• 工业机器人末端姿态表示-欧拉角,俯仰滚动角


    机器人运动学研究时,通常采用矩阵运算形式,所以包括末端关节的各关节空间姿态是向量形式 ,因此至少需要6个参数表达(n,o,a中的两组),末端关节的姿态在运动学计算时会做为输入参数,表达末端空间姿态的除用向量组形式外还有欧拉角(Euler Angles)、俯仰滚动角(roll-pitch-yaw)(也称横摇角,纵摇角,偏转角)等,这样输入的参数会少些,我知道的广数GSB-RB8就是采用俯仰滚动角输入的,在实际操作中需要一个从向量组到角度的转换;

    欧拉角、俯仰滚动角(Tait–Bryan angles)分别参照:

    https://en.wikipedia.org/wiki/Euler_angles

    https://en.wikipedia.org/wiki/Euler_angles#Tait.E2.80.93Bryan_angles

    两者的区别在于旋转轴及次序,例欧拉角为z-x-z’’,俯仰滚动角则为z-x-y’’,欧拉角为x-y-x’’,则俯仰滚动角则为:x-y-z’’,这需要一定的空间想象。 

    向量组转为欧拉角: 

    α=arg(rahx,rahy) 小于零时α=arg(rahx,rahy)+ π 

    β=arg(rahx, rahxCosα + rahySinα) 

    γ=arg(-rohxSinα+ rohyCosα, -rnhxSinα+ rnhyCosα) 

    向量组转为俯仰滚动角: 

    ξ = arg(rnhx,rnhy) 小于零时α=arg(rnhx,rnhy)+ π 

    Ø= arg(rnhxCosξ+ rnhySinξ,-rnhx,) 

    Ψ= arg(-rohxSinξ+ rohyCosξ, rahxSinξ - rahyCosξ) 

    arg(x,y)表示复数z=x+iy的幅角,即Atan2(y,x)。

            /// <summary>
            /// 姿态的向量形式转化为角度形式
            /// </summary>
            /// <param name="ev">向量[n,o,a] = {{nx,ox,ax},{ny,oy,ay},{nz,oz,az}}</param>
            /// <param name="euler">true为欧拉角,否则为俯仰滚动角</param>
            /// <returns>角度数组{α,β,ϒ}</returns>
            public static double[] TransToAng(double[,] ev, bool euler)
            {
                double[] RA = new double[3];
                double nx = ev[0, 0];
                double ny = ev[1, 0];
                double nz = ev[2, 0];
                double ox = ev[0, 1];
                double oy = ev[1, 1];
                double oz = ev[2, 1];
                double ax = ev[0, 2];
                double ay = ev[1, 2];
                double az = ev[2, 2];
                double α, β, ϒ;
                if (euler)
                {
                    α = Math.Atan(ay / ax);
                    α = α < 0 ? α + Math.PI : α;
                    β = Math.Atan((ax * Math.Cos(α) + ay * Math.Sin(α)) / az);
                    ϒ = Math.Atan((-nx * Math.Sin(α) + ny * Math.Cos(α)) / (-ox * Math.Sin(α) + oy * Math.Cos(α)));
                }
                else
                {
                    α = Math.Atan(ny / nx);
                    α = α < 0 ? α + Math.PI : α;
                    β = Math.Atan((-nz) / (nx * Math.Cos(α) + ny * Math.Sin(α)));
                    ϒ = Math.Atan((ax * Math.Sin(α) - ay * Math.Cos(α)) / (-ox * Math.Sin(α) + oy * Math.Cos(α)));
                    ϒ = ϒ < 0 ? ϒ + Math.PI : ϒ;
                }
                RA = new double[] { α * 180.0 / Math.PI, β * 180.0 / Math.PI, ϒ * 180.0 / Math.PI };
                return RA;
            }
  • 相关阅读:
    JSON库之性能比较:JSON.simple VS GSON VS Jackson VS JSONP
    mysql存储过程批量插入数据
    mysql 5.7.12 winx64安装配置方法图文教程
    mysql-5.7.12-winx64 安装
    spring下载地址
    jdbc动态切换数据库
    Tomcat7 新的数据库连接池Tomcat jdbc pool介绍和配置
    WebSercice Demo
    面试问题之数据结构与算法:最小生成树算法
    面试问题之数据结构与算法:最大连续子序列和
  • 原文地址:https://www.cnblogs.com/xrll/p/5980715.html
Copyright © 2020-2023  润新知