2026年电赛E题公开后很多参赛队伍把重点放在五自由度 SOARM101 拼图装置上。这个题目表面上只是一台机械臂把拼图块放到对应位置实际考察的是三件事机械结构是否稳定、运动学解算是否准确、视觉坐标系统是否可靠。更多队伍在备赛阶段就发现单点功能都能跑通一旦把识别、抓取、放置三个环节串起来误差就会累积到肉眼可见。这篇文章不是官方题解而是我们队伍围绕第一、二、三问完成的比赛实录包含系统设计、运动学建模、视觉标定、代码结构和现场排错方法希望对准备电赛机械臂题目的同学有参考价值。文中所有代码块和参数都以通用工程示例为主落地时一定要结合自己的机械臂尺寸、舵机协议和相机安装位置重新标定。1. 解析第一二三问拼图题到底考什么1.1 从单块到多块从固定摆放到随机摆放在电赛机械臂类题目中第一问通常要求装置识别并抓取一个已知位置的拼图块放到指定区域。这个阶段重点考核基础闭环能否完成一次完整的抓取搬运。第二问会在拼图板上出现多块拼图要求按顺序完成一个简单图案这时候除了单次动作正确还需要考虑抓取顺序和路径是否合理。第三问往往把拼图块随机放置在区域内或者要求拼出更复杂的图样原来的固定坐标不再可用视觉识别的实时性和异常恢复能力就成了决定成败的因素。很多队伍在备赛时只盯着机械臂精度忽略了题目是“一环扣一环”的。第一问的坐标可能是写死的但第二问开始引入图案约束第三问又会打乱拼图块位置。设计系统时如果一开始就把所有坐标写死在代码里第二问能勉强跑通第三问基本没有时间重构。所以实现第一问时就要把“视觉识别结果”和“机械臂执行动作”解耦让换一块拼图或换一个摆放区域不需要修改主逻辑。1.2 五自由度拼图装置的能力边界五自由度机械臂并不是万能的。对于平面拼图任务正常需要三个平移自由度完成空间定位一个旋转自由度调整末端方向另一个自由度作为末端执行器姿态补偿或备用这也是很多电赛拼图题选用五自由度的原因。少一个自由度会出现某些目标点姿态无法到达多一个自由度会显著增加逆运动学求解复杂度。SOARM101 这类教学型机械臂通常由串行总线舵机或 PWM 舵机驱动承载能力和重复精度有限不要指望它像工业机械臂一样做到毫米级重复定位。在设计时要把自由度分配清楚。前三个关节主要负责把末端执行器送到拼图板上的指定坐标第四个关节负责调整拼图块的朝向第五个关节可以作为手腕俯仰补偿。实际中发现如果第二问需要把同一种拼图块旋转 90 度后放入第四关节的旋转精度会直接影响拼图是否对齐。因此拼图任务的核心不是关节越多越好而是每个自由度承担的角色何时切换要明确。1.3 末端执行器选型决定上限拼图块通常是轻质卡片或小木块末端执行器可以是夹爪、吸盘和电磁铁。夹爪通用性好但机械结构复杂抓取薄片时容易发生偏移吸盘适合表面平整的拼图块吸附可靠且对抓取位置的容错更高电磁铁只对含铁材料有效比赛材料不确定一般不优先推荐。我们最终选择小型气泵加硅胶吸盘原因是拼图块表面平整、重量小吸盘可以在拼图块轻微倾斜时仍完成吸附而且不会像夹爪一样因为夹持力过大导致拼图块位置移动。选末端执行器还要考虑视觉遮挡。吸盘安装在机械臂末端时摄像头如果固定在吸盘正上方会遮挡末端视野如果摄像头安装在小臂侧面标定和坐标变换又更复杂。我们在实践中的做法是摄像头固定在装置支架顶部机械臂在拼图区域上方运动通过视觉识别先记录抓取点再抬起移动到吸盘中心位置。这个顺序能让摄像头和末端执行器互不遮挡。2. 系统硬件与软件架构先搭框架再调算法2.1 硬件组成与供电要求拼图装置核心硬件包括 SOARM101 机械臂、控制板、摄像头、气泵和拼图板。机械臂本身包含舵机和结构件控制板负责接收上位机指令并驱动舵机。摄像头负责拍摄拼图区域把图像传给上位机。气泵和吸盘组成末端执行器通过继电器或 MOSFET 控制。供电是比赛现场最容易出问题的地方。机械臂瞬间启动时电流很大如果和主控芯片共用同一个稳压模块会导致单片机复位或舵机抖动。建议机械臂电源单独使用 6V 至 7.4V 稳压模块控制板使用 5V 稳压模块摄像头和上位机使用独立 USB 供电或统一由 12V 电池经过多路 DC-DC 降压。比赛测试中常见的“机械臂动一下摄像头画面黑屏”现象大多数是共地不好或供电顺序不对造成的。可以使用万用表测量舵机转动瞬间的电压跌落如果低于允许电压需要加大电源功率或增加电容。2.2 上位机与下位机的软件分工上位机可以是一台运行 Python 的笔记本也可以是树莓派或 Jetson。它负责视觉识别、坐标计算和动作规划。下位机是单片机控制板负责接收关节角度或末端坐标执行舵机驱动并返回状态。上下位机之间使用串口通信协议可以是 JSON 字符串也可以是带校验的二进制帧。对于比赛场景JSON 调试方便二进制帧更稳定。我们最后采用 JSON 命令加行尾符每一帧包含 id、type、data 和 timestamp下位机执行后回传完成状态。这种分工的好处是视觉算法调试时不需要反复烧录单片机下位机只需要维护一个通用的执行接口。要避免把视觉识别和控制逻辑全部放在单片机上否则图像处理会占用大量资源运动控制实时性会下降。如果比赛允许使用高性能上位机要把计算压力放在上位机下位机只做最后一步执行。2.3 相机安装位置与坐标系设计相机安装位置决定了后续坐标变换复杂度。常见方案是顶部俯视安装相机光轴垂直于拼图板。这种方案透视变形较小像素坐标到机械臂基座坐标的转换可以用仿射变换近似难度最低。如果相机固定在小臂末端虽然可以近距识别但机械臂运动时相机视野会变化每一帧都要重新计算外参不建议在比赛时间有限时采用。顶部安装也有两个问题机械臂本身可能遮挡拼图块相机视野有限。解决办法是把相机支架抬高到机械臂工作空间之外镜头正对拼图区域不让机械臂在大范围运动时完全挡住全部拼图板。实际标定时至少要在视野内放置四个已知角点保证整张拼图板都在标定范围内。坐标系设计时建议把机械臂基座坐标设为世界坐标原点拼图板中心与相机图像中心尽量接近这样可以减少旋转和平移带来的误差。3. 运动学建模与逆解从关节角到末端坐标3.1 机械臂坐标系和 DH 参数运动学建模是控制机械臂抓取的基础。正运动学根据各关节角度计算末端执行器位置逆运动学根据目标位置反推关节角度。五自由度机械臂一般可以用改进 DH 参数建模每个关节对应一根旋转轴相邻坐标系通过连杆长度、连杆偏距、连杆转角等参数联系。对 SOARM101 这类小型机械臂最可靠的做法是先用直尺和角度尺测量各连杆长度和关节零位再用正运动学验证末端坐标。不要直接照搬网上参数因为批次不同、装配误差会导致参数差异。建模完成后可以编写一个正运动学函数输入表格中的 DH 表输出末端位置。然后让机械臂手动运动到几个已知位置比较计算值和实测值。如果误差超过 2 厘米优先检查连杆长度和关节零位。3.2 基于几何关系的逆解思路五自由度机械臂的完整逆解比较复杂但平面拼图任务可以简化。拼图块放置在水平板上末端执行器只需要在垂直方向的高度保持不变因此可以通过解析几何先求出前三个关节的角度再根据拼图块目标朝向求第四关节角度最后微调第五关节保持吸盘水平。下面是一段用于说明思路的示例代码实际项目需要根据 DH 参数替换数值。import math # 示例参数根据实际机械臂测量值替换 L1 12.0 # 底座到肩部高度 L2 10.0 # 大臂长度 L3 10.0 # 小臂长度 def inverse_kinematics_2d(x, y, z): # 将空间点投影到机械臂平面 r math.sqrt(x * x y * y) # 末端高度相对肩部 h z - L1 # 使用余弦定理求解肘关节角 cos_elbow (r * r h * h - L2 * L2 - L3 * L3) / (2 * L2 * L3) cos_elbow max(-1.0, min(1.0, cos_elbow)) elbow math.acos(cos_elbow) # 求解肩关节角 k1 L2 L3 * math.cos(elbow) k2 L3 * math.sin(elbow) shoulder math.atan2(h, r) - math.atan2(k2, k1) # 基座偏航角 base math.atan2(y, x) return base, shoulder, elbow # 示例目标是基座坐标(150, 40, 60)单位毫米 base, shoulder, elbow inverse_kinematics_2d(150.0, 40.0, 60.0) print(base%.3f shoulder%.3f elbow%.3f % ( math.degrees(base), math.degrees(shoulder), math.degrees(elbow)))这段代码只演示二维平面的三个关节计算。真实五自由度机械臂还需要考虑第四关节的旋转角度和第五关节的补偿直接套用会出现末端姿态偏差必须结合 DH 表完成完整逆解。3.3 下位机指令协议与速度规划逆解得到目标角度后上位机要生成关节运动指令。直接让舵机从当前角度跳到目标角度会产生较大冲击轻则拼图块滑落重则舵机堵转。推荐的做法是插值运动把整个移动过程切成多段角度增量按固定周期发送。周期可以是 20ms每次只移动很小角度连续发送后机械臂就变成平滑运动。下位机指令可以这样设计{id: 1, type: move_joint, angles: [0.0, 45.0, 90.0, 30.0, 0.0], speed: 0.3}字段说明id命令编号用于对应回执。type命令类型move_joint 表示关节角运动。angles五个关节目标角度单位度。speed速度系数0.1 到 1.0 之间。下位机收到后先做角度限位校验再按插值周期逐帧执行。执行完成后回传{id: 1, status: done}。如果没有回传上位机需要启动超时重试否则会出现在现场卡死的情况。3.4 逆解多解与奇异点处理逆运动学通常存在多组解程序选错解会导致机械臂以奇怪姿态到达目标点甚至撞到拼图板。处理方法是限制每个关节的角度范围并通过判断上一组关节角与候选解的差值选择最接近的一组保证运动连续。比如肘关节既可能向上也可能向下拼图任务中要固定选择大臂朝上的姿态避免肘关节翻转。奇异点是机械臂完全伸展或收缩时出现的特殊状态。在奇异点附近微小位置变化会导致关节角大幅变化表现为机械臂突然快速转动。比赛代码里要加慢速保护当计算出的关节角速度超过阈值时停止当前运动并重新规划路径。注意逆解输出一定要经过关节限位和安全高度检查不要在真实机械臂上直接跑未验证的求解结果。4. 视觉识别与坐标对位让拼图块坐标进入机械臂世界4.1 为什么先做相机标定直接用摄像头分辨率和视野尺寸计算像素对应关系会带来很大误差因为镜头存在畸变相机平面和拼图板平面也不一定完全平行。相机标定的目标是把图像坐标转换到机械臂基座坐标。比赛中最常用的方法是使用标定板或几个已知位置的 ArUco 标记先检测角点再计算单应矩阵或透视变换矩阵。单应变换适合顶部相机俯视近似平面场景。只要拼图板近似一个平面像素坐标到机械臂坐标的映射可以写成 3x3 单应矩阵。标定时在拼图区域放一张 A4 纸纸上打印四个黑色角点用机械臂末端或直尺测量每个角点在机械臂基座坐标下的位置再从图像中检测对应像素坐标。两组四个点即可求解单应矩阵。标定完成后还要验证。让机械臂移动到某个角点的世界坐标同时记录该角点的像素坐标用变换矩阵计算回来的世界坐标应该与实测坐标接近。如果误差超过 3 毫米需要检查角点检测精度和机械臂本身定位误差。4.2 拼图块识别颜色、形状还是二维码拼图块识别方案取决于题目提供的拼图块外观。如果颜色各不相同可以用 HSV 颜色分割提取连通域取轮廓中心作为抓取点。如果形状有区分可以提取轮廓周长、面积、矩形度等特征。如果题目允许贴标记可以打印 ArUco 二维码贴在拼图块中心识别稳定且对光照鲁棒。推荐优先使用 ArUco 标记。它自带 ID可以同时完成识别和区分并且准确给出中心点和旋转角。下面是一个基于 OpenCV 的 ArUco 检测示例import cv2 def detect_aruco_pose(image, camera_matrix, dist_coeffs): dictionary cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_4X4_50) parameters cv2.aruco.DetectorParameters() detector cv2.aruco.ArucoDetector(dictionary, parameters) corners, ids, _ detector.detectMarkers(image) targets [] if ids is not None: for i, corner in enumerate(corners): marker_id int(ids[i][0]) center corner.reshape(4, 2).mean(axis0) targets.append({ id: marker_id, center_px: (float(center[0]), float(center[1])) }) return targets这段代码返回每个标记的像素中心。实际使用时还要结合标定得到的单应矩阵把像素中心投影到机械臂坐标系。4.3 像素坐标到机械臂坐标的变换如果已经求出单应矩阵H像素坐标映射到机械臂坐标的公式为u (H00 * x H01 * y H02) / (H20 * x H21 * y 1) v (H10 * x H11 * y H12) / (H20 * x H21 * y 1)这里用的是归一化后的坐标。OpenCV 提供的findHomography返回的矩阵可以直接用于映射。实际抓取时还需要把识别出的拼图块中心点加上吸盘偏移量。如果吸盘中心与机械臂末端坐标系原点不重合必须把偏移量旋转到目标朝向后再叠加否则吸盘会吸偏。不要在识别流程里直接硬编码像素坐标。像素坐标受相机安装和光照影响每次开机都会有细微变化。正确做法是每次启动后自动运行一次标定验证把单应矩阵存成文件后续识别全部通过矩阵计算。4.4 光照、阴影和遮挡的规避顶部相机最怕强光造成反光和阴影。拼图块表面如果是光滑塑料在灯光下会出现高光点颜色分割容易把高光区域误判成背景。建议使用漫反射光源或者让相机在启动后自动做白平衡。如果使用颜色识别要在 HSV 空间设置两个颜色区间分别对应亮部和暗部再取并集。遮挡是一个容易被忽略的问题。机械臂抓走一块拼图后原先被遮挡的背景可能包含无关图案颜色分割会把这些图案也识别成目标。解决办法是在每个拼图块位置绑定一个 ID 和状态只有状态为“未抓取”的区域才参与目标搜索。机械臂运动过程中可以暂停视觉识别避免把移动中的机械臂手臂误识别为拼图块。5. 第一二三问的迭代实录每一问暴露的问题都不一样5.1 第一问用最小闭环跑通一次抓放第一问我们的目标是完成单块拼图的“识别-抓取-放置”。这个阶段不要急着优化速度而是先保证每一步都能重复执行。开发时先写一个单步测试脚本手动让机械臂移动到拼图块上方向下吸住抬升移动到目标格上方放下。手动位置确认后再把视觉识别的坐标接入。第一问最容易踩的坑是视觉坐标和实际位置的零点没有对齐。吸盘下降时如果视觉给出的坐标是拼图块中心但吸盘吸住的是拼图块边缘放置后拼图块就会偏斜。解决办法是在抓取之后加一个“纠偏”动作吸盘抬起后先让机械臂运动到指定的校正点用吸盘侧面轻轻碰触拼图板上的定位挡块使拼图块对齐后再放置。虽然多了一步但可靠性提升非常明显。第一问最终的验收标准是连续执行 10 次每次拼图块都能放入目标格且无明显偏移。我们当时失败最多的是吸盘放气后拼图块被带离原位原因是放气过快产生负压波动。处理方式是先停止气泵再延时 200ms最后缓慢放气拼图块不会弹开。5.2 第二问多块拼图的顺序与路径第二问开始出现多个拼图块目标区域也从单格变成由多个格组成的图案。多块拼图的主要问题不是单次抓放精度而是抓取顺序。如果先抓了被其他块压住的拼图块机械臂会撞到相邻拼图块。所以第二问需要先做状态管理每个拼图块有位置、目标格、是否已抓取、是否已放置四个属性。我们用一个 Python 字典维护这些信息pieces { A: {pos: (120, 30), target: (80, 80), picked: False, placed: False}, B: {pos: (160, 50), target: (120, 80), picked: False, placed: False}, C: {pos: (140, 90), target: (100, 80), picked: False, placed: False}, }抓取顺序算法可以先按目标位置排序也可以按当前位置进行简单避让。最简单可靠的方法是每次选择一个离机械臂当前末端最近且状态为未抓取的拼图块完成放置后再选下一个。这个策略虽然不是最优路径但代码逻辑清晰比赛现场容易调试。第二问还涉及到图案对齐。目标图案中相邻拼图块之间可能有指定间隙放置时如果每次都从同一个方向靠近目标格误差不会累积到肉眼可见。如果程序每次从不同方向到达拼图块之间的间隙会忽大忽小。因此设置统一的接近方向例如从拼图板下方往上进入目标格会让最终图案整齐很多。5.3 第三问随机摆放与异常恢复第三问如果要求随机摆放意味着拼图块不是固定的几个坐标视觉识别必须实时更新所有块的位置。代码结构上原来的固定pos要由数组替换成识别结果。第二问的程序只要把pieces里的pos从写死坐标改为视觉输出大部分逻辑可以复用。这也是我们前面强调“解耦”的原因。随机摆放的难点在于拼图块可能彼此靠近吸盘下降时容易碰到旁边的块。处理方法是在视觉识别后增加邻近距离检查如果两个拼图块中心距离小于吸盘直径就调整夹取策略先抓取边缘露出更多的块。此外机械臂在拼图板范围内运动时要设置一条安全高度高于所有拼图块只在目标点上方垂直下降。第三问还需要处理执行失败。吸盘没有吸到拼图块、中途掉块、放置位置偏移这些情况在比赛现场几乎一定会发生。我们的做法是给每个步骤增加状态回读抓取动作完成后下位机回传“吸附成功”或“吸附失败”。失败时机械臂回到安全高度重新识别当前拼图块位置再尝试一次。同一块连续失败三次就报警并跳过避免陷入死循环。视觉补抓逻辑要确保不会把已经放好的块重新识别成未抓取块。处理方式是在单应变换后的坐标上建立邻域判断如果新识别坐标距离某个已放置目标格中心小于阈值就忽略该识别结果。5.4 三问之间的可靠性差距从第一问到第三问最大的变化是系统从“单点可用”变成“全流程可用”。第一问只需保证一次动作正确第二问需要保证多次动作的序列正确第三问则需要保证系统在非理想输入下仍然可以自恢复。现场测试时单次成功率 90% 看起来很高但连续执行 10 块拼图的完整成功率只有 0.9 的 10 次方大约 35%。因此每一块的成功率都要提高到 98% 以上或者加入失败重试机制。我们用下面的表格对比三问的核心指标问数典型任务核心难点主要验证指标第一问抓放单块拼图坐标闭环、吸盘控制单次成功率和重复定位第二问多块拼图组成简单图案抓取顺序、目标格对齐、避让连续完成整张图案的成功率第三问随机摆放或复杂图案动态识别、异常恢复、鲁棒性任意摆放下完成时间和成功率需要说明的是不同年份的 E 题具体任务有差异这里的对应关系是按电赛机械臂拼图题常见设计总结的实际参赛时要以官方题目为准。注意不要只验证程序能启动还要验证输入、输出、异常分支和日志是否符合预期。6. 比赛现场高频问题排查清单6.1 机械臂抖动和定位偏移现象机械臂运动到目标点时反复振荡或者放置位置每次都不一样。可能原因包括舵机死区过大、插值速度过快、目标坐标靠近奇异点、运动过程中气泵管对末端造成拉力。排查时先观察抖动是出现在运动结束时还是运动中。运动结束时抖动通常是舵机死区或负载变化可以减小目标速度系数或者在到达目标后保持舵机使能但消除持续抖动运动中出现抖动则要考虑路径是否穿过奇异点。建议在代码里记录每次运动的目标角度和回读角度对比偏差。如果偏差大于 1 度检查机械臂关节是否有虚位紧固螺丝并重新标定零位。6.2 视觉识别不稳定现象同一拼图块在不同光照下识别结果不同或者机械臂运动时相机检测到错误目标。排查步骤先固定机械臂单独测试视觉模块排除机械干扰。然后检查相机曝光和白平衡是否固定关闭自动曝光手动设置固定曝光时间。再检查检测阈值如果是 ArUco 标记可以降低 marker 边框细度阈值。最容易忽略的是相机的自动对焦。比赛现场如果使用手机摄像头或 USB 摄像头自动对焦会导致焦距变化标定矩阵失效。建议手动调焦后固定镜头或者选择定焦摄像头。6.3 串口通信超时或状态不同步现象上位机发送指令后机械臂不动作或执行到一半停住。排查时先看串口波特率上下位机必须一致常见为 115200。然后检查每一帧数据是否以约定的结束符结尾下位机如果读取不到完整帧会一直等待。比赛现场强烈建议使用带时间戳的日志。每发送一条指令记录发送时间xx 内容xx每收到一条回执记录接收时间xx 状态xx。这样即使卡死也能从日志中定位是上位机没发、下位机没收到还是下位机执行超时。6.4 常见坑速查表问题现象常见原因处理方案吸盘吸起后又掉下气泵功率不足或管路漏气检查气路、延迟开启、加大吸力拼图块放置时被带偏放气过快或吸盘高度过低停止气泵后延时再放气提高放下高度视觉坐标和实物偏差大相机标定后机械臂或相机被移动重新执行标定验证机械臂运动撞到拼图板逆解选择错误解或路径穿过拼图区域限制关节解范围设置安全高度连续运行一段时间后漂移舵机温度升高导致零位漂移降低工作频率检查供电电压7. 开源代码的工程化组织方式7.1 仓库目录设计“完全开源”不应只丢一堆脚本还需要考虑后来者能否运行。推荐按功能模块组织仓库soarm101_puzzle/ ├── README.md ├── requirements.txt ├── calibration/ │ ├── calibrate_camera.py │ └── homography_config.json ├── vision/ │ ├── detect_marker.py │ ├── map_pixel_to_world.py │ └── piece_state.py ├── controller/ │ ├── serial_protocol.py │ ├── trajectory.py │ └── inverse_kinematics.py ├── main/ │ ├── run_q1.py │ ├── run_q2.py │ └── run_q3.py └── logs/ ├── action_log.py └── test_result.csv这个结构把相机标定、视觉识别、运动控制、状态管理拆开。第一问只依赖 controller 和 calibration第二问开始引入 vision 和 piece_state第三问则使用 五自由度机械臂电赛拼图题全解析：运动学建模与视觉标定实战
2026年电赛E题公开后很多参赛队伍把重点放在五自由度 SOARM101 拼图装置上。这个题目表面上只是一台机械臂把拼图块放到对应位置实际考察的是三件事机械结构是否稳定、运动学解算是否准确、视觉坐标系统是否可靠。更多队伍在备赛阶段就发现单点功能都能跑通一旦把识别、抓取、放置三个环节串起来误差就会累积到肉眼可见。这篇文章不是官方题解而是我们队伍围绕第一、二、三问完成的比赛实录包含系统设计、运动学建模、视觉标定、代码结构和现场排错方法希望对准备电赛机械臂题目的同学有参考价值。文中所有代码块和参数都以通用工程示例为主落地时一定要结合自己的机械臂尺寸、舵机协议和相机安装位置重新标定。1. 解析第一二三问拼图题到底考什么1.1 从单块到多块从固定摆放到随机摆放在电赛机械臂类题目中第一问通常要求装置识别并抓取一个已知位置的拼图块放到指定区域。这个阶段重点考核基础闭环能否完成一次完整的抓取搬运。第二问会在拼图板上出现多块拼图要求按顺序完成一个简单图案这时候除了单次动作正确还需要考虑抓取顺序和路径是否合理。第三问往往把拼图块随机放置在区域内或者要求拼出更复杂的图样原来的固定坐标不再可用视觉识别的实时性和异常恢复能力就成了决定成败的因素。很多队伍在备赛时只盯着机械臂精度忽略了题目是“一环扣一环”的。第一问的坐标可能是写死的但第二问开始引入图案约束第三问又会打乱拼图块位置。设计系统时如果一开始就把所有坐标写死在代码里第二问能勉强跑通第三问基本没有时间重构。所以实现第一问时就要把“视觉识别结果”和“机械臂执行动作”解耦让换一块拼图或换一个摆放区域不需要修改主逻辑。1.2 五自由度拼图装置的能力边界五自由度机械臂并不是万能的。对于平面拼图任务正常需要三个平移自由度完成空间定位一个旋转自由度调整末端方向另一个自由度作为末端执行器姿态补偿或备用这也是很多电赛拼图题选用五自由度的原因。少一个自由度会出现某些目标点姿态无法到达多一个自由度会显著增加逆运动学求解复杂度。SOARM101 这类教学型机械臂通常由串行总线舵机或 PWM 舵机驱动承载能力和重复精度有限不要指望它像工业机械臂一样做到毫米级重复定位。在设计时要把自由度分配清楚。前三个关节主要负责把末端执行器送到拼图板上的指定坐标第四个关节负责调整拼图块的朝向第五个关节可以作为手腕俯仰补偿。实际中发现如果第二问需要把同一种拼图块旋转 90 度后放入第四关节的旋转精度会直接影响拼图是否对齐。因此拼图任务的核心不是关节越多越好而是每个自由度承担的角色何时切换要明确。1.3 末端执行器选型决定上限拼图块通常是轻质卡片或小木块末端执行器可以是夹爪、吸盘和电磁铁。夹爪通用性好但机械结构复杂抓取薄片时容易发生偏移吸盘适合表面平整的拼图块吸附可靠且对抓取位置的容错更高电磁铁只对含铁材料有效比赛材料不确定一般不优先推荐。我们最终选择小型气泵加硅胶吸盘原因是拼图块表面平整、重量小吸盘可以在拼图块轻微倾斜时仍完成吸附而且不会像夹爪一样因为夹持力过大导致拼图块位置移动。选末端执行器还要考虑视觉遮挡。吸盘安装在机械臂末端时摄像头如果固定在吸盘正上方会遮挡末端视野如果摄像头安装在小臂侧面标定和坐标变换又更复杂。我们在实践中的做法是摄像头固定在装置支架顶部机械臂在拼图区域上方运动通过视觉识别先记录抓取点再抬起移动到吸盘中心位置。这个顺序能让摄像头和末端执行器互不遮挡。2. 系统硬件与软件架构先搭框架再调算法2.1 硬件组成与供电要求拼图装置核心硬件包括 SOARM101 机械臂、控制板、摄像头、气泵和拼图板。机械臂本身包含舵机和结构件控制板负责接收上位机指令并驱动舵机。摄像头负责拍摄拼图区域把图像传给上位机。气泵和吸盘组成末端执行器通过继电器或 MOSFET 控制。供电是比赛现场最容易出问题的地方。机械臂瞬间启动时电流很大如果和主控芯片共用同一个稳压模块会导致单片机复位或舵机抖动。建议机械臂电源单独使用 6V 至 7.4V 稳压模块控制板使用 5V 稳压模块摄像头和上位机使用独立 USB 供电或统一由 12V 电池经过多路 DC-DC 降压。比赛测试中常见的“机械臂动一下摄像头画面黑屏”现象大多数是共地不好或供电顺序不对造成的。可以使用万用表测量舵机转动瞬间的电压跌落如果低于允许电压需要加大电源功率或增加电容。2.2 上位机与下位机的软件分工上位机可以是一台运行 Python 的笔记本也可以是树莓派或 Jetson。它负责视觉识别、坐标计算和动作规划。下位机是单片机控制板负责接收关节角度或末端坐标执行舵机驱动并返回状态。上下位机之间使用串口通信协议可以是 JSON 字符串也可以是带校验的二进制帧。对于比赛场景JSON 调试方便二进制帧更稳定。我们最后采用 JSON 命令加行尾符每一帧包含 id、type、data 和 timestamp下位机执行后回传完成状态。这种分工的好处是视觉算法调试时不需要反复烧录单片机下位机只需要维护一个通用的执行接口。要避免把视觉识别和控制逻辑全部放在单片机上否则图像处理会占用大量资源运动控制实时性会下降。如果比赛允许使用高性能上位机要把计算压力放在上位机下位机只做最后一步执行。2.3 相机安装位置与坐标系设计相机安装位置决定了后续坐标变换复杂度。常见方案是顶部俯视安装相机光轴垂直于拼图板。这种方案透视变形较小像素坐标到机械臂基座坐标的转换可以用仿射变换近似难度最低。如果相机固定在小臂末端虽然可以近距识别但机械臂运动时相机视野会变化每一帧都要重新计算外参不建议在比赛时间有限时采用。顶部安装也有两个问题机械臂本身可能遮挡拼图块相机视野有限。解决办法是把相机支架抬高到机械臂工作空间之外镜头正对拼图区域不让机械臂在大范围运动时完全挡住全部拼图板。实际标定时至少要在视野内放置四个已知角点保证整张拼图板都在标定范围内。坐标系设计时建议把机械臂基座坐标设为世界坐标原点拼图板中心与相机图像中心尽量接近这样可以减少旋转和平移带来的误差。3. 运动学建模与逆解从关节角到末端坐标3.1 机械臂坐标系和 DH 参数运动学建模是控制机械臂抓取的基础。正运动学根据各关节角度计算末端执行器位置逆运动学根据目标位置反推关节角度。五自由度机械臂一般可以用改进 DH 参数建模每个关节对应一根旋转轴相邻坐标系通过连杆长度、连杆偏距、连杆转角等参数联系。对 SOARM101 这类小型机械臂最可靠的做法是先用直尺和角度尺测量各连杆长度和关节零位再用正运动学验证末端坐标。不要直接照搬网上参数因为批次不同、装配误差会导致参数差异。建模完成后可以编写一个正运动学函数输入表格中的 DH 表输出末端位置。然后让机械臂手动运动到几个已知位置比较计算值和实测值。如果误差超过 2 厘米优先检查连杆长度和关节零位。3.2 基于几何关系的逆解思路五自由度机械臂的完整逆解比较复杂但平面拼图任务可以简化。拼图块放置在水平板上末端执行器只需要在垂直方向的高度保持不变因此可以通过解析几何先求出前三个关节的角度再根据拼图块目标朝向求第四关节角度最后微调第五关节保持吸盘水平。下面是一段用于说明思路的示例代码实际项目需要根据 DH 参数替换数值。import math # 示例参数根据实际机械臂测量值替换 L1 12.0 # 底座到肩部高度 L2 10.0 # 大臂长度 L3 10.0 # 小臂长度 def inverse_kinematics_2d(x, y, z): # 将空间点投影到机械臂平面 r math.sqrt(x * x y * y) # 末端高度相对肩部 h z - L1 # 使用余弦定理求解肘关节角 cos_elbow (r * r h * h - L2 * L2 - L3 * L3) / (2 * L2 * L3) cos_elbow max(-1.0, min(1.0, cos_elbow)) elbow math.acos(cos_elbow) # 求解肩关节角 k1 L2 L3 * math.cos(elbow) k2 L3 * math.sin(elbow) shoulder math.atan2(h, r) - math.atan2(k2, k1) # 基座偏航角 base math.atan2(y, x) return base, shoulder, elbow # 示例目标是基座坐标(150, 40, 60)单位毫米 base, shoulder, elbow inverse_kinematics_2d(150.0, 40.0, 60.0) print(base%.3f shoulder%.3f elbow%.3f % ( math.degrees(base), math.degrees(shoulder), math.degrees(elbow)))这段代码只演示二维平面的三个关节计算。真实五自由度机械臂还需要考虑第四关节的旋转角度和第五关节的补偿直接套用会出现末端姿态偏差必须结合 DH 表完成完整逆解。3.3 下位机指令协议与速度规划逆解得到目标角度后上位机要生成关节运动指令。直接让舵机从当前角度跳到目标角度会产生较大冲击轻则拼图块滑落重则舵机堵转。推荐的做法是插值运动把整个移动过程切成多段角度增量按固定周期发送。周期可以是 20ms每次只移动很小角度连续发送后机械臂就变成平滑运动。下位机指令可以这样设计{id: 1, type: move_joint, angles: [0.0, 45.0, 90.0, 30.0, 0.0], speed: 0.3}字段说明id命令编号用于对应回执。type命令类型move_joint 表示关节角运动。angles五个关节目标角度单位度。speed速度系数0.1 到 1.0 之间。下位机收到后先做角度限位校验再按插值周期逐帧执行。执行完成后回传{id: 1, status: done}。如果没有回传上位机需要启动超时重试否则会出现在现场卡死的情况。3.4 逆解多解与奇异点处理逆运动学通常存在多组解程序选错解会导致机械臂以奇怪姿态到达目标点甚至撞到拼图板。处理方法是限制每个关节的角度范围并通过判断上一组关节角与候选解的差值选择最接近的一组保证运动连续。比如肘关节既可能向上也可能向下拼图任务中要固定选择大臂朝上的姿态避免肘关节翻转。奇异点是机械臂完全伸展或收缩时出现的特殊状态。在奇异点附近微小位置变化会导致关节角大幅变化表现为机械臂突然快速转动。比赛代码里要加慢速保护当计算出的关节角速度超过阈值时停止当前运动并重新规划路径。注意逆解输出一定要经过关节限位和安全高度检查不要在真实机械臂上直接跑未验证的求解结果。4. 视觉识别与坐标对位让拼图块坐标进入机械臂世界4.1 为什么先做相机标定直接用摄像头分辨率和视野尺寸计算像素对应关系会带来很大误差因为镜头存在畸变相机平面和拼图板平面也不一定完全平行。相机标定的目标是把图像坐标转换到机械臂基座坐标。比赛中最常用的方法是使用标定板或几个已知位置的 ArUco 标记先检测角点再计算单应矩阵或透视变换矩阵。单应变换适合顶部相机俯视近似平面场景。只要拼图板近似一个平面像素坐标到机械臂坐标的映射可以写成 3x3 单应矩阵。标定时在拼图区域放一张 A4 纸纸上打印四个黑色角点用机械臂末端或直尺测量每个角点在机械臂基座坐标下的位置再从图像中检测对应像素坐标。两组四个点即可求解单应矩阵。标定完成后还要验证。让机械臂移动到某个角点的世界坐标同时记录该角点的像素坐标用变换矩阵计算回来的世界坐标应该与实测坐标接近。如果误差超过 3 毫米需要检查角点检测精度和机械臂本身定位误差。4.2 拼图块识别颜色、形状还是二维码拼图块识别方案取决于题目提供的拼图块外观。如果颜色各不相同可以用 HSV 颜色分割提取连通域取轮廓中心作为抓取点。如果形状有区分可以提取轮廓周长、面积、矩形度等特征。如果题目允许贴标记可以打印 ArUco 二维码贴在拼图块中心识别稳定且对光照鲁棒。推荐优先使用 ArUco 标记。它自带 ID可以同时完成识别和区分并且准确给出中心点和旋转角。下面是一个基于 OpenCV 的 ArUco 检测示例import cv2 def detect_aruco_pose(image, camera_matrix, dist_coeffs): dictionary cv2.aruco.getPredefinedDictionary(cv2.aruco.DICT_4X4_50) parameters cv2.aruco.DetectorParameters() detector cv2.aruco.ArucoDetector(dictionary, parameters) corners, ids, _ detector.detectMarkers(image) targets [] if ids is not None: for i, corner in enumerate(corners): marker_id int(ids[i][0]) center corner.reshape(4, 2).mean(axis0) targets.append({ id: marker_id, center_px: (float(center[0]), float(center[1])) }) return targets这段代码返回每个标记的像素中心。实际使用时还要结合标定得到的单应矩阵把像素中心投影到机械臂坐标系。4.3 像素坐标到机械臂坐标的变换如果已经求出单应矩阵H像素坐标映射到机械臂坐标的公式为u (H00 * x H01 * y H02) / (H20 * x H21 * y 1) v (H10 * x H11 * y H12) / (H20 * x H21 * y 1)这里用的是归一化后的坐标。OpenCV 提供的findHomography返回的矩阵可以直接用于映射。实际抓取时还需要把识别出的拼图块中心点加上吸盘偏移量。如果吸盘中心与机械臂末端坐标系原点不重合必须把偏移量旋转到目标朝向后再叠加否则吸盘会吸偏。不要在识别流程里直接硬编码像素坐标。像素坐标受相机安装和光照影响每次开机都会有细微变化。正确做法是每次启动后自动运行一次标定验证把单应矩阵存成文件后续识别全部通过矩阵计算。4.4 光照、阴影和遮挡的规避顶部相机最怕强光造成反光和阴影。拼图块表面如果是光滑塑料在灯光下会出现高光点颜色分割容易把高光区域误判成背景。建议使用漫反射光源或者让相机在启动后自动做白平衡。如果使用颜色识别要在 HSV 空间设置两个颜色区间分别对应亮部和暗部再取并集。遮挡是一个容易被忽略的问题。机械臂抓走一块拼图后原先被遮挡的背景可能包含无关图案颜色分割会把这些图案也识别成目标。解决办法是在每个拼图块位置绑定一个 ID 和状态只有状态为“未抓取”的区域才参与目标搜索。机械臂运动过程中可以暂停视觉识别避免把移动中的机械臂手臂误识别为拼图块。5. 第一二三问的迭代实录每一问暴露的问题都不一样5.1 第一问用最小闭环跑通一次抓放第一问我们的目标是完成单块拼图的“识别-抓取-放置”。这个阶段不要急着优化速度而是先保证每一步都能重复执行。开发时先写一个单步测试脚本手动让机械臂移动到拼图块上方向下吸住抬升移动到目标格上方放下。手动位置确认后再把视觉识别的坐标接入。第一问最容易踩的坑是视觉坐标和实际位置的零点没有对齐。吸盘下降时如果视觉给出的坐标是拼图块中心但吸盘吸住的是拼图块边缘放置后拼图块就会偏斜。解决办法是在抓取之后加一个“纠偏”动作吸盘抬起后先让机械臂运动到指定的校正点用吸盘侧面轻轻碰触拼图板上的定位挡块使拼图块对齐后再放置。虽然多了一步但可靠性提升非常明显。第一问最终的验收标准是连续执行 10 次每次拼图块都能放入目标格且无明显偏移。我们当时失败最多的是吸盘放气后拼图块被带离原位原因是放气过快产生负压波动。处理方式是先停止气泵再延时 200ms最后缓慢放气拼图块不会弹开。5.2 第二问多块拼图的顺序与路径第二问开始出现多个拼图块目标区域也从单格变成由多个格组成的图案。多块拼图的主要问题不是单次抓放精度而是抓取顺序。如果先抓了被其他块压住的拼图块机械臂会撞到相邻拼图块。所以第二问需要先做状态管理每个拼图块有位置、目标格、是否已抓取、是否已放置四个属性。我们用一个 Python 字典维护这些信息pieces { A: {pos: (120, 30), target: (80, 80), picked: False, placed: False}, B: {pos: (160, 50), target: (120, 80), picked: False, placed: False}, C: {pos: (140, 90), target: (100, 80), picked: False, placed: False}, }抓取顺序算法可以先按目标位置排序也可以按当前位置进行简单避让。最简单可靠的方法是每次选择一个离机械臂当前末端最近且状态为未抓取的拼图块完成放置后再选下一个。这个策略虽然不是最优路径但代码逻辑清晰比赛现场容易调试。第二问还涉及到图案对齐。目标图案中相邻拼图块之间可能有指定间隙放置时如果每次都从同一个方向靠近目标格误差不会累积到肉眼可见。如果程序每次从不同方向到达拼图块之间的间隙会忽大忽小。因此设置统一的接近方向例如从拼图板下方往上进入目标格会让最终图案整齐很多。5.3 第三问随机摆放与异常恢复第三问如果要求随机摆放意味着拼图块不是固定的几个坐标视觉识别必须实时更新所有块的位置。代码结构上原来的固定pos要由数组替换成识别结果。第二问的程序只要把pieces里的pos从写死坐标改为视觉输出大部分逻辑可以复用。这也是我们前面强调“解耦”的原因。随机摆放的难点在于拼图块可能彼此靠近吸盘下降时容易碰到旁边的块。处理方法是在视觉识别后增加邻近距离检查如果两个拼图块中心距离小于吸盘直径就调整夹取策略先抓取边缘露出更多的块。此外机械臂在拼图板范围内运动时要设置一条安全高度高于所有拼图块只在目标点上方垂直下降。第三问还需要处理执行失败。吸盘没有吸到拼图块、中途掉块、放置位置偏移这些情况在比赛现场几乎一定会发生。我们的做法是给每个步骤增加状态回读抓取动作完成后下位机回传“吸附成功”或“吸附失败”。失败时机械臂回到安全高度重新识别当前拼图块位置再尝试一次。同一块连续失败三次就报警并跳过避免陷入死循环。视觉补抓逻辑要确保不会把已经放好的块重新识别成未抓取块。处理方式是在单应变换后的坐标上建立邻域判断如果新识别坐标距离某个已放置目标格中心小于阈值就忽略该识别结果。5.4 三问之间的可靠性差距从第一问到第三问最大的变化是系统从“单点可用”变成“全流程可用”。第一问只需保证一次动作正确第二问需要保证多次动作的序列正确第三问则需要保证系统在非理想输入下仍然可以自恢复。现场测试时单次成功率 90% 看起来很高但连续执行 10 块拼图的完整成功率只有 0.9 的 10 次方大约 35%。因此每一块的成功率都要提高到 98% 以上或者加入失败重试机制。我们用下面的表格对比三问的核心指标问数典型任务核心难点主要验证指标第一问抓放单块拼图坐标闭环、吸盘控制单次成功率和重复定位第二问多块拼图组成简单图案抓取顺序、目标格对齐、避让连续完成整张图案的成功率第三问随机摆放或复杂图案动态识别、异常恢复、鲁棒性任意摆放下完成时间和成功率需要说明的是不同年份的 E 题具体任务有差异这里的对应关系是按电赛机械臂拼图题常见设计总结的实际参赛时要以官方题目为准。注意不要只验证程序能启动还要验证输入、输出、异常分支和日志是否符合预期。6. 比赛现场高频问题排查清单6.1 机械臂抖动和定位偏移现象机械臂运动到目标点时反复振荡或者放置位置每次都不一样。可能原因包括舵机死区过大、插值速度过快、目标坐标靠近奇异点、运动过程中气泵管对末端造成拉力。排查时先观察抖动是出现在运动结束时还是运动中。运动结束时抖动通常是舵机死区或负载变化可以减小目标速度系数或者在到达目标后保持舵机使能但消除持续抖动运动中出现抖动则要考虑路径是否穿过奇异点。建议在代码里记录每次运动的目标角度和回读角度对比偏差。如果偏差大于 1 度检查机械臂关节是否有虚位紧固螺丝并重新标定零位。6.2 视觉识别不稳定现象同一拼图块在不同光照下识别结果不同或者机械臂运动时相机检测到错误目标。排查步骤先固定机械臂单独测试视觉模块排除机械干扰。然后检查相机曝光和白平衡是否固定关闭自动曝光手动设置固定曝光时间。再检查检测阈值如果是 ArUco 标记可以降低 marker 边框细度阈值。最容易忽略的是相机的自动对焦。比赛现场如果使用手机摄像头或 USB 摄像头自动对焦会导致焦距变化标定矩阵失效。建议手动调焦后固定镜头或者选择定焦摄像头。6.3 串口通信超时或状态不同步现象上位机发送指令后机械臂不动作或执行到一半停住。排查时先看串口波特率上下位机必须一致常见为 115200。然后检查每一帧数据是否以约定的结束符结尾下位机如果读取不到完整帧会一直等待。比赛现场强烈建议使用带时间戳的日志。每发送一条指令记录发送时间xx 内容xx每收到一条回执记录接收时间xx 状态xx。这样即使卡死也能从日志中定位是上位机没发、下位机没收到还是下位机执行超时。6.4 常见坑速查表问题现象常见原因处理方案吸盘吸起后又掉下气泵功率不足或管路漏气检查气路、延迟开启、加大吸力拼图块放置时被带偏放气过快或吸盘高度过低停止气泵后延时再放气提高放下高度视觉坐标和实物偏差大相机标定后机械臂或相机被移动重新执行标定验证机械臂运动撞到拼图板逆解选择错误解或路径穿过拼图区域限制关节解范围设置安全高度连续运行一段时间后漂移舵机温度升高导致零位漂移降低工作频率检查供电电压7. 开源代码的工程化组织方式7.1 仓库目录设计“完全开源”不应只丢一堆脚本还需要考虑后来者能否运行。推荐按功能模块组织仓库soarm101_puzzle/ ├── README.md ├── requirements.txt ├── calibration/ │ ├── calibrate_camera.py │ └── homography_config.json ├── vision/ │ ├── detect_marker.py │ ├── map_pixel_to_world.py │ └── piece_state.py ├── controller/ │ ├── serial_protocol.py │ ├── trajectory.py │ └── inverse_kinematics.py ├── main/ │ ├── run_q1.py │ ├── run_q2.py │ └── run_q3.py └── logs/ ├── action_log.py └── test_result.csv这个结构把相机标定、视觉识别、运动控制、状态管理拆开。第一问只依赖 controller 和 calibration第二问开始引入 vision 和 piece_state第三问则使用