今天完成了阶段 5：学习抓取姿态生成（Grasp Planning）和阶段 6：ROS2 + MoveIt2的学习

首先这里区分两个概念

Object Pose:物体位姿，（x,y,z）

Grasp Pose:抓取位姿，这里不仅涉及到（x,y,z）还有抓取的姿态roll,yaw,pitch 

另外这里特别说明一下Grasp Pose里的（x,y,z）是物体相对于机械人base_link下的坐标

这些在阶段四感知和TF坐标变换下完成

因此，将阶段五综合以上总结：

RGB-D视觉阶段通过点云和TF完成物体从相机坐标系到机器人base_link坐标系的转换，得到物体在机器人坐标系中的位姿；随后进入Grasp Planning阶段，根据物体几何信息生成相对于物体的抓取姿态（Grasp Pose），再通过坐标变换得到机器人末端执行器在base_link下的目标位姿，最后由IK和运动规划完成执行。

这里的抓取规划主要负责：朝什么方向抓，以什么姿态，手接触物体哪个位置，手掌张开多大角度，以多大力气去抓

但是这里有一个问题是灵巧手抓住物体是在什么阶段开始的，经过学习后，才知道，它几乎跨越了抓取规划和运动规划，最终在执行阶段真正开始

这里需要补充一个知识
六维力传感器：x,y,z,方向的力以及x,y,z方向的力矩

怎么判断是否抓起来了，看z轴方向的力是否增大，怎么判断物体是否有倾斜，看x,y方向的力矩

另外是谁负责生成抓取位姿呢，主要是由GraspNet负责，它并不是负责生成一个，而是生成多个，经过评分选择最高的那个抓取规划位姿

GraspNet输入的是3D点云，输出的是多个抓取位姿候选

好的，进入阶段六，由于阶段六提前学过了，这里我主要学习了配置

大致分为一下配置：

机器人模型: URDF  机械人的结构

机器人结构: SRDF  MoveIt理解机器人

计算关节角：kinematics.yaml

寻找路径：ompl_planning.yaml

限制运动：joint_limits.yaml

执行:ros2_controllers.yaml

另外，说一下Movelt 2, Movelt 2 负责：运动规划，碰撞检测，轨迹生成

这里Movelt 2 的核心节点是 Move_group ,它就是MoveIt2运动规划服务器

最后讲解一下  实际中抓取一个物体 阶段难度

因为我曾经实际中帮过别人一起做过抓取物体，（手臂为7个关节灵巧手），首先最难的是内参和外参以及坐标变换的问题，这个直接导致抓不准

其次就是抓取规划和运动规划了，很多时候发现运动到一半不动了，并且有时候出现轨迹很不寻常的现象，这也是需要解决的

最后在复习一下：

相机内参标定：
相机不动，人移动棋盘格。

手眼标定：
相机固定在头部，标定板固定在手腕，机器人移动手臂。（这里可能需要3D打印机和刚性转接板）

上面步骤真的很重要