近期看过的有趣开源代码

最新推荐文章于 2024-03-04 12:01:46 发布
最新推荐文章于 2024-03-04 12:01:46 发布
阅读量3k 收藏 2
点赞数
文章标签： ROS

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。

$ 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。

结果

参考

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构建状态所有image_recognition包的元包。
Image_recognition_util构建状态Utils在图像识别包中共享
image_recognition_msgs构建状态图像识别的界面定义
image_recognition_rqt构建状态RQT工具，帮助者测试此界面和培训/标签数据。
张量flow_ros构建状态使用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构建状态RQT工具用于重新训练Tensorflow神经网络。
openface_ros构建状态用于Openface的ROS包装器（https://github.com/cmusatyalab/openface）来检测和识别图像中的面。
skybiometry_ros构建状态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

构建状态

如何

对象识别

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

注释 < - Youtube视频

步骤2：使用tensorflow_ros_rqt训练神经网络

培养 < - Youtube视频

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

认识 < - Youtube视频

人脸识别

请参阅openface_ros上的教程

人脸识别 < - 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：

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

demo1 demo3 demo8

Reference


----

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

------


zhangrelay
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
imu_tk-master_标定_IMUtk_imu_tk_IMU_imu标定_
10-03
用于标定IMU的小工具，基于alberto pretto的论文《DCMDraft2》
VGG16模型代码实现
m0_59161923的博客
06-11 1211
nn.Conv2d(in_channel,64,3,1,1),#输入通道数为in_channel，输出通道数为64，卷积核大小为3x3，步长为1，填充为1。nn.Linear(num_hidden,4096),#输入大小为num_hidden，输出大小为4096，表示第一个全连接层。#self.avgpool是自适应平均池化层，可以根据输入数据的大小自动调整池化核的大小，并在不改变特征图大小的情况下进行下采样操作。#output_size=(7,7)表示得到的池化结果大小为7x7。
python简单好玩的编程代码,python有哪些好玩的代码
最新发布
2301_81900439的博客
03-04 862
大家好，小编来为大家解答以下问题，20行python代码的入门级小游戏，python有什么好玩的代码嘛，今天让我们一起来看看吧！哈喽铁子们。
VGG16网络结构与代码
m0_56247038的博客
05-30 8985
VGG16总共有16层（不包括池化层），13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，采用pooling；再经过3次256个卷积核卷积后，采用pooling；再经过3次512个卷积核卷积，采用pooling；再经过3次512个卷积核卷积，采用pooling，最后经过三次全连接。 模块 各模块的涉及的层次 ..................
IMU_tk阅读
qq_40957243的博客
03-28 3519
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、imu_tk用途？二、源码阅读2.1加速度计的标定2.1.1加速度计的标定原理2.1.2加速度计的标定源码阅读2.2、陀螺仪的标定2.2.1陀螺仪的标定原理2.2.2陀螺仪的标定源码阅读总结 前言 因为工作需要，有个标定任务，根据需要选用了IMU_tk 作为本任务的标定工具，为了深入研究标定思想和原理，决定深入阅读imu_tk 代码（MATLAB版本） 一、imu_tk用途？ imu_tk 是一款imu传感器的标定工具
IMU_tk 学习笔记
qq_37459469的博客
12-04 960
imu_tk学习笔记
JAVA上百实例源码以及开源项目源代码
09-17
大家可以看截图。 Java从网络取得文件 1个目标文件 简单 Java从压缩包中提取文件 1个目标文件 简单 Java存储与读取对象 1个目标文件 如题 Java调色板面板源代码 1个目标文件 摘要:Java源码,窗体界面,调色板 　...
JAVA上百实例源码以及开源项目
01-03
　Java二进制IO类与文件复制操作实例，好像是一本书的例子，源代码有的是独立运行的，与同目录下的其它代码文件互不联系，这些代码面向初级、中级Java程序员。 Java访问权限控制源代码 1个目标文件 摘要:Java源码,...
matlab求导代码-MATLABaccidents:对于导致有趣结果的MATLAB意外
05-24
添加您做MATLAB的任何有趣或奇特的代码 包括以下事故： 骨套 作者：安德·比古里（Ander Biguri） 媒介： gif上的算术错误 尝试对人类胸部CT扫描的3D体积进行分割的水平集算法。 相反的符号会生成一张看起来像生物学...
java俄罗斯方块颜色源码-funToStudy:收集分享好玩，有趣的文章
06-05
收集好玩，有趣的文章(学习向，侵权删) 每天收集和分享一篇文章 :clinking_beer_mugs: 2020-09-16(算法) 用双指针解 旋转链表 :backhand_index_pointing_down: 2020-09-12(资讯) 华为 鸿蒙2.0问世，来支持一波国产...
用imu_tk和imu_utils标定imu
weixin_68063596的博客
11-07 1231
标定imu
VIO 中 IMU 的标定流程 (3/3) - imu_tk 使用备忘
勤能补拙的编程备忘录
08-07 5146
imu_tk的使用流程 本篇博客不含有编译的过程，只是记录一下流程备忘。一共三篇分别记录imu_utils，kalibr_allan和imu_tk的使用过程，本篇是03篇imu_tk。 IMU需要标定的参数主要是确定性误差和随机误差，确定性误差主要标定bias，scale和misalignment，随机误差主要标定noise和random walk，imu_tk是用于求取确定性误差的开源工具。 使用步骤 step-by-step 原生的imu_tk是纯c++版本的 [1] ，后来有高手贡献了一个ROS
『imu_tk』工具标定IMU的基本原理
Bungehurst
05-08 2383
『imu_tk』工具标定IMU的基本原理 IMU误差模型 对于加速度计和陀螺仪，定义正交系AOF(GOF)和非正交系AF(GF)： AOF(GOF)系的x轴与AF(GF)系x轴重合 AOF(GOF)系的y轴与AF(GF)系的xy平面重合 同时，定义正交系BF为载体系，非正交系S为传感器系。在旋转的角度较小时，可以定义非正交系中的测量sSs^SsS到正交系B的变换为： sB=TsS,   T=[1−βyzβzyβxz1−βzx−βxyβyx1] s^B=Ts^S, \ \
imu_tk标定算法
anlaiji6783的博客
03-18 1329
IMU（惯性测量单位）是机器人中非常流行的传感器：其中，它们被用于惯性导航[1]，姿态估计[2]和视觉惯性导航[3]，[4]，也使用 智能手机设备[5]。 机器人技术中使用的IMU通常基于MEMS（微机电系统）技术。 它们由一组三轴簇组成：加速度计，陀螺仪和磁力计簇。 在理想的IMU中，三轴簇应共享跨越三维空间的相同3D正交灵敏度轴，而比例因子应将每个传感器测量的...
IMU标定算法流程
haoliliang88的博客
08-06 1万+
由于VIO中，普遍使用的是精度较低的imu，所以其需要一个较为准确的内参数和noise的估计。Noise大家通常使用Allan方差进行估计可以得到较为可信的结果，这里不赘述了。内参数标定比较方便的一个工具就是imu_tk。所以本篇文章主要详细介绍一下imu_tk的算法流程以及使用时的注意事项。下一篇的内容 计划是imu-camera外参数的标定方法。 首先分步介绍算法流程: 1
【ROS-1】关于插件的编写与使用（pluginlib）
weixin_39538031的博客
03-29 524
pluginlib是一个c++库， 用来从一个ROS功能包中加载和卸载插件(plugin)。插件是指从运行时库中动态加载的类。通过使用Pluginlib，不必将某个应用程序显式地链接到包含某个类库，Pluginlib可以随时打开包含类的库，而不需要应用程序事先知道包含类定义的库或者头文件。
经典卷积神经网络——VGG16
热门推荐
Lightismore的博客
04-30 2万+
VGG16前言一、VGG发展历程二、VGG网络模型三、VGG16代码详解1.VGG网络架构2.VGG16网络验证2.读取数据，进行数据增强3.训练模型，测试准确率四、VGG缺点 前言 我们都知道Alexnet是卷积神经网络的开山之作，但是由于卷积核太大，移动步长大，无填充，所以14年提出的VGG网络解决了这一问题 一、VGG发展历程 VGG网络由牛津大学在2014年ImageNet挑战赛本地和分类追踪分别获得了第一名和第二名。研究卷积网络深度对其影响在大规模图像识别设置中的准确性，主要贡献是全面评估网络
VGG16全卷积网络 以VGG代码为例
路人的博客
06-09 1929
VGG之所以经典，是因为VGG第一次将深度学习做得非常“深”，达到了16-19层。同时，它用了非常“小”的卷积核（3X3）。 VGG与AlexNet差不多，不同之处就在于网络层数变深了。下图VGG对原始VGG16做了一点变化，把后面三层FC层改为了conv层。可以将其称之为全卷积VGG16。实现特征通道的升维和降维通过控制卷积核的数量达到通道数大小的放缩。而池化层只能改变高度和宽度，无法改变通道数。...
chatgpt开源代码在哪里看
05-12
ChatGPT是OpenAI的商业产品，目前没有开源代码。不过，OpenAI公开了GPT-3的API，开发者可以使用API来构建自己的应用程序。除此之外，也有其他的类GPT模型的开源实现，例如Hugging Face的Transformers库。这个库提供...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值