皮皮网

1.baxter realsense435i easy_hand 手眼标定
2.TurtleBot 3 & 2i ROS开源实验平台
3.四足机器人雷达-视觉导航2：Elevation mapping局部高程图测试
4.单目USB摄像和Intel Realsense D435i 头+ Apriltag_ros配置和实现对相机姿态的估计
5.英特尔正关闭RealSense业务，关联3D相机产品要绝版？
6.Jetson Agx Orin刷机及ubuntu系统使用

baxter realsense435i easy_hand 手眼标定

       在 Ubuntu . ROS melodic 环境下配置安装 Baxter realsensei easy_hand 手眼标定涉及以下步骤：

       首先，安装 realsenseSDK2.0 和 ROS Wrapper for Intel RealSense。选择二进制安装或源码安装，根据个人需求进行。

       接着，引导页 源码安装 easy-handeye 工具包，包括 aruco_ros 和 visp 的配置。确保网络连接稳定，以避免安装过程中的错误。

       对于 rosdep 的安装问题，需执行 rosdep update 或在遇到错误时，重置 rosdep 环境。如果安装 transforms3d 时出现问题，直接安装此库以解决问题。

       完成 rosdep 安装后，使用 catkin_make 命令构建项目。

       进行 Baxter 手眼标定时，准备 ArUco marker，注意选择合适的 Dictionary、Marker ID 和 Marker size，并打印标定板。在 easy_handeye 文件夹内，创建并配置 baxter_realsense_calibration.launch 文件。

       运行 baxter_realsense_calibration.launch 文件时，可能遇到 try passing the option "--force-discover" 错误，可尝试执行 sudo rm ~/.config/ros.org/rqt_gui.ini 并重新安装 OpenCV 来解决。

       执行上述步骤后，即可完成 Baxter realsensei easy_hand 手眼标定，并成功发布 TF。参考相关文章和教程，以确保配置和操作的准确性。

TurtleBot 3 & 2i ROS开源实验平台

       TurtleBot 3 & 2i ROS开源实验平台是全球最受欢迎的ROS平台，以小型、低成本、可编程的移动机器人形式出现，广泛应用于教育、研究和业余爱好。

       TurtleBot3系列，如TurtleBot3 Burger和TurtleBot3 Waffle Pi，短线高手源码提供移动跟随功能，集成开放式机械手，能够实现°激光距离传感器LDS-，模块化执行器，以及可扩展性，支持多种自定义选项，如控制板、计算机和传感器等，具有强大的传感器阵容和尺寸小的特性。

       TurtleBot3 Burger和Waffle Pi提供了强大的功能，如使用增强的°LiDAR、9轴惯性测量单元和精确编码器，以及Intel®RealSense™和识别SDK等，支持自主定位与导航、SLAM地图构建、物体识别与抓取等功能，适合ROS教学、科学研究、多机器人协作，以及机器人爱好者的产品原型设计。

       此外，TurtleBot3还具备强大的传感器阵容，包括增强的°LiDAR、9轴惯性测量单元和精确编码器等，配合功能强大的Intel®RealSense™和识别SDK，以及高效率的Raspberry Pi相机，是制造移动机器人的最佳硬件解决方案。

       TurtleBot3的硬件、固件和软件是开源的，方便用户下载、修改和共享源代码，所有组件均采用注模塑料制造，成本低廉，也提供3D CAD数据用于3D打印。对于想要自己制作OpenCR1.0板的用户，详细信息包括原理图、PCB gerber文件、BOM和固件源代码均已开放。

       TurtleBot3的后台登录 源码视觉PRO版-TB3汉堡视觉PRO版，结合度SLAM导航和规划、3D点云探测、二维码识别和WIFI通讯模块，实现多智能体组网。旨在成为学生“软件开发”、“动手实践”、“多机器人协作”、“创意展示”、“竞赛”等综合平台，最大程度激发学生们对机器人学习兴趣。

       TurtleBot 2i移动研究机器人基于ROS的模块化机器人平台，对TurtleBot的先前迭代进行了改进，具有全新设计的模块化底盘，并实现了对机械臂的本地支持，提供Pincher MK3 4 DOF机械臂，允许机器人与现实世界中的小物体交互，适合个人自主搭建、机器人研发与教育、多功能机器人研究以及开源社区软件培训。

       TurtleBot 2i配备有ROS开放源码的SDK及示例源代码，帮助使用者开发和测试自己的机器人算法程序，价格便宜，非常适合做机器人研究以及提供个人或家庭的机器人开发平台，广泛被院校、研究所以及个人采用。智能佳提供专业的技术服务支持团队，确保购买后无忧使用。

四足机器人雷达-视觉导航2：Elevation mapping局部高程图测试

       为了四足机器人实现高效的局部高程图构建，结合视觉与雷达技术，确保导航的准确性和稳定性，本文将详细阐述这一过程。四足机器人相较于自动驾驶，需要主动选择落足点，因此局部高程图尤为重要。获取高程图，视觉与雷达传感器各有优劣，例如视觉传感器易受光照、遮挡等因素影响，而雷达传感器在噪声、双日期源码死区和点云稀疏等问题上则有所欠缺。因此，融合视觉与雷达数据，形成互补，成为目前较为稳定的解决方案。

       雷达提供长期可靠的里程计信息，而深度视觉则用于获取局部深度数据，从而建立高程图。这种方案分为实时高程图与全局高程图两种。实时高程图基于深度信息快速构建，实现简便，速度较快，甚至可能无需全局定位数据。然而，视角和深度图质量问题可能导致噪声和空洞。全局高程图则先建立整个环境的地图，然后基于里程计信息提取局部信息，这种方案需要全局定位信息，但通过利用机器人多视角下的数据采集，不断优化修正全局高程地图，最终提取的局部高程图质量更高。

       实现高程图建立的项目，以ETH开源的“elevation mapping”为代表。本文提供了一个从最初下载、编译到最终基于Gazebo仿真运行简单Demo的过程，旨在帮助快速部署项目。首先，确保ROS的正确安装与更新，采用melodic版本。其次，安装Grid Map、kindr、pcl点云库等依赖库，注意在编译过程中可能遇到的内存不足等问题，确保编译环境的资源充足。在进行PCL库编译时，遇到的“error: ‘PCL_MAKE_ALIGNED_OPERATOR_NEW’ does not name a type”问题，可以通过修改为“EIGEN_MAKE_ALIGNED_OPERATOR_NEW”解决。在下载和编译kindr_ros与elevation mapping后，101 alphas源码通过catkin_make进行编译，可能遇到的编译错误如“fatal error”问题，需要找到并修正hpp文件中的错误。

       在完成安装与编译后，通过下载turtlebot3与相关ROS包，建立新的catkin工作空间，下载源码并编译。在编译过程中，可能需要解决与python版本匹配、文件路径等细节问题。运行Demo，基于turtlebot3和RealSense的示例，注意可能需要对脚本进行修改以适应特定的环境或系统配置，如Python版本匹配问题，以及修改地图文件路径。在运行中，通过Rviz观察点云和高程图数据，验证高程图构建的实时性和准确性。

       然而，在实际应用中，还存在一些挑战。例如，运算速度可能无法满足实时需求，尤其是不采用GPU的情况下，刷新频率可能较低。真实世界中的传感器噪声相比仿真环境更大，地图构建效果可能不如预期。此外，需要进一步开发代码以提取局部高程图，并通过UDP或共享内存等方式将其发送给步态控制器。随着机器人运动，全局地图的构建与维护对于计算资源的要求较高，尤其是使用低成本处理器时。面对这些问题，可能需要优化算法、改进资源管理，或直接构建局部地图以适应不同环境与设备的性能限制。

       综上所述，结合视觉与雷达技术构建的高程图，对于四足机器人的局部导航具有重要价值。通过合理利用开源资源与技术工具，可以实现从环境感知到高程图构建的全流程，为机器人的自主导航提供坚实的支撑。面对实际应用中的挑战，持续的技术优化与创新将推动四足机器人在复杂环境下的高效导航与操作能力。

单目USB摄像和Intel Realsense Di 头+ Apriltag_ros配置和实现对相机姿态的估计

       配置平台：ROS版本：noetic/melodic，Ubuntu：.LTS/.LTS

       一：AprilTag_ros的配置

       1.1 usb摄像头的安装和使用

       1.1.1下载源码

       1.1.2编译工作空间

       1.1.3添加usb_cam属性文件

       1.1.4编译usb_cam源码

       回到工作空间的src文件中，再去usb_cam中进行编译

       5.测试USB摄像头

       1）运行ROS

       回到usb_cam的launch文件夹中，运行usb_cam的功能包

       1.2 AprilTag_ros包的安装

       安装依赖库apriltag

       编译依赖库apriltag

       进入 apriltag 文件夹中，然后新建文件夹build

       安装AprilTag_ros包

       将源码拷贝到你的工作空间中的src工作目录下

       回到工作空间进行编译

       1.3 单目摄像机的标定

       摄像机标定是通过寻找对象在图像与现实世界的转换数学关系，找出其定量的联系，从而实现从图像中测量出现实中实际数据的目的，基于此才能实现后面的位姿检测。

       1.3.1安装标定功能包

       1.3.2打开摄像头进行标定

       第二条命令参数说明：size：棋盘内交叉点的个数，行*列square：一个格子的边长，单位是mimage：订阅摄像头发布的图像话题（ROS topic）camera：寻找相应的设备相机名（现实情况应该是/dev，仿真的话，不清楚）

       摄像机的校准是以一个由黑白方块组成的棋盘为基准进行的，如图8-8所示。从下面的地址下载8x6国际象棋棋盘，并打印出来后将其贴到一个平坦的纸箱。有时也会打印成超过1米的棋盘，但这里用的是A4纸。作为参考，8x6棋盘横向有9个方块，所以有8个交叉点，而竖向有7个方块，有6个交叉点，所以它被称为8x6棋盘。

       /AprilRobotic... Tag Size Definition 部分可以看到并排的6个二维码，下面的字符串（如：“Tagh” 和 “TagCircleh7”）就是二维码类型，直接替换即可。其他参数使用默认值即可。

       2.配置 tags.yaml

       这个文件只有两个标签可以编写。

       这里面写要使用多少个二维码，apriltag_ros 允许一张中出现多个二维码，但一定要明确每个二维码类型，如果想要添加的话这样写就可以，但记得两个标签都要添加:

       standalone_tags解释：

       id：你给每个二维码的编号，可以从任意数字开始，只要你自己能区分哪个号是哪个二维码就好；

       size：二维码的长度。这个值是需要手动测量出来的，不同类型的二维码测量方式不同，具体可以看他的链接 github.com/AprilRobotic... Tag Size Definition 部分，红色箭头就是你需要手动侧脸的二维码长度，单位是米，然后填写到这里；

       name：和id一样，这是为了更好地区分可以任起；

       tag_bundles注释：

       修改 continuous_detection.launch 文件

       打开 apriltag_ros/launch/continuous_detection.launch 文件。

       需要修改的主要有两个标签：

       这两个值是在 rostopic list中查看相机发布的话题中看见，如果你用的不是realsense，那么需要按照相机包发布出来的话题名修改，这里用的是默认设置的 realsense 相机话题。

       注意：“camera_name” 一定只能用前缀，如果多加了 “/” 会导致算法订阅到的话题变成了 “/camera/color//image_raw” 这样是不会出数据的，因为后面其实是做了一个字符串拼接：

       最终修改如下：

       4.启动 apriltag_ros 算法

       如果没有出现红色的报错说明启动成功了，如果有则检查 yaml 文件有没有出现多一个逗号或者省略号之类的。

       然后再开一个窗口就可以订阅推算出来的话题：

       正确检测到的应该会有下面的信息：

英特尔正关闭RealSense业务，关联3D相机产品要绝版？

       英特尔宣布将关闭RealSense计算机视觉技术部门，这意味着该公司将逐步减少对双目深度相机、激光雷达等传感器的投资，转而专注于其核心业务——芯片制造。这一决定对依赖英特尔RealSense技术的公司和个人来说无疑是一个重大的转变。之前，许多知名品牌如Ninebot的Loomo Go机器人、Yuneec的无人机、RightHand Robotics的仓库分拣机器人、小钴科技的智能门锁方案以及小米的CyberDog仿生机器狗都采用了RealSense技术。

       然而，随着RealSense的停产，将对市场上已有产品或正在研发的产品造成影响。找到一款能够完全替代RealSence相机的产品并非易事，重新构建平台和学习成本会非常高昂。但是，现在有一个更好的选择——OAK（OpenCV AI Kit）。这款深度加人工智能相机采用与RealSence相同的Movidius Myriad X硬件处理芯片，只需投入RealSence的费用，就能获得RealSence深度相机+Intel神经网络加速棒二合一的功能和性能。

       OAK在Myriad X芯片上实现了双目深度计算和AI神经推理，输出包括目标坐标数据、IMU数据和识别结果等信息。通过调用API接口，用户可以实现更多功能，使系统实现更加简单。此外，OAK提供了多种版本以满足不同用户需求，如支持IP防水、铝合金外壳的POE网络接口版本，物联网版本支持串口、WiFi、蓝牙、GPIO通信，以及可更换镜头、镜头基线自定义的分体式版本。

       OAK中国不仅提供了这样一款出色的相机，还提供了全面的技术支持和服务。其基于Python的开发环境易于上手，用户只需秒即可开始深度视觉和神经网络推理。OAK中国还制作了手把手教程，并提供了所有源码，用户可以在其官网、B站、知乎、CSDN、GitHub、Gitee等平台学习使用教程和源码。为了降低用户的学习成本，OAK中国建立了学习交流微信群和QQ群，提供技术咨询和交流，确保用户在使用OAK或开发产品过程中不再孤单。此外，OAK中国还提供免费的神经网络模型转换服务，帮助用户快速实现神经网络推理。对于有特定需求的用户，OAK中国也提供带训练服务和带转换服务，并提供OAK产品的硬件电路和镜头硬件二次开发服务，以更好地融入用户的产品中。

       总之，尽管RealSence停产，但OAK中国提供了全面的技术支持和解决方案，确保了用户在转换过程中不会遇到困难。现在，有机会以半价购买OAK，通过私信获取优惠券，点击链接即可享受优惠。把握机会，快来体验OAK带来的便捷与创新吧！

Jetson Agx Orin刷机及ubuntu系统使用

       orin踩坑教程

       一、Jetson Agx Orin 刷机

       1. 需下载SDK管理器sdkmanager，需注册NVIDIA账号。

       2. 将Orin设备进入Recovery模式，未开机状态需长按Force Recovery键并通电；已开机状态需长按Reset键再松开。

       3. 在Ubuntu PC终端输入sdkmanager，选择登录账号和设备型号，创建用户名和密码，等待安装完成。

       4. 连接Orin设备至网络，确保与Ubuntu PC在同一局域网下，使用手机热点连接。

       5. ping Orin IP地址验证连接。

       6. 等待CUDA等组件自动安装。

       二、系统时间校准

       输入命令校准系统时间。

       三、ubuntu系统挂载新硬盘及硬盘格式化

       1. 查看磁盘信息，识别新硬盘设备名。

       2. 进行分区，创建新文件系统。

       3. 挂载新分区至/home目录。

       4. 复制/home数据到新分区，重命名原目录，创建新空目录并挂载。

       5. 修改新目录权限。

       至此，新硬盘空间添加至/home。

       四、配置ROS环境及VsCode安装

       使用特定工具一键安装ROS。

       五、在jetson上安装chromium

       下载arm版本的chromium安装包。

       六、在jetson上安装qq

       选择arm版本的QQ安装包。

       七、安装jtop

       使用特定命令安装。

       八、安装Anaconda、cuda、cudnn、pytorch、Tensorrt

       1. 下载aarch的Anaconda安装包，安装并验证。

       2. 查看CUDA、Cudnn版本，复制头文件与库文件至对应目录。

       3. 安装Pytorch与torchvision。

       4. 安装Tensorrt。

       九、realsense SDK、realsense-ros、pyrealsense2安装

       1. SDK源码安装，如出现问题，请查阅相关文档。

       2. realsense-ros安装并测试。

       3. 使用脚本安装pyrealsense2，并根据提示操作。

       十、jetson中，安装所需的包

       记录在arm环境下安装特定包的命令。

       十一、Error And Solution

       解决刷机、ROS配置等过程中的常见问题。

       十二、推荐网站

       NVIDIA Jetson AGX Orin 开发环境配置 - Miraclefish

       github.com/yqlbu/jetson...