ROS 实时构建八叉树模型

ROS 实时构建八叉树模型

ROS



毕业设计的主要内容是室内环境的建模,并转换成八叉树模型,以供后续使用之需。这里介绍离线八叉树模型建立和实时的八叉树环境模型构建。
1. 环境搭建
平台:
ubuntuROS,用过hydroindigo,其他版本有待确认(ros的安装请参考ros wiki);
开源室内建模项目,ROS下了解的RGBD开源项目有RGBD_SLAMrtabmap,这里使用的是rtabmap,rtabmap的安装请参考ros rtabmap
ros下的octomap包,安装$ sudo apt-get install ros-indigo-octomap-ros

2.步骤:
- 离线模型构建
依次调用命令:
$ roscore
$ rosrun rtabmap_ros rtabmap _Mem/IncrementalMemory:=false _database_path:=**.db
$ rosrun rtabmap_ros map_assembler _cloud_voxel_size:=0.05
$ rosrun octomap_server octomap_server_node cloud_in:=assembled_clouds
$ rosrun rviz rviz /rtabmap/get_map:=/get_map
接下来设置rviz
设置fixed frame/map;
添加对pointcloud2的显示,订阅节点为/assembled_clouds
添加对八叉树的显示,如果没安装octomap_rviz_plugins,通过$ sudo apt-get install ros-hydro-ocotmap-rviz-pulgins安装,订阅节点/octomap_full
调用$ rosservice call /publish_map 1 1 0开始转换。
- 在线模型转换
$ roscore
$ rosrun rtabmap_ros rtabmap
$ rosrun rtabmap_ros map_assembler _cloud_voxel_size:=0.05
$ rosrun octomap_server octomap_server_node cloud_in:=assembled_clouds
$ rosrun rviz rviz /rtabmap/get_map:=/get_map
名字空间的解析请确认正确(根据自己的情况设置,具体参考每个节点的输入输出)
和上面一样设置rviz
调用$ rosservice call /data_player/pause$ rosservice call /data_player/resume暂停和继续。

时间: 2024-10-04 09:23:37

ROS 实时构建八叉树模型的相关文章

从头认识java-13.5 利用泛型构建复杂模型

这一章节我们来展示一下如何利用泛型构建复杂模型? 1.元组列表 我们之前已经说过元组是一个复杂的模型,能够返回多对象. package com.ray.ch11; import java.util.ArrayList; public class Test { public ArrayList<Tuple<A, B, C>> test() { ArrayList<Tuple<A, B, C>> list = new ArrayList<Tuple<

Java编程思想:构建复杂模型

import sun.nio.cs.Surrogate; import java.util.ArrayList; import java.util.Random; public class Test { public static void main(String[] args) { Store.test(); } } /* 15.6 构建复杂模型 需求: 这是一个很有趣的需求,它描述的是一个零售店,零售店里包括走廊.货架 和商品,零售店里有很多条走廊,走廊里又有很多个货架.货架中又有很多 的商

基于Spark和Tensorflow构建DCN模型进行CTR预测

实验介绍 数据采用Criteo Display Ads.这个数据一共11G,有13个integer features,26个categorical features. Spark 由于数据比较大,且只在一个txt文件,处理前用split -l 400000 train.txt对数据进行切分. 连续型数据利用log进行变换,因为从实时训练的角度上来判断,一般的标准化方式,如Z-Score和最大最小标准化中用到的值都跟某一批数据的整体统计结果有关,换一批数据后标准化就程度就不一样了. 而对于离散型分

面向小数据集构建图像分类模型Keras

文章信息 本文地址:http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html 本文作者:Francois Chollet 概述 在本文中,我们将提供一些面向小数据集(几百张到几千张图片)构造高效.实用的图像分类器的方法. 本文将探讨如下几种方法: 从图片中直接训练一个小网络(作为基准方法) 利用预训练网络的bottleneck(瓶颈)特征 fine-tune预训练网

构建价格模型

KNN(k-nearest neighbors)价格预测模型: { attr1:value,attr2:value2,...,attrn:valuen,price:num } 算法思路: 1.先求训练集数据和给定的测试数据的欧几里得距离: 2.然后进行排序,选取前k项,利用距离计算权重(使得距离最近的点,对结果影响越大): a.反函数 b.减法函数 c.高斯函数 3.对前k项的价格求加权平均值 4.用交叉验证(95%作为训练集.剩下的作为测试集)和成本函数的方法,来得到最优的权重计算方法和最合适

spark机器学习笔记:(五)用Spark Python构建分类模型(下)

声明:版权所有,转载请联系作者并注明出处  http://blog.csdn.net/u013719780?viewmode=contents 博主简介:风雪夜归子(英文名:Allen),机器学习算法攻城狮,喜爱钻研Meachine Learning的黑科技,对Deep Learning和Artificial Intelligence充满兴趣,经常关注Kaggle数据挖掘竞赛平台,对数据.Machine Learning和Artificial Intelligence有兴趣的童鞋可以一起探讨哦,

ROS实时采集Android的图像和IMU数据

前言       临近毕业,整理一下之前做的东西.这篇博客来自于博主在2016年3月份投的一篇会议论文(论文主要讲述如何实时处理image和imu数据,水分很大,本博文是其中的数据采集部分).      本文的目的是将pc和手机连于同一局域网下,然后手机实时把相机和imu的数据打包成ros的消息格式,pc订阅这些消息,进行进一步的处理.      稍微好的安卓手机都会配备IMU(注意:很多手机只有单纯的三轴加速度计,并没有三轴的陀螺仪).博主用的是华为荣耀7,配备了LSM330的6轴IMU.  

0编码构建AI模型

近年来人工智能在语音识别.自然语言处理.计算机视觉等诸多领域取得了巨大成功,但人工智能要规模化商用仍然存在一些问题和挑战.例如面包店要自动识别面包种类及数量实现无人结算,如调用通用图像识别服务,虽然易用,但识别准确率低,无法准确区分面包种类:如定制化模型,虽然可以提升识别的准确率,但对于大多数企业或个人来说,聘请专家定制模型费用高.周期长,后续更新难而自行开发由于专业要求高,难以实现.ModelArts自动学习是一个帮助人们实现特定AI应用的低门槛.高灵活.零代码的定制化模型开发工具,目的是让每

机器人ROS系统学习随笔-&gt;2《ROS机器人系统设计Gazeb模型建立》

什么是机器人 机器人的组成: 控制系统 系统实现 外部传感器 系统构建--摄像头的实现 参数的设置: kinet链接 lunch文件: 激光雷达的连接 注意想要显示在rviz中要在命令行输入: 1 roslaunch rplidar_ros view_rplider.launch 系统架构完整示例 URDF机器人建模 <link>标签 <joint>标签 <roboot>标签 功能包创建 launch文件配置 在做自己模型的时候基本是只需要修改第一行. 机器人创建一 机