5
| 本文作者： qqfly | 2016-12-26 09:36 |
雷锋网按：本文作者qqfly，上海交通大学机器人所博士生，本科毕业于清华大学机械工程系，主要研究方向机器视觉与运动规划，本文首发作者微信公众号：Nao(ID：qRobotics)，雷锋网已获授权。
两个月前给自己挖了个坑，说要写写MoveIt，但一直没动手。主要有两个原因：
1）这两个月主要在写小论文，毕竟博士生要毕业还得看论文，不能靠公众号阅读量分享率；
2）直接讲MoveIt似乎需要挖更多坑，一直没想好怎么写比较好。
主要是因为机器人运动规划涉及太多基础内容，如果跳过不讲就会变成新坑；一时半会又没法讲完。
所以，这次就从初学者如何利用MoveIt快速搭建机器人运动规划平台来讲吧，先展示Big Picture，其他细节内容以后有空再慢慢填。但可能会坑的地方我会用（坑）标注出来。
什么是MoveIt
先看个视频介绍吧：
看完视频，大家应该对MoveIt有一个大概的印象了。用MoveIt官网（moveit.ros.org）的说法：
它是目前最先进的移动（坑）操作机器人软件，整合了最先进的运动规划、操作、3D感知、运动学、控制与导航算法。为这方面的开发人员提供了一个十分便利的开发平台。
这个说法不太直观，换个说法就是MoveIt = RobotGo，翻译成中文就是“机器人，走你！”
所以，MoveIt的主要就是一款致力于让机器人能够自主运动及其相关技术的软件，它的所有模块都是围绕着运动规划的实现而设计的。
下面大概介绍下它的一些功能模块。
运动规划（Motion Planning）：运动规划的介绍内容之前公众号已经发过了，要让一个机器人实现运动规划，需要先将机器人抽象到构形空间（C-Space）。MoveIt就可以帮大家把这些工作给做了，只需提供机器人URDF模型，就可以调用几大运动规划库（坑）的规划算法（如OMPL，SBPL，CHMOP），自动生成机器人运动轨迹。
操作（Manipulation）：这个目前还比较弱，就是根据识别的物体生成一系列动作抓取物体（pick-and-place），不涉及任何反馈、动力学、re-grasp等操作问题，所以我一般都不用这个模块。
3D感知（Perception）：这个并不是说MoveIt整合了物体识别、环境建模等模块，而是它可以利用传感器（坑）采集的信息（点云或深度图像）生成用于碰撞检测的OctoMap。OctoMap这个东西挺好的，做SLAM的同学应该了解，它就是以八叉树形式表示点云，可以大大降低存储空间，它看起来就跟你们玩的minecraft差不多。同时，这些3D OctoMap也可以依据贝叶斯准则不断实时更新。这样，机器人就可以避开真实世界的障碍物了。
运动学（Kinematics）：运动学机器人工作空间与构形空间（C-Space）的映射关系，所以MoveIt就它也包括在自己系统内。目前它可以支持多种运动学求解器，如OpenRave的ikfast（封闭解）、Orocos的KDL（数值解）、Trac_ik（考虑关节极限的数值解）、基于service的求解器（用户自己定义）。（坑）
碰撞检测（Collision Checking）：碰撞检测是运动规划的一大难题，如果采用基于采用的规划算法，那么我们需要对每个采样点做有效性判断，这时候就需要进行碰撞检测。所以，运动规划需要提供一个高效的碰撞检测算法。幸好，香港城市大学的潘佳大神写了个FCL（Flexible Collision Library），可以非常快速地实现各种几何体（3D面片、OctoMap、基本几何体）的碰撞检测。（这个不是坑，直接用很好用，但以后有机会可以好好说说，反正潘大神不会看朋友圈，不至于班门弄斧）。
轨迹插值（Trajectory Processing）：由于大多数规划器只能返回一系列路径点，MoveIt可以根据机器人的控制参数（速度、加速度限制等）重新处理路径，生成一条带有时间戳、位置、速度、加速度信息的完整轨迹。
控制（Controll）：这个其实不能算控制，只是一个机器人控制接口问题。由于不同机器人的控制接口都不一样，开发者只需简单修改配置文件，就可以让MoveIt发布出机器人相应的控制指令（只是修改action名字而已）。
导航（Navigation）：这是个大坑，MoveIt虽然原理上可以进行移动机器人的导航，但是它没提供针对移动机器人的规划器。也就是说目前它的Navigation功能是不能直接使用的（自己写规划器和碰撞检测已经超出初学者的要求了）。
交互（Interaction）：MoveIt给开发者提供了三种方式交互方式，Rviz图形界面（直观）、Python（快速编程）、C++（丰富的高级功能）。
目前而言，MoveIt还只是一个针对机械臂运动规划问题的软件平台，暂时还不是适合用在Navigation、manipulation、control、perception等领域。
为什么选择MoveIt
其实，要做运动规划可以用很多方法：自己写、OMPL、OpenRave等。我个人认为选择MoveIt大概有三个原因：
| 对初学者很友好
前面我们已经知道，要想自己从头建立一个运动规划的软件平台需要花费非常多力气：运动学正逆解、碰撞检测算法、环境识别、规划算法，任何一点都是需要一段不短的时间积累才可能亲手实现的。初学者可能一开始就被这些次要问题打退了。
自己写：对初学者简直是灾难，尤其是没人带的情况；
OMPL：完全没有机器人的概念，需要用户自己集成运动学、碰撞检测算法，它的官方文档也不涉及如何利用OMPL做机器人的运动规划问题；
OpenRave：虽然OpenRave已经有自己的一套机器人描述方法，但是它的文档不太友好。
用MoveIt的话，初学者只需准备机器人的模型，跟着教程走，便可以在半小时内实现仿真环境中的机器人运动规划演示。
| 方便研究
这个应该是更重要的因素。运动规划由很多子问题构成，每个子问题都可以成为一个研究点。MoveIt几乎所有组件都是以Plugin的形式工作的，也就是说我们可以随时更换它的任一模块。目前它支持以下组件的修改：
运动学求解器
规划算法 同时OMPL自身也支持用户自己编写规划器
规划器初始化方法
控制器接口
传感器接口
规划器的采样算法
碰撞检测算法
OctoMap更新算法
如果是做这些课题研究的人，完全可以先用MoveIt建立一个环境，之后修改相应Plugin，换成自己的算法。这样可以让我们将侧重点放在主要矛盾上。
| 活跃的社群
这点其实就是ROS相对于其他机器人开发平台的优点。MoveIt依托于ROS，也拥有很高的人气（去年的调研结果看，MoveIt是ROS中使用度排名第三的package）。
活跃的社群对于学习是大有裨益的：
①遇到问题很容易问到能解决的人，刚开始MoveIt还没出文档，我就是靠着MoveIt的mail lists入门的；
②网站、教程、代码维护更新很好，MoveIt刚推出时，总是有一大堆Bug，现在才过几年，已经非常好用了，官方教程也已经非常人性化了。
怎么样使用MoveIt
要用MoveIt控制机器人大概分为以下几步：
建立机器人URDF模型（必须）
建立机器人ROS驱动
生成MoveIt配置文件（必须）
标定相机
修改MoveIt配置文件与launch文件
机器人，走你！（必须）
其中，上面未标明“（必须）”字样的只有在使用实际机器人时才需要。初学者如果只想在仿真里看看的话，可以先跳过。
| 建立机器人URDF模型（必须）
URDF（Unified Robot Description Format）是ROS中使用的一种机器人描述文件，它以HTML的形式定义一个机器人。包含的内容有：连杆、关节名称，运动学参数、动力学参数、可视化模型、碰撞检测模型等。
后续碰撞检测、运动学求解、规划等都依赖于URDF文件。
那么，要如何建立URDF文件呢？如果你用的是单臂、串联机器人，并且你本人没有强迫症的话，可以使用ROS官方发布的sw_urdf_exporter，它可以帮你从SolidWorks中导出URDF文件。
但如果不幸你使用的是双臂（双臂机器人用这个插件经常出问题）或者非并联机器人（需要自己用mimic_joint改成串联形式），又或者你有强迫症（想要尽量简洁、漂亮的模型）的话，可以考虑自己手写URDF或者xacro文件（坑）。
这点我就不具体说了，简单写几个要点：
多臂用xacro来减少工作量；
坐标系设置尽量满足所有关节为0°时候，所有坐标系同姿态（这样可以避免引入pi）；
如果想要有颜色的模型，可以自己生成每个零件的dae模型，而不使用stl模型；
可视化模型采用漂亮、精细的模型，碰撞模型可以使用简化的模型。
| 建立机器人ROS驱动
如果你不用真实机器人，这步可以先跳过。
机器人的ROS驱动并没有什么标准的格式或者规定。对于MoveIt而言，只要求你有个ROS node，它有两个功能：
1）发布关节角度/joint_states
如果连接实际机器人，MoveIt需要从机器人当前状态开始规划，因此这个ROS驱动需要能够实时获取机器人的各关节信息（如角度），并用过/joint_states消息发布；
2）接收规划结果，并下发给机器人
由于MoveIt规划的结果会以一个action的形式发布，所以我们的ROS驱动就应该提供一个action server，这个功能就是接收规划结果，下发给机器人，并反馈执行情况。action的类型是control_msgs/FollowJointTrajectory。 具体action的写法可以参照ROS官网（坑）。
简单而言，一个action有五个部分：
action_name/goal：这个就是规划的路径，我们需要接收这个路径，并将所有路径点解析成机器人控制器可以识别的形式，之后下发给机器人，必须要有；
action_name/cancel：这个指令可以随时中断正在执行的动作，但并不是必须的功能；
action_name/feedback：这个是实时反馈执行状态，最简单的就是将机器人当前关节角度等信息反馈回去，非必须；
action_name/status：这个用于显示机器人状态，如正在执行动作、等待、执行结束等待，非必须；
action_name/result：这个就是在动作执行完之后给MoveIt反馈一个执行结果，这个是必须要有的，当然，为了简单，可以已接收到goal就反馈执行成功。
这部分在MoveIt部分是看不到文档的，所以也是阻碍初学者使用MoveIt控制自己机器人的最大问题之一。但是了解了它的机理之后，就比较简单了。 如果你是第一次使用MoveIt，极力推荐你先试试UR、Baxter等已经写好这部分驱动的机器人。
| 生成MoveIt配置文件（必须）
这个利用MoveIt的setup assistant界面，按照教程很容易就能配置好。
这步做完，就可以直接在仿真里面看运动规划效果了。这是我觉得MoveIt对初学者最友善的地方，不用写一行代码就可以看到运动规划。
| 标定相机
这个主要涉及相机模型与AX=XB求解问题，不多赘述。 这步就是为了让机器人知道摄像头放在机器人的哪个位置。大家可以看看我实验室师弟写的自动标定演示：
一个launch文件就能完成标定，不知比我当年写的手动标定方法高多少。这个标定程序我们之后可能会开源出来。如果有机会我也会顺便讲讲它的原理（坑）。
| 修改MoveIt配置文件与launch文件
因为前面生成的文件都是针对虚拟机器人的，如果需要连接实际机器人，需要修改一些配置文件，我可能记不太清具体要修改几个文件了，请以官方教程为主：
controllers.yaml：这个就是要根据你的ROS驱动中的action来修改，MoveIt可以根据这个配置文件发布出与机器人驱动相匹配的action。简单地说，就是action的名字、类型、关节名字几个信息。
robot_moveit_controller_manager.launch：这个额外新增，就是在不适用fake controller的时候能找到上述controller.yaml文件，发布出正确的action类型。
sensors.yaml：这个需要额外增加，它主要定义了点云的消息名称、OctoMap属性等。
moveit_sensor_manager.launch：同样的，增加传感器配置文件后，我们也需要在launch文件中增加对配置文件的读取。
其他（可选）：industrial_robot_simulator、warehouse、joystick、规划器、规划算法库……
机器人，走你！（必须）
上述内容完成后，就可以Enjoy Yourself了，无论是Rviz, Python 还是C++，都可以用来进行运动规划，如果连接了真实机器人，那么也可以在实际机器人上完成运动规划。
其他
虽然写了这么多，但感觉还是没写清楚，最后随便列点之前大家在后台问过的比较多的问题：
| 什么机器人能用MoveIt
MoveIt其实跟机器人关系不大，只要你有URDF文件，能接受控制指令，那么就能用MoveIt，移动机器人的话也可以，只是MoveIt现在没有针对Navigation做规划器。
| 怎么用MoveIt做移动机器人3D Navigation
相对于传统Navigation包，MoveIt中可以做3D的碰撞检测，但是它尚未加入适合移动平台的规划算法。大概做法如下：
修改FCL，开放出碰撞检测函数（最新版本好像已经可以直接调用了）；
写一个规划器：最简单的就是自己写一个A*或Dijkstra，也可以想办法将SBPL用起来（我没在移动机器人上试过），这样就可以进行全局规划了；
写一个action server，接受规划结果，同时将其转换成Navigation包的gloal_planner相同格式，利用Navigation的local_planner完成路径跟踪；当然，这一步也可以自己写local_planner。
| 怎么用MoveIt做飞行器或潜艇的路径规划
这个与上个问题类似，MoveIt没有针对刚体的规划算法，如果可以接受RRT的规划结果，那么理论上讲是可以直接使用的。
| 如何在MoveIt上使用自己的规划算法
我只尝试过先在OMPL中写自己的规划器，之后通过修改moveit_planner中的ompl_interface，将自己的规划器用到MoveIt中； 如果是非Sampling-based方法，那就要去看看MoveIt的Plugin怎么改了，这部分我没经验。
| 如何学习MoveIt
关注我的公众号（划重点）；
学ROS基本概念：三种消息机制等；
学教程：按照官网教程走一遍；
遇到问题，先在ROS问答区或MoveIt的mail lists搜索是否有同类问题，如没有，则自己在上述平台提问； （至此， 你已经会用MoveIt了，但用得效果肯定不好）
看MoveIt各部分API，阐释其高级功能；
根据自己需要，修改部分源码（例如开放出FCL的各种功能），之后再MoveIt官方github上提出修改源码请求（PR）； （至此，你已经掌握了MoveIt这个工具，可以充分发挥MoveIt的功能）
根据自己的研究内容，写自己的Plugin，充分发掘MoveIt的潜力；
如果效果好，那么在IROS/ICRA发paper，会议中找MoveIt的作者们聊天，回家后到github上将自己的代码开源，并PR到MoveIt上。
机器人，走你！
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
