----

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。

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: footprint
     
    
   

    

     

    
    

     
 target_frame: odom
     
    
   

    

     

    
    

     

      
     
    
   

    

     

    
    

     

      steps:
     
    
   

    

     

    
    

     
 - step:
     
    
   

    

     

    
    

     
   - base_auto:
     
    
   

    

     

    
    

     
 - step:
     
    
   

    

     

    
    

     
   - base_auto:
     
    
   

    

     

    
    

     
   - end_effector_target:
     
    
   

    

     

    
    

     
 name: RF_LEG
     
    
   

    

     

    
    

     
 ignore_contact: true
     
    
   

    

     

    
    

     
 target_position:
     
    
   

    

     

    
    

     
 frame: footprint
     
    
   

    

     

    
    

     
 position: [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，或者您可以在这里阅读更多关于Darknet可以执行的操作：

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。

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。

----

文章来源: zhangrelay.blog.csdn.net，作者：zhangrelay，版权归原作者所有，如需转载，请联系作者。

原文链接：zhangrelay.blog.csdn.net/article/details/77189644