跳到主要内容
极客日志极客日志面向AI+效率的开发者社区
首页博客我的书AI学习GitHub 精选镜像AI 生图工具UI配色美学关于
搜索内容 / 工具 / 仓库 / 镜像...⌘K搜索
注册
博客列表
编程语言AI算法

机器人 DH 参数模型与正运动学

机器人 DH 参数模型(Denavit-Hartenberg)的定义、坐标系建立方法及参数表,阐述了机器人正向运动学原理及雅可比矩阵的作用,并详细推导了速度在坐标系间及关节间的传递公式。内容涵盖连杆长度、扭角、关节距离、转角等核心概念,以及转动与移动关节的速度变换逻辑,为理解机器人运动学提供了理论基础。

孤勇者发布于 2026/4/6更新于 2026/9/1081 浏览
机器人 DH 参数模型与正运动学

1 DH 参数模型(Denavit-Hartenberg)

1.1 四个 DH 参数的定义

记基座为坐标系{0},此后的每个可动关节依次记为关节 1,2,...,i,...;第 i 个关节与下一个关节之间的连接部分称为连杆 i。考虑关节 i 与 i-1('关节 0'即为基座),首先标出各自的转轴(或平动轴),如果是基座则取一较方便的、符合实际几何关系的方向(一般为基座坐标系的 z 轴)为'轴'。

文章配图

图 1 连杆与关节的位置关系

这两轴的关系一共有三种:异面、相交和平行,由此定义以下两个参数:

连杆长度

a_{i-1}:轴 i-1 与轴 i 的距离。两轴平行时距离容易理解;两轴相交时距离为 0;两轴异面时,应先作出公垂线,取公垂线与二者的交点所构成线段的长度为两轴距离。连杆长度是绝对值,只有非负值,不区分方向。 连杆长度描述了相邻两关节间的相对距离关系。

连杆扭角

\alpha_{i-1}:轴 i-1 与轴 i 的夹角。两轴相交时,夹角容易理解;两轴平行时,夹角为 0;两轴异面时,应现将其中一者沿公法线平移至另一轴所在平面后再取相交的夹角。确定扭角方向时,应遵循'右手定则':右手拇指沿

a_{i-1}

所在直线从 i-1 指向 i,四指弯曲方向即为扭角正方向。 关节扭角描述了相邻两关节的相对朝向关系。

需要注意的是,对于末端关节 n 而言,由于已经没有关节 n+1,末端关节的杆长

a_{n}

与扭角

\alpha_{n}

无实际意义,通常不定义或定义为 0,简记为'向后定义,有始无终'。

在作出各个连杆长度后,考虑相邻的两杆长

a_{i-1}、

a_{i}

各自所在的直线(即两轴的公垂线),则依旧有异面、相交和平行三种可能的位置关系,由此继续定义两个参数:

关节距离

d_{i}:直线

a_{i}

与

a_{i-1}

的距离,具体定义与连杆长度中两轴距离的定义一致,同样也是绝对值,只有非负值,不区分方向。 关节距离描述了相邻两连杆的相对距离关系。如果关节 i 是移动关节,则

d_{i}

即为可变的关节变量。

关节转角

\theta_{i}:直线

a_{i}

与

a_{i-1}

的夹角,方向同样符合'右手定则',注意拇指应沿

d_{i}

从 i-1 指向 i。 关节转角描述了相邻两连杆的相对朝向关系。如果关节 i 是转动关节,则

\theta_{i}

即为可变的关节变量。

需要注意的是,对于关节 0(基座)而言,由于没有更靠前的关节,因而

d_{0}

与

\theta_{0}

无实际意义,通常不定义或定义为 0,简记为'向前定义,有终无始'。

以上四个参数称为DH 参数。一旦机器人的机械结构确定,那么每个关节的 4 个 DH 参数也随之确定,一般而言不会在机器人运动的过程中改变。可以说,用 DH 参数就可以抽象出机器人的根本结构,并且最'简明扼要'地描绘出机构的'骨架'、'轮廓'。4 个参数的定义及特点汇总如下:

表 1 DH 参数的定义及其特点

参数名称参数符号参与定义的部件具体定义无定义的部位意义
连杆长度a_{i}关节 i 与关节 i+1(向后定义)轴距离末端关节(有始无终)结构参数
连杆扭角\alpha_{i}轴夹角
关节距离d_{i}关节 i 与关节 i-1(向前定义)杆距离基座(关节 0)(有终无始)移动关节变量
关节转角\theta_{i}杆夹角转动关节变量

1.2 机器人坐标系的建立方法

确定 DH 参数后,还应当为各个关节建立起相应的坐标系,以便利用基本的坐标变换知识实现不同关节间物理量的变换。

确定坐标系的步骤是:

  1. 在各个关节上标出转轴或移动轴,并作为坐标系的z 轴。z 轴的方向可任意选取,但一般应尽量保持一致。
  2. 根据已确定好的 x 轴和 z 轴,确定 y 轴。

以公垂线

a_{i-1}

为x 轴,其正方向为从 i-1 指向 i。

对于平行的两轴 i-1 与 i,则公垂线可任意选取(对应第 2 步中

d_{i}=0

存在多种取值的情况),但一般应尽量选取能使

d_{i}=0

的公垂线,之后再取与轴 i-1 的交点为原点。

对于不平行的两轴 i-1 与 i,取公垂线

a_{i-1}

与轴 i-1 的交点作为系{i-1}的原点;

依据标出的轴线分别计算

a_{i}

与

\alpha_{i}、

d_{i}

与

\theta_{i}。

注意,如果存在平行的两轴,则此时

d_{i}

可能存在多种取值,此时可暂时跳过

d_{i}

的计算,继续进行后续步骤。

  • 在选取 DH 参数坐标系时如果存在'争议',事实上大可放心选取,因为不同的建系方式其实并不会影响计算的正确性,只要在每一种建系方式下 DH 参数的定义都自洽即可。

注意:基座{0}没有转轴或移动轴,因此其 z 轴不能根据轴位置来确定,应当根据实际几何位置的需求确定;末端{n}没有后续的关节(即没有有效的

a_{i}),因此其 x 轴不能根据

a_{i}

来确定,也需要根据实际来确定。

文章配图

图 2 与 DH 参数相匹配的坐标系

可以看到,在这样一套与 DH 参数相匹配的坐标系中,连杆长度

a_{i}

总是沿着坐标系{i}的x 轴,连杆扭角

\alpha_{i}

总是绕坐标系{i}的x 轴按右手定则旋转而成。关节距离

d_{i}

总是沿着坐标系{i}的z 轴,关节转角

\theta_{i}

总是绕坐标系{i}的z 轴按右手定则旋转而成。在有了上述的统一规范之后,用坐标变换来描述各机构的位置关系就变得容易了。

1.3 DH 参数表及相应坐标变换

假设机器人机构拥有 n 个关节,则每个关节(第 i 个)都拥有 4 个 DH 参数,因而一共定义有 4*n 个参数(关节 0 上应 +2 个参数,但关节 n 上又 -2 个参数)。将各个参数列在一张 (n+1) 行、4 列的表中,称为 DH 参数表:

表 2 DH 参数表

ia_i\alpha_id_i\theta_i
0a_0\alpha_0none (or 0)none (or 0)
1a_1\alpha_1d_1\theta_1
2a_2\alpha_2d_2\theta_2
...............
nnone (or 0)none (or 0)d_n\theta_n

这张 DH 参数表就包含了一座机器人最核心的结构信息。当然还有另一种形式的 DH 参数表,只有 n 行,如表 3 所示,这种形式的 DH 参数表适合用于构建关节间的坐标变换矩阵。

表 3 DH 参数表(另一种形式)

ia_{i-1}\alpha_{i-1}d_i\theta_i
1a_0\alpha_0d_1\theta_1
2a_1\alpha_1d_2\theta_2
3a_2\alpha_2d_3\theta_3
...............
na_{n-1}\alpha_{n-1}d_n\theta_n

根据 DH 参数以及先前建立起的坐标系规则,根据坐标的相对变换关系(矩阵右乘)可推知从{i}到{i-1}的坐标齐次变换矩阵为:

^{i-1}iT=\mathrm{Rot}(x,\alpha{i-1})\mathrm{Trans}(x,a_{i-1})\mathrm{Rot}(z,\theta_i)\mathrm{Trans}(x,d_i)

. (1)

由此,若需要将机器人末端坐标变换到基座,则总的变换矩阵为:

_n^0T={_1^0T}{2^1T}\cdots{{{n}^{n-1}T}}

. (2)


2 机器人正向运动学

机器人运动过程中的物理量可分为两类:关节变量与广义/操作变量,由变量又分别构成了关节空间和操作空间。

**关节变量:**可驱动关节上能够随控制指令而改变的变量,包括转动关节的关节角度和移动关节的移动距离。当机构中有 n 个可动关节时,关节变量就有 n 个。

**广义/操作变量:**一般指机械臂末端或被研究的某点在实际工作需求中的位姿变量,例如空间位置(x,y,z)和姿态角度 (θ,φ,ψ)。由于三维空间中运动自由度的限制,广义/操作变量最多只有 6 个。

机器人运动学,实际上研究的就是关节空间与广义/操作空间之间的映射关系。由关节空间推知操作空间,即为正运动学;反之,由操作空间推知工作空间,即为逆运动学。

此外,比关节空间更底层的还有驱动器空间[3],其作用是描述驱动装置是如何影响关节运动的,例如差速小车各轮速度与转角、位移之间的关系,关节舵机占空比大小与关节转角之间的关系等。不过驱动器空间与关节空间之间的解算关系求解起来相对容易,本文不展开叙述。

2.1 正运动学与雅可比矩阵

机器人正运动学将关节变量映射为操作变量,若记关节变量为

\boldsymbol{q}:=[ q_1 & q_2 & \cdots & q_n ]^\mathrm{T}

,操作变量为

\boldsymbol{r}:=[ r_1 & r_2 & \cdots & r_m ]^\mathrm{T},;m\le6

,则正运动学

\boldsymbol{f}:\mathbb{R}^n\to\mathbb{R}^m

可表示为:

\boldsymbol{r}=\boldsymbol{f}(\boldsymbol{q})

. (3)

通常有 n≥m,因为 n<m 时总存在某些广义变量的运动是受限的(即缺少相应的自由度),这被称为欠驱动结构。n=m 时,任意关节坐标与唯一的广义坐标对应,也就是说每一关节适配一个自由度;n>m 时,同一广义坐标可能对应不同的关节坐标,称为关节变量的冗余设计。

一般而言,在有 DH 参数的情况下,依据 (1)(2) 两式可以很方便地推出末端位姿矩阵关于关节变量

d_i

或

\theta_i

的关系,并依据选取的的位置描述方法(如笛卡尔坐标、求坐标等)和姿态描述方法(如欧拉角、RPY 等)对位姿矩阵进行变换,就可以获得正运动学关系 (3)。

考虑到正运动学关系是向量函数,假设

\boldsymbol{f}(\cdot)=[ f_1(\cdot) & f_2(\cdot) & \cdots & f_m(\cdot) ]^\mathrm{T}

,在确定了正运动学关系式的基础上,引入运动的微分,用以下**雅可比矩阵(Jacobian Matrix)**表示:

\boldsymbol{J}(\boldsymbol{q}):=\dfrac{\partial \boldsymbol{f}(\boldsymbol{q})}{\partial \boldsymbol{q}^{\mathrm{T}}}=\begin{bmatrix} \dfrac{\partial f_1(\boldsymbol{q})}{\partial q_1}& \dfrac{\partial f_1(\boldsymbol{q})}{\partial q_2} &\cdots & \dfrac{\partial f_1(\boldsymbol{q})}{\partial q_n} \ \ \dfrac{\partial f_2(\boldsymbol{q})}{\partial q_1}& \dfrac{\partial f_2(\boldsymbol{q})}{\partial q_2} &\cdots & \dfrac{\partial f_2(\boldsymbol{q})}{\partial q_n}\ \ \vdots & \vdots & \ddots & \vdots \ \ \dfrac{\partial f_m(\boldsymbol{q})}{\partial q_1}& \dfrac{\partial f_m(\boldsymbol{q})}{\partial q_2} &\cdots & \dfrac{\partial f_m(\boldsymbol{q})}{\partial q_n} \end{bmatrix}_{m\times n}

. (3)

该矩阵反映了瞬时的微小关节变量变化将会引起的广义变量的变化,也就是微分运动量:

\mathrm{d}\boldsymbol{r}=\boldsymbol{J}(\boldsymbol{q})\mathrm{d}\boldsymbol{q}

, (4)

进而可知两个空间之间瞬时速度的关系:

\dot{\boldsymbol{r}}=\boldsymbol{J}(\boldsymbol{q})\dot{\boldsymbol{q}}

. (5)

反之,也有

\dot{\boldsymbol{q}}=\boldsymbol{J}(\boldsymbol{q})^{-1}\dot{\boldsymbol{r}};(m=n)

, (6)

\dot{\boldsymbol{q}}=\boldsymbol{J}(\boldsymbol{q})^{\dagger }\dot{\boldsymbol{r}};(m\neq n)

. (7)

可见,雅可比矩阵是连接关节变量空间与广义变量空间之间的桥梁。

m=n 时,若雅可比矩阵奇异,即

\det{[ \boldsymbol{J}(\boldsymbol{q}_s) ]}=0

,则称此时的关节点位

\boldsymbol{q}_s

为奇异形位。奇异形位意味着此时雅可比矩阵不可逆,方程 (5) 不存在唯一解;同时,必然存在某些广义变量能直接被其他广义变量表示(线性相关),即关节存在耦合关系、运动受限,2 个(甚至更多)关节变量会退化成一个关节变量。

除此之外,雅可比矩阵奇异时还可以这样理解:奇异形位处,需要关节变量的速度达到无穷大,才能同时使得某个广义变量获得期望的速度,这在现实中显然是不可能的。也就是说,关节变量失去了对某个广义变量独立控制的作用,相应的自由度已经丧失。

m>n 时,本就存在 (m-n) 个广义变量不受控;m<n 时,存在冗余的关节变量,即同一广义速度可能对应多个关节速度,这些冗余的解为绕过奇异位形提供了备选方案。这两种情况下,雅可比矩阵的逆是广义逆(或称伪逆),即式 (7) 所示。

需要注意的是,雅可比矩阵不为常量,而是与当前的关节变量

\boldsymbol{q}

有关。


3 机器人运动的速度

(5) 式揭示了机器人运动过程中关节空间与广义空间之间的速度关系。然而,在具体分析机器人各部位的运动情况时,通常还需要获知同一空间中不同坐标系之间的速度关系。以下将针对速度的坐标变换具体展开叙述。

3.1 速度在的坐标系间的变换

3.1.1 速度变换的一般形式

现考虑{A}{B}两系与某一动点

\boldsymbol{p}

,则根据上一篇中坐标齐次变换的知识,可知该点在两系之间的位置坐标关系为

^A\boldsymbol{p}={^A_B\boldsymbol{R}};{^B\boldsymbol{p}}+{^A\boldsymbol{p}_{B_0}}

. (8)

若要获得该点的瞬时速度,可在上式两边分别对时间求导,即

^A\boldsymbol{\dot{p}}=\dfrac{\mathrm{d}}{\mathrm{d}t}\left ({^A_B\boldsymbol{R}};{^B\boldsymbol{p}} \right )+{^A\boldsymbol{\dot{p}}_{B_0}}

. (9)

进一步将导数项展开,可知{A}系中 p 点的速度由三部分构成:

\underbrace{^A\boldsymbol{\dot{p}}}{\mathrm{motion;of;\boldsymbol{p};in;\left { A \right }}}=;;\underbrace{\dfrac{\mathrm{d}}{\mathrm{d}t}\left ({^A_B\boldsymbol{R}}\right ){^B\boldsymbol{p}}}{\mathrm{rotation;of;\left { B \right }}}+ \underbrace{​{^A_B\boldsymbol{R}};{^B\boldsymbol{\dot{p}}}}{\mathrm{motion;of;\boldsymbol{p};in;\left { B \right }}}+\underbrace{​{^A\boldsymbol{\dot{p}}{B_0}}}_{\mathrm{translation;of;\left { B \right }}

. (10)

其中第一项和第三项是由坐标系之间的相对运动引起,分别表示{B}系相对于{A}系的旋转运动与平移运动,而与点 p 自身的运动无关;只有第二项才代表了点 p 自身的运动属性。

3.1.2 用角速度矢量表示坐标系的旋转运动

在 (10) 式中,

\dfrac{\mathrm{d}}{\mathrm{d}t}\left ({^A_B\boldsymbol{R}}\right )

的物理意义实际上并不直观。为此,通常还使用角速度矢量来描述坐标系的旋转运动:

\boldsymbol{\omega}\in\mathbb{R}^3,;\left | \boldsymbol{\omega} \right |=:\Omega

.

角速度矢量的物理意义是:以单位向量

\boldsymbol{f}:=\dfrac{\boldsymbol{\omega}}{\left | \boldsymbol{\omega} \right |}

的某一平行线为轴,依据'右手定则'的方向,按角速度大小

\Omega

旋转。

需要注意的是,角速度矢量不仅大小可能时变,方向也可能是时变的,因此角速度矢量对时间的直接积分一般没有实际意义。不过,在机器人系统中,由于转轴矢量一般是恒定的,变化的只有角速度大小,因此角速度大小的积分可用于求取刚体的姿态角度,即通用坐标变换,其中。

若考虑某点的位矢

\boldsymbol{r}

及其角速度矢量

\boldsymbol{\omega}

,当转轴过原点时,该点由于转动而具有的线速度为:

\boldsymbol{v}=\boldsymbol{\omega}\times \boldsymbol{r}=\left | \begin{matrix} \boldsymbol{i} & \boldsymbol{j} &\boldsymbol{k} \ \omega_x & \omega_y &\omega_z \ r_x &r_y & r_z \end{matrix} \right |

. (11)

如果在当前的坐标系{N}内转轴不过原点,则应先取一个能够使转轴过原点的坐标系{M},在{M}中重新计算得该点的位矢和角速度矢量之后,才能使用式 (11)。使用后,还应将转换结果重新变换回原坐标系{N}。

在表示坐标系{B}相对于系{A}的旋转运动时,使用带角标的角速度矢量

^A\boldsymbol{\omega}_B

来表征。利用式 (11),可得{B}内任意一点

{^B\boldsymbol{p}}

因坐标系{B}的旋转而在{A}中具有的线速度为

{^A\boldsymbol{\omega}_{B}}\times\left ({^A_B\boldsymbol{R}};{^B\boldsymbol{p}} \right )

,因此有:

\dfrac{\mathrm{d}}{\mathrm{d}t}\left ({^A_B\boldsymbol{R}}\right ){^B\boldsymbol{p}}={^A\boldsymbol{\omega}_{B}}\times\left ({^A_B\boldsymbol{R}};{^B\boldsymbol{p}} \right )

. (12)

(12) 式实际上是提供了描述坐标系旋转运动的另一种方式。在实际应用时,可视情况选择左侧的导数描述形式或右侧的角速度矢量描述形式。

3.1.3 角速度矢量在不同坐标系之间的传递

角速度矢量本质上是一个三维矢量,在不同坐标系中的坐标形式遵循一般的坐标变换规则。不过,由于角速度矢量是自由矢量,不同起点的角速度矢量在同一坐标系内是可以相加的。现考虑在坐标系{A}中系{C}的角速度矢量,其中以{B}作为中间坐标系,则满足以下关系:

^{A}\boldsymbol{\omega}C=\underbrace{​{^{A}\boldsymbol{\omega}}{B}}\mathrm{rotation;of;\left { B \right }}+\underbrace{​{^A_B\boldsymbol{R}};{^{B}\boldsymbol{\omega}}{C}}_\mathrm{rotation;of;\left { C \right };in;\left { B \right }}

. (13)

该式可以这样理解:在{B}看来,{C}理所应当地拥有角速度

^B\boldsymbol{\omega}_C

;但是换到{A}的视角,所有{B}系中的坐标都应进行变换,因此有

{^A_B\boldsymbol{R}};{^{B}\boldsymbol{\omega}}_{C}

;与此同时,{B}在{A}还可能拥有自身的角速度

^A\boldsymbol{\omega}_B

,这个角速度应当进一步叠加到{C}上,因此有 (13) 式。

3.2 速度在机器人关节间的传递

接下来将以上通用理论运用到具体的机器人机构中:假设现有关节{i-1}与关节{i},以及另一坐标系{0},目的是通过{i-1}将{i}的速度变换至坐标系{0}。

3.2.1 转动关节向前传递

首先讨论{i}是转动关节的情况。

1. 角速度的传递:

以{i-1}为中间坐标系,套用式 (13) 可得:

^{0}\boldsymbol{\omega}i={^{0}\boldsymbol{\omega}}{i-1}+{^{0}{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{\omega}}{i}

,

由于{i-1}与{i}是相邻关节,二者之间的关系较简单,因此有

^{i-1}\boldsymbol{\omega}i={^{i-1}{i}\boldsymbol{R}};{^{i_a}\boldsymbol{\omega}}_{i}

,

需要说明的是,

\left { i_a \right }

表示一个与{i}初始位置重合,但不随{i}的转动而发生变化的绝对坐标系,应注意区分

{^{i_a}\boldsymbol{\omega}}_{i}

与

{^{i}\boldsymbol{\omega}}_{i}

(实际上

{^{i}\boldsymbol{\omega}}_{i}\equiv \boldsymbol{0}

)。若定义:

{^{i_a}\boldsymbol{\omega}}_{i}=\Omega_i\cdot{\hat{\boldsymbol{z}}}=\begin{bmatrix} 0& 0& \Omega_i \end{bmatrix}^\mathrm{T}

,

则最终的变换式应写作:

^{0}\boldsymbol{\omega}i={^{0}\boldsymbol{\omega}}{i-1}+\Omega_i\cdot{^{0}_{i}\boldsymbol{R}}{\hat{\boldsymbol{z}}

. (14)

其中,

\Omega_i=\dot{\theta}_i

是关节变量的速度。

2. 线速度的传递:

套用式 (10)(12) 可得:

^{0}\boldsymbol{\dot{p}}i={^{0}\boldsymbol{\dot{p}}}{i-1}+{^{0}{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{\dot{p}}}{i}+{^0\boldsymbol{\omega}{i-1}}\times\left ({^0{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{p}_i} \right )

.

由于{i}是转动关节,坐标系{i}的原点在{i-1}看来只有转动而无平动,即

{^{0}{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{\dot{p}}}{i}=\boldsymbol{0}

.

因此通过下式可将{i}系的线速度传递到{i-1}上,进而再传递至坐标系{0}:

^{0}\boldsymbol{\dot{p}}i={^{0}\boldsymbol{\dot{p}}}{i-1}+{^0\boldsymbol{\omega}{i-1}}\times\left ({^0{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{p}_i} \right )

, (15)

其中

\boldsymbol{p}_i

是坐标系{i}的原点在{i-1}中的位置矢量,可由 DH 参数及 (1) 式确定:

\begin{bmatrix} {^{i-1}\boldsymbol{p}i}\ 1 \end{bmatrix}={{i}^{i-1}T}\cdot\left [ \begin{matrix} 0 & 0 & 0 & 1 \end{matrix} \right ]^\mathrm{T}

. (16)

3.2.2 移动关节向前传递

在移动关节中,{i}只有平动而无转动,因此在{i-1}看来

{^{i-1}\boldsymbol{\omega}}_{i}=\boldsymbol{0}

,故有:

^{0}\boldsymbol{\omega}i={^{0}\boldsymbol{\omega}}{i-1}

. (16)

也就是说,{i}在{0}看来的转动速度完全只由作为中间坐标系的前一关节{i-1}决定。

而在考虑线速度时,在转动关节中为零的项

{^{i-1}\boldsymbol{\dot{p}}}_{i}={^{i-1}_i\boldsymbol{R}};{^i\boldsymbol{\dot{p}}_i}

重新发挥了作用,其中

{^i\boldsymbol{\dot{p}}_i}=v_i\cdot{^i\hat{\boldsymbol{z}}}=\begin{bmatrix} 0& 0& v_i \end{bmatrix}^\mathrm{T}

并且

v_i=\dot{d}_i

是关节的控制量,进而可得线速度的传递公式为:

^{0}\boldsymbol{\dot{p}}i={^{0}\boldsymbol{\dot{p}}}{i-1}+v_i\cdot{^{0}{i}\boldsymbol{R}};{^i\hat{\boldsymbol{z}}}+{^0\boldsymbol{\omega}{i-1}}\times\left ({^0_{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{p}_i} \right )

. (17)

3.2.3 小结

综上所述,当关节{i}为转动关节时:

\begin{cases} ^{0}\boldsymbol{\omega}i={^{0}\boldsymbol{\omega}}{i-1}+\Omega_i\cdot{^{0}{i}\boldsymbol{R}}{\hat{\boldsymbol{z}}} \ \ ^{0}\boldsymbol{\dot{p}}i={^{0}\boldsymbol{\dot{p}}}{i-1}+{^0\boldsymbol{\omega}{i-1}}\times\left ({^0_{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{p}_i} \right )\end{cases}

.

当关节{i-1}为移动关节时:

\begin{cases}^{0}\boldsymbol{\omega}i={^{0}\boldsymbol{\omega}}{i-1} \ \ ^{0}\boldsymbol{\dot{p}}i={^{0}\boldsymbol{\dot{p}}}{i-1}+v_i\cdot{^{0}{i}\boldsymbol{R}}{\hat{\boldsymbol{z}}}+{^0\boldsymbol{\omega}{i-1}}\times\left ({^0_{i-1}\boldsymbol{R}};{^{i-1}\boldsymbol{p}_i} \right )\end{cases}

.

其中

\begin{bmatrix} {^{i-1}\boldsymbol{p}i}\ 1 \end{bmatrix}={{i}^{i-1}T}\cdot\left [ \begin{matrix} 0 & 0 & 0 & 1 \end{matrix} \right ]^\mathrm{T}

.


至此本文内容结束。下篇将继续梳理机器人逆运动学方面的知识,敬请关注!


参考文献

[1] 蔡自兴,谢斌编著。机器人学 [M]. 清华大学出版社,2015. [2] 杨洋,苏鹏,郑昱编著。机器人控制理论基础 [M]. 机械工业出版社,2021. [3] 樊泽明等编著。机器人学基础 [M]. 机械工业出版社,2022. [4] (日) 白井良明编著。机器人工程 [M]. 科学出版社,2001.

目录

  1. 1 DH 参数模型(Denavit-Hartenberg)
  2. 1.1 四个 DH 参数的定义
  3. 1.2 机器人坐标系的建立方法
  4. 1.3 DH 参数表及相应坐标变换
  5. 2 机器人正向运动学
  6. 2.1 正运动学与雅可比矩阵
  7. 3 机器人运动的速度
  8. 3.1 速度在的坐标系间的变换
  9. 3.1.1 速度变换的一般形式
  10. 3.1.2 用角速度矢量表示坐标系的旋转运动
  11. 3.1.3 角速度矢量在不同坐标系之间的传递
  12. 3.2 速度在机器人关节间的传递
  13. 3.2.1 转动关节向前传递
  14. 3.2.2 移动关节向前传递
  15. 3.2.3 小结
  16. 参考文献

更多推荐文章

查看全部
  • 基于 YOLO 的航拍船舶目标检测数据集与训练教程
  • 无人机视觉语言导航入门:概念、挑战与应用
  • AR 光学薄膜制备:高折射率与膜厚测量的椭偏仪应用
  • Ubuntu 20.04 安装 Docker 及常用命令使用指南
  • 学 Java 还是 Go?深度对比与选型指南
  • Web 架构深度解析:前后端分离与传统模式对比
  • 前端实战:从零实现浏览器桌面通知功能
  • llama.cpp 加载多模态 GGUF 模型
  • MoE 起源:1991 年 Adaptive Mixtures of Local Experts 论文解读
  • AIGC 时代提示词工程(Prompt Engineering)指南
  • LLM 大模型:提升回答质量的关键在于提问技巧
  • 基于 AI 快速生成 SEEDVR2 虚拟现实项目框架
  • Claude Code 结合 Figma 的 AI 原型设计工作流实践
  • 自然语言处理在金融领域的应用与实战
  • Spec-Kit 结合 Copilot 实现 AI 规格驱动开发
  • C/C++ 算法入门:多状态动态规划与打家劫舍股票问题
  • GitHub 多人协作开发教程
  • PCTF2025 Web 赛题实战复盘:整数溢出、JWT 伪造与 SSTI
  • STL 转 STEP 转换指南:从 3D 打印到工程设计
  • 2026-ai图像生成模型真实感对比-皮肤纹理-光影谁最强

相关免费在线工具

  • 加密/解密文本

    使用加密算法(如AES、TripleDES、Rabbit或RC4)加密和解密文本明文。 在线工具,加密/解密文本在线工具,online

  • RSA密钥对生成器

    生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online

  • Mermaid 预览与可视化编辑

    基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online

  • 随机西班牙地址生成器

    随机生成西班牙地址(支持马德里、加泰罗尼亚、安达卢西亚、瓦伦西亚筛选),支持数量快捷选择、显示全部与下载。 在线工具,随机西班牙地址生成器在线工具,online

  • Gemini 图片去水印

    基于开源反向 Alpha 混合算法去除 Gemini/Nano Banana 图片水印,支持批量处理与下载。 在线工具,Gemini 图片去水印在线工具,online

  • Base64 字符串编码/解码

    将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online