度的靈活性和可定制性，使得機器人能夠執(zhí)行復(fù)雜的抓取和操控任務(wù)，并適應(yīng)各種操作需求。

項目實現(xiàn)
使用前準(zhǔn)備
首先的確保機械臂的零位正確，可以通過下述方法校準(zhǔn)零位：

1）使用放松指令釋放關(guān)節(jié)電機（注意！放松后需要扶住關(guān)節(jié)防止機械臂下墜損壞！）

ml.release_all_servos()
mr.release_all_servos()

2）拖動機械臂回到零位

可以通過以下細(xì)節(jié)確定零點的位置

3) 發(fā)送指令鎖閉電機

ml.focus_all_servos()
mr.focus_all_servos()

4）檢查零點是否正確

輸入獲取關(guān)節(jié)角度指令查詢當(dāng)前位置

ml.get_angles()
mr.get_angles()

如果返回的關(guān)節(jié)角度逼近[0, 0, 0, 0, 90, 0]，則視為零點正確

5）零點校準(zhǔn)

如果在零位讀取到的關(guān)節(jié)角度與[0, 0, 0, 0, 90, 0]相差很大，則需要校準(zhǔn)關(guān)節(jié)零位

for i in range(1,7):
 ml.set_servo_calibration(i)
 mr.set_servo_calibration(i)

校準(zhǔn)完畢后讀取關(guān)節(jié)信息，返回為[0, 0, 0, 0, 90, 0]則表示校準(zhǔn)成功

ml.get_angles()
mr.get_angles()

這樣就準(zhǔn)備ok了，接下來可以繼續(xù)我們的功能部分的實現(xiàn)了。

相機和夾爪的安裝
相機和夾爪的安裝方式與視覺識別的手眼矩陣相對應(yīng)，已經(jīng)提前做好了一個關(guān)于Mercury X1 相機夾爪的手眼標(biāo)定的數(shù)值，如果更改的話需要重新進(jìn)行手眼標(biāo)定。

首先將機械臂移動回零點：

ml.over_limit_return_zero()
mr.over_limit_return_zero()

安裝先裝攝像頭（注意方向）然后再安裝夾爪，也需要注意方向。

視覺算法模塊
然后我們會使用到camera_detect 這個功能包，封裝了一些關(guān)于相機使用的方法，接下來我會介紹一些接口,針對對STag碼的識別，使用起來非常的方便，不需要自己再次進(jìn)行手眼標(biāo)定的計算了。

obj = camera_detect(Camera_ID, mark_size, mtx, dist, direction)
參數(shù)：
camera_ID: 相機ID
mark_size: stag碼邊長mm
direction: 0：左臂 1：右臂
功能： 相機和機械臂初始化

obj.camera_open_loop()
功能： 顯示相機畫面
obj.stag_identify_loop()
功能： 顯示相機畫面,識別并打印stag碼的相機坐標(biāo)

coords = obj.stag_robot_identify(direction)
參數(shù)：
direction: 0：左臂 1：右臂
return: stag碼的機械臂坐標(biāo)
功能： 計算stag碼的機械臂坐標(biāo)

obj.vision_trace(catch_mode, direction)
參數(shù)：
catch_mode: 0:水平抓取，1:豎直抓取
direction: 0：左臂 1：右臂
功能： 顯示相機畫面,識別并打印stag碼的相機坐標(biāo)

以下是調(diào)用camera_detect包的使用代碼,非常的干凈簡潔。

import numpy as np
from pymycobot import Mercury
# 導(dǎo)入視覺識別stag包
from camera_detect import camera_detect

if __name__ == "__main__":
   camera_params = np.load("camera_params.npz")  # 相機配置文件
   mtx, dist = camera_params["mtx"], camera_params["dist"]
   ml = Mercury("/dev/left_arm")  # 設(shè)置左臂端口
   mr = Mercury("/dev/right_arm")  # 設(shè)置右臂端口
   arm = 0         # 0左臂，1右臂
   catch_mode = 0  # 0水平抓取，1豎直抓取
   # 攝像頭id需要根據(jù)實際更改
   left_camera_id = 3
   right_camera_id = 6
   stag_size = 32
   # 新建左右臂視覺識別對象
   ml_obj = camera_detect(left_camera_id, stag_size, mtx, dist, arm)
   mr_obj = camera_detect(right_camera_id, stag_size, mtx, dist, arm)
   # 左右臂移動至水平觀察位，進(jìn)行抓取
   mr_obj.vision_trace(catch_mode, mr)
   ml_obj.vision_trace(catch_mode, ml)

正常的手眼標(biāo)定的步驟如下：

1數(shù)據(jù)采集：采集若干組手眼數(shù)據(jù)，包括機器人末端執(zhí)行器在不同位置的姿態(tài)（即位置和方向）和相機看到的特征點的位姿。

2 建立運動方程：為了確定相機坐標(biāo)系與機器人末端執(zhí)行器坐標(biāo)系之間的變換關(guān)系

3 求解變換矩陣 ：得到的是描述相機坐標(biāo)系和機器人末端執(zhí)行器（手）坐標(biāo)系之間的空間變換關(guān)系的值。

下面的代碼是解變換矩陣的例子。

# 將旋轉(zhuǎn)矩陣轉(zhuǎn)為歐拉角
def CvtRotationMatrixToEulerAngle(pdtRotationMatrix):
   pdtEulerAngle = np.zeros(3)
   pdtEulerAngle[2] = np.arctan2(pdtRotationMatrix[1, 0], pdtRotationMatrix[0, 0])
   fCosRoll = np.cos(pdtEulerAngle[2])
   fSinRoll = np.sin(pdtEulerAngle[2])
   pdtEulerAngle[1] = np.arctan2(-pdtRotationMatrix[2, 0],
                                 (fCosRoll * pdtRotationMatrix[0, 0]) + (fSinRoll * pdtRotationMatrix[1, 0]))
   pdtEulerAngle[0] = np.arctan2((fSinRoll * pdtRotationMatrix[0, 2]) - (fCosRoll * pdtRotationMatrix[1, 2]),
                                 (-fSinRoll * pdtRotationMatrix[0, 1]) + (fCosRoll * pdtRotationMatrix[1, 1]))
   return pdtEulerAngle


# 將歐拉角轉(zhuǎn)為旋轉(zhuǎn)矩陣
def CvtEulerAngleToRotationMatrix(ptrEulerAngle):
   ptrSinAngle = np.sin(ptrEulerAngle)
   ptrCosAngle = np.cos(ptrEulerAngle)
   ptrRotationMatrix = np.zeros((3, 3))
   ptrRotationMatrix[0, 0] = ptrCosAngle[2] * ptrCosAngle[1]
   ptrRotationMatrix[0, 1] = ptrCosAngle[2] * ptrSinAngle[1] * ptrSinAngle[0] - ptrSinAngle[2] * ptrCosAngle[0]
   ptrRotationMatrix[0, 2] = ptrCosAngle[2] * ptrSinAngle[1] * ptrCosAngle[0] + ptrSinAngle[2] * ptrSinAngle[0]
   ptrRotationMatrix[1, 0] = ptrSinAngle[2] * ptrCosAngle[1]
   ptrRotationMatrix[1, 1] = ptrSinAngle[2] * ptrSinAngle[1] * ptrSinAngle[0] + ptrCosAngle[2] * ptrCosAngle[0]
   ptrRotationMatrix[1, 2] = ptrSinAngle[2] * ptrSinAngle[1] * ptrCosAngle[0] - ptrCosAngle[2] * ptrSinAngle[0]
   ptrRotationMatrix[2, 0] = -ptrSinAngle[1]
   ptrRotationMatrix[2, 1] = ptrCosAngle[1] * ptrSinAngle[0]
   ptrRotationMatrix[2, 2] = ptrCosAngle[1] * ptrCosAngle[0]
   return ptrRotationMatrix


# 坐標(biāo)轉(zhuǎn)換為齊次變換矩陣，（x,y,z,rx,ry,rz）單位rad
def Transformation_matrix(coord):
   position_robot = coord[:3]
   pose_robot = coord[3:]
   # 將歐拉角轉(zhuǎn)為旋轉(zhuǎn)矩陣
   RBT = CvtEulerAngleToRotationMatrix(pose_robot)
   PBT = np.array([[position_robot[0]],
                   [position_robot[1]],
                   [position_robot[2]]])
   temp = np.concatenate((RBT, PBT), axis=1)
   array_1x4 = np.array([[0, 0, 0, 1]])
   # 將兩個數(shù)組按行拼接起來
   matrix = np.concatenate((temp, array_1x4), axis=0)
   return matrix

機械臂抓取
我們來控制機械臂的雙臂，會使用到pymycobot庫當(dāng)中的Mercury,我們?yōu)榱四軌蛑庇^明了，每一條手臂控制的時候都需要創(chuàng)建一個對象。

from pymycobot import Mercury

ml = Mercury('/dev/left_arm')
mr = Mercury('/dev/right_arm')

控制機械臂末端運動到coords的坐標(biāo)。
send_base_coords(coords, speed)
功能：：控制機械臂末端運動到指定坐標(biāo)
參數(shù)：
coords: ： 坐標(biāo)值列表 [x,y,z,rx,ry,rz],length6
速度(int): 1 ~ 100

下面是識別目標(biāo)物體進(jìn)行抓取的代碼。

if __name__ == "__main__":
   # 設(shè)置攝像頭id                  
   camera = UVCCamera(5, mtx, dist)
   # 打開攝像頭
   camera.capture()
   # 設(shè)置左臂觀察點
   origin_anglesL = [-44.24, 15.56, 0.0, -102.59, 65.28, 52.06, 23.49]
   # 設(shè)置夾爪運動模式
   ml.set_gripper_mode(0)
   # 設(shè)置工具坐標(biāo)系
   ml.set_tool_reference([0, 0, Tool_LEN, 0, 0, 0])
   # 將末端坐標(biāo)系設(shè)置為工具        
   ml.set_end_type(1)
   # 設(shè)置移動速度                 
   sp = 40
   # 移動到觀測點                  
   ml.send_angles(origin_anglesL, sp)
   # 等待機械臂運動結(jié)束    
   waitl()
   # 刷新相機界面  
   camera.update_frame()
   # 獲取當(dāng)前幀
   frame = camera.color_frame()
   # 獲取畫面中二維碼的角度和id
   (corners, ids, rejected_corners) = stag.detectMarkers(frame, 11)
   # 獲取物的坐標(biāo)(相機系)
   marker_pos_pack = calc_markers_base_position(corners, ids, MARKER_SIZE, mtx, dist)
   # 獲取機械臂當(dāng)前坐標(biāo)
   cur_coords = np.array(ml.get_base_coords())
   # 將角度值轉(zhuǎn)為弧度值       
   cur_bcl = cur_coords.copy()
   cur_bcl[-3:] *= (np.pi / 180)
   # 通過矩陣變化將物體坐標(biāo)(相機系)轉(zhuǎn)成(基坐標(biāo)系)
   fact_bcl = Eyes_in_hand_left(cur_bcl, marker_pos_pack)
   target_coords = cur_coords.copy()
   target_coords[0] = fact_bcl[0]
   target_coords[1] = fact_bcl[1]
   target_coords[2] = fact_bcl[2] + 50
   # 機械臂移動到二維碼上方
   ml.send_base_coords(target_coords, 30)
   # 等待機械臂運動結(jié)束
   waitl()
   # 打開夾爪              
   ml.set_gripper_value(100, 100)
   # 機械臂沿z軸向下移動
   ml.send_base_coord(3, fact_bcl[2], 10)
   # 等待機械臂運動結(jié)束
   waitl()
   # 閉合夾爪                                                        
   ml.set_gripper_value(20, 100)

   # 等待夾爪閉合       
   time.sleep(2)

   # 抬起夾爪
   ml.send_base_coord(3, fact_bcl[2] + 50, 10)

單獨啟動左手的demo

下面是單獨啟動右手的demo。

總結(jié)
如果擁有一臺Mercury X1你會用他來做些什么呢？發(fā)揮他人形機器人最關(guān)鍵的特性，如果你有什么好的想法，想要實現(xiàn)的歡迎在下方留言和我們溝通，你的點贊和留言是對我們最大的支持！

審核編輯 黃宇