Develop me

이전 글에서 real UR3e 모델에 대해서 ROS2 Moveit2를 이용하여Path Planning까지 수행해보았는데요, ROS2 humble에서 UR3e 작동 및 MoveIt2 Path Planning연구원에서 정말 좋은 경험을 많이 하는 것 같습니다. 언제 이렇게 3000만원짜리 로봇 팔을 제 맘대로 가지고 놀아볼 수 있을까요. 그것도 운이 좋게 소프트웨어를 거의 처음부터 세팅을 할 수 있cobang.tistory.com 이번에는 ROS2 humble에서 Moveit2 를 이용하여real UR3e로 Pick and place를 수행해보겠습니다.저는 Ubuntu 22.04 - ROS2 humble - UR3e 를 사용하였는데요,실제로 버전을 크게 손댄 부분은 없어서 ROS2 모델이면 다 적용될 것이라..

연구원에서 정말 좋은 경험을 많이 하는 것 같습니다. 언제 이렇게 3000만원짜리 로봇 팔을 제 맘대로 가지고 놀아볼 수 있을까요.그것도 운이 좋게 소프트웨어를 거의 처음부터 세팅을 할 수 있었습니다.그래서 더더욱 고생했지만, 많이 배운 듯 합니다. 이번 글은 전 세계적으로 가장 유명한 UR3e 협동 로봇팔을 ROS2를 이용해서 연동하고, Moveit2 를 이용해서 path planning 까지 시연한 글입니다.제가 다른 사이즈의 로봇까지 테스트해보진 않았지만, 적어도 URe series 에 대해서는전부 다 적용될 것이라고 생각합니다. 저는 ROS2 humble 이 설치된 Ubuntu 22.04 PC에서 이를 수행하였고, ROS2 humble 환경 설정 과정은 아래 글을 통해 수행하실 수 있습니다.아래 ..

Docker ? Docker는 컨테이너화를 사용하는 오픈 소스 플랫폼으로,애플리케이션을 가볍고, 격리된 환경인 컨테이너 내에서 실행할 수 있게 해줍니다. 컨테이너는 운영 체제(OS) 레벨의 가상화를 제공하며,각 컨테이너는 별도의 파일 시스템을 갖고,공유된 OS 커널을 사용하면서도 다른 컨테이너와 격리됩니다. 컨테이너는 애플리케이션의 코드, 런타임, 시스템 도구, 시스템 라이브러리 등 필요한 모든 것을 패키지로 묶습니다.이는 애플리케이션을 다양한 환경에서 일관되게 실행할 수 있게 해줍니다. 즉, docker를 사용하는 것은 하나의 완성된 가상환경 패키지를 내려받는 것이라 보시면 될 것 같습니다. Docker의 주요 장점 docker container 는 애플리케이션과 그 종속성을 완전히 포함하므로, 다른 ..

Object Pose Optimization 방식 중 하나인 CenterPose 예제 구동을 위해 환경 구성 및 구현을 수행하는 글입니다.CenterPose는 Category에 존재하는 Monocular RGB Input Source 만으로도Object의 3D Object Bounding Box를 Output으로 도출할 수 있습니다. 2022년 ICRA에 등재된 논문이고 해당 논문에 대한 소개는 아래 글을 참조하시기 바랍니다. [논문 리뷰] CenterPose - Single-Stage Keypoint-Based Category-Level Object Pose Estimation from an RGB Image (2022 ICRA)최근 Object Pose Estimation 에 관해 연구를 하게 되어 ..

최근 Object Pose Estimation 에 관해 연구를 하게 되어 작성하는 글입니다.2022년 Nvidia Lab과 Georgia Institute of Technology 에서 ICRA에 게제한 논문이며,CAD 모델 없이 Monocular RGB input 만으로 Category Object의 Pose Estimation을 성공적으로 수행한 논문입니다.약칭은 CenterPose입니다.  LIN, Yunzhi, et al. Single-stage keypoint-based category-level object pose estimation from an RGB image. In: 2022 International Conference on Robotics and Automation (ICRA). I..

Python OpenCV를 이용해서 YOLOv8과 함께 묶어,Intel RealSense L515와 D435를 통해 특정 오브젝트가 감지되었을 때,해당 object의 깊이 정보를 받아오는 과정을 수행해보겠습니다. YOLO가 필요없으신 분들은 아래 글을 참조하시기 바랍니다. Intel Realsense를 이용한 Python openCV 영상 처리최종적으로 시각 정보를 사용하기 위해 Intel RealSense Viewer 를 사용할 것이 아니고, python3 openCV를 이용해서 RGB Stream과 Depth Stream 을 가져오고 python에서 정보를 처리하길 원했기 때문에 이를 구현한cobang.tistory.com 참조한 좋은 레퍼런스 입니다. 리얼센스 카메라를 활용한 yolov8 기반 hu..

최종적으로 시각 정보를 사용하기 위해 Intel RealSense Viewer 를 사용할 것이 아니고,python3 openCV를 이용해서 RGB Stream과 Depth Stream 을 가져오고python에서 정보를 처리하길 원했기 때문에 이를 구현한 방법과 코드를 설명하겠습니다. 저는 간단하게 cv2.VideoCapture(0) 로 가져와봤는데,L515의 적외선 비디오 채널이 추출되는 이상한 결과가 나타났습니다. 조금 알아보니 다르게 정보를 받아오는 형태여서이를 간단하게 구현해보았습니다. 먼저 필요한 라이브러리 설치해줍니다.cv2는 가상환경에서 GPU를 위해 빌드하셨든,CPU 환경이든 적절히 import 만 되면 됩니다.저는 OpenCV 4.9.0에서는 성공하였지만,CUDA 를 위해 빌드한 pytho..

RealSense D435 와 L515 를 사용하기 위해 ubuntu 22.04 에 RealSense Viewer를 설치하는 과정입니다. 먼저 ubuntu 업그레이드를 해줍니다.sudo apt-get update && sudo apt-get upgrade 공식 git 을 clone 합니다.git clone https://github.com/IntelRealSense/librealsense.git 필요한 라이브러리 패키지를 다운받습니다.sudo apt-get install libssl-dev libusb-1.0-0-dev libudev-dev pkg-config libgtk-3-dev cmake Ubuntu 18/20/22 버전에서는 아래 명령을 수행하여 추가 패키지를 설치합니다.sudo apt-get i..

NVIDIA GPU를 이용하는 경우 병렬 처리와 GPU 가속을 위해 CUDA 를 사용합니다.이 경우 openCV와 torch, torchvision이 CUDA 와 함께 작동할 수 있도록 별도의 빌드 과정이 필요한데,이를 위해 주로 가상 환경을 구성하여 이를 빌드합니다.로컬 환경을 보존시킨 상태로 가상 환경에서 별도의 라이브러리 버전을 사용할 수 있다는 장점이 있습니다. 이 글은 Anaconda 를 이용하여 특정 python 가상 환경을 생성하고,해당 가상환경에서 openCV, PyTorch, torchvision을 빌드하는 방법입니다. 저는 이 과정을 여러 번 했는데도 할 때마다 항상 너무 어려운 것 같습니다.이번에도 이틀을 날렸네요.그래서 이번에 성공한 빌드를 바로 정리를 해두려 합니다.우선 아래 글은..