https://github.com/shunchan0677/Tensorflow_in_ROS

Tensorflow_in_ROS

我做了一个ros-node从相机图像预测数字。
我使用Tensorflow教程Deep MNIST模型（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/index.html）

在使用此之前，您必须安装一些程序。

• 安装张量流（请参阅https://www.tensorflow.org/versions/r0.9/get_started/os_setup.html）
  
• 安装ROS（见http://wiki.ros.org）
  
• 安装cv-bridge和摄像头驱动程序（例如cv_camera）
  

$ sudo apt-get install ros-indigo-cv-bridge ros-indigo-cv-camera

tensorflow_in_ros_mnist.py

这是主文件。这使得ros-node。

• publish：/ result（std_msgs / Int16）
• subscribe：/ image（sensor_msgs / Image）

model.ckpt，model.ckpt.meta

这是受过训练的模型。测试集精度约为99.2％。

如何尝试

$ roscore
$ python tensorflow_in_ros_mnist.py image:=/cv_camera/image_raw
$ rosrun cv_camera cv_camera_node
$ rostopic echo /result

如果在启动摄像机节点后执行此代码，此代码将会出错。
但是，它是确定，因为那只是“现在加载”错误和预测代码将在init -code完成后不久执行。

结果

你可以看到ros-node发布的预测数字。看这个。
右图是来自相机的9图像。
左数是公布的预测数。

参考

• 深层MNIST专家（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/index.html）
  
• 变量：创建，初始化，保存和加载（https://www.tensorflow.org/versions/r0.11/how_tos/variables/index.html）
  
• rostensorflow（https://github.com/OTL/rostensorflow）

此软件是在Apache License2.0下发布的，请参阅LICENSE.txt。

----

https://github.com/tue-robotics/image_recognition

TU / e机器人image_recognition

图像识别软件包 - Robocup TU / e Robotics

软件包状态和说明

包	构建状态Xenial Kinetic x64	描述
image_recognition		所有image_recognition包的元包。
Image_recognition_util		Utils在图像识别包中共享
image_recognition_msgs		图像识别的界面定义
image_recognition_rqt		RQT工具，帮助者测试此界面和培训/标签数据。
张量flow_ros		使用Tensorflow进行对象识别。用户可以重新训练神经网络的顶层，以使用其自己的数据集进行分类，如本教程中所述。
tensorflow_ros_rqt		RQT工具用于重新训练Tensorflow神经网络。
openface_ros		用于Openface的ROS包装器（https://github.com/cmusatyalab/openface）来检测和识别图像中的面。
skybiometry_ros		用于获取检测到的面部的面部特性（例如，年龄估计，性别估计等）的用于Skybiometry（https://skybiometry.com/）的ROS包装器

Travis CI构建状态

如何

对象识别

步骤1：使用image_recognition_rqt＃annotation-plugin标记图片

 < - Youtube视频

步骤2：使用tensorflow_ros_rqt训练神经网络

 < - Youtube视频

步骤3：使用image_recognition_rqt＃test-plugin预测新数据的标签

 < - Youtube视频

人脸识别

请参阅openface_ros上的教程

 < - Youtube视频

安装

在你的catkin_ws中克隆repo：

  

   

    

     

    
    

     

       cd ~/catkin_ws/src
     
    
   

    

     

    
    

     

       git clone https://github.com/tue-robotics/image_recognition.git
     
    
  
 

构建你的catkin工作区cd〜/ catkin_ws catkin_make

----

https://github.com/dat-ai/jetson-car

Jetson自动RC车

使用ROS和Keras / TensorFlow的自主RC汽车。启发由JetsonHacks

存储库内容

• / docs - 与本项目相关的研究论文，文件，照片
• / model - 一个预先训练的Keras模型文件（.json和.h5）自动运行汽车
• / setup - Firmware for Teensy 3.2＆SparkFun IMU Sensor +设置Jetson TK1的说明书
• / src - ROS源目录（ROS节点和启动文件）
• / utils - 一些unittest文件，以确保汽车是功能
• /Autopilot.py - 演示如何构建Autopilot模型
• /FLAGS.py - 用于训练的超参数和配置
• /drive.py - 演示如何启用Jetson自主运行。在实践中，这个脚本通过ROS启动激活。

系统架构

目标：

• 获得自主车辆开发的实践经验。
• 了解深度学习概念。
• 乐趣（我可能最终把车带到一个自主的赛车比赛，我们会看到）。

依赖关系：

硬件：

1. RC车 - RedCat火山EPX（股票 - 没有mod）+ 额外的电池
2. NVIDIA Jetson TK1
3. Teensy 3.2
4. 英特尔实感R200
5. 英特尔网络7260无线卡m-pcie
6. 超声波传感器

软件：

1. Jetson TK1库存操作系统（JetPack 21.5）
2. Grinch Kernel 21.4
3. ARM的ROS Indingo
4. Keras使用TensorFlow作为后端
5. TensorFlow 0.8（这是最新版本的Jetson TK1可以支持）

安装指南：（要更新）

软件设置

JetsonHacks提供了许多有用的脚本来自动化过程。我会避免重现他精彩的作品。

1. 安装JetPack 21.5（Ubuntu + CUDA 6.5 + cuDNN v2 + OpenCV4Tegra）
2. 安装postFlash（启用USB 3.0，一些有用的工具开发）
3. 安装grinch内核（允许有更多的驱动程序选项）
4. 为Jetson TK1安装ROS Indigo＆Teensy驱动程序 - 在TK1上运行此脚本
5. 克隆此repo并设置ROS工作区

＃克隆回购
CD  〜
git clone https://github.com/dat-ai/jetson-car

＃设置标准ROS工作区
cd jetson-car / src /
catkin_init_make
cd ..
catkin_make

1. 设置ROS环境

＃将此行添加到./.bashrc文件的末尾
source jetson-car / devel / setup.bash

硬件设置

1.安装Teensy驱动程序

2.安装IMU Razor 9DoF

测试自动驾驶仪

• 打开一个新终端

roscore

• 打开另一个新终端

roslaunch jetson_joystick jetson_joystick.launch

• 激活自动驾驶仪

cd jetson-car
 ＃加载预训练模型并自主驱动 
python drive.py model / cnn.json

作者：

• Dat Nguyen
• 我很高兴，如果有人想和我一起工作在这个项目。请给我发电子邮件tdat.nguyen93@gmail.com

致谢：

• JetsonHacks网站提供有用的提示和技巧来使用Jetson TK1。JetsonHacks很好地简化了许多现成的脚本的安装过程
• DuckieTown，一个MIT课程，是一个了解发展自主车辆的好地方。
• UPenn F1 / 10教程给出了关于ROS，硬件安装和RC车系统架构的一个很好的介绍。

去做：

• 创建一个接口在自治/ maunual模式之间切换。（可以是半自主的，像2/3级）
• 应用英特尔Realsense（红外相机）的优势更好地重新调整对象。

----

https://github.com/elggem/tensorflow_node

tensorflow_node

这是一个基于张量流的框架，用于评估深度学习算法和通过ROS流式内部相信的状态。它旨在成为一个灵活的实现，可以在运行时修改和检查直播流数据。它最终将与一起使用OpenCog综合强人工智能框架。

• 这个代码正在大量开发和用于研究目的，所以小心处理！

文档

您可以在wiki选项卡上找到文档。有关于网络架构的参考资料以及关于它如何工作的一些高级描述。

参加

我把待办事项和剩余的任务在Github上的项目选项卡。如果您有任何建议，请随时与我合作或与我联系！

我想运行它！

将repo克隆到您的catkin工作区，使其运行

roslaunch tensorflow_node mnist.launch

 

正在写入TF汇总outputs/summaries，如果在配置文件中启用，则可以通过此命令检查它们：

rosrun tensorflow_node tensorboard
 

----

https://github.com/zjucx/RosePrisma

RosePrisma

Introduction

使用深度学习算法将玫瑰花图片内容和另一幅图片的风格融合在一起。

Requirements

  

   

    

     

    
    

     

      1. python ----- 开发语言
     
    
   

    

     

    
    

     

      2. vgg16 ----- cnn model
     
    
   

    

     

    
    

     

      2. TensorFlow ----- 深度学习工具包
     
    
  
 

Using

1) git clone project 
git clone https://github.com/zjucx/RosePrisma.git 
2) download vgg16.tfmodel to dir model
cd RosePrisma && mkdir model 
3) modify content and style image 
vi maim.py && change your pic 

demo

Reference

• An Intuitive Explanation of Convolutional Neural Networks
• 翻译版：翻译 神经网络的直观解释
• A Neural Algorithm of Artistic Style Style Transfer Algorithm
• TensorFlow Tutorial powder by Hvass-Labs. youtube

----

https://github.com/hyaguchijsk/ros_recognition_tutorial

ros_recognition_tutorial

http://ros-recognition-tutorial.readthedocs.org/ja/latest/

------

End

------

待整理资料备忘录

1 http://wiki.ros.org/tf/Tutorials

2 http://wiki.ros.org/pcl/Overview

3 http://wiki.ros.org/visualization/Tutorials

4 http://wiki.ros.org/actionlib_tutorials/Tutorials

5 http://wiki.ros.org/pluginlib/Tutorials

6 http://wiki.ros.org/nodelet/Tutorials

7 http://wiki.ros.org/Industrial/Tutorials

------

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/61198051