LCAD - Contribuições do(a) usuário(a) [pt-br]

Instalação Carmen para Ubuntu 14.04

2016-11-21T13:51:20Z

Avelino:

[[category:Carmen]]

Essa instalação é completa, mas é necessário testar todos os módulos.

= Preparação para a instalação do Carmen =

Atualizar o apt:
sudo apt-get update

Instalar o git, gimp, meld e vim:
sudo apt-get install gimp meld vim git

Baixar o Carmen pelo git (faça o download enquanto segue os próximos passos):
git clone https://github.com/LCAD-UFES/carmen_lcad.git

Baixe a MAE via git:
git clone https://github.com/LCAD-UFES/MAE.git

Instalar os pacotes para o carmem no 14.04

sudo apt-get install swig \
libgtk2.0-dev \
qt-sdk \
libimlib2 libimlib2-dev \
imagemagick libmagick++-dev \
libwrap0 libwrap0-dev tcpd \
libncurses5 libncurses5-dev \
libgsl0-dev libgsl0ldbl \
libdc1394-22 libdc1394-22-dev libdc1394-utils \
cmake \
libgtkglext1 libgtkglext1-dev \
libgtkglextmm-x11-1.2-0 libgtkglextmm-x11-1.2-dev \
libglade2-0 libglade2-dev \
freeglut3 freeglut3-dev \
libcurl3 libcurl3-nss libcurl4-nss-dev \
libglew1.5 libglew1.5-dev libglewmx1.5 libglewmx1.5-dev libglew-dev \
libkml0 libkml-dev \
liburiparser1 liburiparser-dev \
libusb-1.0-0 libusb-1.0-0-dev libusb-dev \
libxi-dev libxi6 \
libxmu-dev libxmu6 \
build-essential libforms-dev \
byacc \
flex \
doxygen \
libespeak-dev libfftw3-dev

caso de erro em libcheese-gtk23 instale os pacotes abaixo antes dos anteriores (Solucão nao confirmada):
sudo apt-get install libglew-dev libcheese7 libcheese-gtk23 libclutter-gst-2.0-0 libcogl15 libclutter-gtk-1.0-0 libclutter-1.0-0

Instalar o Java:

Obs:Caso queira usar a versão mais atualizada do java para uso pessoal,
troque oracle-jdk7-installer por oracle-java8-installer

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update && sudo apt-get install oracle-jdk7-installer
update-alternatives --display java

Edite o arquivo /etc/environment:
sudo gedit /etc/environment

Adicione no final do arquivo (se instalou o java8 mude o final de java-7-oracle para java-8-oracle):
JAVA_HOME=/usr/lib/jvm/java-7-oracle

Instalar o eclipse:

Baixe o eclipse de:
https://www.eclipse.org/downloads/eclipse-packages/

Descompacte o ecplise
cd Downloads/
sudo mv eclipse-cpp-kepler-R-linux-gtk-x86_64.tar.gz /opt
cd /opt/
sudo tar -xvf eclipse-cpp-kepler-R-linux-gtk-x86_64.tar.gz

Crie um arquivo desktop e edite ele em /usr/share/applications:
sudo gedit /usr/share/applications/eclipse.desktop

Coloque o seguinte conteudo:
[Desktop Entry]
Name=Eclipse
Type=Application
Exec=/opt/eclipse/eclipse
Terminal=false
Icon=/opt/eclipse/icon.xpm
Comment=Integrated Development Environment
NoDisplay=false
Categories=Development;IDE
Name[en]=Eclipse

Instale as deps da PCL:
sudo apt-get install libeigen3-dev libboost-all-dev libflann-dev libvtk5-dev cmake-gui

Instale as deps do OpenCV 2.4.9 :
sudo apt-get install build-essential libgtk2.0-dev libjpeg-dev libtiff4-dev libjasper-dev \
libopenexr-dev cmake python-dev python-numpy python-tk libtbb-dev libeigen2-dev yasm libfaac-dev \
libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev libx264-dev \
libqt4-dev libqt4-opengl-dev sphinx-common texlive-latex-extra libv4l-dev libdc1394-22-dev \
libavcodec-dev libavformat-dev libswscale-dev

Baixar os arquivos:
sudo su
cd /usr/local/
wget http://downloads.sourceforge.net/project/opencvlibrary/opencv-unix/2.4.9/opencv-2.4.9.zip
wget https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/bullet/bullet-2.78-r2387.tgz
wget http://downloads.sourceforge.net/project/fann/fann/2.2.0/FANN-2.2.0-Source.tar.gz
wget http://www.kvaser.com/software/7330130980754/V5_3_0/linuxcan.tar.gz
tar -xvf bullet-2.78-r2387.tgz
unzip opencv-2.4.9.zip
tar -xvf linuxcan.tar.gz
tar -xvf FANN-2.2.0-Source.tar.gz
mv bullet-2.78 bullet
cd bullet
./configure
make
make install
cd ..
cd linuxcan
make
make install
cd ..
cd FANN-2.2.0-Source
mkdir build
cd build
cmake ..
make
make install
cd ../..
cd opencv-2.4.9
mkdir build
cd build
cmake -D WITH_TBB=ON -D WITH_CUDA=OFF -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=ON -D WITH_OPENGL=ON ..
make
make install

Edite o arquivo /etc/ld.so.conf.d/opencv.conf
gedit /etc/ld.so.conf.d/opencv.conf

Adicione ao final dele:
/usr/local/lib

Execute:
ldconfig

Edite o arquivo /etc/bash.bashrc:
gedit /etc/bash.bashrc

Adicione no final do arquivo:
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

sair do rooot
exit

Coloque no .bashrc:
#CARMEN
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib:/usr/lib/x86_64-linux-gnu:/usr/lib/i386-linux-gnu/:/usr/lib/libkml
export CARMEN_HOME=~/carmen_lcad

#MAE
export MAEHOME=~/MAE
export PATH=$PATH:$MAEHOME/bin

Instale os pacotes imlib e flycapture:
cd $CARMEN_HOME/ubuntu_packages/
sudo dpkg -i imlib_1.9.15-20_amd64.deb
sudo dpkg -i imlib-devel_1.9.15-20_amd64.deb
tar -xvf flycapture2-2.5.3.4-amd64-pkg.tgz
cd flycapture2-2.5.3.4-amd64/
sudo apt-get install libglademm-2.4-1c2a
sudo apt-get install libglademm-2.4-dev
sudo apt-get install libgtkmm-2.4-dev
sudo sh install_flycapture.sh

Faça os links:
sudo ln -s /usr/lib64/libgdk_imlib.so.1.9.15 /usr/lib64/libgdk_imlib.a
sudo ln -s /usr/src/linux-headers-3.8.0-30/ /usr/src/linux

Instale a PCL:
sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl
sudo apt-get update
sudo apt-get install libpcl-all

Instale a câmera Kinect:
sudo su
cd /usr/local
wget http://sourceforge.net/projects/libusb/files/libusb-1.0/libusb-1.0.19/libusb-1.0.19.tar.bz2
tar xvf libusb-1.0.19.tar.bz2
cd libusb-1.0.19
./configure
make
make install

se der erro na instalacao acima tente instalar a udev-dev antes:
sudo apt-get install libudev-dev

mkdir /usr/local/tplib
cd /usr/local/tplib
git clone git://github.com/OpenKinect/libfreenect.git
cd libfreenect
mkdir build
cd build
cmake ..
cp src/libfreenect.pc /usr/local/tplib/
make
cp ../src/libfreenect.pc.in src/libfreenect.pc
cp ../fakenect/fakenect.sh.in fakenect/fakenect.sh
make install
ldconfig /usr/local/lib64/
exit

Execute:
glview

Caso dê erro, tente:
freenect-glview

Se der erro execute:
sudo ldconfig /usr/local/lib64/

Instalação da biblioteca G2O 14.04:
sudo apt-get install cmake libsuitesparse-dev libqt4-dev qt4-qmake
cd /usr/local/
sudo svn co https://svn.openslam.org/data/svn/g2o
cd /usr/local/g2o/trunk/build/
sudo cmake ../ -DBUILD_CSPARSE=ON -DG2O_BUILD_DEPRECATED_TYPES=ON -DG2O_BUILD_LINKED_APPS=ON
sudo make
sudo make install

----
<blockquote>
'''ATENCAO: Caso esteja usando o UBUNTU 14.04.3 é necessario instalar a zlib:'''
<pre>
Para verificar sua versão, veja no campo Description, na saída do comando abaixo:
lsb_release -a
Caso seja o 14.04.3 faca:
cd $CARMEN_HOME/ubuntu_packages
sudo dpkg -i zlib1g_1.2.3.4.dfsg-3ubuntu4_amd64.deb
sudo dpkg -i zlib1g-dev_1.2.3.4.dfsg-3ubuntu4_amd64.deb
</pre>
</blockquote>
----

Faça o link da boost:
sudo ln -s /usr/lib/x86_64-linux-gnu/libboost_thread.so /usr/lib/x86_64-linux-gnu/libboost_thread-mt.so

Instale as bibliotecas da MAE:
sudo apt-get install make g++ freeglut3-dev byacc libforms-dev libtiff4-dev libXi-dev libXmu-dev doxygen tcsh flex libdc1394-22-dev

# Compilar a MAE:
## Pré-requisito: as variáveis de ambiente MAEHOME e PATH devem estar ajustadas;
## Entrar no diretório da MAE: "cd $MAEHOME";
## Compilar a MAE: "make".
## Verificar se a biblioteca da MAE libnet_conn.a foi gerado em MAEHOME/lib;
## Verificar se o compilador da MAE netcomp foi gerado em MAEHOME/bin.

Mais informações sobre a MAE: http://www.lcad.inf.ufes.br/wiki/index.php/M%C3%A1quina_Associadora_de_Eventos_-_MAE#Compilando_a_MAE

Instalação da dlib:
cd /usr/local
sudo su
git clone https://github.com/davisking/dlib.git
cd dlib/
mkdir build
cd build/
cmake .. {Vai reclamar de coisas CUDA. Mas pode compilar sem suporte a CUDA}
make
make install

Feche todos os terminais e faça:
cd $CARMEN_HOME/src
./configure --nojava --nocuda --nozlib
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] N
Searching for Python2.4... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2

Antes de compilar o CARMEN, precisamos que o módulo tracker seja compilado separadamente para que o navigator_spline funcione:
cd $CARMEN_HOME/src/tracker
make

Vai dar um erro de compilação, mas está tudo ok.

Para compilar o carmen rode:
cd $CARMEN_HOME/src
make

Caso dê erro por causa da libusb.h vá no arquivo:
sudo vim /usr/local/include/libfreenect.hpp
E altere #include <libusb.h> para
#include <libusb-1.0/libusb.h>

Caso dê erro na compilacão no global por causa do z_stream tente
cd $CARMEN_HOME/src
make clean
./configure --nojava --nocuda
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] N
Searching for Python2.4... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2
make

= Ajustes para a IARA =

Para configurar o OpenJAUS siga o tutorial em :

$CARMEN_HOME/sharedlib/OpenJAUS/README_ALBERTO.txt

Para que o GPS e o XSENS sejam configurados automaticamente ao serem conectados às portas USB, copie o seguinte arquivo do diretório data do Carmen para sua máquina:

cd $CARMEN_HOME/data
sudo cp 99-usb-serial.rules /etc/udev/rules.d/

== Ajustes na rede para o GPS Trimble ==

Para conectar o novo GPS Trimble é necessário uma conexão com a Internet dentro da IARA. Optamos por usar um iPhone com conexão 3G.

Para o iPhone funcionar no Ubuntu 12.04 é necessário um tanto de coisas... Perdemos o histórico mas dá para achar na Internet (Google iPhone 4S ubuntu 12.04 mount). Precisa instalar uns pacotes (apt-get install ...). Se você tiver sucesso, vai ser possível usar o iPhone como Personal Hotspot, ou seja, usar a Internet de dentro da IARA.

Feito isso, é necessário criar um Gateway da máquina que tem acesso a Internet (car01) para uma subrede da IARA (192.168.0.0 - a subrede de Carro Network). Para isso (ver página de referência em https://help.ubuntu.com/community/Internet/ConnectionSharing (Gateway set up)), considerando o iPhone em eth2 e a subrede da IARA em eth1:
sudo iptables -A FORWARD -o eth2 -i eth1 -s 192.168.0.0/24 -m conntrack --ctstate NEW -j ACCEPT
sudo iptables -A FORWARD -m conntrack --ctstate ESTABLISHED,RELATED -j ACCEPT
sudo iptables -t nat -F POSTROUTING
sudo iptables -t nat -A POSTROUTING -o eth2 -j MASQUERADE
sudo iptables-save | sudo tee /etc/iptables.sav

Os comandos acima criam um NAT do iPhone para a subrede da IARA. Em seguida, é necessário editar o /etc/rc.local e adicionar a linha abaixo antes de "exit 0":
iptables-restore < /etc/iptables.sav

É necessário ainda:
sudo sh -c "echo 1 > /proc/sys/net/ipv4/ip_forward"

Para tornar isso permanente, inclua as linhas abaixo em /etc/sysctl.conf:
net.ipv4.ip_forward=1
net.ipv4.conf.default.forwarding=1
net.ipv4.conf.all.forwarding=1

No Network Manager, tem que setar "Use this connection only for resources on its network" (Network Manager->IPv4 Settings->Routes) em todas as redes cabeadas exceto a do iPhone.

Pronto!

Máquina Associadora de Eventos - MAE

2016-03-23T11:36:11Z

Avelino: /* No Ubuntu */

[[category:MAE]]
== Manual da MAE ==

=== Introdução ===
;O que é a MAE? :
;Histórico :

=== Instalando a MAE ===
<div style='text-align: justify'>
Nesta seção descreveremos o roteiro de instalação passo-a-passo da MAE nos ambientes testados até então (Windows Xp, Windows 7, Ubuntu, Fedora). No entanto acreditamos que seja possível instalá-la em qualquer sistema LINUX/WINDOWS seguindo os passos aqui citados, porém algumas diferenças na instalação entre distribuições diferentes podem surgir, ficando a cargo do usuário resolvê-las.
</div>
==== No Windows ====
; Baixando a MAE :
*Baixe um cliente SVN. Recomendamos o TortoiseSVN.
**Acesse http://tortoisesvn.net/downloads e siga os passos do assistente de instalação. Qualquer dúvida acesse http://tortoisesvn.net/help .
*Faça checkout do repositório http://www.lcad.inf.ufes.br/svn/MAE no diretório 'C:\MAE'. É necessário ter permissão de acesso ao repositório. Caso você não tenha, entre em contato com a administração do LCAD.
** Para isto crie o seguinte diretório 'C:\MAE'.
** Clique com o botão direito sobre o diretório 'C:\MAE' e escolha a opção SVN Checkout, deverão aparecer as telas abaixo:

[[imagem:Svn_checkout.png|frame|center|100px|Figura 1: SVN Checkout Option]]
[[imagem:Svn_checkout2.png|frame|center|100px|Figura 2: SVN Checkout]]

; Dependências (bibliotecas) :
Instale os seguintes pacotes para o Windows (caso o link não seja mais válido, procure no Google):
* Instalando o [http://sourceforge.net/projects/gnuwin32/files/bison/ Bison-1.875-4]
Siga exatamente as configurações da instalação conforme abaixo:
[[imagem:Bison_install.png|frame|center|100px|Figura 3: Bison Tela Inicial]]
[[imagem:Bison_install1.png|frame|center|100px|Figura 4: Diretório Instalação do Bison]]
[[imagem:Bison_install2.png|frame|center|100px|Figura 5: Opções de Instalação]]
Continue a instalação padrão, clicando no botão 'next' até o final.

* Instalando o [http://sourceforge.net/projects/gnuwin32/files/flex/ Flex-2.5.4a-1]
Siga exatamente as configurações da instalação conforme abaixo:
[[imagem:flex_install.png|frame|center|100px|Figura 6: Flex Tela Inicial]]
[[imagem:flex_install1.png|frame|center|100px|Figura 7: Diretório de Instalação do Flex]
[[imagem:flex_install2.png|frame|center|100px|Figura 8: Opções de Instalação]]
Continue a instalação padrão, clicando no botão 'next' até o final.

* Instalando a [http://gnuwin32.sourceforge.net/packages.html Libgw32c-0.4]
Siga exatamente as configurações da instalação conforme abaixo:
[[imagem:libgw_install.png|frame|center|100px|Figura 9: LibGW Tela Inicial]]
[[imagem:libgw_install1.png|frame|center|100px|Figura 10: Diretório de Instalação da LibGW]]
Continue a instalação padrão, clicando no botão 'next' até o final.

* Instalando o [http://www.bloodshed.net/dev/devcpp.html DevCpp 4.9.9.2]
**Siga exatamente as configurações PADRÃO da instalação do DevCpp!

Baixe o arquivo zip [[Media:WINGLUT.zip|WINGLUT.zip]]
Abra o zip e:
* Copie os arquivos libglu32.a, libglut.a e libglut32.a para o diretório C:\Dev-Cpp\lib
* Copie o arquivo glut.h para o diretório C:\Dev-Cpp\include\GL
* Copie os arquivos glu32.dll, glut32.dll e opengl32.dll para o diretório C:\Windows\System32 (se o Windows disser que eles já existem lá, mande sobreescrever; é recomendado fazer um backup das cópias das dlls no diretório para que o caso de erros acontecerem).

; Compilando a MAE :
<div style='text-align: justify'> Setar a variável de ambiente PATH para apontar para os diretórios C:\Dev-Cpp\bin, MAE\bin e C:\Program Files\GnuWin32\bin (caso esse path seja diferente na sua máquina, mudar os scripts Makefile.win).

<div style='text-align: justify'>
Para isto basta ir nas propriedades de Meu Computador:
[[imagem:path1.png|frame|center|100px|Figura 11: Propriedades Meu Computador]]
(no Windows 7 procure o opção Configurações Avançadas de Sistema que está no menu lateral)
Na guia Avançado, procure por Variáveis de Ambiente:
[[imagem:path2.png|frame|center|100px|Figura 12: Variáveis de Ambiente]]
Procure a variável 'path' :
[[imagem:path3.png|frame|center|100px|Figura 13: A variável PATH]]
Clique em editar e adicione os diretórios citados acima:
[[imagem:path4.png|frame|center|100px|Figura 14: Editando a variável PATH]]
<div>

# Entrar no prompt de comando do DOS;
# Acessar o diretório raiz da MAE;
# Executar o script de compilação da MAE via os comandos:
make –f Makefile.win clean
make –f Makefile.win

* Saída
** A libnet_conn.a gerada no diretório MAE\lib;
[[imagem:file1.png|frame|center|100px|Figura 15: libnet_conn.a]]
** O netcomp.exe no diretório MAE\bin.
[[imagem:file2.png|frame|center|100px|Figura 16: netcomp.exe]]

; Compilando os Exemplos :
# Entrar no prompt de comando do DOS;
# Acessar o diretório raiz do exemplo da MAE;
# Executar o script de compilação do exemplo via os comandos:
make –f Makefile.win clean
make –f Makefile.win

* Saída
** A DLL do exemplo é gerada no diretório MAE\lib;
[[imagem:file3.png|frame|center|100px|Figura 17: DLL da aplicação]]
** O EXE do exemplo é gerado no diretório do exemplo.
[[imagem:file4.png|frame|center|100px|Figura 18: Executável da aplicação]]

==== No Linux ====

=====No Ubuntu=====
Instale o subversion:
# apt-get install git

Baixe a MAE via GIT:
$ cd
$ git clone https://github.com/LCAD-UFES/MAE.git

Instale as bibliotecas da MAE:
# apt-get install make g++ freeglut3-dev byacc libforms-dev libtiff4-dev libXi-dev libXmu-dev doxygen tcsh flex libdc1394-22-dev

Compile a MAE seguindo esses passos : [http://www.lcad.inf.ufes.br/wiki/index.php/M%C3%A1quina_Associadora_de_Eventos_-_MAE#Compilando_a_MAE aqui]

=====Instalando a MAE no Linux Fedora=====
; Baixando a MAE :
# Pré-requisito: instalar o Subversion: "yum install subversion";
# Fazer checkout do repositório da MAE: "svn checkout http://www.lcad.inf.ufes.br/svn/MAE /home/<user>/MAE", fornecendo usuário e senha de acesso ao repositório;
# Fornecer permissões para os arquivos e diretórios da MAE: "chmod 777 -R MAE".

; Dependências (bibliotecas) :
# g++: "yum install gcc-c++";
# Make: "yum install make";
# Glut: "yum install freeglut freeglut-devel";
# Flex & Bison: "yum install flex flex-static byacc";
# XForms: "yum install xforms xforms-devel";
# Tiff: "yum install libtiff libtiff-devel";
# Xi: "yum install libXi-devel";
# Xmu: "yum install libXmu-devel";
# Docs: "yum install doxygen";
# csh: "yum install csh".

Para instalar tudo de uma vez execute:
yum install gcc-c++ subversion make freeglut-devel flex flex-static byacc xforms-devel libtiff-devel libXi-devel libXmu-devel doxygen csh

===== Compilando a MAE =====
# Ajustar variáveis de ambiente:
## Entrar no console (terminal);
## Criar MAEHOME: "export MAEHOME=/home/<user>/MAE";
## Adicionar MAEHOME\bin no PATH: "export PATH=$PATH:$MAEHOME/bin";
Você pode também usar:
#MAE
export MAEHOME=~/MAE
export PATH=$PATH:$MAEHOME/bin
# Compilar a MAE:
## Pré-requisito: as variáveis de ambiente MAEHOME e PATH devem estar ajustadas;
## Entrar no diretório da MAE: "cd $MAEHOME";
## Compilar a MAE: "make".
## Verificar se a biblioteca da MAE libnet_conn.a foi gerado em MAEHOME/lib;
## Verificar se o compilador da MAE netcomp foi gerado em MAEHOME/bin.

; Compilando os Exemplos :
# Entrar no diretório do exemplo: "cd $MAEHOME/examples/<nome_do_exemplo>";
# Compilar o exemplo: "make".

=== Framework MAE ===

==== Arquitetura da MAE ====

<div style='text-align: justify'>A MAE é um framework que permite projetar tanto estruturas modulares usando RNSP (Redes Neurais Sem Peso) com neurônios do tipo VG-RAM (Virtual Generalizing Random Access Memory) quanto estruturas com arquitetura em camadas, definindo um processamento específico para cada camada.

A utilização do framework MAE se deve às várias facilidades fornecidas tais como:

* Simplicidade na descrição de arquiteturas neurais e/ou baseada em camadas: A MAE permite a descrição de arquiteturas neurais e/ou camadas através de uma linguagem de alto nível, com geração automática do código que as implementa.

* Flexibilidade: Na linguagem de descrição de arquiteturas, vários parâmetros podem ser alterados; além disso, a ferramenta permite a incorporação de código do usuário.

* Facilidade visual. Toda camada descrita pela linguagem utilizada pela MAE pode ter uma representação visual, o que torna possível o acompanhamento da resposta temporal de cada camada.

* Portabilidade. A MAE é implementada utilizando uma linguagem padrão, o C ANSI, possibilitando que seja portada para qualquer sistema que possua um compilador C padrão. Os pacotes e bibliotecas importadas pelo framework são pacotes portáteis como Mesa3D, Flex, Bison, entre outros.

O sistema MAE (Figura 19, abaixo) é composto, basicamente, de duas partes. A primeira é um programa chamado netcomp, que recebe como entrada um arquivo com extensão .con contendo a descrição da arquitetura (neural ou de camadas) escrita na linguagem NADL (Network Architecture Description Language), e gera como saída um arquivo com extensão .c, contendo código C correspondente à tradução do arquivo .con para C. A segunda é a biblioteca de rotinas MAE, a ''libnet'' da figura 18, que implementa os neurônios, seu treinamento, processamento específico para cada camada, interface com o usuário, etc.

[[imagem:Arquitetura_mae_small.png|frame|center|500px|Figura 19: Diagrama da Arquitetura da MAE]]

O netcomp é um tradutor da linguagem de descrição de arquitetura descrita no arquivo .con para C. O arquivo .c gerado e os arquivos de rotinas do usuário são compilados e linkados com outras bibliotecas necessárias por um script chamado netcompiler. É este script que gera o arquivo executável final, ou aplicação MAE, que implementa a arquitetura descrita no arquivo .con, além de uma interface que permite ao usuário manipular a arquitetura. Na verdade, para gerar uma aplicação MAE, este processo é transparente ao usuário. O netcompiler se encarrega de realizar todo o processo automaticamente, gerando como saída uma aplicação MAE.

A MAE utiliza uma biblioteca própria implementada em ANSI C e um conjunto de pacotes e bibliotecas externas que são utilizados para fornecer algumas facilidades sem necessidade de implementá-las. Os pacotes e bibliotecas utilizadas pela MAE são:

* Biblioteca MAE (libnet): Biblioteca implementada em C, com código fonte escrito em ANSI C, com as rotinas necessárias para efetuar todo o controle da aplicação. Contém também todas as rotinas utilizadas para criação e manipulação de cada uma das partes que compõe a arquitetura (neural e/ou camadas), inclusive rotinas para treinamento e execução da rede neural, quando a aplicação for uma RNSP.

* MESA 3-D e GLUT: MESA 3-D é uma biblioteca gráfica 3D com uma API bastante semelhante ao OpenGL e que utiliza o mesmo tipo de máquina de estados e sintaxe de comandos do OpenGL, porém de distribuição livre. O GLUT (OpenGL Utility Toolkit) é um conjunto de ferramentas independente do sistema de janelas utilizado pelo sistema operacional para escrever programas em OpenGL, que também pode ser utilizado com o MESA 3D.

* XForms: Conjunto de ferramentas para desenvolver interface gráfica com o usuário baseada no sistema de janelas X Window. Utilizada para a criação do painel de controle de uma aplicação MAE como controle dos eventos do mouse, teclado, menus e botões.

* Flex & Bison: Flex é um gerador de código de analisadores léxicos. É uma implementação de distribuição livre da ferramenta Lex. Bison é um gerador de código de analisador sintático (paser) baseado numa gramática descrita num arquivo texto entrado como parâmetro. A MAE utiliza o Flex e o Bison em conjunto para descrever e interpretar as duas linguagens (linguagem de descrição da arquitetura e linguagem de execução de scripts para RNSP) utilizadas.

==== ''Network Arcitecture Description Language'' ====
A ''Network Architecture Description Language'' é a linguagem por meio da qual se especifica a arquitetura de camadas da aplicação. Esta linguagem é utilizada tanto na especificação de camadas de funções de processamento específicas, ditos filtros, quanto na descrição de camadas de redes neurais para aplicações baseadas em RNSP, provendo comandos de criação de conexões entre as camadas de redes neurais e filtros, permitindo o treinamento das mesmas por meio de associações. Nesta tambem estão presentes comandos de construção de camadas de entrada e saída para a introdução de dados na rede e visualização das saídas associadas às camadas.
Os comandos para descrição das camadas são: filter, neuron_layer, associate, input, output e output_connect.

O léxico e a sintaxe da NADL foram desenvolvidos com as ferramentas Flex e Bison, sendo que os arquivos com a definição léxica e sintática da linguagem de descrição das camadas são netcomp_lex.l e netcomp_yacc.y e se encontram no diretório <diretório da MAE>/src.

==== ''Control Script Language'' ====

=== Tutorial ===
==== Uma Aplicação Exemplo – Reconhecimento de Faces ====
==== Base de Dados de Entrada – AR Face Database ====
==== Arquitetura da Aplicação MAE face_recog_planar ====
==== Descrição da face_recog_planar em NADL ====
==== Compilando e Rodando a face_recog_planar ====
==== Interface do Usuário com a face_recog_planar ====
==== Funções do Usuário Associadas à Aplicação face_recog_planar ====
==== Controlando a face_recog_planar via CSL ====

=== Especificação da NADL (Network Architecture Description Language) ===
<div style='text-align: justify'>As definições léxicas e sintáticas da linguagem NADL se encontram, respectivamente, nos arquivos netcomp_lex.l e netcomp_yacc.y presentes no diretório <diretório da MAE>/src. Nesta seção serão descritos resumidamente os comandos da linguagem.

==== Variáveis e Constantes ====
Os tipos possíveis para variáveis são:
* inteiro;
* float.

A definição de constantes também é permitida.

==== Variáveis Globais ====
O comando set atribui um valor a uma variável global qualquer da aplicação MAE, definida em seu código fonte. A sintaxe do comando set é mostrada abaixo:

set <variável> = <valor>;

<variável>: Nome da variável global.

<valor>: Valor a ser atribuído na variável global.

==== Camadas Neurais ====
Uma camada neural (neuron_layer) é, basicamente, uma matriz de neurônios que é utilizada para implementar as camadas de neurônios (células simples, células complexas, células de MT, etc.). A sintaxe para especificar uma neuron_layer é mostrada abaixo:

neuron_layer <nome> <dimensão> with <tipo de saída> outputs;

<nome>: Nome pelo qual a neuron_layer poderá ser referenciada.

<dimensão>: Dimensão da neuron_layer. Definida entre colchetes. Exemplo da dimensão de uma neuron_layer bidimensional 10x10 com um total de 100 neurônios: [10][10].

<tipo de saída>: Define o tipo de saída dos neurônios de uma neuron_layer. Pode ser: b&w, grayscale, grayscale_float e color. Quando as saídas são definidas como b&w elas podem assumir os valores 0 ou 1 apenas, representando, o preto e o branco. Quando as saídas são definidas como grayscale elas podem assumir valores inteiros de 0 à 255, representando uma escala de cinza com 256 valores. Quando as saídas são definidas como grayscale_float elas podem assumir qualquer valor de ponto flutuante, entretanto para a visualização, é selecionado o maior valor em módulo (|s_max|) da saída dos neurônios desta neuron_layer, e este valor é utilizado para realizar uma discretização na visualização: a parte positiva, definida pelo intervalo [0, |s_max|], é discretizada e visualizada como 256 níveis de verde, enquanto que a parte negativa, definida pelo intervalo [-|s_max|, 0[, é discretizada e visualizada como 256 níveis de vermelho. Caso só possua valores positivos, a visualização é feita em escala de cinza. Quando as saídas são definidas como color, elas podem assumir um valor RGB de 24 bits, com 8 bits por cor.

==== Entrada ====
Através do comando input, é criada uma neuron_layer com nome, dimensão e saída especificadas, entretanto, um tratamento especial é dada nestas neuron_layer’s. É criada uma janela para cada input gerada que mostra o estado dos neurônios desta input, e podem ser associadas duas funções, uma para geração e outra para manipulação da input. A neron_layer criada pela input pode ser manipulada por eventos de mouse e teclado. A sintaxe para especificar uma input é mostrada abaixo:

input <nome> <dimensão> with <tipo de saída> outputs [produced by <função geradora>] [controled by <função de controle>];

<nome>: Nome pelo qual a input poderá ser referenciada.

<dimensão>: Dimensão da input. Possui a mesma descrição do parâmetro <dimensão> da neuron_layer, citado anteriormente.

<tipo de saída>: Define o tipo de saída dos neurônios de uma input. Podem ser: b&w, grayscale, grayscale_float e color. Possui a mesma descrição do parâmetro
<tipo de saída> da neuron_layer, citado anteriormente.

<função geradora>: O objetivo da função de geração é inicializar parâmetros da input, criar sua janela, associá-la às funções de controle de mouse, teclado, além do controle de atualização do conteúdo da janela. Podem-se passar quantos parâmetros forem necessários para a função de geração, desde que sejam constantes, expressões aritméticas ou nomes de objetos já definidos no arquivo de definição. Nesta função, normalmente é definida como a input receberá as informações de entrada, por exemplo, de um arquivo de entrada. A declaração de uma função de geração é opcional. Se não for definida, a função pré-estabelecida na biblioteca MAE será utilizada, que é a que trata de imagens estáticas. Esta função procura no diretório em que está sendo executada a aplicação MAE, um arquivo com o mesmo nome da input com extensão .in. Uma string na primeira linha deste arquivo deve informar o nome de um arquivo .bmp contendo a imagem estática a ser usada como entrada. Os valores de cada pixel deste arquivo são passados para os neurônios da input.

<função de controle>: Também é opcional. O objetivo da função de controle é fornecer o código necessário para tratar a interação da input com o usuário, por exemplo, eventos de clique de mouse sobre a janela de visualização da input. Podem-se passar quantos parâmetros quiser, desde que sejam constantes, expressões aritméticas ou nomes de objetos já definidos no arquivo de definição.

==== Saida ====
Uma output é apenas uma visualização das saídas de uma neuron_layer. Através de uma output, pode-se fornecer uma interação do usuário com uma determinada neuron_layer, semelhante a input. A sintaxe para especificar uma output é mostrada abaixo:

output <nome> <dimensão> [handled by <função manipuladora>];

<nome>: Nome pelo qual a output poderá ser referenciada.

<dimensão>: Dimensão da output. Possui a mesma descrição do parâmetro <dimensão> da neuron_layer, citado anteriormente.

<função manipuladora>: A declaração desta função é opcional. O objetivo da função manipuladora é fornecer o código necessário para tratar a interação da output, e portanto com a neuron_layer na qual está associada (vide comando output_connect), com o usuário. Podem-se passar quantos parâmetros quiser, desde que sejam constantes, expressões aritméticas ou nomes de objetos já definidos no arquivo de definição.

==== Filtros ====
Este comando define que uma ou mais neuron_layers, terão suas saídas processadas e, o resultado deste processamento será a entrada de uma outra neuron_layer. Esta é a definição de filtro para a MAE. Alguns filtros mais utilizados, por exemplo, um filtro que computa a soma da saída de um conjunto de neuron_layer’s colocando o resultado numa outra neuron_layer, estão implementados no arquivo <diretório da MAE>/src/filter.c, entretanto podem ser implementados filtros específicos para uma determinada aplicação, bastando que seja codificada no arquivo de funções do usuário que será descrito posteriormente. A sintaxe do comando filter é mostrada abaixo:

filter <neuron_layer’s de entrada> with <nome do filtro> <parâmetros> producing <neuron_layer de saída>;

<neuron_layer’s de entrada>: Nome das neuron_layer’s que são entrada para o filtro. Caso tenha mais de uma neuron_layer, deverão ser separadas por vírgula.

<nome do filtro>: Nome do filtro, que deve ser o mesmo nome da função que o implementa.

<parâmetros>: Conjunto de parâmetros passado para a função que implementa o filtro, cuja sintaxe é semelhante à sintaxe do comando printf da linguagem C.

<neuron_layer de saída>: Nome da neuron_layer que receberá a saída do processamento do filtro.

==== Associações ====
Comando utilizado para associar nauron_layers. Estas devem possuir as mesmas dimensões. A sintaxe do comando associate é mostrada abaixo:

associate <nome da neuro_layer 1> with <nome da neuro_layer 2>;

<nome da neuron_layer 1> e <nome da neuron_layer 2>: Nome das neuron_layers que serão associadas.

==== Conexão com Saídas ====
Comando utilizado para associar uma output com uma neuron_layer que, para isto, devem possuir as mesmas dimensões. A sintaxe do comando output_connect é mostrada abaixo:

output_connect <nome da neuro_layer> to <nome da output>;

<nome da neuron_layer> : Nome da neuron_layer que terá a saída de seus neurônios mostrada na output.

<nome da output> : Nome da output que mostrará a saída dos neurônios da neuron_layer.

==== Conexão entre Camadas Neurais ====
Comando utilizado para conectar neuron_layers. A sintaxe do comando connect é mostrada abaixo:

connect <nome da neuro_layer 1> to <nome da neuro_layer 2> [with <dist>] [random inputs per neuron and <filtro> distribution with <tipo>];

<nome da neuron_layer 1> e <nome da neuron_layer 2>: Nome das neuron_layers que serão conectadas.

<const>: Constante.

<distribuicao>: Tipo de conexão que deverá ser utilizada: gaussian ou linear

<tipo>: RADIUS <float> para distribuição gaussiana ou SIZE <expressao> SQUARED para distribuição linear.

=== Funções do Usuário ===
Na construção de uma aplicação utilizando o framework MAE, é permitido incluir funções implementadas pelo usuário. Estas funções devem estar dentro de um arquivo cujo nome deve estar de acordo com o nome do arquivo .con que define a arquitetura da aplicação. Se o arquivo se chama <arq>.con, este arquivo deve se chamar <arq>_user_functions.c e deve estar localizado dentro de um diretório localizado no mesmo diretório do arquivo <arq>.con de nome <arq>_user_functions.

Arquivo de descrição da arquitetura
<arq>.con

Arquivo do rotinas do usuário:
<arq>_user_functions/<arq>_user_functions.c

* int init_user_functions (INPUT_DESC *input, int status);
Nesta função o usuário pode implementar qualquer inicialização necessária para a aplicação desenvolvida. Recebe como parâmetro um ponteiro para uma input e o código de status da execução da aplicação, isto é, se está em movimentação (MOVE), processando (RUN) ou apenas posicionando-o (SET_POSITION). É chamada uma única vez depois que as neuron_layer’s já foram instanciadas e antes de entrar no ciclo de espera por algum evento do usuário. Função de implementação obrigatória.

* void input_generator (INPUT_DESC *input, int status);
Função de geração da input. Pode ter qualquer nome, contudo igual ao nome do parâmetro <função de geração> do comando de descrição da input. É chamada uma vez por ciclo de execução da aplicação. Recebe como parâmetro um ponteiro para a input na qual foi definida e o código de status da execução da aplicação. Esta função só é obrigatória caso seja definida no comando de criação da input.

* void input_controler (INPUT_DESC *input, int status);
Função de controle da input. Pode ter qualquer nome, contudo igual ao nome do parâmetro <função de controle> do comando de descrição da input. É chamada toda vez que ocorre um evento de clique de mouse dentro da janela da input na qual foi definida. Recebe como parâmetro um ponteiro para a input na qual foi definida e o código de status da execução da aplicação. Esta função só é obrigatória caso seja definida no comando de criação da input.

* void output_handler (OUTPUT_DESC *output, int status);
Função de manipulação da neuron_layer na qual a output foi associada. Pode ter qualquer nome, contudo igual ao nome do parâmetro <função de manipulação> do comando de descrição da output. É chamada toda vez que ocorre um evento de clique de mouse dentro da janela da output na qual foi definida. Recebe como parâmetro um ponteiro para a output na qual foi definida e o código de status da execução da aplicação. Esta função só é obrigatória caso seja definida no comando de criação da output.

* void <nome do filtro> (FILTER_DESC *filter_desc);
Função que implementa o processamento de um filtro definido no arquivo de descrição da arquitetura da aplicação (arquivo .con). Pode ter qualquer nome, contudo igual ao nome do parâmetro <nome do filtro> de algum comando filter. É chamada uma vez por ciclo de execução da aplicação. Recebe como parâmetro um ponteiro para uma estrutura do tipo FILTER_DESC no qual possui todas as informações sobre este filtro, como as neuron_layer’s e os parâmetros de entrada e a neuron_layer de saída. A consistência quanto à quantidade de camadas de entrada e saída deve ser implementada pelo usuário dentro do código do filtro. Só é obrigatória se a mesma tiver sido usada no comando filter e não existir na biblioteca MAE.

=== Especificação da CSL (Control Script Language) ===
As definições léxicas e sintáticas da linguagem Control Script Language (CSL) se encontram, respectivamente, nos arquivos interpreter_lex.l e interpreter_yacc.y pertencentes ao diretório <diretório da MAE>/src.
A sintaxe do CSL compreende um subconjunto da linguagem de programação C.
Nesta seção serão descritos resumidamente os comandos da linguagem.

==== Tipos ====
Os tipos possíveis para variáveis são:
* inteiro;
* float.

==== Variáveis ====
==== Constantes ====
==== Expressões e Atribuições ====
==== Controles de Fluxo de Execução ====
==== Funções do Usuário ====

=== Funções do Usuário ===
==== Especificação dos diretórios ====
==== Função Init() ====
==== Função InputGenerator() e InputController() ====
==== Função OutputHandler() ====
==== Filtros ====
==== Funções do Usuário Invocadas Via CSL ====

=== Implementação da MAE ===
==== Netcompiler ====
==== Estruturas de Dados Principais ====
==== LibNet ====
==== DLLs de Aplicações MAE ====

Instalação para Ubuntu

2016-03-23T11:33:02Z

Avelino: /* Preparação para a instalação do Carmen */

[[category:Carmen]]
Essa instalação é completa, mais é necessário testar todos os módulos.

Testado na versão 12.04 LTS. A mesma para a DRC.

'''<span style="color:red;">Caso você tenha o Ubuntu 12.04.3 LTS utilize o tutorial [http://www.lcad.inf.ufes.br/wiki/index.php/Instala%C3%A7%C3%A3o_Carmen_para_Ubuntu_12.04.3 aqui]</span>'''

= Preparação para a instalação do Carmen =

Instale o SVN:

sudo apt-get install git

Crie o diretório roboticaprobabilistica/code/ em sua home:
$ mkdir ~/roboticaprobabilistica/
$ mkdir ~/roboticaprobabilistica/code/

Execute um checkout de http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen na pasta ~/roboticaprobabilistica/code/

$ cd ~/roboticaprobabilistica/code/
$ git clone https://github.com/LCAD-UFES/carmen_lcad.git

Colocar no arquivo .bashrc do usuario:
#CARMEN
export JAVA_HOME=/usr/lib/jvm/java-1.6.0-openjdk-amd64
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib:/usr/lib/x86_64-linux-gnu:/usr/lib/i386-linux-gnu/:/usr/lib/libkml
export CARMEN_HOME=~/roboticaprobabilistica/code/carmen

Instale as bibliotecas abaixo, com os seguintes comandos:

sudo apt-get install swig \
libgtk2.0-dev \
qt-sdk \
libqt3-mt libqt3-mt-dev qt3-dev-tools \
libimlib2 libimlib2-dev \
imagemagick libmagick++-dev \
libwrap0 libwrap0-dev tcpd \
openjdk-6-jdk \
libncurses5 libncurses5-dev \
libgsl0-dev libgsl0ldbl \
libdc1394-22 libdc1394-22-dev libdc1394-utils \
cmake \
libgtkglext1 libgtkglext1-dev \
libgtkglextmm-x11-1.2-0 libgtkglextmm-x11-1.2-dev \
libglade2-0 libglade2-dev \
freeglut3 freeglut3-dev \
libcurl3 libcurl3-nss libcurl4-nss-dev \
libglew1.5 libglew1.5-dev libglewmx1.5 libglewmx1.5-dev glew-utils1.5 \
libkml0 libkml-dev \
liburiparser1 liburiparser-dev \
git \
libusb-1.0-0 libusb-1.0-0-dev libusb-dev \
libxi-dev libxi6 \
libxmu-dev libxmu6 \
build-essential libforms-dev \
byacc \
flex \
doxygen \
libboost-dev libboost-thread-dev libboost-signals-dev \
libespeak-dev libfann-dev

Instale os pacotes da imlib herdados do Fedora, esses pacotes não existem nos repositórios do Ubuntu!! (eles se encontram em carmen/ubuntu_packages):

dpkg -i imlib_1.9.15-20_amd64.deb
dpkg -i imlib-devel_1.9.15-20_amd64.deb

Instale a biblioteca flycapture da PtGrey com os seguintes comandos:
cd $CARMEN_HOME/ubuntu_packages/
tar -xvf flycapture2-2.5.3.4-amd64-pkg.tgz
cd flycapture2-2.5.3.4-amd64/
sudo apt-get install libglademm-2.4-1c2a
sudo apt-get install libglademm-2.4-dev
sudo apt-get install libgtkmm-2.4-dev
sudo sh install_flycapture.sh

Faça os seguintes links:

ln -s /usr/lib64/libgdk_imlib.so.1.9.15 /usr/lib64/libgdk_imlib.a
ln -s /usr/src/linux-headers-3.2.0-29/ /usr/src/linux

Confira se o link funcionou:
ls /usr/lib64/libgdk_imlib.a

Instale o driver kvaser (Baixe-o [http://www.kvaser.com/software/7330130980754/V5_12_0/linuxcan.tar.gz aqui])
mkdir /usr/local/Kvaser
mv linuxcan.tar.gz /usr/local/Kvaser/
cd /usr/local/Kvaser/
tar xvzf linuxcan.tar.gz
cd linuxcan/
make
make install

Instale o OpenCV na versão 2.2 (Baixe-o [http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.2/OpenCV-2.2.0.tar.bz2/download aqui])
(obs: ubuntu 12.04 instale o 2.4 com esse tutorial http://www.samontab.com/web/2012/06/installing-opencv-2-4-1-ubuntu-12-04-lts/)
(Se o link de download na página não estiver funcionando, você pode baixar o Open CV [http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.4.10/opencv-2.4.10.zip/download aqui])

Copie-o e descompacte-o para uma pasta, (OPENCV_HOME de preferência). Para instalar execute os seguintes comandos de dentro da pasta descompactada que você baixou:

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON -D BUILD_EXAMPLES=ON ..
make
make install (como root)

Instale a Bullet Phisycs na Versão 2.78 (http://code.google.com/p/bullet/downloads/detail?name=bullet-2.78-r2387.tgz&can=2&q=)
mkdir /usr/local/bullet
mv bullet-2.78-r2387.tgz /usr/local/bullet/
cd /usr/local/bullet/
tar xzvf bullet-2.78-r2387.tgz
$ ./configure
$ make
# make install (como root)

Instale a PCL (Point Cloud Library):
Instale os seguintes pacotes:
$ sudo apt-get install libeigen3-dev libboost-all-dev libflann-dev libvtk5-dev cmake-qt-gui

Instale os pacotes:
$ sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl
$ sudo apt-get update
$ sudo apt-get install libpcl-all

Instalação da biblioteca G2O:
sudo apt-get install cmake libsuitesparse-dev libqt4-dev qt4-qmake libqglviewer-qt4-dev
cd /usr/local/
sudo svn co https://svn.openslam.org/data/svn/g2o
cd /usr/local/g2o/trunk/build/
sudo cmake ../ -DBUILD_CSPARSE=ON -DG2O_BUILD_DEPRECATED_TYPES=ON -DG2O_BUILD_LINKED_APPS=ON
sudo make
sudo make install

= Instalação do carmen =

<b>Instale e configure a câmera Kinect no linux. Siga as instruções em [[ Configurando o Pioneer 3DX no CARMEN]]</b>

Depois dos passos acima, no diretorio src de carmen:

./configure --nocuda --nojava
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] y
Searching for Python2.4... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2

Caso você tenha problemas com a libfann ao rodar o simulator_ackerman:
sudo rm /usr/local/libfann.so*
sudo apt-get install libfann-dev

Caso você queira usar versões mais novas do IPC do que as que acompanham o Carmen, baixe de:
http://www.cs.cmu.edu/afs/cs/project/TCA/www/ipc/index.html

Para instalar uma nova versão do IPC, logue como root e copie o .tar.gz para /usr/local e instale:
cd /usr/local
tar xzvf ipc-3.9.0.tar.gz
cd ipc-3.9.0
make install /* este comando pode gerar mas ainda assim estar tudo OK, ver abaixo (gmake não funciona no ubuntu use make)*/
ln -s ipc-3.9.0 ipc

Para saber se está tudo OK, verifique se a instalação produziu o central e libipc.a:
ls /usr/local/ipc/bin/Linux-2.6/
ls /usr/local/ipc/lib/Linux-2.6/

Para que o GPS e o XSENS sejam configurados automaticamente ao serem conectados às portas USB, copie o seguinte arquivo do diretório data do Carmen para sua máquina:
cd $CARMEN_HOME/data
sudo cp 99-usb-serial.rules /etc/udev/rules.d/

Finalmente, para configurar Carmen com um IPC novo, use o comando configure:
./configure --nocuda --nojava --ipc=/usr/local/ipc

Antes de compilar o CARMEN, precisamos que o módulo tracker seja compilado separadamente para que o navigator_spline funcione.

$ cd $CARMEN_HOME/src/tracker
$ make

Vai dar um erro de compilação, mas está tudo ok.

Para compilar o carmen rode:
make

Roteiro de Instalação Python/Theano

2015-05-20T15:52:17Z

Avelino:

= Python/Theano: =

Instalar Python 2.7 no Ubuntu conforme está no roteiro de [[Integração com Python]].

Instalação nVidia CUDA mais atual para Ubuntu 14.04:

Instalar o driver nvidia 340.46 conforme descrito aqui[https://askubuntu.com/questions/451221/ubuntu-14-04-install-nvidia-driver/451248#451248]

Instalar o CUDA toolkit 6.5 conforme descrito aqui[http://www.r-tutor.com/gpu-computing/cuda-installation/cuda6.5-ubuntu]

Instalação nVidia CUDA disponíveis para Ubuntu 14.04:

sudo apt-get install nvidia-331-updates nvidia-cuda-toolkit

Instalar Theano 0.6 conforme descrito aqui[http://deeplearning.net/software/theano/install_ubuntu.html#install-ubuntu] e confira algumas soluções aqui[http://unix.stackexchange.com/questions/52703/using-atlas-from-scipy], além de certificar-se de instalar os seguintes pacotes do Ubuntu: scimath e gfortran

Configurar Theano para rodar em CUDA conforme descrito aqui[http://deeplearning.net/software/theano/install.html#gpu-linux]

Baixar o tutorial[http://deeplearning.net/tutorial/gettingstarted.html] de Deep Learning para testar a instalação.

Roteiro de Instalação Python/Theano

2015-05-20T15:50:01Z

Avelino:

= Python/Theano: =

Instalar Python 2.7 no Ubuntu conforme está no roteiro de [[Integração com Python]].

Instalação nVidia CUDA mais atual para Ubuntu 14.04:

Instalar o driver nvidia 340.46 conforme descrito aqui[https://askubuntu.com/questions/451221/ubuntu-14-04-install-nvidia-driver/451248#451248]

Instalar o CUDA toolkit 6.5 conforme descrito aqui[http://www.r-tutor.com/gpu-computing/cuda-installation/cuda6.5-ubuntu]

Instalação nVidia CUDA disponíveis para Ubuntu 14.04:

sudo apt-get install nvidia-331-updates nvidia-cuda-toolkit

Instalar Theano 0.6 conforme descrito aqui[http://deeplearning.net/software/theano/install_ubuntu.html#install-ubuntu] e confira algumas soluções aqui[http://unix.stackexchange.com/questions/52703/using-atlas-from-scipy]

Configurar Theano para rodar em CUDA conforme descrito aqui[http://deeplearning.net/software/theano/install.html#gpu-linux]

Baixar o tutorial[http://deeplearning.net/tutorial/gettingstarted.html] de Deep Learning para testar a instalação.

Roteiro de Instalação Python/Theano

2014-11-02T17:53:51Z

Avelino: Criou página com '= Python/Theano: = Instalar Python 2.7 no Ubuntu conforme está no roteiro de Integração com Python. Instalação nVidia CUDA mais atual para Ubuntu 14.04: Instala...'

= Python/Theano: =

Instalar Python 2.7 no Ubuntu conforme está no roteiro de [[Integração com Python]].

Instalação nVidia CUDA mais atual para Ubuntu 14.04:

Instalar o driver nvidia 340.46 conforme descrito aqui[https://askubuntu.com/questions/451221/ubuntu-14-04-install-nvidia-driver/451248#451248]

Instalar o CUDA toolkit 6.5 conforme descrito aqui[http://www.r-tutor.com/gpu-computing/cuda-installation/cuda6.5-ubuntu]

Instalação nVidia CUDA disponíveis para Ubuntu 14.04:

sudo apt-get install nvidia-331-updates nvidia-cuda-toolkit

Instalar Theano 0.6 conforme descrito aqui[http://deeplearning.net/software/theano/install_ubuntu.html#install-ubuntu]

Configurar Theano para rodar em CUDA conforme descrito aqui[http://deeplearning.net/software/theano/install.html#gpu-linux]

Baixar o tutorial[http://deeplearning.net/tutorial/gettingstarted.html] de Deep Learning para testar a instalação.

Wiki do LCAD

2014-11-02T17:32:28Z

Avelino:

Bem-vindo à página de documentação do LCAD.

O objetivo deste Wiki é documentar todas as ferramentas, procedimentos de instalação e de suporte oferecidos no Laboratório de Computação de Alto Desempenho (LCAD).

Abaixo você pode conferir alguns roteiros:

:*[[Lista de Aquisições]]
:*[[Lista de Ocupação de Endereços IP da Rede LCAD]]
:*[[Carmen Robot Navigation Toolkit]]
:*[[Máquina Associadora de Eventos - MAE]]
:*[[Protocolo de Concessão de Contas no LCAD]]
:*[[Processo de Criação de Contas no LCAD]]
:*[[Hardwares e Serviços]]
:*[[:Media:Tutorial wiki.pdf|Guia de Utilização do Wiki LCAD]]
:*[[Guia de Utilização do Doxygen]]
:*[[Micro Manual de Utilização do Cluster]]
:*[[Processamento Paralelo]]
:*[[Como Funciona o Backup do LCAD]]
:*[[Como Utilizar a Rede Wireless no LCAD]]
:*[[Uso Básico do Subversion]]
:*[[Instalações Úteis]]
:*[[Dicas e Configurações]]
:*[[Construção de pacotes RPM|Como construir pacotes RPM - Exemplo básico]]
:*[[Telefones Úteis]]
:*[[Como preparar café]]
:*[[Planejamento de Atividades]]
:*[[Apresentações]]
:*[[Identidade Visual]]
:*[[Material de Consumo Específico]]
:*[[Como criar branches no SVN]]
:*[[Roteiro de Instalação do Fedora nos Blades para o Carro]]
:*[[Roteiro de como configurar NIS no FEDORA 17]]
:*[[Roteiro de Instalação do Apache e SVN com autenticação NIS]]
:*[[Instalar o Confirm Account no Wiki]]
:*[[Configurar SSH sem a necessidade de usar senha]]
:*[[Criando um repositório no SVN]]
:*[[Instalando/Conectando via VNC no Carro]]
:*[[Criando servidor NTP e atualizando as máquinas pela rede]]
:*[[Adicionando latência com tc no Linux]]
:*[[Criando Kernel RT linux]]
:*[[Como usar os pacotes ROS visual search thin e visual search webcam]]
:*[[Como usar o pacote ROS cyton]]
:*[[Criando mapas Carmen]]
:*[[Repetidor Wireless]]
:*[[Servidor DHCP]]
:*[[Servidor DHCP Wireless]]
:*[[Procedimento para Limpar Mapas do Carmen]]
:*[[Como obter GUID das câmeras PointGrey]]
:*[[Estrutura de Rede do LCAD]]
:*[[Roteiro de Instalação Python/Theano]]

Para uma listagem mais completa dos artigos contidos neste Wiki, você pode [[Special:Categories|navegar pelas categorias.]]

Integração com Python

2014-10-23T10:38:45Z

Avelino:

[[category:Carmen]]

= Pré-requisitos: =

Instalar Python 2.7 no Ubuntu:

sudo apt-get install python-numpy python-scipy python-matplotlib

Baixar IPC 3.9.1 [http://www.cs.cmu.edu/afs/cs/project/TCA/ftp/ipc-3.9.1.tar.gz] e instalar conforme [[Script de Instalação do Carmen]]

Certifique-se de responder 'Y' para a pergunta abaixo ao rodar o script de configuração (./configure) do Carmen:
Should Python Bindings be installed: [y/N]

Lembre-se também de configurar a variável de ambiente PYTHONPATH conforme está no [[Script de Instalação do Carmen]].

Integração com Python

2014-10-22T10:21:25Z

Avelino:

[[category:Carmen]]

= Pré-requisitos: =

Instalar Python 2.7 no Ubuntu:

sudo apt-get install python-numpy python-scipy python-matplotlib

Baixar IPC 3.9.1 [http://www.cs.cmu.edu/afs/cs/project/TCA/ftp/ipc-3.9.1.tar.gz] e instalar conforme [[Script de Instalação do Carmen]]

Certifique-se de responder 'Y' ao rodar o script de configuração (./configure) do Carmen: Should Python Bindings be installed: [y/N] e também de configurar a variável de ambiente PYTHONPATH.

Script de Instalação do Carmen

2014-10-22T10:18:52Z

Avelino:

[[category:Carmen]]
= Preparação para a instalação do Carmen =

Recomendamos fortemente que você use Fedora 15 para que tudo listado abaixo funcione.

Instale as seguintes bibliotecas:
Copie e cole o comanto inteiro no Terminal:

yum install swig gtk2.x86_64 gtk2-devel.x86_64 qt-devel.x86_64 qt3 qt3-devel \
gdk-pixbuf.x86_64 gdk-pixbuf-devel.x86_64 imlib imlib-devel \
ImageMagick-devel.x86_64 tcp_wrappers-devel.x86_64 java-1.6.0-openjdk-devel.x86_64 \
kernel-devel kernel-headers ncurses-devel ncurses gsl.x86_64 gsl-devel.x86_64 \
libdc1394 libdc1394-devel cmake gsl \
gtkglext-devel.x86_64 gtkglext-libs.x86_64 \
libglade2.x86_64 libglade2-devel.x86_64 espeak espeak-devel \
boost.x86_64 boost-devel.x86_64 freeglut freeglut-devel \
libcurl.x86_64 libcurl-devel.x86_64 glew-devel libkml-devel uriparser-devel

Caso utilize o Fedora 17 +, execute:

yum install swig gtk2.x86_64 gtk2-devel.x86_64 qt-devel.x86_64 qt3 qt3-devel \
imlib imlib-devel java-1.7.0-openjdk-devel.x86_64 opencv-devel \
ImageMagick-devel.x86_64 tcp_wrappers-devel.x86_64 \
kernel-devel kernel-headers ncurses-devel ncurses gsl.x86_64 gsl-devel.x86_64 \
libdc1394 libdc1394-devel cmake espeak espeak-devel \
gtkglext-devel.x86_64 gtkglext-libs.x86_64 \
libglade2.x86_64 libglade2-devel.x86_64 \
boost.x86_64 boost-devel.x86_64 freeglut freeglut-devel \
libcurl.x86_64 libcurl-devel.x86_64 glew-devel libkml-devel uriparser-devel

Faça o seguintes link:
ln -s /usr/lib64/libgdk_imlib.so.1.9.15 /usr/lib64/libgdk_imlib.a
ln -s /usr/src/kernels/2.6.30.10-105.2.23.fc11.x86_64/ /usr/src/linux

Instale o driver kvaser (Baixe-o [http://www.kvaser.com/en/developer/canlib.html aqui]) (Caso utilize o fedora 16 ignore esse trecho)
mkdir /usr/local/Kvaser
mv linuxcan.tar.gz /usr/local/Kvaser/
cd /usr/local/Kvaser/
tar xvzf linuxcan.tar.gz
cd linuxcan_v4/

Para finalizar:
make
make install

Instale o OpenCV na versão 2.1 (Baixe-o [http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.1/ aqui])
* No Fedora 15 e posteriores, instale a versão 2.2 pelo yum install opencv-devel
Copie-o e descompacte-o para uma pasta, (OPENCV_HOME de preferência). Para instalar execute os seguintes comandos de dentro da pasta descompactada que você baixou:

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=DEBUG -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON -D BUILD_EXAMPLES=ON ..
make
make install (como root)

Instale a Bullet Phisycs na Versão 2.78 (http://bullet.googlecode.com/files/bullet-2.78-r2387.tgz)
mkdir /usr/local/bullet
mv bullet-2.78-r2387.tgz /usr/local/bullet/
cd /usr/local/bullet/bullet-2.78
tar xzvf bullet-2.78-r2387.tgz
$ ./configure
$ make
# make install (como root)

<s>Instale o cvBlob (http://cvblob.googlecode.com/files/cvblob-0.10.3-src.tgz)
# mkdir /usr/local/cvblob
# mv cvblob-0.10.3-src.tgz /usr/local/cvblob
# cd /usr/local/cvblob
# tar xzvf cvblob-0.10.3-src.tgz
# mkdir cvblob/build
# cd cvblob/build
# cmake ..
# make
# make install
</s>
= Instalação do carmen =

Crie o diretório roboticaprobabilistica/code/ em sua home:
$ mkdir ~/roboticaprobabilistica/
$ mkdir ~/roboticaprobabilistica/code/

Execute um checkout de http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen na pasta ~/roboticaprobabilistica/code/

$ cd ~/roboticaprobabilistica/code/
$ svn co http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen

Instale e configure a câmera Kinect no linux. Siga as instruções em [[ Configurando o Pioneer 3DX no CARMEN]]

<s>Instale e configure o gmapping. Siga as instruções em [[Como Instalar e Usar o Gmapping]]</s>

Colocar no arquivo .bashrc do usuario:
#CARMEN
export JAVA_HOME=/usr/lib/jvm/java
export PYTHONPATH=$PYTHONPATH:/opt/ipc/lib/Linux-3.13:/opt/ipc/python
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib:/usr/lib64/libkml
export CARMEN_HOME=~/roboticaprobabilistica/code/carmen

Depois dos passos acima, no diretorio src de carmen:

./configure --nocuda --nojava
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] y
Searching for Python2.7... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2

Caso você queira usar versões mais novas do IPC do que as que acompanham o Carmen, baixe de:
http://www.cs.cmu.edu/afs/cs/project/TCA/www/ipc/index.html

Para instalar uma nova versão do IPC, logue como root e copie o .tar.gz para /usr/local e instale:
cd /usr/local
tar xzvf ipc-3.9.0.tar.gz
cd ipc-3.9.0
gmake install /* este comando pode gerar mas ainda assim estar tudo OK, ver abaixo */
ln -s ipc-3.9.0 ipc

Para saber se está tudo OK, verifique se a instalação produziu o central e libipc.a:
ls /usr/local/ipc/bin/Linux-2.6/
ls /usr/local/ipc/lib/Linux-2.6/

Finalmente, para configurar Carmen com um IPC novo, use o comando configure:
./configure --nocuda --nojava --ipc=/usr/local/ipc

Para compilar o carmen rode:
make

= Como rodar o carmen =

Para rodar o carmen digite os comandos abaixo:

cd $CARMEN_HOME/bin
./central &
./proccontrol

Para gerar um log digite:
cd $CARMEN_HOME/bin
./central &
./logger &
./proccontrol

<s>Foram criados dois scripts auto-explicativos:
run_all.bat
all_stop.bat

Para gerar um log:
logger log.txt &
run_all.bat &</s>

Navegue o robô clicando nele, segurando o botão do mouse, e movendo o mouse para onde se deseja ir.

= Outros métodos de instalação =

[[instalação para Ubuntu]]

= Problemas Conhecidos =

== Câmera Bumblebee ==
A câmera bumblebee pode não funcionar com o erro:
Failed to initialize camera

Isso foi corrigido em uma máquina alterando as permissões do dispositivo /dev/fw*:
chmod 666 /dev/fw*

Note que o dispositivo usado pela câmera (/dev/fw0, /dev/fw1, etc) só aparece quando a câmera está ligada.

Integração com Python

2014-10-22T10:04:48Z

Avelino: Criou página com 'category:Carmen = Pré-requisitos: = Baixar IPC 3.9.1 [http://www.cs.cmu.edu/afs/cs/project/TCA/ftp/ipc-3.9.1.tar.gz] e instalar conforme [[Script de Instalação do Car...'

[[category:Carmen]]

= Pré-requisitos: =

Baixar IPC 3.9.1 [http://www.cs.cmu.edu/afs/cs/project/TCA/ftp/ipc-3.9.1.tar.gz] e instalar conforme [[Script de Instalação do Carmen]]

Download / Installation

2014-10-22T09:47:18Z

Avelino:

[[category:Carmen]]
=Download=
Carmen is available undar a General Public License.

If you are a user or want to use the LCAD's Carmen version, please refer to (you do not need to read this Download/Instalation section further if you want to use the LCAD's Carmen version):

[[Script de Instalação do Carmen]]

[[Instalação para Ubuntu]]

[[Integração com Python]]

[[Configurando o Pioneer 3DX no CARMEN]]

Click here to download the original version of the software.[http://sourceforge.net/projects/carmen/files/]

Along with Carmen, you will get IPC, information on IPC is available at http://www-2.cs.cmu.edu/~ipc. There is an IPC reference manual in postcript format available at that site.

=Installation=

1. Switch into the carmen/src directory

cd carmen/src

2. Configure the Makefiles - Answer any questions

./configure

3. Make the software

make

At this point, you want to set parameters for your robot. The key parameters at first are the communications between the computer and the robot hardware. Our robots have all used RS-232 serial communications, so Carmen is set up for that, and we've used RS-232 or USB to communicate with the SICK LMS devices. (Note that the use of USB requires the use of a special converter for RS-422 (laser) and USB (computer)).

Make a note of the identity of the serial connections the computer uses to communicate with the robot (we usually use /dev/ttyS0) and to the laser if you have one. Find the robot described in the carmen.ini file which most closely resembles your robot, and adjust the parameters using a text editor to match your system.

With the robot on blocks so that it doesn't actually move, you can start the programs and see if you get a laser display on robotgraph (if you have a laser), and response from the wheels when you instruct the robot to move. You can then adjust other parameters using the program param_edit. After you get the maximum speed and accelerations to a safe setting for your environment, you can take the robot off blocks and try moving it around. Don't forget to adjust the robot size and laser offsets, too!

Configurando o Pioneer 3DX no CARMEN

2012-12-07T17:01:19Z

Avelino:

[[category:Carmen]]
== Configurando o Pioneer 3DX no CARMEN ==

ATENÇÃO: Siga exatamente todos os passos abaixo, ou sua instalação poderá ficar prejudicada.

=== Instalação e configuração da câmera Kinect no linux ===

Entre em um terminal como usuário normal e execute os passos abaixo:

$ su

$ yum install git cmake gcc gcc-c++ libusb1 libusb1-devel libXi libXi-devel libXmu libXmu-devel freeglut freeglut-devel

$ apt-get install git cmake libusb-1.0-0 libusb-1.0-0-dev libXi-dev libXmu-dev

$ mkdir /usr/local/tplib

$ cd /usr/local/tplib

$ git clone git://github.com/OpenKinect/libfreenect.git

$ cd libfreenect

$ mkdir build

$ cd build

$ cmake ..

$ cp src/libfreenect.pc /usr/local/tplib/

$ make

$ cp ../src/libfreenect.pc.in src/libfreenect.pc
$ cp ../fakenect/fakenect.sh.in fakenect/fakenect.sh

$ su

$ make install

para sistema 64 bits, execute:

$ ldconfig /usr/local/lib64/

para sistema 32 bits, execute:

$ ldconfig /usr/local/lib

$ exit

$ glview

obs.: caso dê o seguinte erro “glview: error while loading shared libraries: libfreenect.so.0.0: cannot open shared object file: No such file or directory” execute o comando abaixo:

$ su -c 'ldconfig /usr/local/lib64/'

conecte a câmera e execute glview novamente

$ glview

Se tiver problema de permissão com udev usb crie o arquivo:

$ cp /usr/local/tplib/libfreenect/platform/linux/udev/51-kinect.rules /etc/udev/rules.d

Importante: No Fedora 11 32 bits use a sintaxe abaixo no lugar do arquivo acima.

$ nano /etc/udev/rules.d/66-kinect.rules

SYSFS{idVendor}=="045e", SYSFS{idProduct}=="02ae", MODE="0660",GROUP="video"
SYSFS{idVendor}=="045e", SYSFS{idProduct}=="02ad", MODE="0660",GROUP="video"
SYSFS{idVendor}=="045e", SYSFS{idProduct}=="02b0", MODE="0660",GROUP="video"

E por fim adicione seu usuário ao grupo video (se já não fizer parte deste).

Em caso de dúvidas esse roteiro foi baseado nas seguintes referência:
http://openkinect.org/wiki/Getting_Started#Manual_build_under_linux

/usr/local/tplib/libfreenect/README.asciidoc

Instalação para Ubuntu

2012-12-07T13:14:42Z

Avelino:

[[category:Carmen]]
Essa instalação é completa, mais é necessário testar todos os módulos.

Testado na versão 12.04 LTS. A mesma para a DRC.

= Preparação para a instalação do Carmen =
Instale as bibliotecas abaixo, com os seguintes comandos:

sudo apt-get install subversion

sudo apt-get install swig \
libgtk2.0-dev\
qt-sdk \
libqt3-mt libqt3-mt-dev qt3-dev-tools \
libimlib2 libimlib2-dev \
imagemagick libmagick++-dev \
libwrap0 libwrap0-dev tcpd \
openjdk-6-jdk \
libncurses5 libncurses5-dev \
libgsl0-dev libgsl0ldbl \
libdc1394-22 libdc1394-22-dev libdc1394-utils \
cmake \
libgtkglext1 libgtkglext1-dev \
libgtkglextmm-x11-1.2-0 libgtkglextmm-x11-1.2-dev \
libglade2-0 libglade2-dev \
freeglut3 freeglut3-dev \
libcurl3 libcurl3-nss libcurl4-nss-dev \
libglew1.5 libglew1.5-dev libglewmx1.5 libglewmx1.5-dev glew-utils1.5 \
libkml0 libkml-dev \
liburiparser1 liburiparser-dev \
git \
libusb-1.0-0 libusb-1.0-0-dev libusb-dev \
libxi-dev libxi6 \
libxmu-dev libxmu6 \
build-essential libforms-dev \
byacc \
flex \
doxygen \
libboost-dev libboost-thread-dev libboost-signals-dev

Instale os pacotes da imlib herdados do Fedora, esses pacotes não existem nos repositórios do Ubuntu!! (eles se encontram em carmen/ubuntu_packages):

dpkg -i imlib_1.9.15-20_amd64.deb
dpkg -i imlib-devel_1.9.15-20_amd64.deb

Faça os seguintes links:

ln -s /usr/lib64/libgdk_imlib.so.1.9.15 /usr/lib64/libgdk_imlib.a
ln -s /usr/src/linux-headers-3.2.0-29/ /usr/src/linux

Confira se o link funcionou:
ls /usr/lib64/libgdk_imlib.a

Instale o driver kvaser (Baixe-o [http://www.kvaser.com/en/developer/canlib.html aqui])
mkdir /usr/local/Kvaser
mv linuxcan.tar.gz /usr/local/Kvaser/
cd /usr/local/Kvaser/
tar xvzf linuxcan.tar.gz
cd linuxcan/
make
make install

Instale o OpenCV na versão 2.2 (Baixe-o [http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.2/ aqui])
(obs: ubuntu 12.04 instale o 2.4 com esse tutorial http://www.samontab.com/web/2012/06/installing-opencv-2-4-1-ubuntu-12-04-lts/)

Copie-o e descompacte-o para uma pasta, (OPENCV_HOME de preferência). Para instalar execute os seguintes comandos de dentro da pasta descompactada que você baixou:

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON -D BUILD_EXAMPLES=ON ..
make
make install (como root)

Instale a Bullet Phisycs na Versão 2.78 (http://code.google.com/p/bullet/downloads/detail?name=bullet-2.78-r2387.tgz&can=2&q=)
mkdir /usr/local/bullet
mv bullet-2.78-r2387.tgz /usr/local/bullet/
cd /usr/local/bullet/
tar xzvf bullet-2.78-r2387.tgz
$ ./configure
$ make
# make install (como root)

= Instalação do carmen =

Crie o diretório roboticaprobabilistica/code/ em sua home:
$ mkdir ~/roboticaprobabilistica/
$ mkdir ~/roboticaprobabilistica/code/

Execute um checkout de http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen na pasta ~/roboticaprobabilistica/code/

$ cd ~/roboticaprobabilistica/code/
$ svn co http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen

<b>Instale e configure a câmera Kinect no linux. Siga as instruções em [[ Configurando o Pioneer 3DX no CARMEN]]</b>

Colocar no arquivo .bashrc do usuario:
#CARMEN
export JAVA_HOME=/usr/lib/jvm/java-1.6.0-openjdk-amd64
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib:/usr/lib/x86_64-linux-gnu:/usr/lib/i386-linux-gnu/:/usr/lib/libkml
export CARMEN_HOME=~/roboticaprobabilistica/code/carmen

Depois dos passos acima, no diretorio src de carmen:

./configure --nocuda --nojava
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] y
Searching for Python2.4... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2

Caso você queira usar versões mais novas do IPC do que as que acompanham o Carmen, baixe de:
http://www.cs.cmu.edu/afs/cs/project/TCA/www/ipc/index.html

Para instalar uma nova versão do IPC, logue como root e copie o .tar.gz para /usr/local e instale:
cd /usr/local
tar xzvf ipc-3.9.0.tar.gz
cd ipc-3.9.0
make install /* este comando pode gerar mas ainda assim estar tudo OK, ver abaixo (gmake não funciona no ubuntu use make)*/
ln -s ipc-3.9.0 ipc

Para saber se está tudo OK, verifique se a instalação produziu o central e libipc.a:
ls /usr/local/ipc/bin/Linux-2.6/
ls /usr/local/ipc/lib/Linux-2.6/

Finalmente, para configurar Carmen com um IPC novo, use o comando configure:
./configure --nocuda --nojava --ipc=/usr/local/ipc

Para compilar o carmen rode:
make

Script de Instalação do Carmen

2012-09-22T12:57:47Z

Avelino:

[[category:Carmen]]
= Preparação para a instalação do Carmen =

Recomendamos fortemente que você use Fedora 15 para que tudo listado abaixo funcione.

Instale as seguintes bibliotecas:
Copie e cole o comanto inteiro no Terminal:

yum install swig gtk2.x86_64 gtk2-devel.x86_64 qt-devel.x86_64 qt3 qt3-devel \
gdk-pixbuf.x86_64 gdk-pixbuf-devel.x86_64 imlib imlib-devel \
ImageMagick-devel.x86_64 tcp_wrappers-devel.x86_64 java-1.6.0-openjdk-devel.x86_64 \
kernel-devel kernel-headers ncurses-devel ncurses gsl.x86_64 gsl-devel.x86_64 \
libdc1394 libdc1394-devel cmake gsl \
gtkglext-devel.x86_64 gtkglext-libs.x86_64 \
libglade2.x86_64 libglade2-devel.x86_64 \
boost.x86_64 boost-devel.x86_64 freeglut freeglut-devel \
libcurl.x86_64 libcurl-devel.x86_64 glew-devel libkml-devel uriparser-devel

Caso utilize o Fedora 17, execute:

yum install swig gtk2.x86_64 gtk2-devel.x86_64 qt-devel.x86_64 qt3 qt3-devel \
imlib imlib-devel java-1.7.0-openjdk-devel.x86_64 opencv-devel \
ImageMagick-devel.x86_64 tcp_wrappers-devel.x86_64 \
kernel-devel kernel-headers ncurses-devel ncurses gsl.x86_64 gsl-devel.x86_64 \
libdc1394 libdc1394-devel cmake gsl \
gtkglext-devel.x86_64 gtkglext-libs.x86_64 \
libglade2.x86_64 libglade2-devel.x86_64 \
boost.x86_64 boost-devel.x86_64 freeglut freeglut-devel \
libcurl.x86_64 libcurl-devel.x86_64 glew-devel libkml-devel uriparser-devel

Faça o seguintes link:
ln -s /usr/lib64/libgdk_imlib.so.1.9.15 /usr/lib64/libgdk_imlib.a
ln -s /usr/src/kernels/2.6.30.10-105.2.23.fc11.x86_64/ /usr/src/linux

Instale o driver kvaser (Baixe-o [http://www.kvaser.com/en/developer/canlib.html aqui]) (Caso utilize o fedora 16 ignore esse trecho)
mkdir /usr/local/Kvaser
mv linuxcan.tar.gz /usr/local/Kvaser/
cd /usr/local/Kvaser/
tar xvzf linuxcan.tar.gz
cd linuxcan_v4/

Para finalizar:
make
make install

Instale o OpenCV na versão 2.1 (Baixe-o [http://sourceforge.net/projects/opencvlibrary/files/opencv-unix/2.1/ aqui])
* No Fedora 15 e posteriores, instale a versão 2.2 pelo yum install opencv-devel
Copie-o e descompacte-o para uma pasta, (OPENCV_HOME de preferência). Para instalar execute os seguintes comandos de dentro da pasta descompactada que você baixou:

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=DEBUG -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_PYTHON_SUPPORT=ON -D BUILD_EXAMPLES=ON ..
make
make install (como root)

Instale a Bullet Phisycs na Versão 2.78 (http://bullet.googlecode.com/files/bullet-2.78-r2387.tgz)
mkdir /usr/local/bullet
mv bullet-2.78-r2387.tgz /usr/local/bullet/
cd /usr/local/bullet/bullet-2.78
tar xzvf bullet-2.78-r2387.tgz
$ ./configure
$ make
# make install (como root)

Instale o cvBlob (http://cvblob.googlecode.com/files/cvblob-0.10.3-src.tgz)
# mkdir /usr/local/cvblob
# mv cvblob-0.10.3-src.tgz /usr/local/cvblob
# cd /usr/local/cvblob
# tar xzvf cvblob-0.10.3-src.tgz
# mkdir cvblob/build
# cd cvblob/build
# cmake ..
# make
# make install

= Instalação do carmen =

Crie o diretório roboticaprobabilistica/code/ em sua home:
$ mkdir ~/roboticaprobabilistica/
$ mkdir ~/roboticaprobabilistica/code/

Execute um checkout de http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen na pasta ~/roboticaprobabilistica/code/

$ cd ~/roboticaprobabilistica/code/
$ svn co http://www.lcad.inf.ufes.br/svn/roboticaprobabilistica/code/carmen

Instale e configure a câmera Kinect no linux. Siga as instruções em [[ Configurando o Pioneer 3DX no CARMEN]]

<s>Instale e configure o gmapping. Siga as instruções em [[Como Instalar e Usar o Gmapping]]</s>

Colocar no arquivo .bashrc do usuario:
#CARMEN
export JAVA_HOME=/usr/lib/jvm/java
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
export CARMEN_HOME=~/roboticaprobabilistica/code/carmen

Depois dos passos acima, no diretorio src de carmen:

./configure --nocuda --nojava
Should the C++ tools be installed for CARMEN: [Y/n] Y
Should Python Bindings be installed: [y/N] y
Searching for Python2.4... Should the old laser server be used instead of the new one: [y/N] N
Install path [/usr/local/]:
Robot numbers [*]: 1,2

Caso você queira usar versões mais novas do IPC do que as que acompanham o Carmen, baixe de:
http://www.cs.cmu.edu/afs/cs/project/TCA/www/ipc/index.html

Para instalar uma nova versão do IPC, logue como root e copie o .tar.gz para /usr/local e instale:
cd /usr/local
tar xzvf ipc-3.9.0.tar.gz
cd ipc-3.9.0
gmake install /* este comando pode gerar mas ainda assim estar tudo OK, ver abaixo */
ln -s ipc-3.9.0 ipc

Para saber se está tudo OK, verifique se a instalação produziu o central e libipc.a:
ls /usr/local/ipc/bin/Linux-2.6/
ls /usr/local/ipc/lib/Linux-2.6/

Finalmente, para configurar Carmen com um IPC novo, use o comando configure:
./configure --nocuda --nojava --ipc=/usr/local/ipc

Para compilar o carmen rode:
make

= Como rodar o carmen =

Para rodar o carmen digite os comandos abaixo:

cd $CARMEN_HOME/bin
./central &
./proccontrol

Para gerar um log digite:
cd $CARMEN_HOME/bin
./central &
./logger &
./proccontrol

<s>Foram criados dois scripts auto-explicativos:
run_all.bat
all_stop.bat

Para gerar um log:
logger log.txt &
run_all.bat &</s>

Navegue o robô clicando nele, segurando o botão do mouse, e movendo o mouse para onde se deseja ir.

= Outros métodos de instalação =

[[instalação para Ubuntu]]

= Problemas Conhecidos =

== Câmera Bumblebee ==
A câmera bumblebee pode não funcionar com o erro:
Failed to initialize camera

Isso foi corrigido em uma máquina alterando as permissões do dispositivo /dev/fw*:
chmod 666 /dev/fw*

Note que o dispositivo usado pela câmera (/dev/fw0, /dev/fw1, etc) só aparece quando a câmera está ligada.