Qbo
является личным, с открытым исходным кодом роботов, разрабатываемых
Thecorpora. Пас-Франциско стартовал проект Qbo пять лет назад, чтобы
удовлетворить потребность в низкой стоимости, с открытым исходным кодом
робота для того, чтобы рядовому потребителю, чтобы войти в робототехнике
и искусственному миру интеллект. Пару месяцев назад, Thecorpora
решил перейти их разработке программного обеспечения для АФК и теперь
acheived "99,9%" интеграции. Вы можете смотреть видео ниже головы
сервоприводы Qbo в настоящее время контролируется АФК Wiimote водителей,
а также видео из Wiimote контроля колес в Qbo. Их использование
драйверов АФК джойстик означает, что любой из поддерживаемых джойстиков
могут быть использованы с Qbo, в том числе PS3 джойстик и общий Linux
джойстиков. Qbo в других датчиков также интегрирован с АФК,
который означает, что они могут использоваться с более высоким уровнем
библиотеки АФК. Это включает в себя четыре ультразвуковых датчика, а
также Qbo в стерео веб-камеры. Они уже интегрированы стерео и одометрии
данных с OpenCV в целях обеспечения возможности SLAM (см. ниже). Это
действительно интересно увидеть с открытым исходным кодом робот
строительство и расширение на ROS. С их последнего обновления статуса,
похоже, ситуация становится близкой к сделано, в том числе приятный
графический интерфейс, который позволяет даже начинающим пользователям
взаимодействовать с роботом. КДЦ SLAM алгоритму: Алгоритм может быть разделена на три части: Первая
задача заключается в вычислении движения робота. Для этого мы
используем драйвер для нашего робота, который посылает одометрии
сообщении. Второй задачей является выявление природных объектов на
изображении и оценивать свои позиции в трехмерном пространстве.
Алгоритм, используемый для выявления особенностей является функция
GoodFeaturesToTrackDetector от OpenCV. Затем мы извлекаем SURF
дескрипторов эти функции и сопоставить их с BruteForceMatcher алгоритма,
а также от OpenCV. Мы также отслеживаем точки сочетается с редкой
итеративный версия Лукас-Kanade оптического потока в пирамидах и не
смотреть на новые возможности в местах, где мы уже отслеживания еще одна
особенность. Мы принимаем изображения в этом узле с картинки в
сообщения синхронизированы и отправить сообщение PointCloud с позиции
особенностей, их ковариация в трех координатах и SURF дескриптор
функции. Третья задача заключается в осуществлении расширенного
фильтра Калмана и алгоритма данным ассоциации, базирующейся в
Махаланобиса расстояние от CloudPoint видно из робота и CloudPoint на
карте. Для этого мы читаем одометрии и PointCloud сообщения, и мы также
отправить сообщение одометрии и PointCloud сообщение с позиции робота и
функции, включенные в карту на выходе. Перевод http://www.ros.org/news/2010/08/robots-using-ros-thecorporas-qbo.html |