当前还在学习万强所完成的工作,项目完善中。。。
教程 GitHub - open_robot_actuator_hardware,论文 TriFinger: An Open-Source Robot for Learning Dexterity
每个1个开发板 F28069M
可以最多控制2个驱动板 DRV8305EVM
,每个驱动板控制一个电机 MN4004 300KV
,每个电机还需要一个编码器 AEDT-981x
通过检测一个连接电机的转片来获取当前手臂位置和速度信息,每个手臂三个自由度,每个自由度需要一个电机控制,则需要9个电机。
按照手臂将整个机器分为3大块,每一块需要3个电机,因此需要2个开发板和1个驱动板,所以总共需要 2*3
个开发板,9个驱动板,9个电机。
电机改装教程:先将转子(Rotor)和定子(Stator)拆分出来,分别进行处理
- 转子:将转子中间的孔径增大,把加长的定制电机轴插进去。s
- 定子:将定子原本的三相线拆下来,焊接到更长的三相线上。
改装了电机还需要制作对应的执行器模块,需要使用两个半径大小1:3的减速齿轮,总共达到1:9的减速效果,从而能加强力矩输出效果,此部分逐步安装教程请见 Step-by-Step Instructions。
- 每个电机需要三相电通电(3根)连接到驱动板上
- 每个驱动板需要电源线通电(2根)连接外置电源(电压至少为23V,充电能到25V)
- 每个编码器需要 5v 线和接地线+3根通道线(5根)连接到开发板上
- 每个开发板需要连接CAN通讯线(2根)连接到GCAN设备(交换机)上
综上,一个手臂的数字控制组件包含 3*3+2*3+5*3+2*2=34
根线,总共需要 34*3=102
根线。
我们需要两个(可以更多)摄像头 D435
(D435i
也一样) 对方块位置进行识别,需要对相机的內外参进行标定,这些参数标定需要在 Linux 系统下进行。
我们在 Docker 下使用 ROS1 + RealSense + Kalibr 获取内参、畸变矩阵和外参,参考 MyBlog - 小孔成像相机模型原理以及标定实现