Homing – appRobotHoming

Stand: 2026-06-14
Homing läuft bei jedem Einschalten — schnell, vollautomatisch, ohne mechanische Endschalter.

Was ist Homing?

Der Roboter weiss beim Einschalten nicht, wo er steht. Die Kameras schauen auf die ArUco-Marker am Roboter und berechnen daraus die vollständige Pose aller Gelenke.

Homing (dieser Prozess): bei jedem Einschalten, automatisch.
Kalibrierung (doc/Kalibrierung.md): nur nach mechanischen Änderungen.

Kinematik-Kette

Board (ROOT, fest)                                    ← Referenz aller Kameras
│
├── Base        linear    x     axis=[1,0,0]          ← Slider-Position
├── Arm1        revolute  y     axis=[-1,0,0]         ← Schultergelenk
├── Ellbow      revolute  z     axis=[-1,0,0]         ← Ellbogen
├── Arm2        revolute  a     axis=[0,-1,0]         ← Unterarm-Drehung
├── Hand        revolute  b     axis=[1,0,0]          ← Handgelenk
├── Palm        revolute  c     axis=[0,-1,0]         ← Handfläche
└── FingerA/B   linear    e     axis=±[1,0,0]         ← Greifer (symmetrisch)

Ergebnis-State: { x_mm, y_deg, z_deg, a_deg, b_deg, c_deg, e_mm }

Voraussetzungen

Homing setzt eine abgeschlossene Kalibrierung voraus:

Was	Status
Kamera-Intrinsik (NPZ)	✅
Board-Marker-Positionen	✅
X-Achsen-Richtung	✅
Arm1 Joint-Origin Y/Z	✅ Button vorhanden und ausführbar
Arm-Marker in robot.json	🔶 Nutzer trägt ein (`links.Arm1/Ellbow/Arm2/Hand.markers`)

Ablauf

Foto alle Kameras
        │
        ▼
1_detect_aruco_observations.py    (pro Kamera, mit NPZ)
        │
        ▼
2_estimate_camera_from_observations.py    (pro Kamera)
        │
        ▼
3b_corner_marker_poses.py    (einmal, benötigt ≥2 Kamera-Posen)
        │    → aruco_marker_poses.json
        ▼
X-Position aus Marker-Positionen schätzen
        │    → x_mm (Durchschnitt x der Nicht-Board-Marker)
        ▼
4b_revolute_angle.py  --link Arm1   --x-mm {x_mm}
        │    → state_Arm1.json (accumulated_state)
        ▼
4b_revolute_angle.py  --link Ellbow --from-state state_Arm1.json
        │    → state_Ellbow.json
        ▼
4b_revolute_angle.py  --link Arm2   --from-state state_Ellbow.json
        │    → state_Arm2.json
        ▼
4b_revolute_angle.py  --link Hand   --from-state state_Arm2.json
        │    → state_Hand.json  ← accumulated_state enthält x,y,z,a,b,c,e
        ▼
POST ROBOT_URL/api/state

Schritte 1–3b sind dieselbe Board-Pipeline wie in der Kalibrierung.
Sie sind in runBoardPipeline() (server/server.js) als gemeinsame Funktion ausgelagert.

4b-Schleife: sequenziell von root nach tip; jedes Script bekommt den Zustand des vorherigen Schritts über --from-state. Der erste Aufruf erhält die geschätzte X-Slider-Position über --x-mm.

Implementierung

Komponente	Datei	Beschreibung
Board-Pipeline	`server/server.js` → `runBoardPipeline(runDir, send)`	Foto + Scripts 1, 2, 3b; von Board-Run und Homing genutzt
X-Schätzung	`server/homingOrchestrator.js` → `estimateXFromMarkers()`	Mittelwert x der Nicht-Board-Marker aus `aruco_marker_poses.json`
Homing-Orchestrator	`server/homingOrchestrator.js` → `runHoming()`	Kompletter Ablauf als SSE-Stream
Backend-Route	`POST /api/homing/run`	SSE-Stream, startet `runHoming()`
State senden	`POST /api/homing/send-state`	Weiterleitung an `ROBOT_URL/api/state`
Run-Daten	`GET /api/homing/run-data?run=ts`	Debug-Bilder (base64) + finalState
Frontend	`public/index.html` + `public/client.js`	Homing-Buttons, Fortschrittsbalken, Tree View

Lauf-Verzeichnisse: data/homing/{timestamp}/

SSE-Event-Typen

Das Backend streamt während des Homing-Laufs folgende Events:

`type`	Felder	Bedeutung
`log`	`text`	Zeile aus Script-Ausgabe
`step`	`step`, `total`, `text`	Fortschritt (1–6)
`analysis`	`key`, `value`	Zwischenergebnis (x_mm, state_Arm1, …)
`error`	`text`	Fehler (Script-Exit ≠ 0 o.ä.)
`done`	`exitCode`, `state?`, `runDir`	Abschluss; `state` nur bei Erfolg

robot.json — Ladestrategie

Aktuell: Lokale Datei

ROBOT_JSON = process.env.ROBOT_JSON || 'scripts/robot_1781069752019.json'

Geplant (wenn Driver GET ROBOT_URL/api/robot/config implementiert):

async function loadRobotConfig() {
  if (ROBOT_URL) {
    const res = await fetch(new URL('/api/robot/config', ROBOT_URL));
    return res.json();
  }
  return JSON.parse(await fs.readFile(ROBOT_JSON, 'utf8'));
}

Auswirkung: nur ROBOT_JSON-Variable ändern — alle Scripts bekommen automatisch die aktuelle Konfiguration.

Offene Punkte

Arm-Marker eintragen (Nutzer): links.Arm1/Ellbow/Arm2/Hand.markers in robot.json
Erstmals testen: Homing-Run mit echtem Roboter und eingetragenen Markern durchführen
X-Schätzung verfeinern (optional): estimateXFromMarkers() könnte gelenk-spezifischere Logik nutzen statt einfachem Mittelwert
robot.json via Driver-API (optional): wenn Driver GET ROBOT_URL/api/robot/config bereitstellt

5.3 KiB Raw Blame History Unescape Escape