leggedrobotics free gait 足式机器人自由步态 苏黎世机器人系统实验室
----
免费步态
一种腿部机器人通用控制架构
免费步态是一种用于对腿式机器人的多功能,强大和任务导向控制的软件框架。自由步态界面定义了一个全身抽象层,以适应各种任务空间控制命令,例如末端执行器,关节和基础运动。使用反馈全身控制器跟踪定义的运动任务,以确保即使在滑动和外部干扰下也能进行准确和稳健的运动执行。该框架的应用包括机器人的直观远程操作,行为的高效脚本以及运动和脚步计划者的完全自主操作。
源代码是根据BSD 3条款许可证发布的。
作者:PéterFankhauser
维护者:PéterFankhauser,pfankhauser@ethz.ch
作者:Samuel Bachmann,Dario Bellicoso,Thomas Bi,Remo Diethelm,Christian Gehring
所属机构:苏黎世苏黎世机器人系统实验室
出版物
如果您在学术上使用这项工作,请引用以下出版物:
P.Fankhauser,D. Bellicoso,C.Gehring,R.Dubé,A.Gawel,M.Hutter, “Free Gait-An Architecture for the Versatile Control of Legged Robots”,IEEE-RAS International Conference on Humanoid Robots,2016 (PDF)
@inproceedings{Fankhauser2016FreeGait,author = {Fankhauser, P{\'{e}}ter and Bellicoso, C. Dario and Gehring, Christian and Dub{\'{e}}, Renaud and Gawel, Abel and Hutter, Marco},booktitle = {IEEE-RAS International Conference on Humanoid Robots},title = {{Free Gait – An Architecture for the Versatile Control of Legged Robots}},year = {2016},}
单位测试
catkin build free_gait_core --no-deps --verbose --catkin-make-args run_tests
概观
此视频显示了免费步态的一些应用程序。
运动基于(可能多个)腿运动和每个命令的基运动(步骤)的组合。 | 命令结构允许以各种方式控制有腿的机器人。 | 运动目标通过Free Gait API命令给全身运动控制器。 |
用法
本视频概述了免费步态中提供的工具。
免费步态
Free Gait操作是使用Free Gait API(用于ROS)定义运动的库和脚本。对于ROS,这些操作可以使用ROS客户端库中的任何语言编写,使用free_gait_msgs中的消息和操作定义。对于C ++,免费步态提供了free_gait_core库来处理运动定义和free_gait_ros来连接ROS。要使用Python,请使用free_gait_python库。对于简单的运动定义,自由步态支持以YAML格式定义的动作。有关使用YAML操作的更多信息,请参阅YAML脚本接口。
自由步态命令表示为腿部(在关节或末端效应器笛卡尔空间)和基础运动的组合,定义了位置,速度和/或力/扭矩目标或轨迹。
目标 | 弹道 | 自动 | |
---|---|---|---|
腿部运动在关节空间 | JointTarget | JointTrajectory | LegMode |
在笛卡尔空间的腿运动 | EndEffectorTarget | EndEffectorTrajectory | 脚步 |
基础运动 | BaseTarget | BaseTrajectory | BaseAuto |
免费步态操作可以手动启动,也可以在free_gait_action_loader的帮助下启动。
免费步态装载机
该free_gait_action_loader允许通过发动行动ROS服务或ROS行动。目前,行动装载机支持YAML运动的定义,Python的脚本,并开始ROS启动文件为C ++和其他库。
运行free_gait_action_loader与
rosrun free_gait_action_loader action_loader.py
该free_gait_action_loader管理措施,并确保只有一个动作是在运行了。要向free_gait_action_loader注册一个操作,必须将操作加载为ROS插件。
RQT免费步态动作
所述rqt_free_gait_action包提供一个RQT用户接口向 free_gait_action_loader。该界面显示集合中组织的操作,并允许预览和发送操作。此外,集合可以作为操作的顺序运行,并且通过右键单击,可以将集合选为收藏夹。收藏夹显示为顶部的按钮进行快速访问。
RQT免费步态监视器
一旦Free Gait操作服务器执行操作,rqt_free_gait_monitor将显示执行进度,并允许暂停和停止主动操作。
免费Gait RViz插件
可以使用free_gait_rviz_plugin预览动作。它采用机器人的当前状态,并根据定义的动作来可视化运动。这个RViz插件允许通过时间擦洗,可视化立足点,轨迹,支持多边形等。
YAML脚本接口
对于简单的运动序列,自由步态可以被定义为一系列的YAML定义。
例如,该动作提升机器人的右前肢:
adapt_coordinates:- transform:source_frame: footprinttarget_frame: odom
steps:- step:- base_auto:- step:- base_auto:- end_effector_target:name: RF_LEGignore_contact: truetarget_position:frame: footprintposition: [0.39, -0.22, 0.20]
该adapt_coordinates
命令将定义的动作转换source_frame
为target_frame
。
常问问题
没有找到动作
如果没有找到/加载自由步态操作,则此服务调用将返回为空:
rosservice call /free_gait_action_loader/list_actions "collection_id: ''"
在这种情况下,请尝试使用以下命令初始化rosdep:
sudo rosdep init
rosdep update
----
用于ROS的YOLO v2:用于ROS的实时对象检测
概观
这是一个为相机图像中的物体检测而开发的ROS包。你只看一次(YOLO)是一个最先进的实时对象检测系统。在以下ROS包中,您可以在GPU和CPU上使用YOLO。卷积神经网络的预先训练的模型能够检测包括从VOC和COCO(例如飞机,自行车,鸟,船,瓶,公共汽车,汽车,猫,椅子,牛,餐桌,狗,马,摩托车,人,盆栽,羊,沙发,火车和电视监视器),或者您也可以使用自己的检测对象创建网络。有关YOLO,Darknet,可用的培训数据和培训YOLO的更多信息,请参阅以下链接:YOLO:实时对象检测。代码的一部分灵感来自于pgigioli的工作。
YOLO软件包已经在ROS Kinetic和Ubuntu 16.04下进行了测试。这是研究代码,期望它经常变化,任何适合特定用途的适用性都被放弃。
作者:Marko Bjelonic,marko.bjelonic@mavt.ethz.ch
隶属:机器人系统实验室,苏黎世苏黎世
引用
本软件中使用的YOLO方法在文中描述:您只看一次:统一的实时对象检测。
安装
依赖
该软件建立在机器人操作系统(ROS)上,需要首先安装。另外,ROS的YOLO依赖于以下软件:
- OpenCV(计算机视觉库),
- boost(c ++库),
建造
CPU上的Darknet很快(英特尔酷睿i7-6700HQ CPU在2.60GHz×8左右大约1.5秒),但GPU的速度就快了500倍!你必须拥有Nvidia GPU,你必须安装CUDA。CMakeLists.txt文件会自动检测是否安装了CUDA。CUDA是由Nvidia创建的并行计算平台和应用程序编程接口(API)模型。如果您的系统上没有CUDA,则构建过程将切换到YOLO的CPU版本。如果您正在使用CUDA进行编译,则可能会收到以下生成错误:
nvcc fatal : Unsupported gpu architecture 'compute_61'.
这意味着您需要检查GPU的计算能力(版本)。您可以在CUDA中找到支持的GPU列表:CUDA - WIKIPEDIA。只需找到GPU的计算能力,并将其添加到darknet_ros / CMakeLists.txt中。只需添加类似的行
-O3 -gencode arch=compute_62,code=sm_62
为了安装darknet_ros,将这个存储库中的最新版本克隆到您的catkin工作区,并使用ROS编译软件包。
cd catkin_workspace/src
git clone --recursive git@github.com:leggedrobotics/darknet_ros.git
cd ../
为了最大限度地提高性能,请确保在版本模式下构建。您可以通过设置指定构建类型
catkin_make -DCMAKE_BUILD_TYPE=Release
或使用Catkin命令行工具
catkin build darknet_ros -DCMAKE_BUILD_TYPE=Release
下载权重
yolo-voc.weights和tiny-yolo-voceweights将自动下载到CMakeLists.txt文件中。如果您需要再次下载,请进入权重文件夹,并从VOC数据集中下载两个预先训练的权重:
cd catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
wget http://pjreddie.com/media/files/yolo-voc.weights
wget http://pjreddie.com/media/files/tiny-yolo-voc.weights
要使用COCO检测对象,可以下载以下权重:
cd catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
wget http://pjreddie.com/media/files/yolo.weights
wget http://pjreddie.com/media/files/tiny-yolo.weights
要使用YOLO9000检测对象,可以下载以下权重:
cd catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
wget http://pjreddie.com/media/files/yolo9000.weights
使用您自己的检测对象
为了使用您自己的检测对象,您需要在目录中提供您的权重和cfg文件:
catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/weights/
catkin_workspace/src/darknet_ros/darknet_ros/yolo_network_config/cfg/
另外,您需要为ROS创建配置文件,您可以在其中定义检测对象的名称。你需要把它包含在里面
catkin_workspace/src/darknet_ros/darknet_ros/config/
然后在启动文件中,您必须指向新的配置文件:
<rosparam command="load" ns="darknet_ros" file="$(find darknet_ros)/config/your_config_file.yaml"/>
单位测试
使用Catkin命令行工具运行单元测试
catkin build darknet_ros --no-deps --verbose --catkin-make-args run_tests
你会看到以下两个数字突然出现:
基本用法
为了获得YOLO ROS:ROS的实时对象检测功能可以使您的机器人运行,您需要调整几个参数。这是最简单的,如果重复,并适应所有需要从darkned_ros
包中更改的参数文件。这些具体是文件夹中的参数文件config
和启动文件launch
。
节点
节点:darknet_ros
这是主要的YOLO ROS:ROS节点的实时对象检测。它使用相机测量来检测帧中的预先学习的对象。
ROS相关参数
您可以更改其中的发布者,订阅者和操作的名称和其他参数darkned_ros/config/ros.yaml
。
订阅主题
/camera_reading
([sensor_msgs /图像])相机测量。
发表主题
object_detector
([std_msgs :: INT8])如果检测到对象,则发布1,如果没有检测到对象,则发布0。
bounding_boxes
([darknet_ros_msgs :: BoundingBoxes])发布一系列边框,以像素坐标给出边界框的位置和大小信息。
detection_image
([sensor_msgs ::图像])发布包含边界框的检测图像的图像。
操作
camera_reading
([sensor_msgs ::图像])使用图像发送动作,结果是一个边框数组。
检测相关参数
您可以通过添加类似于的新配置文件来更改与检测相关的参数darkned_ros/config/yolo.yaml
。
image_view/enable_opencv
(布尔)启用或禁用包括边界框在内的检测图像的打开cv视图。
image_view/use_darknet
(布尔)通过设置为true或使用在darknet_ros中实现的on设置为false,使用原始darknet算法中的open cv图像视图。
image_view/wait_key_delay
(INT)等待打开cv窗口的ms的按键延迟。
yolo_model/config_file/name
(串)用于检测的网络的cfg文件的名称。代码在里面搜索这个名字
darkned_ros/yolo_network_config/cfg/
。yolo_model/weight_file/name
(串)用于检测的网络的权重文件的名称。代码在里面搜索这个名字
darkned_ros/yolo_network_config/weights/
。yolo_model/threshold/value
(浮动)检测算法的阈值。它定义在0和1之间。
yolo_model/detection_classes/names
(字符串数组)检测cfg和weight文件内部使用的网络的名称
darkned_ros/yolo_network_config/
。
----
Darknet:C中的开源神经网络
Darknet是用C和CUDA编写的开源神经网络框架。它快速,易于安装,并支持CPU和GPU计算。您可以在GitHub上找到源代码,或者您可以在这里关于Darknet可以执行的操作:
安装Darknet
Darknet易于安装和运行。这篇文章将引导您了解。
YOLO:实时对象检测
你只看一次(YOLO)是一个最先进的实时对象检测系统。
ImageNet分类
使用AlexNet和VGG-16等流行模式对图像进行分类。
恶梦
使用Darknet的黑魔法来召唤鬼魂,食尸鬼和野生恶魔。但你们要进入这里,要警惕,没有人在恶梦之地安全。
暗网中的RNN
反复神经网络对于时间序列数据和NLP都是愤怒的。了解如何在Darknet中使用它们!
DarkGo:进入Darknet
使用用Darknet训练的策略网络Play Go
小黑暗
图像分类很小。
在CIFAR-10上训练一个分类器
了解如何在黑暗中从头开始训练分类器。
硬件指南:GPU上的神经网络(2016-1-30更新)
我已经有很多人问我建议用什么硬件来训练视觉应用的神经网络。这里有一些我的想法。
----
leggedrobotics free gait 足式机器人自由步态 苏黎世机器人系统实验室相关推荐
- 干货丨浅谈足式机器人的运动控制
" 本期技术干货,我们邀请到了小米机器人实验室工程师--游洋威,来和大家从经典的三分控制法.零力矩点控制到目前主流的模型预观控制等方面,介绍足式机器人的运动控制. " 一.前言 不 ...
- [足式机器人]Part1 序言+简介Ch01——【Legged Robots that Balance 读书笔记】
本文仅供学习使用 本文结合个人理解体会作者的思路,也从个人科研角度出发,部分翻译参考由:QQ群(2群legged robot that balance)提供,感谢他们为本文英文版翻译所做的贡献(但有些 ...
- 双足机器人的稳定性判据_足式机器人稳定性判据
[1]王立权,王海龙,陈曦,等. 八足仿蟹机器人行走稳定性分析[J]. 中南大学学报(自然科学版),2014,45(10):3416-3422. [2]宣奇波,张怀相,戴国骏. 四足步行机器人稳定性步 ...
- [足式机器人]Part1 运动对称性Ch05——【Legged Robots that Balance 读书笔记】
本文仅供学习使用 本文结合个人理解体会作者的思路,也从个人科研角度出发,部分翻译参考由:QQ群(2群legged robot that balance)提供,感谢他们为本文英文版翻译所做的贡献(但有些 ...
- 四足机器人不同步态研究
步态 步态是行走系统的迈步方式, 即行走系统抬腿和放腿的顺序.机器人的步态从一定程度上描述了.同时也决定着机器人的运动速度.运动方向.安全可靠性及机动性.在选择或制定步态时应综合考虑机器人的稳定性要求 ...
- 智能机器人-(三)轮式,足式机器人的基本概念
文章目录 一.机器人的移动方式设计 二.足式移动机器人 1.足的规模 2.足的稳定性 3.足的自由度 4.足行步态 5.动力学考虑 6.平衡控制 7.常见足式机器人实例 8.静态步行与动态步行 9.Z ...
- 一文了解四足机器人的步态设计!
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 编辑丨古月居 点击进入->3D视觉工坊学习交流群 0.步态规划 四足机器人控制当中,步态是至关重 ...
- [足式机器人]Part1 关于动物和运动体的研究Ch08——【Legged Robots that Balance 读书笔记】
本文仅供学习使用 本文结合个人理解体会作者的思路,也从个人科研角度出发,部分翻译参考由:QQ群(2群legged robot that balance)提供,感谢他们为本文英文版翻译所做的贡献(但有些 ...
- 12自由度六足机器人实现步态规划功能
1. 运动功能描述 R111样机是一款拥有12个自由度的串联仿生六足机器人.本文示例实现12自由度六足机器人的行走功能,包括前进.后退.左转.右转. 2. 结构说明 R111样机由六个2自由度串联结构 ...
- 干货 | 足式机器人运动控制发展方向——轨迹优化
" 运动控制技术的进步使得足式机器人的运动能力更强,而近来轨迹优化作为主流学术研究方向,能够为足式机器人运动控制的发展提供可能的指引.本期技术干货,我们邀请到了小米工程师徐喆,向我们介绍足式 ...
最新文章
- C#共享内存实例 附源码
- boost::qvm::deduce_quat相关的测试程序
- 卡布教你:脸上长痘痘平时要注意什么呢
- Leo-io 的C语言实现简单五子棋游戏观后感
- java实时百分比进度条_Java 进度条百分比简单算法,根据数据量计算
- java io 和nio 区别_java IO和NIO区别
- 如何衡量开发人员生产力的 10 个技巧
- 下载 沙耶之歌Android_沙耶之歌安卓版
- 算法注册机编写扫盲---第二课
- vue3使用keep-alive页面切换时报错:TypeError: parentComponent.ctx.deactivate is not a function
- 用python实现自动化办公------定时发送微信消息
- L1-040. 最佳情侣身高差
- Swift身份证正则表达式
- 【安徽大学】考研初试复试资料分享
- iOS - 动态库上架瘦身(去调虚拟机架构),不然验证会报错。
- html5卤虾,自制五香小龙虾,自己做干净卫生,香辣可口,太过瘾了
- SpringBoot 基于向量搜索引擎及虹软人脸识别SDK的大规模人脸搜索
- tencent腾讯——面试
- 电商系统需求分析手册
- 浅谈MES制造执行系统前景