ROS机器人操作系统

简介: ROS机器人操作系统

 ROS机器人操作系统为机器人软件开发所设计的电脑操作系统架构,起源于斯坦福大学人工智能实验室。 其中ROS的发行版本:Melodic Morenia,适用平台:Ubuntu Bionic(18.04)。现将本课程中常见释义总结如下:

  1. ROS的构成:基于TCP/IP的分布式通信机制、开发工具、应用功能、生态功能。特点:点对点设计、多语言支持、精简与集成、开源且免费。
  2. opt:提供一个可供选择的应用程序安装目录,通常ROS也是安装在这下面。
  3. Sodo命令:使用sodo命令来执行管理任务。
  4. 终端快捷键《ctrl+alt+t》
  5. Python是一种解释型、弱类型、面向对象、动态数据类型的高级程序设计语言
  6. 变量与数据类型:numbers(数字)、string(字符串)、list(列表)、tuple(元组)、和Dictionary(字典)
  7. 类与对象:类名、属性、方法
  8. ROS的起源:2007年斯坦福大学人工智能实验室的STAIR项目与机器人技术公司Willow Garage的个人机器人项目之间的合作。
  9. ROS系统架构一般有三个部分:                                                                                        (1)文件系统级——描述了程序文件在硬盘上是如何组织的,ROS的内部结构、文件结构和核心文件都在这一层;                                                                                                  (2)计算图集——说明了程序的运行方式,即进程与进程、进程与系统之间的通信;            (3)开源社区级——描述了开发者之间是如何共享知识、算法和代码的。
  10. (开源社区级(文件系统级(计算图级)))
  11. 功能包的创建与编译:创建功能包:cd  ~/catkin_ws/src    catkin_create_pkg_ ch5_tutorials std_msgs rospy roscpp

        编译功能包:cd ~/catkin_ws/     catkin_make    source devel/setup.bash

 12.执行上述命令后,src文件下就会出现文件夹ch5_tutorials,该文件夹下至少包括CMakeLists.txt和package.xml两个文件

  13.GDB调试器:是linux系统下一种常见的程序调试工具

  14.RViz是ROS提供的三维可视化工具,主要用于机器人、传感器以及算法的可视化。

  15.工作空间分为源文件空间(src)、编译空间(build)、开发空间(devel)

  16.激光雷达传感器:通过向探测目标大发射激光束,将从目标反射回来的目标回波信号与发射信号进行比较,计算出目标的距离、方向、高度、速度、姿态和形状的相关信息,能够实现对目标的探测、识别和跟踪。其按功能可分为激光测距雷达、激光测速雷达和激光成像雷达;按工作介质可分为固体激光雷达、气体激光雷达和半导体激光雷达;按线数可分为单线激光雷达和多线激光雷达;按扫描方式可分为MEMS型激光雷达、Flash型激光雷达和相控阵激光雷达。

  17.calib3d:该模块主要用于实现相机标定和三维重建等功能,具体包括物体姿态估计、基本多视角几何算法、单立体相机标定和三维信息重建等。Highgui:该模块包含与操作系统、文件系统和相机等硬件交互的函数,通过highgui模块能够方便的实现媒体数据的输入/输出、图像和视频的编码/解码等功能。

  18.机器人模型描述格式(URDF);Link(连杆)和Joint(关节)

  19.机器人仿真环境(Gazebo):三维物理仿真平台,用户界面主要由场景窗口、面板、工具栏(上工具栏和下工具栏)和菜单栏

  20.turtlebot3_bringup:主要包含Turtlebot3和传感器的驱动、启动文件。

      ·turtlebot3_description:管理Turtlebot3的描述文件,包括burger、waffle和waffle pi。

      ·turtlebot3_slam:主要包含 Turtlebot3定位与地图构建功能的相关文件。

      ·turtlebot3_navigation:主要包含 Turtlebot3 自动导航功能的相关文件。

      ·turtlebot3_teleop:是常用到的键盘控制机器人运动功能包。

      · turtlebot3__msgs:管理Turtlebot3使用到的消息文件。

      ·turtlebot3_simulations:主要包含Turtlebot3仿真功能的相关文件。

   21.机器人的两大关键问题:自主移动和协同工作

  22.机器人驱动控制方式,第一步是为移动机器人建立运动学模型,然后求得机器人的运动学方程,最后才是代码的实现

相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务,定义资源编排模板,实现自动化创建阿里云专有网络和交换机。
ROS入门实践
本课程将基于基础设施即代码 IaC 的理念,介绍阿里云自动化编排服务ROS的概念、功能和使用方式,并通过实际应用场景介绍如何借助ROS实现云资源的自动化部署,使得云上资源部署和运维工作更为高效。
目录
相关文章
|
12月前
|
自动驾驶 安全 机器人
ROS2:从初识到深入,探索机器人操作系统的进化之路
前言 最近开始接触到基于DDS的这个系统,是在稚晖君的机器人项目中了解和认识到。于是便开始自己买书学习起来,感觉挺有意思的,但是只是单纯的看书籍,总会显得枯燥无味,于是自己又开始在网上找了一些视频教程结合书籍一起来看,便让我对ROS系统有了更深的认识和理解。 ROS的发展历程 ROS诞生于2007年的斯坦福大学,这是早期PR2机器人的原型,这个项目很快被一家商业公司Willow Garage看中,类似现在的风险投资一样,他们投了一大笔钱给这群年轻人,PR2机器人在资本的助推下成功诞生。 2010年,随着PR2机器人的发布,其中的软件正式确定了名称,就叫做机器人操作系统,Robot Op
436 14
|
12月前
|
XML 算法 自动驾驶
ROS进阶:使用URDF和Xacro构建差速轮式机器人模型
【11月更文挑战第7天】本篇文章介绍的是ROS高效进阶内容,使用URDF 语言(xml格式)做一个差速轮式机器人模型,并使用URDF的增强版xacro,对机器人模型文件进行二次优化。
487 6
|
自动驾驶 安全 机器人
ROS2:从初识到深入,探索机器人操作系统的进化之路
【11月更文挑战第4天】ROS2的学习过程和应用,介绍DDS系统的框架和知识。
719 1
|
2月前
|
数据采集 自动驾驶 机器人
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
180 1
|
8月前
|
人工智能 自然语言处理 机器人
9.9K star!大模型原生即时通信机器人平台,这个开源项目让AI对话更智能!
"😎高稳定、🧩支持插件、🦄多模态 - 大模型原生即时通信机器人平台"
264 0
|
6月前
|
弹性计算 自然语言处理 Ubuntu
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
|
5月前
|
机器人
陌陌自动回复消息脚本,陌陌自动打招呼回复机器人插件,自动聊天智能版
这是一款为陌陌用户设计的自动回复软件,旨在解决用户无法及时回复消息的问题,提高成交率和有效粉丝数。软件通过自动化操作实现消息检测与回复功能
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
TsingtaoAI具身智能机器人开发套件及实训方案
该产品套件创新性地融合了先进大模型技术、深度相机与多轴协作机械臂技术,构建了一个功能强大、灵活易用的人机协作解决方案。其核心在于将智能决策、精准感知与高效执行完美结合,为高校实训领域的发展注入新动力。
605 10
|
10月前
|
人工智能 机器人 API
AppFlow:无代码部署Dify作为钉钉智能机器人
本文介绍如何通过计算巢AppFlow完成Dify的无代码部署,并将其配置到钉钉中作为智能机器人使用。首先,在钉钉开放平台创建应用,获取Client ID和Client Secret。接着,创建消息卡片模板并授予应用发送权限。然后,使用AppFlow模板创建连接流,配置Dify鉴权凭证及钉钉连接凭证,完成连接流的发布。最后,在钉钉应用中配置机器人,发布应用版本,实现与Dify应用的对话功能。
2042 7
AppFlow:无代码部署Dify作为钉钉智能机器人
|
12月前
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
1111 64

热门文章

最新文章

推荐镜像

更多