MoveIt简析

moveit是ros中一系列移动操作的功能包的组成，主要包含运动规划，碰撞检测，运动学，3D感知，操作控制等功能。

1.move_group:move_group是moveit的核心部分，可以综合机器人的各独立组件，为用户提供一系列的动作指令和服务。move_group类似于一个积分器，本身并不具备丰富的功能，主要做各功能包和插件的集成。它通过消息或服务的形式接收机器人上传的点云信息，joints的状态消息，还有机器人的tf tree，另外还需要ros的参数服务器提供机器人的运动学参数，这些参数会在使用setup assistant的过程中根据机器人的URDF模型文件，创建生成，包括SRDF文件和配置文件。

2.motion panning（运动规划）：在moveit中，运动规划算法是由运动规划器（motion planner）完成，而规划器是作为插件来安装的，可以通过ROS的pluginlib接口来加载需要的规划器。运动规划算法有很多，每一个运动规划器都是moveit的一个插件，可以根据需求选用不同的规划算法，move_group默认使用的是OMPL算法。

3.Planning Scene（规划场景）：可以为机器人创建一个具体的工作环境，加入一些障碍物。

4.Kinematics（运动学）：运动学算法是机械臂各种算法中的核心，尤其是逆运动学算法IK（inverse kinematics）。什么是逆运动学(IK)？简单说，就是把终端位姿变成关节角度，q=IK(p)。p是终端位姿(xyz)，q是关节角度。为什么要用IK？OMPL是采样算法，也就是要在关节空间采样。 这与无人车的规划有一个最明显的区别，无人车的目标就是在采样空间， e.g. 目标是(x,y), 采样空间也是(x,y). 但是对于机械臂，目标是终端空间位置(xyz), 但采样空间却是关节空间(q0,q1,…qN)。有了IK之后，我们就可以把三维空间的目标p转化为关节空间的目标q。那么这样就会让采样算法能算的更快，具体方法不赘述，这样的算法有RRT-Connect，BKPIECE等等双向采样算法。moveit使用插件的形式可以让用户灵活的选择需要使用的反向运动学算法，也可以选择自己的算法。moveit中默认的IK算法是numerical jacobian-base算法。

5.collision checking（碰撞检测）：moveit使用CollisionWorld对象进行碰撞检测，采用FCL（Flexible Collision Library）功能包。碰撞检测是运动规划中最耗时的运算，往往会占用90%左右的时间，为了减少计算量，可用通过设置ACM（Allowed Collision Matrix）来进行优化，如果两个bodys之间的ACM设置为1，则意味着这两个bodys永远不会发生碰撞，不需要进行碰撞检测。

6.OMPL（open motion planning library）：开源运动规划库，是一个运动规划的C++库，其中包含了很多运动规划领域的前沿算法。虽然OMPL里面提到了最优规划，但总体来说OMPL还是一个采样规划算法库。而采样规划算法中，最出名的莫过于RRT（rapidly-exploring random trees）和PRM（probabilistic roadmap）。 OMPL能做什么？ 简单说，就是提供一个运动轨迹。给定一个机器人结构(假设有N个关节)，给定一个目标(比如终端移到xyz)，给定一个环境，那么OMPL会提供给你一个轨迹，包含M个数组，每一个数组长度是N，也就是一个完整的关节位置。沿着这个轨迹依次移动关节，就可以最终把终端移到xyz，当然，这个轨迹应当不与环境中的任何障碍发生碰撞。为什么用OMPL？ 运动规划的软件库和算法有很多，而OMPL由于其模块化的设计和稳定的更新，成为最流行的规划软件库之一。很多新算法都在OMPL开发。很多其他软件（包括ROS/MoveIt）都使用OMPL做运动规划。

7.用moveit控制机器人大概分以下几步：
a.建立机器人URDF模型
b.建立机器人ros驱动
c.生成moveit配置文件
d.标定相机
e.修改moveit配置文件和launch文件
其中在进行仿真操作过程中，不需要b，d，e三个步骤。