古月居教程之:moveit碰撞检测添加模型

2023-10-31 11:30

本文主要是介绍古月居教程之:moveit碰撞检测添加模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在学习古月的《ROS机器人开发实践》机械臂的10.5.4碰撞检测的时候,发现添加模型的面板和书本上的不同:
在这里插入图片描述
书上是点import file,但是这里只有import,我尝试过点import但是会报错,模型加载不出来。
琢磨一番后发现这个面板比书上的功能更全:
他不仅可以加模型,还可以加一些规则的形状:
在这里插入图片描述
在这里插入图片描述
1.box是正方体盒子,sphere是球体,cylinder是圆柱,cone是圆锥
2.mesh from file是加载模型
下面我先说一下怎么加一个球体:
在这里插入图片描述
首先选中球体,然后点一下旁边绿色的“+”号,这时就会出现一个球体在rviz的最中心
在这里插入图片描述
球体会有六个方位的箭头,如果你想直接拖动这个模型的话,就用鼠标点住其中的一个箭头去拖动,或者是在面板界面去调整球体的位置和姿态(点这些三角形):

在这里插入图片描述
position是三轴位置,rotation是空间姿态,scale是模型大小

这时候的球体只是出于编辑状态,不能实现碰撞检测(还没真的加进来),要在这个面板中勾选上,才是真正的加进来了:
在这里插入图片描述
将这个勾打上的时候,会弹出一个选择基坐标的弹窗,意思就是说假如的模型的位置和姿态是基于哪一个坐标,默认是机械臂的极坐标:
在这里插入图片描述
点击ok,这时模型就加进来了。这时的模型是不可以直接改变位置的,要将刚刚的勾去掉,让他重新处于编辑状态

在这里插入图片描述
下面再讲一下怎么加入gazebo的模型(像书上加个碗进去):

在这里插入图片描述
选中“mesh from file”,然后点绿色的“+”号,这时会弹出一个文件选择弹窗,如果你的是ros完整版,应该会有gazebo离线模型,路径在这个文件夹下面:
在这里插入图片描述
文件夹前面有个点是隐藏文件,modles文件夹里面有离线模型,如果没有的话可以从我的百度云下(文末),下载后拉近你的“.gazebo”文件夹下。这里我们直接搜碗:bowl.dae
在这里插入图片描述
选中后点右上角的open,碗就加进来了!
在这里插入图片描述
最后,删除加进来的模型:
选中这个模型,然后点一下减号:
在这里插入图片描述
gazebo离线模型下载:
链接:https://pan.baidu.com/s/1gXqt_OG8vbNF7BkvSfbSWg
提取码:r6ey

如果觉得有用点个赞再走吧!

这篇关于古月居教程之:moveit碰撞检测添加模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/315047

相关文章

Spring Security 从入门到进阶系列教程

Spring Security 入门系列 《保护 Web 应用的安全》 《Spring-Security-入门(一):登录与退出》 《Spring-Security-入门(二):基于数据库验证》 《Spring-Security-入门(三):密码加密》 《Spring-Security-入门(四):自定义-Filter》 《Spring-Security-入门(五):在 Sprin

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU