ros + modelarts se da cuenta de la colaboración de varios vehículos

Others 2021-03-23 03:42:22 views: null

Catálogo de series de artículos

El primer capítulo La plataforma en la nube de Huawei modelarts
Capítulo La plataforma en la nube de Huawei SDK llama modelarts
Chapter ros + modelarts coordinación de múltiples vehículos

Directorio de artículos

Prefacio

Aprovecha las vacaciones de invierno para organizar cosas relacionadas con el sistema operativo de aprendizaje anterior. Este blog no es adecuado para principiantes que no entienden ros en absoluto. Se recomienda que los principiantes vean los videos relacionados con bilibili ros y luego los lean junto con el blog. Si solo desea utilizar modelarts para identificar, no necesita colaborar y no necesita leer un artículo.

1. Introducción e instalación de ros

ROS (Robot Operating System) proporciona una serie de bibliotecas y herramientas para ayudar a los desarrolladores de software a crear software de aplicación de robot. Proporciona muchas funciones, como abstracción de hardware, controladores de dispositivos, funciones de biblioteca, visualización, mensajería y administración de paquetes de software. ROS cumple con el acuerdo de licencia de código abierto BSD.

La versión ubuntu de jetson nano y tx2 que uso es 18.04, y la versión ros debería usar melodic.
El ros instalado a continuación es la versión completa, incluida la glorieta, si la memoria es pequeña, se recomienda instalar la versión simplificada y luego instalar los paquetes de software necesarios en ese momento.

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
sudo apt install ros-melodic-desktop-full
sudo rosdep init
rosdep update
echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc
source ~/.bashrc
sudo apt install python-rosinstall python-rosinstall-generator python-wstool build-essential

Después de la instalación, puede utilizar los siguientes procedimientos para probar

roscore
rosrun turtlesim turtlesim_node
rosrun turtlesim turtle_teleop_key

sudo rosdep init
rosdep update
informará un error durante la instalación, puede ignorarlo.

2. Creación de espacio de trabajo y paquete de funciones

Los paquetes de funciones con el mismo nombre no pueden aparecer en el mismo espacio
scr 代码空间

build 编译空间

devel 开发空间

install 安装空间

Crea un espacio de trabajo

$mkdir -p ~/catkin_ws/src
$cd ~/catkin_ws/src
$catkin_init_workspace

Compilar espacio de trabajo

$cd ~/catkin_ws
$catkin_make

Establecer variables de entorno

$source devel/setup.bash

Verifique las variables de entorno

$echo $ROS_PACKAGE_PATH

Crear paquete de funciones

$cd ~/catkin_ws/src
$catkin_create_pkg+创建文件的名字(pkg_name)+std_msgs roscpp rospy 。。。（依赖包）
将代码放进~/catkin_ws/src/上面创建的文件名称(pkg_name)/src

Compilar paquete de funciones

$cd ~/catkin_ws
$catkin_make
$source ~/catkin_ws/devel/setup.bash

Tres, algunas operaciones básicas de ros

roscore

rosnode list 查看节点

rosnode info 查看节点信息

rostopic list 查看话题

rostopic pub 话题 tab键 发布指令

rosmsg show 话题 话题结构体

rosservice list 服务列表

rqt_graph 以图的形式显示关系

###################################################
rostopic list 查看所有话题

rostopic info 话题 查看话题的类型及信息

rosmsg info 数据类型 查看数据结构体
###################################################
rosservice list 列出所有活动的服务

rosservice type 服务 查看某个服务的类型

rosservice type 服务| rossrv show 查看某个服务类型具体输入什么类型的参数，返回什么类型的参数
###################################################

四、TF树的学习例程

小海龟跟随

sudo apt-get install ros-melodic-turtle-tf
roslaunch turtle_tf turtle_tf_demo.launch
rosrun turtlesim turtle_teleop_key 

rosrun turtlesim turtle_teleop_key   查看tf树，会在当前目录下生成一个pdf文件
rosrun tf tf_echo turtle1 turtle2    查看坐标等数
rosrun rviz rviz -d 'rospack find turtle_tf'/rviz/turtle_rviz.rviz   通过rviz查看坐标  需要将fixed改为world 然后add TF

五、ROS 多机通信（重要）


 一、ROS分布式多机通讯简介
ROS是一种分布式软件框架，节点之间通过松耦合的方式组合，在很多应用场景下，节点可以运行在不同的计算平台上，通过Topic，Service通信。
但是各个节点只能共同拥有一个Master，在多机系统中Master只能运行在一台机器上，其他机器通过ssh方式和Master取得联系。所以多机ROS系统需要进行一些配置。

二、两台电脑的ROS通讯配置
两台机器的hostname与IP假设如下：
主机名与IP地址为：A     IP_A        
从机名与IP地址为：B    IP_B
1：先使用下面命令查看两台计算机的局域网IP地址
ifconfig 
然后打开hosts文件：
sudo gedit /etc/hosts
接着在hosts中加入（间隔为tab键）：
IP_A　　A
IP_B　　B
2：重启网络服务：
sudo /etc/init.d/networking restart
3：装上chrony包，用于实现同步：
sudo apt-get install chrony
4：安装ssh工具
sudo apt-get install openssh-server
安装完以后，确认服务器是否已经启动：
ps -e|grep ssh
如果看到sshd那说明ssh-server已经启动了。
5：相互ping一下对方机子，看网络通不通：
ping A     //主机
pnig B     //从机
对主机与从机相同地执行上述操作，第六条略有不同
6：把下面的内容增加到.bashrc末尾
export ROS_HOSTNAME=[本机的hostname] #!!!注意是本机的hostname 端口号11311是固定值,照抄即可
export ROS_MASTER_URI=http://[主机的hostname]:11311
执行以下命令，使之有效：
source ~/.bashrc

三、注意事项
如果在从机运行一个roslaunch,需要现在主机上运行roscore后,从机才能启动起来。
原本一个pc上运行roslaunch的时候,会默认启动rosmaster,但是现在主机是另一个pc了,所以需要这样先把master跑起来
尽量把最常用的pc设置为master。
电脑A端：

首先启动 ROS：
$ roscore
然后 Ctrl + T 打开新的控制台，运行：
$ rosrun turtlesim turtlesim_node
电脑B端：
$ rosrun turtlesim turtle_teleop_key

六、ros+modelarts实现多车辆协作

项目描述：

车a进行巡逻，通过摄像头采集数据，当发现病虫害时发消息给车b，车b接到消息后前往进行消毒。

涉及到的ros知识主要有ROS 多机通信和编写Publisher和Subscriber（Python版）。
Publisher和Subscriber的编写方法可以参考这篇博客:https://blog.csdn.net/zong596568821xp/article/details/78088394

难点一

环境配置，ros默认的python版本是2.7，但是jetbot驱动程序是python3.6，需要将ros默认的python版本改成3.6。

难点二

前面有提到过，python数据解析。

难点三

多机通信环境的配置。

a车程序：

Solución 1: mientras usaba la cámara para reconocer la imagen mientras cargaba la imagen en la plataforma de modelarts por
problemas de reconocimiento : porque Python no admite subprocesos múltiples (probé el subproceso múltiple de Python no es fácil de usar y no es el mismo) y el La velocidad de reconocimiento de la plataforma de modelarts es lenta, lo que resulta en la cámara La pantalla es negra.
Solución: un programa de Python recopila imágenes y las guarda en una dirección fija a intervalos regulares. Otro programa de Python lee la imagen y la envía a HUAWEI CLOUD para su identificación. Envíe un mensaje al automóvil b cuando se identifique como una plaga.

Colección de imágenes

import cv2
cap = cv2.VideoCapture(1)    #打开摄像头
i=100
while(1):
  # get a frame
  ret, frame = cap.read()
  # show a frame
  cv2.imshow("capture", frame)   #生成摄像头窗口
  if i%100==0:
    cv2.imwrite("/home/nvidia/Desktop/1.jpg", frame)  #保存路径
  if cv2.waitKey(1) & 0xFF == ord('q'):  #如果按下q 就截图保存并退出
    break
  i=i+1
cap.release()
cv2.destroyAllWindows()

Reconocimiento de imágenes

#!/usr/bin/env python
# BEGIN IMPORT
import rospy
# END IMPORT
# BEGIN STD_MSGS
from std_msgs.msg import Int32
#from modelarts.session import Session
#from modelarts.model import Predictor
import cv2
# END STD_MSGS
rospy.init_node('topic_publisher')
# BEGIN PUB
pub = rospy.Publisher('counter', Int32)
# END PUB
# BEGIN LOOP
rate = rospy.Rate(0.25)
count = 0
while not rospy.is_shutdown():
    rate.sleep()
    session = Session(access_key='******',secret_key='******', project_id='******', region_name='******')

    predictor_instance = Predictor(session, service_id="******")
    predict_result = predictor_instance.predict(data="/home/nvidia/Desktop/1.jpg", data_type="images")
    print(predict_result)
    a=1
    b=2
    c=3
    j=0
	for key,value in predict_result.items():
       	 for i in predict_result[key]:
                	if (i=="黑星病")&(j==0):
                        	print("检测到黑星病即将调用杀毒车")
                        	pub.publish(a)
                        	j=j+1
      	            if(i=="锈果病")&(j==0):
      	                    print("检测到锈果病即将调用杀毒车")
                        	pub.publish(a)
                        	j=j+1
      	            if(i=="轮纹病")&(j==0):
      	                    print("检测到轮纹病即将调用杀毒车")
                        	pub.publish(a)
                        	j=j+1

programa de coche b:

#!/usr/bin/env python
# BEGIN ALL
#!/usr/bin/env python
import rospy
from std_msgs.msg import Int32
from jetbot import Robot
import time
# BEGIN CALLBACK
def callback(msg):
    print(msg.data)

     if(msg.data==1):
        print("检测到黑星病已调用杀毒车")
        robot.set_motors(0.6, 0.6)
        time.sleep(1.5)
        robot.set_motors(0,0)
    if(msg.data==2):
        print("检测到锈果病已调用杀毒车")
        robot.set_motors(0.6, 0.6)
        time.sleep(1.5)
        robot.set_motors(0,0)
    if(msg.data==3):
        print("检测到轮纹病已调用杀毒车")
        robot.set_motors(0.6, 0.6)
        time.sleep(1.5)
        robot.set_motors(0,0)
# END CALLBACK
rospy.init_node('topic_subscriber')
robot = Robot()
# BEGIN SUBSCRIBER
sub = rospy.Subscriber('counter', Int32, callback)
# END SUBSCRIBER
rospy.spin()
# END ALL

Seven, ros + modelarts realiza un ascensor inteligente

programa

1. Trolley entra y sale del ascensor.

（1）小车对应程序
#!/usr/bin/env python
# BEGIN ALL
#!/usr/bin/env python
import rospy
from std_msgs.msg import Int32
from jetbot import Robot
import time
# BEGIN CALLBACK
def callback(msg):
    print(msg.data)

     if(msg.data==3):
        print("进入电梯")
        robot.set_motors(-0.6,-0.6)
        time.sleep(1.5)
        robot.set_motors(0,0)
    if(msg.data==6):
        print("出电梯")
        robot.set_motors(0.6, 0.6)
        time.sleep(1.5)
        robot.set_motors(0,0)
# END CALLBACK
rospy.init_node('topic_subscriber')
robot = Robot()
# BEGIN SUBSCRIBER
sub = rospy.Subscriber('counter', Int32, callback)
# END SUBSCRIBER
rospy.spin()
# END ALL


（2）电梯对应程序
#!/usr/bin/env python
# BEGIN IMPORT
import rospy
# END IMPORT
# BEGIN STD_MSGS
from std_msgs.msg import Int32
#from modelarts.session import Session
#from modelarts.model import Predictor
import cv2
# END STD_MSGS
rospy.init_node('topic_publisher')
# BEGIN PUB
pub = rospy.Publisher('counter', Int32)
# END PUB
# BEGIN LOOP
rate = rospy.Rate(0.25)
count = 0
while not rospy.is_shutdown():
    rate.sleep()
    count += 1
    print("%d层"%count)
    pub.publish(count)

2. Reconocimiento de máscaras


（1）口罩识别运行时定时截图
import cv2
cap = cv2.VideoCapture(1)    #打开摄像头
i=100
while(1):
  # get a frame
  ret, frame = cap.read()
  # show a frame
  cv2.imshow("capture", frame)   #生成摄像头窗口
  if i%100==0:
    cv2.imwrite("/home/nvidia/Desktop/1.jpg", frame)  #保存路径
  if cv2.waitKey(1) & 0xFF == ord('q'):  #如果按下q 就截图保存并退出
    break
  i=i+1
cap.release()
cv2.destroyAllWindows()


(2)口罩识别处理 运用AI开发平台ModelArts_华为云平台
from modelarts.session import Session
from modelarts.model import Predictor
import cv2
session = Session(access_key='**************',secret_key='**************', project_id='**************', region_name='**************')
predictor_instance = Predictor(session, service_id="**************")

i=1
time=120
while(1):
   predict_result = predictor_instance.predict(data="/home/nvidia/Desktop/1.jpg",data_type="images")
  print(predict_result)
cap.release()
cv2.destroyAllWindows()

para resumir

El programa no es el más difícil, lo más difícil es la configuración del entorno.

（2021.2.2）

Supongo que te gusta

Origin blog.csdn.net/qq_44181970/article/details/113531789
Recomendado
Clasificación
Diario
Más
2024-06-03(1)
2024-06-02(0)
2024-06-01(2)
2024-05-31(0)
2024-05-30(0)
2024-05-29(1)
2024-05-28(0)
2024-05-27(1)
2024-05-26(1)
2024-05-25(0)

Code World

© 2018 codetd.com