----

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 ...

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

出版物

单位测试

概观

用法

免费步态

免费步态装载机

RQT免费步态动作

RQT免费步态监视器

免费Gait RViz插件

YAML脚本接口

常问问题

没有找到动作

用于ROS的YOLO v2：用于ROS的实时对象检测

概观

引用

安装

依赖

建造

下载权重

使用您自己的检测对象

单位测试

基本用法

节点

节点：darknet_ros

ROS相关参数

订阅主题

发表主题

操作

检测相关参数

Darknet：C中的开源神经网络

安装Darknet

YOLO：实时对象检测

ImageNet分类

恶梦

暗网中的RNN

DarkGo：进入Darknet

小黑暗

在CIFAR-10上训练一个分类器

硬件指南：GPU上的神经网络（2016-1-30更新）

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

最新文章

热门文章

leggedrobotics free gait 足式机器人自由步态苏黎世机器人系统实验室

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