仿真机器人-深度学习CV和激光雷达感知(项目2)day01

前言

💫你好，我是辰chen，本文旨在准备考研复试或就业
💫本文内容是我为复试准备的第二个项目
💫欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容
🌟 预置知识：基本Python语法，基本linux命令行使用

以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新)，欢迎大家的关注：

💥ACM-ICPC算法汇总【基础篇】
💥ACM-ICPC算法汇总【提高篇】
💥AIoT(人工智能+物联网)
💥考研
💥CSP认证考试历年题解

项目介绍

1. 从0构建完整机器人
2. 实现机器人在环境中自主探索，绘制地图，识别并在地图上标记出指定物品位置，自主导航等功能
3. 具有实时的交互和可视化

功能与技术简介

1. ROS系统基础
   通信框架 (Topic，Service)
   TF树
   常用工具
   Rviz可视化
2. 机器人仿真:
   构建一个完整机器人，包括物理模型、运动学属性、传感器仿真、移动底盘等
   物理模拟环境Gazebo与ROS和机器人的联通
   手动控制机器人在仿真环境中的移动，包括实时的可视化与物理模拟，机器人可以自由发挥设计
3. 激光雷达感知
   在机器人上运行激光建图算法，对仿真环境建图。仿真环境可自由发挥设计 (类比玩《我的世界》)
   可以探索不同的传感器组合与算法的建图效果，如轮速计+激光雷达、IMU+激光雷达、纯激光雷达等
4. 机器人的导航规划:
   用自动规划代替手动控制，实现机器人在环境下的自主探索，自主前往给定目标点，以及动态避障
   探索多种全局规划算法与局部规划算法的效果
   基于强化学习的规划控制。可将车辆的方向盘、油门、刹车直接交给强化学习算法控制，算法在仿真环境中从0自学开车，学会了变道、对它车的加减速避让和车道内避让等
5. 深度学习目标检测入门:
   深度学习CV的快速入门: 梯度下降、MLP、卷积运算等目标检测快速入门:经典二阶段方法、一阶段方法等YOLO算法的讲解与部署运行。YOLO算法是最知名的视觉目标检测算法之一，至今已发展到第8代，仍然非常活跃

硬件要求

1. 内存>=8GB(实测应该是必须16GB才可以,8GB跑不动)
2. 可用硬盘空间>80GB
3. CPU 无硬性要求(配置过低仿真可能会卡)
4. GPU 无硬性要求(有NVIDIA GPU更佳，深度学习可加速)

环境配置

仅Windows版：

【超级会员V6】通过百度网盘分享的文件：虚拟机镜像.z0…等5个文件
链接:https://pan.baidu.com/s/14cPS0P5FhwbCU0IyuVIICA?pwd=chen 
提取码:chen
复制这段内容打开「百度网盘APP 即可获取」

虚拟机

下载安装VMware player，重启。

安装过程如下：






等待：

下载虚拟机文件，镜像文件有多个，请逐一下载，然后放到本地的同一个文件夹中

下载：



等待复制：


对虚拟机镜像.zip解压到当前文件夹下：



打开 VMware player，点击 Player >文件 > 打开，在弹出的窗口中，进入虚拟机镜像的解压文件夹，双击 Ubuntu20.@4-Qrobo.vmx 文件

密码为 a

运行项目demo

虚拟机登录账户，qrobo 账户密码 a

ctrl+Alt+T 打开终端，输入命令 (用VSCode 打开项目文件夹)

code qrobo ws/

按照项目文件夹根目录的READMEmd 运行项目

注意，这里如果内存不够会死机卡死。

代码执行过程中可能会报如下两个错误，这是无关紧要的，只要能打开软件即可
第1个是虚拟机加载比较慢导致的，没有及时返回状态，没有影响
第2个是没用到的pid插件，不用管

这里我们通过调整视角可以看到小车

把三个视图缩放，如下图：当前界面为命令行时（即最后点击的是命令行窗口）可以按照提示控制小车移动