任務3-1積木搬運（圖形化編程）《智能機械臂控制》知識鏈接：機械臂基礎基礎知識1.機械臂結構機械臂組成：底座、大臂、小臂、末端執行器坐標系：關節坐標系、笛卡爾坐標系機械臂端口：底座端口、小臂端口2.機械臂開機、關機及告警處理

開機步驟：大小臂夾角約45度角,開機鍵

告警處理：按下“解鎖”按鈕，調整機械臂姿態

關機：關機鍵、等待歸位、斷電3.上位機軟件DobotStudio

示教、畫畫、圖形化編程、腳本編程。。。任務解析圖形化編程積木搬運（圖形化編程）通過DobotStudio進行Blockly圖形化編程，實現積木搬運動作。任務實施：積木搬運(圖形化編程）Step01:開機圖形化編程姿態大臂小臂夾角約45°電源按下電源按鈕等待等待約5秒一聲短響指示燈黃色：等待綠色：正常紅色：異常約45°電源開關Step01:開機圖形化編程開機：指示燈紅燈異常：限位約45°按住解鎖按鈕拖動大臂和小臂大臂和小臂夾角約45°Step02:連接上位機圖形化編程DobotStudioStep03:歸零圖形化編程機械臂在出廠時已進行過校準，如果機械臂在運行過程中發生碰撞或丟步，導致坐標讀數異常，此時需對機械臂進行歸零操作，提高定位精度。首次使用機械臂時，建議先歸零注意：機械臂運動范圍內無障礙物開始歸零歸零歸零成功一聲短響指示燈綠色Step04:Blockly編程圖形化編程進入“Blockly”界面Blockly

是一套圖形化編程平臺。通過該平臺，用戶可通過拼圖的方式進行編程來控制機械臂的運行，直觀易懂。Step04:Blockly編程圖形化編程圖形化模塊選擇區Blockly編程區Blockly圖形化模塊對應的程序代碼機械臂運行日志信息Step05:積木搬運圖形化編程積木搬運起始坐標目的坐標積木尺寸(mm)初始位置搬運3個積木起始位置目標位置Z軸坐標調整任務實施圖形化編程隨堂任務

積木搬運（圖形化編程）通過DobotStudio進行Blockly圖形化編程，實現積木搬運動作。（1）學號尾號為奇數：實現3個積木（25mm）搬運，其中：

起始地點積木垂直疊放，目標地點積木水平擺放（2）學號尾號為偶數：實現4張紙牌(55x85mm)搬運，其中：

起始地點紙牌水平擺放，目標地點紙牌垂直擺放【作業提交】：代碼截圖，機械臂搬運效果截圖Thankyou機器人，有“控”玩。任務3-2關節坐標運動控制（腳本編程）《智能機械臂控制》知識鏈接：腳本編程DobotMagician機械臂控制器支持兩類指令：立即指令與隊列指令。立即指令：控制器將在收到指令后立即處理該指令，而不管當前控制器是否還在處理其他指令。返回值=0。隊列指令：控制器在收到指令后，會將該指令放入控制器內部的指令隊列中。控制器將順序執行指令。返回值=隊列命令索引。Step01:環境準備腳本編程機械臂已正常開機機械臂與DobotStudio正常連接電源按鈕指示燈:綠色DobotStudioStep02:腳本編程腳本編程進入“腳本控制”界面可通過腳本控制機械臂的運行，DobotMagician提供豐富的API接口，如：速度/加速度設置、運動模式設置、I/O配置等，采用Python腳本語言開發，可供用戶二次開發時調用。Step02:腳本編程腳本編程區函數選擇函數解析運行、停止腳本編程Step03:關節坐標運動控制腳本編程Step04:點到點PTP運動控制腳本編程隨堂任務

腳本編程基礎——積木搬運參考任務3-1積木搬運的通用代碼，通過DobotStudio進行腳本編程，實現積木搬運【作業提交】：積木搬運腳本截圖任務實施Thankyou機器人，有“控”玩。任務3-3積木搬運（python編程）《智能機械臂控制》任務解析python積木搬運（python編程）通過pycharm進行python編程，實現積木搬運動作。函數查詢：Dobot-Magician-API-V1.2.3.pdf任務實施：積木搬運（python）Step01：環境搭建（1）開始菜單，打開Anaconda->AnacondaPrompt（2）獲取虛擬環境路徑

condainfo–e

PythonStep01：環境搭建（3）將pp_py37.tar.gz拷貝到虛擬環境所在文件夾（4）右擊，解壓到當前文件夾PythonStep02：新建工程Python（1）在磁盤根目錄下新建文件夾ArmPy（2）打開Pycharm，新建工程Step02：新建工程（3）輸入ArmPy文件夾路徑、勾選編譯器PythonStep02：新建工程（4）在Conda環境下，選擇pp_py37虛擬環境PythonStep02：新建工程（5）創建工程PythonStep03：創建目錄（1）創建目錄（2）輸入目錄名稱：python_blockPythonStep04：創建python文件在目錄python_block下，創建python文件:

DobotControl_block.pyPython在pycharm右下角，再次確認環境：Step05：拷貝機械臂動態庫將機械臂動態庫拷貝到目錄python_block下Python積木搬運Step61導入庫函數定義連接狀態初始化動態庫連接機械臂Step06:代碼編寫積木搬運Step62機械臂動作控制函數Step06:代碼編寫積木搬運Step63機械臂斷開連接函數主函數Step06:代碼編寫Step71拷貝blockly積木搬運對應的python代碼注意：此處以積木搬運為例，大家需根據任務要求，修改blockly代碼Step07:圖形化編程代碼移植積木搬運積木搬運DobotStudio代碼拷貝到python文件Step72將積木代碼拷貝到python文件注意：要做代碼縮進，Tab鍵Step07:圖形化編程代碼移植積木搬運Step73：修改代碼（1）去掉所有指令后的Ex后綴，

目前的DLL版本不支持帶Ex后綴的指令Step07:圖形化編程代碼移植積木搬運Step74：修改代碼（2）末端執行器控制函數，需要在括號里面添加最后一項參數，

"isQueued=1",如果不寫，默認是"isQueued=0"

因為所有的指令都是隊列模式，即：命令加入隊列后逐個執行，

末端執行器的指令也需加入隊列Step07:圖形化編程代碼移植積木搬運Step75：修改代碼（3）在最后一項指令，前面添加lastIndex=末尾添加[0]

獲取最后一條指令的執行索引，為后面等待時長設置依據Step07:圖形化編程代碼移植積木搬運Step76將api替換為self.api最終的代碼注意：要做代碼縮進，Tab鍵Step07:圖形化編程代碼移植任務實施積木搬運隨堂任務積木搬運（python）通過pycharm進行python編程，實現積木搬運動作。（1）學號尾號為奇數：實現3個積木（3cm）搬運，其中：

起始地點積木垂直疊放，目的地積木水平擺放。（2）學號尾號為偶數：實現4張紙牌(5.5x8.5cm)搬運，其中：

起始地點紙牌水平擺放，目的紙牌垂直擺放。【作業提交】：代碼截圖，機械臂搬運截圖。Thankyou機器人，有“控”玩。任務3-4人臉解鎖機械臂《智能機械臂控制》人臉識別人臉解鎖機械臂解鎖成功：機械臂開始積木搬運解鎖失敗：機械臂不動作任務解析知識鏈接1：face_recognition人臉識別人臉識別face_recognition是一個功能強大、簡單且易上手的人臉識別開源項目。基于face_recognition人臉識別庫，可以使用Python和命令行工具提取、識別、操作人臉。face_recognition人臉識別基于業內領先的C++開源庫dlib中的深度學習模型，并在LabeledFacesintheWild人臉數據集進行了測試，可達到99.38%的準確率。face_recognition項目網址：https:///ageitgey/face_recognition安裝方法：pip3installface_recognition知識鏈接1：face_recognition人臉識別人臉識別face_recognition特性1：從圖片中找到人臉importface_recognitionimage=face_recognition.load_image_file(“lena.jpg")top,right,bottom,left=face_recognition.face_locations(image)face_image=image[top:bottom,left:right]知識鏈接1：face_recognition人臉識別人臉識別face_recognition特性2：識別人臉關鍵點（眼睛、鼻子、嘴和下巴等）importface_recognitionimage=face_recognition.load_image_file("your_file.jpg")face_landmarks_list=face_recognition.face_landmarks(image)知識鏈接1：face_recognition人臉識別人臉識別face_recognition特性3：識別圖片中的人是誰importface_recognitionknown_image=face_recognition.load_image_file(“lena.jpg")unknown_image=face_recognition.load_image_file("unknown.jpg")lena_encoding=face_recognition.face_encodings(known_image)[0]unknown_encoding=face_recognition.face_encodings(unknown_image)[0]results=face_recognition.compare_faces([lena_encoding],unknown_encoding)“lena”知識鏈接2：Dlib人臉識別Dlib是一個開源C++開工具箱，其中包含機器學習算法和工具，廣泛應用于工業界和學術界。主要特點：機器學習算法、數值計算算法、圖形模型推理算法、圖像處理等。安裝：pipinstallcmakepipinstalldlib參考網址：http:/// http:///python/index.html攝像頭知識鏈接3：硬件介紹任務實施：人臉解鎖機械臂人臉識別（1）以任務3-3python工程為基礎（2）face拷貝到工程目錄。（3）新建python文件faceRecognition.pyStep01:工程搭建人臉識別（1）通攝像頭采集不少于3個人的人臉，

并進行裁剪，圖像推薦寬度480像素以下（2）圖像保存在目錄face\img\face_recognition下（3）每張圖片，以姓名拼音命名Step02:素材準備人臉識別DobotControl_block.py注釋掉主函數(快捷鍵：Ctrl+/)；使得機械臂