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