【MoveIt 2】入门-安装

入门 

在这里,我们将设置您的环境以最佳运行教程。这将创建一个 colcon 工作区,下载所有最新的 MoveIt 源代码,并从源代码构建所有内容,以确保您拥有最新的修复和改进。

构建所有 MoveIt 的源代码可能需要 20-30 分钟,具体取决于您计算机的 CPU 速度和可用 RAM。如果您的系统性能较低,或者只是想更快地开始,请查看我们的 Docker 指南。

安装 ROS 2 和 colcon 

MoveIt 2 目前支持多个版本的 ROS。安装您喜欢的任何版本。我们主要支持安装在 Ubuntu 22.04 上的 ROS,但其他方法和平台也可以通过对以下说明进行小的更改来工作。如果您刚刚开始,我们建议您在 Ubuntu 22.04 上使用最新稳定版本的 ROS(Iron),以获得最无缝的体验。

  • 滚动雷德利 - 滚动开发版本 Rolling Ridley - Rolling Development Release

  • 铁伊尔维尼 - 最新稳定版本 - 2023 年 5 月 Iron Irwini - Latest Stable Release - May 2023

  • 谦逊的玳瑁 - LTS 版本 - 2022 年 5 月 Humble Hawksbill - LTS Release - May 2022

在进行 ROS 2 安装教程时,很容易遗漏步骤。如果在接下来的几个步骤中遇到错误,一个好的起点是回过头来确保你已经正确安装了 ROS 2。用户常常忘记的一点是要 source ROS 2 的安装本身。请注意 source 你安装的 ROS 版本。

source /opt/ros/jazzy/setup.bash

 注意

与 ROS 1 设置脚本不同,在 ROS 2 中,设置脚本不会尝试切换您正在使用的 ROS 版本。这意味着如果您之前已经从 .bashrc 文件中获取了不同版本的 ROS,您将在构建步骤中遇到错误。要解决此问题,请更改在 .bashrc 中获取的内容并启动一个新的终端。

安装 rosdep 以安装系统依赖项:

sudo apt install python3-rosdep

一旦安装了 ROS 2,请确保拥有最新的软件包:

sudo rosdep init
rosdep update
sudo apt update
sudo apt dist-upgrade

安装 Colcon ROS 2 构建系统与 mixin:

sudo apt install python3-colcon-common-extensions
sudo apt install python3-colcon-mixin
colcon mixin add default https://raw.githubusercontent.com/colcon/colcon-mixin-repository/master/index.yaml
colcon mixin update default

 安装 vcstool :

sudo apt install python3-vcstool

创建一个 Colcon 工作区并下载教程 

对于教程,您需要设置一个 colcon 工作区。

mkdir -p ~/ws_moveit/src

下载 MoveIt 和教程的源代码 

移动到您的 Colcon 工作区并拉取 MoveIt 教程源代码:

cd ~/ws_moveit/src
git clone https://github.com/ros-planning/moveit2_tutorials

接下来我们将下载 MoveIt 其余部分的源代码:

vcs import < moveit2_tutorials/moveit2_tutorials.repos

导入命令可能会要求您的 GitHub 凭据。您可以直接按 Enter 键直到它继续(忽略“身份验证失败”错误)。

构建您的 Colcon 工作区 

以下内容将从 Debian 安装您工作区中尚未存在的任何软件包依赖项。这是安装 MoveIt 及其所有依赖项的步骤:

sudo apt update && rosdep install -r --from-paths . --ignore-src --rosdistro $ROS_DISTRO -y

下一个命令将配置您的 Colcon 工作区:

cd ~/ws_moveit
colcon build --mixin release

此构建命令可能需要很长时间(20 分钟以上),具体取决于您的计算机速度和可用的 RAM 数量(我们建议 32 GB)。

 警告

使用此命令构建的一些软件包需要高达 16GB 的 RAM。默认情况下, colcon 尝试同时构建尽可能多的软件包。如果您的计算机内存不足,或者构建在您的计算机上通常难以完成,您可以尝试将 --executor sequential 附加到上面的 colcon 命令以一次仅构建一个软件包,或者 --parallel-workers <X> 以限制同时构建的数量。

如果一切顺利,您应该会看到消息“Summary: X packages finished”,其中 X 可能是 50。如果遇到问题,请尝试重新检查您的 ROS 安装。

设置您的 Colcon 工作区 

源 Colcon 工作区:

source ~/ws_moveit/install/setup.bash

可选:将上一个命令添加到您的 .bashrc :

echo 'source ~/ws_moveit/install/setup.bash' >> ~/.bashrc

 注意

自动在您的 ~/.bashrc 中自动获取 setup.bash 不是必需的,通常会被同时使用多个 Colcon 工作区的高级用户跳过,但我们建议这样做以简化操作。

 下一步 

干得好!接下来,我们将使用 RViz 的交互式运动规划插件来可视化机器人

  • 3
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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