IKFAST太难配?小鱼OpenRave的Docker镜像分享给你!

2023-05-16

大家好,我是倒腾了一天机械臂的小鱼。众所周知,moveit自带的求解器,使用的是数值解,求解结果稳定性是要看人品的,不过Moveit支持通过配置来更换求解器,目前比较公认的求解器就是ikfast,该求解器通过解析的方式求解,支持大多数机械臂,比如六自由度机械臂,可以快速的算出全部的八组解来,之后你就可以根据自己需要进行筛选。

ikfast虽然好用,但是难配,对系统和各种库的版本要求较高,为此小鱼也折腾了一段时间,后来看到了一个开源库,通过几个脚本可以完成安装,但是对系统的干净程度有很大要求,即使你费尽精力安装完成,系统的各种库估计也被你改的面目全非,针对这一问题,小鱼制作了一个openrave的docker镜像,并安装好了ros,最后打包上传到了docker上了,你可以通过一句命令得到这个环境并直接使用。

使用方法

安装好docker,终端一句话即可,用它配置moveit教程小鱼晚点发。

docker run -it fishros2/openrave

图片

IKFAST介绍

IKFAST是OpenRAVE运动规划软件中提供的一款功能强大的反向运动学求解器。与大多数反向运动学求解器不同,IKFast 可以分析求解任何复杂运动学链的运动学方程,并生成特定于语言的文件(如C++)以供以后使用,其最终结果是极其稳定的,可以在现在的处理器上运行5微秒即可完成。

Dockerfile

制作docker镜像的文件也放这里,等小鱼有时间整理下,给原作者提一个Docker的PR

FROM ubuntu:focal
RUN  apt-get update && apt-get install wget -y
ENV LANG=C.UTF-8
ENV LC_ALL=C.UTF-8
ENV DEBIAN_FRONTEND=noninteractive
RUN echo "chooses:\n" > fish_install.yaml   && \
  echo "- {choose: 5, desc: '一键配置:ROS环境'}\n" >> fish_install.yaml   && \
  echo "- {choose: 2, desc: 更换系统源并清理第三方源}\n" >> fish_install.yaml   && \
  echo "- {choose: 1, desc: 添加ROS/ROS2源}\n" >> fish_install.yaml   && \
  wget http://fishros.com/install -O fishros && /bin/bash fishros  && \
  wget http://fishros.com/install -O fishros && /bin/bash fishros  && \
  rm -rf /var/lib/apt/lists/* /tmp/* /var/tmp/*   && \
  apt-get clean && apt autoclean
RUN  apt update && DEBIAN_FRONTEND=noninteractive apt install -y tzdata
ENV https_proxy=http://192.168.0.108:7890 
ENV http_proxy=http://192.168.0.108:7890 
ENV all_proxy=socks5://192.168.0.108:7890
# git clone https://github.91chi.fun/https://github.com/crigroup/openrave-installation.git && \
COPY ./openrave-installation /openrave-installation
RUN apt update &&  apt install git -y
RUN sudo apt-get install -y --no-install-recommends python2 curl && \
    curl https://bootstrap.pypa.io/pip/2.7/get-pip.py --output get-pip.py && \
    sudo python2 get-pip.py
RUN python2 -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip && \
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple && \
    pip install ipython h5py numpy scipy wheel pyopengl
RUN  cd openrave-installation && \
    /bin/bash ./install-dependencies.sh
RUN  cd openrave-installation && \    
    /bin/bash ./install-osg.sh
RUN  cd openrave-installation && \    
    /bin/bash ./install-fcl.sh
RUN  cd openrave-installation && \
    /bin/bash ./install-openrave.sh 
RUN apt update && \
    apt install ros-noetic-moveit-kinematics -y
ENTRYPOINT ["/bin/bash"]
# build:  docker build -t fishros2/openrave .
# run : docker run -it fishros2/openrave
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

IKFAST太难配?小鱼OpenRave的Docker镜像分享给你! 的相关文章

  • DWA仿真测试

    1 前言 由于之前已经对相关论文进行了翻译 xff0c 因此这里就不再对DWA的原理进行赘述 本文主要目的是根据相关的程序进一步强化对论文中所体现思想的理解 2 示例1 以下是使用python写的一个例子 xff0c 其中比较核心的是把搜索
  • TEB论文翻译

    摘要 传统的 elastic band 方法在规避障碍物的同时 xff0c 会根据距离最短的原则修正全局路径规划算法生成的路径 不过 elastic band 方法没有考虑到机器人的任何运动学约束 本文提出了一种称为 Time elasti
  • 求字符串中的最长回文子串

    方法一 xff08 暴力法 xff09 xff1a include lt stdio h gt include lt string h gt bool Palindrome const char str int start int end
  • 状态估计4(无迹卡尔曼滤波)

    1 简述 2 无迹卡尔曼滤波的思想 3 无迹卡尔曼滤波的核心公式 4 两个例子 34 34 34 Unscented kalman filter UKF localization sample author Atsushi Sakai 64
  • 积分曲线的绘制问题

    概述 事情突然 xff0c 我师姐让我帮她用maltab绘制一个函数的积分曲线 xff0c 如 xff0c 只是感觉满有意思的 xff0c 记录于此 xff01 1 示例 1 1 程序 coding utf 8 34 34 34 Creat
  • 并发与多线程3 (访问局部变量)

    1 例子 1 1 程序 include lt iostream gt include lt thread gt using namespace std struct func public func int amp i i i void o
  • 符号运算求解方程组

    概述 最近帮同事求解一个问题 xff0c 实在不想自己动手推导了 xff0c 就用python的符号运算自动计算了 xff0c 蛮有意思的 1 例子 1 1 程序 34 34 34 Created on Wed Jun 30 14 26 3
  • qtcreator+ClangFormat格式化代码

    1 前言 希望能够格式化代码 xff0c 令代码更加的整齐漂亮 2 设置 1 工具 选项 2 然后选择Beautifier General xff0c Tool选择ClangFormat 图1 General 3 点击ClangFormat
  • 状态估计1(贝叶斯滤波)

    在 概率机器人 中是这么定义 定位 xff0c 确定相对于给定地图环境的机器人位姿 xff0c 也经常被称为位置估计 不过现在这个定义明显被扩展了 xff0c 比如我们也希望知道在没有地图先验的情况下机器人的位置 xff0c 典型的如VIO
  • VINS-Mono论文翻译

    摘要 由一个相机和一个低成本惯性测量单元 IMU 组成的单目视觉惯性系统 VINS xff0c 构成了用于估计六自由度状态的最小传感器单元 xff08 大小 xff0c 重量和功耗 xff09 本文提出了VINS Mono xff1a 一个
  • GVINS论文翻译

    摘要 众所周知 xff0c 视觉惯性里程计 VIO 会出现漂移 xff0c 尤其是在长时间运行的条件下 本文提出了一种基于非线性优化的系统 GVINS xff0c 它将 GNSS 原始测量 视觉和惯性信息紧耦合以进行实时和无漂移的状态估计
  • 使用Mapviz和天地图API绘制gvins算法的轨迹

    1 前言 最近在研究gvins算法 xff0c 由于使用rviz没有办法说明问题 xff0c 也没有办法直观的向老板汇报 xff1b 所以必须找到一个能够在地图上直接显示轨迹的工具 xff0c 经调研选择了Mapviz这个工具 2 安装和配
  • FAST-LIVO论文翻译

    摘要 多传感器融合被证明是一种能够在SLAM任务中取得准确和鲁棒位姿估计的有效解决方案 xff0c 因而在机器人应用中具有无限可能 本文提出了FAST LIVO方法 xff0c 一种快速的雷达 惯性 视觉里程计 xff0c 其中包含了两个紧
  • 工作后,如何免费查论文

    工作后 xff0c 如何免费查论文 毕业后不能像在学校一样享受下载免费论文的待遇了 免费论文 毕业论文 各专业论文在哪里可以下载 xff1f 如果你的学校图书馆有数据库 xff0c 那当然是优先选择 xff0c 很多学校购买了期刊的数据 x
  • LVI-SAM论文翻译

    摘要 我们提出了一个通过smoothing and mapping的紧耦合的雷达视觉惯性里程计框架 xff0c LVI SAM xff0c 能够实时状态估计和建图 xff0c 且具有很高的精度和鲁棒性 LVI SAM基于因子图构建 xff0
  • LIO-SAM论文翻译

    摘要 我们提出了一个通过smoothing and mapping实现的紧耦合激光惯性里程计框架 xff0c LIO SAM xff0c 能够取得高精度 实时的移动机器人的轨迹估计和地图构建 LIO SAM基于因子图构建 xff0c 把多个
  • R3live论文翻译

    摘要 在本文中 xff0c 我们提出了一个新颖的激光惯性视觉传感器融合框架 xff0c 也就是R3live xff1b 它利用了激光雷达 惯性和视觉传感器的测量值 xff0c 可以得到鲁棒和高精度的状态估计 R3live包含了两个子系统 x
  • FAST-LIO2论文翻译

    摘要 本文提出了FAST LIO2 xff1a 一个快速 xff0c 鲁棒和多功能的雷达惯性里程计框架 基于高效的紧耦合的迭代卡尔曼滤波 xff0c FAST LIO2有两个关键的创新点 xff0c 可实现快速 鲁棒和准确的激光导航 xff
  • FAST-LIO论文翻译

    摘要 本文提出了一个计算效率较高和鲁棒的激光 惯性里程计框架 我们使用基于紧耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起 xff0c 以便在发生退化的快速运动 xff0c 嘈杂或杂乱环境中实现稳健的导航 为了在存在大量
  • Faster-lio论文翻译

    摘要 本文提出了一种基于增量体素的激光惯性里程计 xff08 LIO xff09 方法 xff0c 用于快速跟踪旋转和固态激光雷达 为了实现快速的跟踪速度 xff0c 我们既没有使用复杂的基于树的结构来划分空间点云 xff0c 也没有使用严

随机推荐