1. 课程导入
欢迎进入《正逆运动学、机械臂轨迹规划、路径规划与运动控制》课程。本章作为整个课程体系的起点，旨在为学习者建立清晰的学习地图与知识锚点。我们将首先明确本课程的学习目标与适用人群，随后深入剖析机械臂技术体系中的核心概念——正运动学、逆运动学、轨迹规划、路径规划与运动控制之间的逻辑关系与边界。在此基础上，给出贯穿全课程的总体技术框架，并结合工业与服务业中的典型应用场景，介绍一个贯穿后续章节的实战项目——六轴关节型机械臂的“视觉引导抓取与避障搬运”任务。通过本章的学习，您将能够从宏观上把握机械臂软件与算法体系的脉络，为后续章节的深入推导与编程实践打下坚实基础。
1.1 学习目标与课程定位
本课程面向具备基础线性代数、微积分和编程能力（Python或C++）的学员，旨在培养在机器人领域从事运动算法开发、系统集成或应用调试的工程师。课程不局限于理论推导，更强调“从公式到代码，从仿真到实机”的完整闭环。完成本课程后，学员应达到以下核心能力目标：
- 数学建模能力：能够使用Denavit-Hartenberg（D-H）参数法建立机械臂的运动学模型，并理解其几何意义与参数辨识方法。
- 算法实现能力：独立编写正运动学（FK）与逆运动学（IK）求解器，掌握解析法与数值迭代法（如雅可比伪逆法）的适用场景与优劣。
- 规划与优化能力：在关节空间与笛卡尔空间下设计满足约束（速度、加速度、平滑性）的轨迹规划器，并理解路径规划算法（如RRT、A*）与轨迹规划的区别与衔接。
- 系统调试能力：能够分析运动控制中的常见问题（如抖动、超调、轨迹跟踪误差），并利用前馈补偿、增益整定等手段进行优化。
1.2 核心概念解析：运动学、规划与控制
在机械臂技术体系中，三个核心概念经常被混淆，但它们有着严格的边界与依赖关系。理解这些概念是学习后续章节的前提。
（1）运动学（Kinematics）：描述“几何关系”
运动学研究机械臂关节空间与笛卡尔空间（操作空间）之间的映射关系，不涉及产生运动的力或力矩。它分为正运动学与逆运动学。正运动学是唯一映射：给定一组关节角度，计算末端执行器的位置与姿态。逆运动学则是多解映射：给定末端期望位姿，求解满足条件的关节角度组合。逆运动学求解的复杂性是机械臂算法设计中的核心挑战之一。
（2）路径规划与轨迹规划（Path & Trajectory Planning）：描述“如何走”
路径规划（Path Planning）解决的是“空间几何问题”——在包含障碍物的环境中，寻找一条从起点到终点的无碰撞路径，它通常只描述位置序列，不包含时间信息。轨迹规划（Trajectory Planning）则是在路径的基础上赋予时间属性，即规定机械臂在什么时刻到达路径上的哪个点，并给出速度、加速度曲线。轨迹规划必须考虑机械臂的运动学与动力学约束（如关节速度极限、加速度极限）。
（3）运动控制（Motion Control）：描述“如何执行”
运动控制是将轨迹规划器生成的期望位置/速度/力矩指令，通过伺服驱动系统转化为实际机械运动的闭环过程。它涉及电流环、速度环、位置环的级联控制，以及前馈补偿、摩擦补偿、重力补偿等高级策略。运动控制是保证轨迹跟踪精度的最后一道关卡。
| 维度 | 运动学 | 路径规划 | 轨迹规划 | 运动控制 |
|---|---|---|---|---|
| 核心问题 | 关节角 ↔ 末端位姿 | 寻找无碰撞几何路径 | 生成时间-位置-速度曲线 | 精确跟踪期望指令 |
| 输入 | 关节角/末端位姿 | 环境地图、起点、终点 | 路径点、约束条件 | 期望轨迹、当前状态 |
| 输出 | 位姿/关节角 | 路径点序列（无时间） | 关节/笛卡尔空间轨迹 | 电机力矩/电流指令 |
| 主要方法 | D-H参数、雅可比矩阵 | RRT、A*、人工势场 | 多项式插值、梯形速度曲线 | PID、前馈、滑模控制 |
| 依赖关系 | 基础 | 依赖运动学 | 依赖路径与运动学 | 依赖轨迹规划 |
1.3 课程整体框架与学习路径
本课程共30章，按照“基础理论→核心算法→系统集成→工程实战”的逻辑分为四个阶段。每个阶段环环相扣，前一阶段的知识是后一阶段的基础。
第一阶段（第1-8章）：运动学基础与建模。 涵盖空间变换、D-H建模、正运动学、逆运动学（解析法与数值法）、雅可比矩阵与奇异性分析。此阶段的目标是让学员能够熟练建立任意构型机械臂的运动学模型，并理解速度级运动学。
第二阶段（第9-16章）：路径与轨迹规划。 深入讲解关节空间轨迹规划（三次/五次多项式、梯形速度曲线）、笛卡尔空间轨迹规划（直线、圆弧插补），以及基于采样的路径规划算法（RRT/PRM）与优化算法（A*）。此阶段强调在约束条件下生成平滑、可行的运动指令。
第三阶段（第17-24章）：运动控制与伺服系统。 从直流电机模型出发，讲解三环PID控制、前馈控制、力矩控制与阻抗控制。同时介绍工业机器人常用的控制总线（EtherCAT）与实时系统。
第四阶段（第25-30章）：综合项目与前沿扩展。 整合视觉识别、手眼标定、避障规划与运动控制，完成“视觉引导抓取”项目。并介绍协作机器人、移动机械臂等前沿方向。
1.4 机械臂应用场景与课程项目概览
机械臂的应用场景决定了其算法设计的侧重点。在工业焊接场景中，轨迹精度与重复定位精度是首要指标，因此对运动控制与前馈补偿要求极高；在3C电子装配中，机械臂需要具备高速轻载特性，轨迹规划需优化节拍时间；而在物流分拣场景中，机械臂面对的是非结构化环境，路径规划与视觉伺服成为核心。
本课程的贯穿项目设定为：六轴关节型机械臂在模拟仓库环境中进行视觉引导的抓取与避障搬运。项目初始条件如下：
- 硬件环境： 六轴机械臂（D-H参数已知），末端安装吸盘式夹爪，头部安装深度相机（如Intel RealSense）。
- 任务目标： 从传送带上识别随机摆放的物体（已知CAD模型），规划无碰撞路径将物体搬运至指定料箱。
- 约束条件： 工作空间内存在静态障碍物（如防护栏），关节速度与加速度有限制，要求节拍时间小于10秒。
该项目的技术分解如下：首先，通过手眼标定确定相机与机械臂基座的坐标变换关系（涉及第2章空间变换）；其次，利用视觉识别物体位姿（涉及第25章视觉伺服）；然后，调用逆运动学求解目标抓取姿态对应的关节角（涉及第5-6章）；接着，在关节空间或笛卡尔空间规划避障路径（涉及第12-16章）；最后，通过运动控制模块精确执行轨迹（涉及第17-24章）。
1.5 本章总结与项目启动准备
本章作为课程导引，我们建立了机械臂算法体系的整体框架，明确了运动学、规划与控制三者的边界与联系。核心要点如下：
- 正运动学是唯一映射，逆运动学是多解映射，求解时需考虑奇异位形与多解选择策略。
- 路径规划解决几何避障问题，轨迹规划解决时间与运动学约束问题，两者是串联关系。
- 运动控制是保证轨迹跟踪精度的执行层，其性能直接影响任务成败。
- 本课程项目“视觉引导抓取与避障搬运”将贯穿始终，建议学员提前搭建仿真环境（如CoppeliaSim + Python）并熟悉基本操作。