ROS_SLAM基本工具参数解释

ROS_SLAM基本工具参数解释

gazebo

  1. sdf 文件

    1. 相机视角

      <!-- 定义界面参数,如用户相机视角的相关参数 -->
      <gui fullscreen='0'>
          <camera name='user_camera'>
              <pose frame=''>-2.6161 5.6918 4.6956 0.0000 0.7200 -1.1260</pose>
              <view_controller>orbit</view_controller>
              <projection_type>perspective</projection_type>
          </camera>
      </gui>
      
    2. include 参数解释

      从字段上看, 是包含了其他文件. 如下所示:

      <include>
          <uri>model://arena_walls</uri>
      </include>
      <include>
          <uri>model://maze_nav</uri>
      </include>
      
      

      这就奇怪了, 找了很多地方, 都没有能够找到 uri 标记中间的值 model://maze_nav 表示什么意思. 也即是说: 这两个模型的文件路径是什么

      简而言之,model://arena_walls 会去找 gazebo_model_path 路径,而这个路径的申明有几种方法。

      1. 默认路径

        ~/.gazebo/modelsgazebo 会去找的模型默认路径,gazebo 中联机下载的模型也会放在这里,也可以把你的模型放在这里,那 gazebo 一定可以找到。

      2. 自制 model

        也可在自己写的一些 ros 包的 package.xml 文件里 export 这个包里的 models 文件夹,这个文件夹里的模型也会成为gazebo_model_path。给个参考:

        <?xml version="1.0"?>
        <package format="2">
          <name>com2009_assignment2</name>
          <version>0.0.0</version>
          <description>The com2009_assignment2 package</description>
        
          <maintainer email="t.howard@sheffield.ac.uk">Tom Howard</maintainer>
          <license>TODO</license>
          <url type="website">https://github.com/tom-howard/COM2009/tree/main/com2009_assignment2</url>
        
          <buildtool_depend>catkin</buildtool_depend>
        
          <depend>gazebo_ros</depend>
        
          <build_depend>rospy</build_depend>
        
          <build_export_depend>rospy</build_export_depend>
        
          <exec_depend>rospy</exec_depend>
          <exec_depend>gazebo</exec_depend>
        
          <export>
            <gazebo_ros gazebo_media_path="${prefix}"/>
            <gazebo_ros gazebo_model_path="${prefix}/models"/>
          </export>
        </package>
        

        可以发现, 在最后的 <export> 标签里面, 指明了 gazebo_model_path 的路径. ${prefix} 我并没有在系统中设置, 因此默认为空.

      3. move_base

        topic

        1. 中断目标点: rostopic pub /move_base/cancel actionlib_msgs/GoalID -- {}

        service

        • 清除 cus: rosservice call /move_base/clear_costmaps

reference

@online{BibEntry2022Apr,
title = {{gazebo model的sdf文件中的uri路径_benchuspx的博客-优快云博客}},
year = {2022},
month = apr,
date = {2022-04-29},
urldate = {2022-04-29},
language = {chinese},
hyphenation = {chinese},
note = {[Online; accessed 29. Apr. 2022]},
url = {https://blog.youkuaiyun.com/benchuspx/article/details/116404058},
keywords = {gazebo model的sdf文件中的uri路径},
abstract = {{让我们先看一个gazebo模型的sdf文件iris_depth_camera_down.sdf model://iris model://depth}}
}

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

或许,这就是梦想吧!

如果对你有用,欢迎打赏。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值