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

Instalação para Ubuntu

2015-10-13T14:33:38Z

Mberger: /* 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 subversion

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

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/

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

Configurando o Pioneer 3DX no CARMEN

2015-10-13T14:25:24Z

Mberger: /* Instalação e configuração da câmera Kinect no linux */

[[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 libxi-dev libxmu-dev

É necessário ter instalada a libusb, mas as versões mais recentes do libfreenect não funcionam com o pacote oferecido nos repositórios do apt. A instalação deve ser feita manualmente.
Primeiro, baixe e extraia o código fonte de uma versão mais recente:

$ cd ~/
$ mkdir libusb
$ cd libusb
$ wget http://sourceforge.net/projects/libusb/files/libusb-1.0/libusb-1.0.18/libusb-1.0.18.tar.bz2
$ tar -xvf libusb-1.0.18.tar.bz2

Em seguida, precisamos compilar e instalar a biblioteca:

$ cd libusb-1.0.18/
$ ./configure --prefix=/usr --disable-static
$ make
$ sudo make install

E agora precisamos fazer um link para o libfreenect encontrar a libusb. A instalação padrão é feita no diretório /usr/lib, mas a libfreenect irá procurar a biblioteca em /usr/lib/x86_64-linux-gnu.

$ cd /usr/lib
$ sudo cp libusb-1.0* /usr/lib/x86_64-linux-gnu/

Agora podemos compilar a libfreenect.

$ sudo su
$ 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

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

2015-10-13T14:07:47Z

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

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-17T20:37:29Z

Mberger: /* Construção do Mapa em um Ambiente Simulado */

==Controle do Pionner com JoyStick==

1. Instale o pacote ROSARIA:
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instale as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instale o pacote jstest-gtk:
sudo apt-get install jstest-gtk

4. Identifique a porta atribuída ao joystick (e.g., js0). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Libere o acesso à porta do joystick:
sudo chmod 777 /dev/input/js0

Obs: Substitua js0 pela porta do joystick.

6. Para testar o joystick:
sudo jstest /dev/input/js0

A saída do joystick aparecerá na tela.

7. Instale o pacote joy:
sudo apt-get install ros-indigo-joy

8. Para controlar o Pioneer:

8.1. Execute o mestre:
roscore

8.2. Conecte o joystick.

8.3. Em um novo terminal, configure os parâmetros do nó joy:
rosparam set joy_node/dev "/dev/input/js0"

8.4. Execute o nó joy:
rosrun joy joy_node

Para visualizar os dados enviados ao nó joy pelo joystick, execute em um novo terminal:
rostopic echo joy

8.5.Conecte o Pioneer.

8.6. Em um novo terminal, libere a porta atribuída ao Pioneer:
sudo chmod 777 /dev/ttyUSB*

Obs: Substitua ttyUSB* pela porta do Pioneer.

8.7. Execute o programa ROSARIA:
rosrun rosaria RosAria

Caso ocorra algum erro com a porta do Pioneer, execute:
rosrun rosaria RosAria _port:=/dev/ttyUSB*

8.8. Crie um pacote para scripts auxiliares:
cd ~/catkin_ws/src
catkin_create_pkg scripts_aux

8.9. Baixe o script auxiliar descrito abaixo para o diretório ~/catkin_make/src/scripts_aux:

* RosAriaJoyTeleop.py: controla o Pioneer usando o joystick.

Após baixá-lo, dê a ele permissão de execução:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

8.10. Construa os pacotes:
cd ~/catkin_ws
catkin_make

8.12.Em um novo terminal, execute o script RosAriaJoyTeleop.py:
rosrun scripts_aux RosAriaJoyTeleop.py

== Construção do Log de Dados Capturados pelo Sensor Sick LMS ==

1. Instale os pacotes sicktoolbox e sicktoolbox_wrapper:
sudo apt-get install ros-indigo-sicktoolbox
sudo apt-get install ros-indigo-sicktoolbox-wrapper

2. Baixe os scripts auxiliares descritos abaixo para o diretório ~/catkin_make/src/scripts_aux:

* RosAriaKeyTeleop.py: controla o Pioneer usando o teclado;
* RosAriaLaserTf.py: publica a posição do sensor Sick LMS no Pioneer.

Após baixá-los, dê a eles permissão de execução:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

3. Construa os pacotes:
cd ~/catkin_ws
catkin_make

=== Construção do Log em um Ambiente Real ===

1. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
sudo chmod 777 /dev/input/js0
sudo chmod 777 /dev/ttyUSB0
sudo chmod 777 /dev/ttyUSB1
roscore
rosrun rosaria RosAria _port:=/dev/ttyUSB0
rosrun sicktoolbox_wrapper sicklms _port:=/dev/ttyUSB1 _baud=38400
rosrun scripts_aux RosAriaLaserTf.py
rosparam set joy_node/dev "/dev/input/js0"
rosrun joy joy_node
rosrun scripts_aux RosAriaJoyTeleop.py
cd "diretorio para armazenar o log"
rosbag record -O log_map /scan /tf
rosrun rviz rviz

Obs. 1: Nos comandos 1 e 8 acima, substitua js0 pela porta do joystick, ttyUSB0 pela porta do Pioneer e ttyUSB1 pela porta do sensor Sick LMS.
Obs. 2: No comando 11 acima, substitua log_map pelo nome que queria dar ao arquivo de log.
Obs. 3: O último comando executa o pacote rviz, uma ferramenta de visualização do ROS.

===Construção do Mapa em um Ambiente Simulado===

1. Instale o pacote gazebo-ros:
sudo apt-get install libsdformat1 libsdformat-dev
sudo apt-get install ros-indigo-gazebo-ros-pkgs ros-indigo-gazebo-ros-control

2. Instale os pacotes ros-control e ros-controllers:

sudo apt-get install ros-indigo-ros-control ros-indigo-ros-controllers

3. Baixe o arquivo descrito abaixo:

* modeloCT7.zip: contém 3 diretórios que contém os modelos 3D das portas, molduras das portas e paredes do segundo andar do Prédio CT-VII.

Após baixá-lo, descompacte-o e mova ou copie os diretórios resultantes para a pasta (oculta) de modelos do Gazebo:
unzip modeloCT7.zip -d modeloCT7
mv modeloCT7/* ~/.gazebo/models/

4. Baixe o arquivo descrito abaixo para o diretório catkin_ws/src:

* PioneerModel.zip: pacotes com o modelo do pioneer utilizando o mapa do CT7

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip PioneerModel.zip
cd ..
catkin_make

5. Baixe o pacote descrito abaixo para o diretório catkin_ws/src:

* p3dx_controller.zip: controla o Pioneer usando o teclado.

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip p3dx_controller.zip
cd ~/catkin_ws/src/p3dx_controller/scripts
chmod 755 *
cd ~/catkin_ws
catkin_make

6. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
roscore
roslaunch p3dx_gazebo gazebo.launch
rosrun p3dx_controller move.py
cd ~/bagfiles/
roslaunch p3dx_description rviz.launch
rosbag record -O log_map /p3dx/laser/scan /tf

== Criação do Mapa Usando o Pacote slam_gmapping ==

1. Instale o pacote slam_gmapping:
sudo apt-get install ros-indigo-slam-gmapping

2. Instale o pacote navigation:
sudo apt-get install ros-indigo-navigation

Obs: O pacote navigation contém o pacote map_server.

3. Execute o mestre, use o carimbo de tempo do log e execute o pacote slam_gmapping:
roscore
rosparam set use_sim_time true
rosrun gmapping slam_gmapping scan:=p3dx/laser/scan

4.Em um novo terminal, reproduza o log:
cd ~/bagfiles/
rosbag play --clock log_map.bag

5. Assim que a reprodução do log terminar, salve o mapa no disco. Para isso, entre no diretório no qual deseja salvar o mapa e execute:
rosrun map_server map_saver

Congratz! Você agora terá o mapa salvo como map.pgm.

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-17T20:25:12Z

Mberger:

==Controle do Pionner com JoyStick==

1. Instale o pacote ROSARIA:
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instale as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instale o pacote jstest-gtk:
sudo apt-get install jstest-gtk

4. Identifique a porta atribuída ao joystick (e.g., js0). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Libere o acesso à porta do joystick:
sudo chmod 777 /dev/input/js0

Obs: Substitua js0 pela porta do joystick.

6. Para testar o joystick:
sudo jstest /dev/input/js0

A saída do joystick aparecerá na tela.

7. Instale o pacote joy:
sudo apt-get install ros-indigo-joy

8. Para controlar o Pioneer:

8.1. Execute o mestre:
roscore

8.2. Conecte o joystick.

8.3. Em um novo terminal, configure os parâmetros do nó joy:
rosparam set joy_node/dev "/dev/input/js0"

8.4. Execute o nó joy:
rosrun joy joy_node

Para visualizar os dados enviados ao nó joy pelo joystick, execute em um novo terminal:
rostopic echo joy

8.5.Conecte o Pioneer.

8.6. Em um novo terminal, libere a porta atribuída ao Pioneer:
sudo chmod 777 /dev/ttyUSB*

Obs: Substitua ttyUSB* pela porta do Pioneer.

8.7. Execute o programa ROSARIA:
rosrun rosaria RosAria

Caso ocorra algum erro com a porta do Pioneer, execute:
rosrun rosaria RosAria _port:=/dev/ttyUSB*

8.8. Crie um pacote para scripts auxiliares:
cd ~/catkin_ws/src
catkin_create_pkg scripts_aux

8.9. Baixe o script auxiliar descrito abaixo para o diretório ~/catkin_make/src/scripts_aux:

* RosAriaJoyTeleop.py: controla o Pioneer usando o joystick.

Após baixá-lo, dê a ele permissão de execução:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

8.10. Construa os pacotes:
cd ~/catkin_ws
catkin_make

8.12.Em um novo terminal, execute o script RosAriaJoyTeleop.py:
rosrun scripts_aux RosAriaJoyTeleop.py

== Construção do Log de Dados Capturados pelo Sensor Sick LMS ==

1. Instale os pacotes sicktoolbox e sicktoolbox_wrapper:
sudo apt-get install ros-indigo-sicktoolbox
sudo apt-get install ros-indigo-sicktoolbox-wrapper

2. Baixe os scripts auxiliares descritos abaixo para o diretório ~/catkin_make/src/scripts_aux:

* RosAriaKeyTeleop.py: controla o Pioneer usando o teclado;
* RosAriaLaserTf.py: publica a posição do sensor Sick LMS no Pioneer.

Após baixá-los, dê a eles permissão de execução:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

3. Construa os pacotes:
cd ~/catkin_ws
catkin_make

=== Construção do Log em um Ambiente Real ===

1. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
sudo chmod 777 /dev/input/js0
sudo chmod 777 /dev/ttyUSB0
sudo chmod 777 /dev/ttyUSB1
roscore
rosrun rosaria RosAria _port:=/dev/ttyUSB0
rosrun sicktoolbox_wrapper sicklms _port:=/dev/ttyUSB1 _baud=38400
rosrun scripts_aux RosAriaLaserTf.py
rosparam set joy_node/dev "/dev/input/js0"
rosrun joy joy_node
rosrun scripts_aux RosAriaJoyTeleop.py
cd "diretorio para armazenar o log"
rosbag record -O log_map /scan /tf
rosrun rviz rviz

Obs. 1: Nos comandos 1 e 8 acima, substitua js0 pela porta do joystick, ttyUSB0 pela porta do Pioneer e ttyUSB1 pela porta do sensor Sick LMS.
Obs. 2: No comando 11 acima, substitua log_map pelo nome que queria dar ao arquivo de log.
Obs. 3: O último comando executa o pacote rviz, uma ferramenta de visualização do ROS.

===Construção do Mapa em um Ambiente Simulado===

1. Instale o pacote gazebo-ros:
sudo apt-get install libsdformat1 libsdformat-dev
sudo apt-get install ros-indigo-gazebo-ros-pkgs ros-indigo-gazebo-ros-control

2. Instale os pacotes ros-control e ros-controllers:

sudo apt-get install ros-indigo-ros-control ros-indigo-ros-controllers

3. Baixe o arquivo descrito abaixo:

* modeloCT7.zip: contém 3 diretórios, cada qual contendo modelos 3D de malhas do segundo andar do Prédio CT-VII.

Após baixá-lo, descompacte-o e mova ou copie os diretórios resultantes para a pasta (oculta) de modelos do Gazebo:

unzip modeloCT7.zip -d modeloCT7
mv modeloCT7/* ~/.gazebo/models/

4. Baixe o arquivo descrito abaixo para o diretório catkin_ws/src:

* PioneerModel.zip: Pacotes com o modelo do pioneer utilizando o mapa do CT7

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip PioneerModel.zip
cd ..
catkin_make

5. Baixe o pacote descrito abaixo para o diretório catkin_ws/src:

* p3dx_controller.zip: controla o Pioneer usando o teclado.

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip p3dx_controller.zip
cd ~/catkin_ws/src/p3dx_controller/scripts
chmod 755 *
cd ~/catkin_ws
catkin_make

6. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
roscore
roslaunch p3dx_gazebo gazebo.launch
rosrun p3dx_controller move.py
cd ~/bagfiles/
roslaunch p3dx_description rviz.launch
rosbag record -O log_map /p3dx/laser/scan /tf

== Criação do Mapa Usando o Pacote slam_gmapping ==

1. Instale o pacote slam_gmapping:
sudo apt-get install ros-indigo-slam-gmapping

2. Instale o pacote navigation:
sudo apt-get install ros-indigo-navigation

Obs: O pacote navigation contém o pacote map_server.

3. Execute o mestre, use o carimbo de tempo do log e execute o pacote slam_gmapping:
roscore
rosparam set use_sim_time true
rosrun gmapping slam_gmapping scan:=p3dx/laser/scan

4.Em um novo terminal, reproduza o log:
cd ~/bagfiles/
rosbag play --clock log_map.bag

5. Assim que a reprodução do log terminar, salve o mapa no disco. Para isso, entre no diretório no qual deseja salvar o mapa e execute:
rosrun map_server map_saver

Congratz! Você agora terá o mapa salvo como map.pgm.

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-17T20:01:20Z

Mberger:

==Controle do Pionner com JoyStick==

1. Instale o pacote ROSARIA (http://wiki.ros.org/ROSARIA):
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instale as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instale o pacote jstest-gtk para utilizar o joystick:
sudo apt-get install jstest-gtk

4. Identifique a porta atribuída ao joystick (e.g., js0). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Libere o acesso à porta do joystick:
sudo chmod 777 /dev/input/js0

Obs: Substitua js0 pela porta do joystick.

6. Para testar o joystick:
sudo jstest /dev/input/js0

A saída do joystick aparecerá na tela.

7. Instale o pacote joy (http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick):
sudo apt-get install ros-indigo-joy

8. Para controlar o Pioneer:

8.1. Inicie o roscore:
roscore

8.2. Conecte o joystick.

8.3. Em um novo terminal, configure os parâmetros do nó joy:
rosparam set joy_node/dev "/dev/input/js0"

8.4. Execute o nó joy:
rosrun joy joy_node

Para visualizar os dados enviados ao nó joy pelo joystick, execute em um novo terminal:
rostopic echo joy

8.5.Conecte o Pioneer.

8.6. Em um novo terminal, libere a porta atribuída ao Pioneer:
sudo chmod 777 /dev/ttyUSB*

Obs: Substitua ttyUSB* pela porta do Pioneer.

8.7. Execute o ROSARIA:
rosrun rosaria RosAria

Caso ocorra algum erro com a porta do Pioneer, execute:
rosrun rosaria RosAria _port:=/dev/ttyUSB*

8.8. Crie um pacote para scripts auxiliares:
cd ~/catkin_ws/src
catkin_create_pkg scripts_aux

8.9. Baixe o script auxiliar descrito abaixo para o diretório ~/catkin_make/src/scripts_aux gerado acima.

* RosAriaJoyTeleop.py: controla o Pioneer usando o joystick.

8.10. Dê permissão de execução para o script auxiliar mencionado acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

8.11. Construa os pacotes:
cd ~/catkin_ws
catkin_make

8.12.Em um novo terminal, execute o programa para definir os controles do pioneer
rosrun scripts_aux RosAriaJoyTeleop.py.

== Construção do Log de Dados Capturados pelo Sensor Sick LMS ==

1. Instale os pacotes sicktoolbox e sicktoolbox_wrapper:
sudo apt-get install ros-indigo-sicktoolbox
sudo apt-get install ros-indigo-sicktoolbox-wrapper

2. Baixe os scripts auxiliares descritos abaixo para o diretório ~/catkin_make/src/scripts_aux.

* RosAriaKeyTeleop.py: controla o Pioneer usando o teclado; e
* RosAriaLaserTf.py: publica a posição do sensor Sick LMS no Pioneer.

3. Dê permissão de execução para os scripts mencionados acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

4. Construa os pacotes:
cd ~/catkin_ws
catkin_make

=== Construção do Log em um Ambiente Real ===

1. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
sudo chmod 777 /dev/input/js0
sudo chmod 777 /dev/ttyUSB0
sudo chmod 777 /dev/ttyUSB1
roscore
rosrun rosaria RosAria _port:=/dev/ttyUSB0
rosrun sicktoolbox_wrapper sicklms _port:=/dev/ttyUSB1 _baud=38400
rosrun scripts_aux RosAriaLaserTf.py
rosparam set joy_node/dev "/dev/input/js0"
rosrun joy joy_node
rosrun scripts_aux RosAriaJoyTeleop.py
cd "diretorio para armazenar o log"
rosbag record -O log_map /scan /tf
rosrun rviz rviz

Obs. 1: Nos comandos 1 e 8 acima, substitua js0 pela porta do joystick, ttyUSB0 pela porta do Pioneer e ttyUSB1 pela porta do sensor Sick LMS.
Obs. 2: No comando 11 acima, substitua log_map pelo nome que queria dar ao arquivo de log.
Obs. 3: O último comando executa o pacote rviz, uma ferramenta de visualização do ROS.

===Construção do Mapa em um Ambiente Simulado===

1. Instale o pacote gazebo-ros:
sudo apt-get install libsdformat1 libsdformat-dev
sudo apt-get install ros-indigo-gazebo-ros-pkgs ros-indigo-gazebo-ros-control

2. Instale os pacotes ros-control e ros-controllers para a interface de controle do robô entre o ROS e gazebo:

sudo apt-get install ros-indigo-ros-control ros-indigo-ros-controllers

3. Para a simulação, será utilizado o modelo 3D do 2º andar do CT-VII (UFES). Faça o download dos modelos:

* modeloCT7.zip: contém 3 pastas. Cada pasta corresponde a malhas que compõem o segundo andar do CT-VII.

4. extraia essas 3 pastas e mova-as/copie para a pasta (oculta) de modelos do Gazebo:
unzip modeloCT7.zip -d modeloCT7
mv modeloCT7/* ~/.gazebo/models/

5. Baixe os arquivo abaixo para o diretório catkin_ws/src:

* PioneerModel.zip: Pacotes com o modelo do pioneer utilizando o mapa do CT7

6. Descompacte e construa os pacotes
cd ~/catkin_ws/src
unzip PioneerModel.zip
cd ..
catkin_make

7. Baixe o pacote descrito abaixo para o diretório catkin_ws/src.

* p3dx_controller.zip: controla o Pioneer usando o teclado.

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip p3dx_controller.zip
cd ~/catkin_ws/src/p3dx_controller/scripts
chmod 755 *
cd ~/catkin_ws
catkin_make

8. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
roscore
roslaunch p3dx_gazebo gazebo.launch
rosrun p3dx_controller move.py
cd ~/bagfiles/
roslaunch p3dx_description rviz.launch
rosbag record -O log_map /p3dx/laser/scan /tf

== Criação do Mapa Usando o Pacote slam_gmapping ==

1. Instale o pacote slam_gmapping:
sudo apt-get install ros-indigo-slam-gmapping

2. Instale o pacote navigation:
sudo apt-get install ros-indigo-navigation

Obs: O pacote navigation contém o pacote map_server.

3. Execute o mestre, use o carimbo de tempo do log e execute o pacote slam_gmapping:
roscore
rosparam set use_sim_time true
rosrun gmapping slam_gmapping scan:=p3dx/laser/scan

4.Em um novo terminal, reproduza o log:
cd ~/bagfiles/
rosbag play --clock log_map.bag

5. Assim que a reprodução do log terminar, salve o mapa no disco. Para isso, entre no diretório no qual deseja salvar o mapa e execute:
rosrun map_server map_saver

Congratz! Você agora terá o mapa salvo como map.pgm.

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-17T19:58:07Z

Mberger:

==Controle do Pionner com JoyStick==

1. Instale o pacote ROSARIA (http://wiki.ros.org/ROSARIA):
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instale as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instale o pacote jstest-gtk para utilizar o joystick:
sudo apt-get install jstest-gtk

4. Identifique a porta atribuída ao joystick (e.g., js0). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Libere o acesso à porta do joystick:
sudo chmod 777 /dev/input/js0

Obs: Substitua js0 pela porta do joystick.

6. Para testar o joystick:
sudo jstest /dev/input/js0

A saída do joystick aparecerá na tela.

7. Instale o pacote joy (http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick):
sudo apt-get install ros-indigo-joy

8. Para controlar o Pioneer:

8.1. Inicie o roscore:
roscore

8.2. Conecte o joystick.

8.3. Em um novo terminal, configure os parâmetros do nó joy:
rosparam set joy_node/dev "/dev/input/js0"

8.4. Execute o nó joy:
rosrun joy joy_node

Para visualizar os dados enviados ao nó joy pelo joystick, execute em um novo terminal:
rostopic echo joy

8.5.Conecte o Pioneer.

8.6. Em um novo terminal, libere a porta atribuída ao Pioneer:
sudo chmod 777 /dev/ttyUSB*

Obs: Substitua ttyUSB* pela porta do Pioneer.

8.7. Execute o ROSARIA:
rosrun rosaria RosAria

Caso ocorra algum erro com a porta do Pioneer, execute:
rosrun rosaria RosAria _port:=/dev/ttyUSB*

8.8. Crie um pacote para scripts auxiliares:
cd ~/catkin_ws/src
catkin_create_pkg scripts_aux

8.9. Baixe o script auxiliar descrito abaixo para o diretório ~/catkin_make/src/scripts_aux gerado acima.

* RosAriaJoyTeleop.py: controla o Pioneer usando o joystick.

8.10. Dê permissão de execução para o script auxiliar mencionado acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

8.11. Construa os pacotes:
cd ~/catkin_ws
catkin_make

8.12.Em um novo terminal, execute o programa para definir os controles do pioneer
rosrun scripts_aux RosAriaJoyTeleop.py.

== Construção do Log de Dados Capturados pelo Sensor Sick LMS ==

1. Instale os pacotes sicktoolbox e sicktoolbox_wrapper:
sudo apt-get install ros-indigo-sicktoolbox
sudo apt-get install ros-indigo-sicktoolbox-wrapper

2. Baixe os scripts auxiliares descritos abaixo para o diretório ~/catkin_make/src/scripts_aux.

* RosAriaKeyTeleop.py: controla o Pioneer usando o teclado; e
* RosAriaLaserTf.py: publica a posição do sensor Sick LMS no Pioneer.

3. Dê permissão de execução para os scripts mencionados acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

4. Construa os pacotes:
cd ~/catkin_ws
catkin_make

= Construção do Log em um Ambiente Real =

1. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
sudo chmod 777 /dev/input/js0
sudo chmod 777 /dev/ttyUSB0
sudo chmod 777 /dev/ttyUSB1
roscore
rosrun rosaria RosAria _port:=/dev/ttyUSB0
rosrun sicktoolbox_wrapper sicklms _port:=/dev/ttyUSB1 _baud=38400
rosrun scripts_aux RosAriaLaserTf.py
rosparam set joy_node/dev "/dev/input/js0"
rosrun joy joy_node
rosrun scripts_aux RosAriaJoyTeleop.py
cd "diretorio para armazenar o log"
rosbag record -O log_map /scan /tf
rosrun rviz rviz

Obs. 1: Nos comandos 1 e 8 acima, substitua js0 pela porta do joystick, ttyUSB0 pela porta do Pioneer e ttyUSB1 pela porta do sensor Sick LMS.
Obs. 2: No comando 11 acima, substitua log_map pelo nome que queria dar ao arquivo de log.
Obs. 3: O último comando executa o pacote rviz, uma ferramenta de visualização do ROS.

=Construção do Mapa em um Ambiente Simulado=

1. Instale o pacote gazebo-ros:
sudo apt-get install libsdformat1 libsdformat-dev
sudo apt-get install ros-indigo-gazebo-ros-pkgs ros-indigo-gazebo-ros-control

2. Instale os pacotes ros-control e ros-controllers para a interface de controle do robô entre o ROS e gazebo:

sudo apt-get install ros-indigo-ros-control ros-indigo-ros-controllers

3. Para a simulação, será utilizado o modelo 3D do 2º andar do CT-VII (UFES). Faça o download dos modelos:

* modeloCT7.zip: contém 3 pastas. Cada pasta corresponde a malhas que compõem o segundo andar do CT-VII.

4. extraia essas 3 pastas e mova-as/copie para a pasta (oculta) de modelos do Gazebo:
unzip modeloCT7.zip -d modeloCT7
mv modeloCT7/* ~/.gazebo/models/

5. Baixe os arquivo abaixo para o diretório catkin_ws/src:

* PioneerModel.zip: Pacotes com o modelo do pioneer utilizando o mapa do CT7

6. Descompacte e construa os pacotes
cd ~/catkin_ws/src
unzip PioneerModel.zip
cd ..
catkin_make

7. Baixe o pacote descrito abaixo para o diretório catkin_ws/src.

* p3dx_controller.zip: controla o Pioneer usando o teclado.

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip p3dx_controller.zip
cd ~/catkin_ws/src/p3dx_controller/scripts
chmod 755 *
cd ~/catkin_ws
catkin_make

8. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
roscore
roslaunch p3dx_gazebo gazebo.launch
rosrun p3dx_controller move.py
cd ~/bagfiles/
roslaunch p3dx_description rviz.launch
rosbag record -O log_map /p3dx/laser/scan /tf

== Criação do Mapa Usando o Pacote slam_gmapping ==

1. Instale o pacote slam_gmapping:
sudo apt-get install ros-indigo-slam-gmapping

2. Instale o pacote navigation:
sudo apt-get install ros-indigo-navigation

Obs: O pacote navigation contém o pacote map_server.

3. Execute o mestre, use o carimbo de tempo do log e execute o pacote slam_gmapping:
roscore
rosparam set use_sim_time true
rosrun gmapping slam_gmapping scan:=p3dx/laser/scan

4.Em um novo terminal, reproduza o log:
cd ~/bagfiles/
rosbag play --clock log_map.bag

5. Assim que a reprodução do log terminar, salve o mapa no disco. Para isso, entre no diretório no qual deseja salvar o mapa e execute:
rosrun map_server map_saver

Congratz! Você agora terá o mapa salvo como map.pgm.

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-17T19:55:53Z

Mberger:

==Controle do Pionner com JoyStick==

1. Instale o pacote ROSARIA (http://wiki.ros.org/ROSARIA):
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instale as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instale o pacote jstest-gtk para utilizar o joystick:
sudo apt-get install jstest-gtk

4. Identifique a porta atribuída ao joystick (e.g., js0). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Libere o acesso à porta do joystick:
sudo chmod 777 /dev/input/js0

Obs: Substitua js0 pela porta do joystick.

6. Para testar o joystick:
sudo jstest /dev/input/js0

A saída do joystick aparecerá na tela.

7. Instale o pacote joy (http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick):
sudo apt-get install ros-indigo-joy

8. Para controlar o Pioneer:

8.1. Inicie o roscore:
roscore

8.2. Conecte o joystick.

8.3. Em um novo terminal, configure os parâmetros do nó joy:
rosparam set joy_node/dev "/dev/input/js0"

8.4. Execute o nó joy:
rosrun joy joy_node

Para visualizar os dados enviados ao nó joy pelo joystick, execute em um novo terminal:
rostopic echo joy

8.5.Conecte o Pioneer.

8.6. Em um novo terminal, libere a porta atribuída ao Pioneer:
sudo chmod 777 /dev/ttyUSB*

Obs: Substitua ttyUSB* pela porta do Pioneer.

8.7. Execute o ROSARIA:
rosrun rosaria RosAria

Caso ocorra algum erro com a porta do Pioneer, execute:
rosrun rosaria RosAria _port:=/dev/ttyUSB*

8.8. Crie um pacote para scripts auxiliares:
cd ~/catkin_ws/src
catkin_create_pkg scripts_aux

8.9. Baixe o script auxiliar descrito abaixo para o diretório ~/catkin_make/src/scripts_aux gerado acima.

* RosAriaJoyTeleop.py: controla o Pioneer usando o joystick.

8.10. Dê permissão de execução para o script auxiliar mencionado acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

8.11. Construa os pacotes:
cd ~/catkin_ws
catkin_make

8.12.Em um novo terminal, execute o programa para definir os controles do pioneer
rosrun scripts_aux RosAriaJoyTeleop.py.

==Construção do Log de Dados Capturados pelo Sensor Sick LMS==

1. Instale os pacotes sicktoolbox e sicktoolbox_wrapper:
sudo apt-get install ros-indigo-sicktoolbox
sudo apt-get install ros-indigo-sicktoolbox-wrapper

2. Baixe os scripts auxiliares descritos abaixo para o diretório ~/catkin_make/src/scripts_aux.

* RosAriaKeyTeleop.py: controla o Pioneer usando o teclado; e
* RosAriaLaserTf.py: publica a posição do sensor Sick LMS no Pioneer.

3. Dê permissão de execução para os scripts mencionados acima:
cd ~/catkin_ws/src/scripts_aux
chmod 755 *

4. Construa os pacotes:
cd ~/catkin_ws
catkin_make

=Construção do Log em um Ambiente Real=

1. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
sudo chmod 777 /dev/input/js0
sudo chmod 777 /dev/ttyUSB0
sudo chmod 777 /dev/ttyUSB1
roscore
rosrun rosaria RosAria _port:=/dev/ttyUSB0
rosrun sicktoolbox_wrapper sicklms _port:=/dev/ttyUSB1 _baud=38400
rosrun scripts_aux RosAriaLaserTf.py
rosparam set joy_node/dev "/dev/input/js0"
rosrun joy joy_node
rosrun scripts_aux RosAriaJoyTeleop.py
cd "diretorio para armazenar o log"
rosbag record -O log_map /scan /tf
rosrun rviz rviz

Obs. 1: Nos comandos 1 e 8 acima, substitua js0 pela porta do joystick, ttyUSB0 pela porta do Pioneer e ttyUSB1 pela porta do sensor Sick LMS.
Obs. 2: No comando 11 acima, substitua log_map pelo nome que queria dar ao arquivo de log.
Obs. 3: O último comando executa o pacote rviz, uma ferramenta de visualização do ROS.

=Construção do Mapa em um Ambiente Simulado=

1. Instale o pacote gazebo-ros:
sudo apt-get install libsdformat1 libsdformat-dev
sudo apt-get install ros-indigo-gazebo-ros-pkgs ros-indigo-gazebo-ros-control

2. Instale os pacotes ros-control e ros-controllers para a interface de controle do robô entre o ROS e gazebo:

sudo apt-get install ros-indigo-ros-control ros-indigo-ros-controllers

3. Para a simulação, será utilizado o modelo 3D do 2º andar do CT-VII (UFES). Faça o download dos modelos:

* modeloCT7.zip: contém 3 pastas. Cada pasta corresponde a malhas que compõem o segundo andar do CT-VII.

4. extraia essas 3 pastas e mova-as/copie para a pasta (oculta) de modelos do Gazebo:
unzip modeloCT7.zip -d modeloCT7
mv modeloCT7/* ~/.gazebo/models/

5. Baixe os arquivo abaixo para o diretório catkin_ws/src:

* PioneerModel.zip: Pacotes com o modelo do pioneer utilizando o mapa do CT7

6. Descompacte e construa os pacotes
cd ~/catkin_ws/src
unzip PioneerModel.zip
cd ..
catkin_make

7. Baixe o pacote descrito abaixo para o diretório catkin_ws/src.

* p3dx_controller.zip: controla o Pioneer usando o teclado.

Após baixá-lo, descompacte-o e construa os pacotes:
cd ~/catkin_ws/src
unzip p3dx_controller.zip
cd ~/catkin_ws/src/p3dx_controller/scripts
chmod 755 *
cd ~/catkin_ws
catkin_make

8. Crie um arquivo de log para armazenar os dados capturados pelo sensor Sick LMS:
roscore
roslaunch p3dx_gazebo gazebo.launch
rosrun p3dx_controller move.py
cd ~/bagfiles/
roslaunch p3dx_description rviz.launch
rosbag record -O log_map /p3dx/laser/scan /tf

== Criação do Mapa Usando o Pacote slam_gmapping ==

1. Instale o pacote slam_gmapping:
sudo apt-get install ros-indigo-slam-gmapping

2. Instale o pacote navigation:
sudo apt-get install ros-indigo-navigation

Obs: O pacote navigation contém o pacote map_server.

3. Execute o mestre, use o carimbo de tempo do log e execute o pacote slam_gmapping:
roscore
rosparam set use_sim_time true
rosrun gmapping slam_gmapping scan:=p3dx/laser/scan

4.Em um novo terminal, reproduza o log:
cd ~/bagfiles/
rosbag play --clock log_map.bag

5. Assim que a reprodução do log terminar, salve o mapa no disco. Para isso, entre no diretório no qual deseja salvar o mapa e execute:
rosrun map_server map_saver

Congratz! Você agora terá o mapa salvo como map.pgm.

Atividades práticas

2015-09-17T19:55:18Z

Mberger:

[[category:Disciplinas]]
== [[Instalação do ROS]] ==
== [[Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS]] ==

Wiki do LCAD

2015-09-16T19:20:44Z

Mberger: Desfeita a edição 81071 de Mberger (Discussão)

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.]]

Wiki do LCAD

2015-09-16T19:19:30Z

Mberger:

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 SVN]]
:*[[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.]]

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-10T19:36:39Z

Mberger:

==Instalação dos Pacotes para Controlar o Pionner com JoyStick==

1. Instalar o pacote ROSARIA (http://wiki.ros.org/ROSARIA):
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instalar as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instalar o pacote jstest-gtk para utilizar o joystick:
sudo apt-get install jstest-gtk

4. Identificar a porta atribuída ao joystick (e.g., jsX). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Liberar o acesso à porta do joystick:
sudo chmod 777 /dev/input/jsX

Observação: Mude "X" pelo número referente a seu dispositiv

Para testar o joystic use:
$ sudo jstest /dev/input/jsX
A saída do joystick aparecerá na tela. Aperte os botões para ver a alteração nos dados

*instalar o pacote joy do ROS:
$ sudo apt-get install ros-indigo-joy

Mais informações: http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick

*Faça o download do programa para definir os controles do Pioneer
(modificar para nosso link)
http://wiki.lofarolabs.com/index.php/Setting_Up_joystick_to_control_Pioneer_3-DX_in_ROS

*Controlar o Pioneer
1.Inicie o roscore
$roscore
2.Conecte o controle
3.Em um novo terminal configure os paramentros para o nó joy com o caminho do seu dispositivo
$rosparam set joy_node/dev "/dev/input/jsX"
4.Rode o nó joy_node
$ rosrun joy joy_node
*Opcional*:Para visualizar os dados enviados ao joy pelo controle use em um novo terminal:
$rostopic echo joy
5.Conecte o robô
6.Em um novo terminal Libere a porta do robô
sudo chmod 777 /dev/ttyUSB*
7.Rode o Rosaria
$ rosrun rosaria RosAria
**caso ocorra algum erro com a porta use:
$ rosrun rosaria RosAria _port:=/dev/ttyUSB0
Substituindo ttyUSB0 pela porta do robô
8.Em um novo terminal rode o programa para definir os controles do pioneer
$ rosrun yourpackage Joystick_controller.cpp

==Instalação do Drive do Sensor Sick LMS e Gerar um Log dos Dados Capturados pelo Sensor==

==Construção do Mapa==

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-10T19:35:04Z

Mberger:

==Instalação dos Pacotes para Controlar o Pionner com JoyStick==

1. Instalar o pacote ROSARIA (http://wiki.ros.org/ROSARIA):
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

2. Instalar as dependências:
rosdep update
rosdep install rosaria
cd ~/catkin_ws
catkin_make

3. Instalar o pacote jstest-gtk para utilizar o joystick:
sudo apt-get install jstest-gtk

4. Verificar a porta atribuída ao joystick (e.g., jsX). Para isso, liste o conteúdo do diretório /dev/input antes e depois de conectar o joystick:
ls /dev/input/

5. Liberar o acesso a porta, mude "X" pelo numero referente a seu dispositivo:
$ sudo chmod 777 /dev/input/jsX

Para testar o joystic use:
$ sudo jstest /dev/input/jsX
A saída do joystick aparecerá na tela. Aperte os botões para ver a alteração nos dados

*instalar o pacote joy do ROS:
$ sudo apt-get install ros-indigo-joy

Mais informações: http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick

*Faça o download do programa para definir os controles do Pioneer
(modificar para nosso link)
http://wiki.lofarolabs.com/index.php/Setting_Up_joystick_to_control_Pioneer_3-DX_in_ROS

*Controlar o Pioneer
1.Inicie o roscore
$roscore
2.Conecte o controle
3.Em um novo terminal configure os paramentros para o nó joy com o caminho do seu dispositivo
$rosparam set joy_node/dev "/dev/input/jsX"
4.Rode o nó joy_node
$ rosrun joy joy_node
*Opcional*:Para visualizar os dados enviados ao joy pelo controle use em um novo terminal:
$rostopic echo joy
5.Conecte o robô
6.Em um novo terminal Libere a porta do robô
sudo chmod 777 /dev/ttyUSB*
7.Rode o Rosaria
$ rosrun rosaria RosAria
**caso ocorra algum erro com a porta use:
$ rosrun rosaria RosAria _port:=/dev/ttyUSB0
Substituindo ttyUSB0 pela porta do robô
8.Em um novo terminal rode o programa para definir os controles do pioneer
$ rosrun yourpackage Joystick_controller.cpp

==Instalação do Drive do Sensor Sick LMS e Gerar um Log dos Dados Capturados pelo Sensor==

==Construção do Mapa==

Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS

2015-09-10T19:34:27Z

Mberger: Criou página com '==Instalação dos Pacotes para Controlar o Pionner com JoyStick== 1. Instalar o pacote ROSARIA (http://wiki.ros.org/ROSARIA): cd ~/catkin_ws/src git clone https://github...'

Atividades práticas

2015-09-10T19:28:04Z

Mberger:

[[category:Disciplinas]]
== [[Instalação do ROS]] ==
== [[Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS]] ==
== [[Instalação do Simulador]] ==

Atividades práticas

2015-09-10T19:25:59Z

Mberger: /* Instalar os Pacotes para Controlar o Pionner com JoyStick */

[[category:Disciplinas]]
== [[Instalação do ROS]] ==
== [[Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS]] ==

= Instalar o Drive do Sensor Sick LMS e Gerar um Log dos Dados Capturados pelo Sensor =

= Construir e Salvar o Mapa =

== [[Instalação do Simulador]] ==

Atividades práticas

2015-09-10T19:10:53Z

Mberger: /* Criação do Mapa do CTVII */

[[category:Disciplinas]]
== [[Instalação do ROS]] ==
== [[Construção de um Mapa usando o Pionner, JoyStick e Sensor Sick LMS]] ==

= Instalar os Pacotes para Controlar o Pionner com JoyStick =

1. Instalar o pacote ROSARIA
cd ~/catkin_ws/src
git clone https://github.com/amor-ros-pkg/rosaria.git

Dependencias necessárias:
$rosdep update
$rosdep install rosaria
$cd ~/catkin_ws
$catkin_make

Mais informações:http://wiki.ros.org/ROSARIA

- Instalar jstest-gtk para testar o joystick
$ sudo apt-get install jstest-gtk
Testando o joystick:
Verifique como foi reconhecido seu joystic (normalmente jsX)
$ ls /dev/input/
Obs: liste antes de conectar o controle, logo após conecte e liste novamente para verificar qual nome reconhecido
Libere o acesso a porta, mude "X" pelo numero referente a seu dispositivo:
$ sudo chmod 777 /dev/input/jsX

Para testar o joystic use:
$ sudo jstest /dev/input/jsX
A saída do joystick aparecerá na tela. Aperte os botões para ver a alteração nos dados

*instalar o pacote joy do ROS:
$ sudo apt-get install ros-indigo-joy

Mais informações: http://wiki.ros.org/joy/Tutorials/ConfiguringALinuxJoystick

*Faça o download do programa para definir os controles do Pioneer
(modificar para nosso link)
http://wiki.lofarolabs.com/index.php/Setting_Up_joystick_to_control_Pioneer_3-DX_in_ROS

*Controlar o Pioneer
1.Inicie o roscore
$roscore
2.Conecte o controle
3.Em um novo terminal configure os paramentros para o nó joy com o caminho do seu dispositivo
$rosparam set joy_node/dev "/dev/input/jsX"
4.Rode o nó joy_node
$ rosrun joy joy_node
*Opcional*:Para visualizar os dados enviados ao joy pelo controle use em um novo terminal:
$rostopic echo joy
5.Conecte o robô
6.Em um novo terminal Libere a porta do robô
sudo chmod 777 /dev/ttyUSB*
7.Rode o Rosaria
$ rosrun rosaria RosAria
**caso ocorra algum erro com a porta use:
$ rosrun rosaria RosAria _port:=/dev/ttyUSB0
Substituindo ttyUSB0 pela porta do robô
8.Em um novo terminal rode o programa para definir os controles do pioneer
$ rosrun yourpackage Joystick_controller.cpp

= Instalar o Drive do Sensor Sick LMS e Gerar um Log dos Dados Capturados pelo Sensor =

= Construir e Salvar o Mapa =

== [[Instalação do Simulador]] ==

Instalação do ROS

2015-09-10T18:42:08Z

Mberger:

Inicialmente, instale o Ubuntu 14.04.

Siga o tutorial de instalação do ROS disponível no link abaixo.
http://wiki.ros.org/indigo/Installation/Ubuntu

Faça os tutoriais Beginner e Intermediate disponíveis no link a seguir.
http://wiki.ros.org/ROS/Tutorials

Instalação do ROS

2015-09-10T18:40:59Z

Mberger: Criou página com 'Inicialmente, instale o Ubuntu 14.04. Siga o tutorial de instalação do ROS disponível no link abaixo. http://wiki.ros.org/indigo/Installation/Ubuntu Faça os tutoriais Be...'

Atividades práticas

2015-09-10T18:36:12Z

Mberger: Criou página com 'category:Disciplinas == Instalação do ROS == == Criação do Mapa do CTVII == == Instalação do Simulador =='

[[category:Disciplinas]]
== [[Instalação do ROS]] ==
== [[Criação do Mapa do CTVII]] ==
== [[Instalação do Simulador]] ==

TEI Robótica Probabilistíca 2015/2

2015-09-10T18:35:21Z

Mberger: Criou página com 'category:Disciplinas == Atividades práticas =='

[[category:Disciplinas]]
== [[Atividades práticas]] ==

Grupos de Estudos Científicos

2015-09-10T18:28:55Z

Mberger:

[[category:Disciplinas]]
:*[[Estudos em robótica probabilística]]
:*[[Estudos em programação paralela em CUDA]]
:*[[Fusão de Sensores]]
:*[[Computacao de Alto Desempenho em Financas]]
:*[[TEI Veículos Autônomos]]
:*[[TEI Robótica Probabilistíca Avançada e Fusão de Sensores]]
:*[[Planejamento da Volta-da-UFES]]
:*[[Cognição Visual 2012/1]]
:*[[TEI Robótica Probabilistíca 2015/2]]

Amazon Picking Challenge

2015-06-29T15:01:36Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|480px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|480px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Neste vídeo é novamente apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso várias das tarefas da competição:

[[Image:12.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=ag6aSwCUzMA]]

Neste vídeo 5x mais rápido:

[[Image:13.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/8bXFiNWPc3E]]

Apenas o robô, 5x:

[[Image:14.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/_bEGktiyGSE]]

Arquivo:14.jpg

2015-06-29T14:59:47Z

Mberger:

Arquivo:13.jpg

2015-06-29T14:59:37Z

Mberger:

Arquivo:12.jpg

2015-06-29T14:59:26Z

Mberger:

Amazon Picking Challenge

2015-06-25T17:30:38Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|480px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|480px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Neste vídeo é novamente apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso várias das tarefas da competição:
[https://www.youtube.com/watch?v=ag6aSwCUzMA https://www.youtube.com/watch?v=ag6aSwCUzMA]

Neste vídeo 5x mais rápido:
[https://youtu.be/8bXFiNWPc3E https://youtu.be/8bXFiNWPc3E]

Apenas o robô, 5x:
[https://youtu.be/_bEGktiyGSE https://youtu.be/_bEGktiyGSE]

Amazon Picking Challenge

2015-06-25T15:05:13Z

Mberger:

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|480px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|480px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Neste vídeo é novamente apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso várias das tarefas da competição:
[https://www.youtube.com/watch?v=ag6aSwCUzMA https://www.youtube.com/watch?v=ag6aSwCUzMA]

Neste vídeo 5x mais rápido:
[https://youtu.be/8bXFiNWPc3E https://youtu.be/8bXFiNWPc3E]

Amazon Picking Challenge

2015-06-25T14:29:28Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|480px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|480px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Neste vídeo é novamente apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso várias das tarefas da competição: [https://www.youtube.com/watch?v=ag6aSwCUzMA https://www.youtube.com/watch?v=ag6aSwCUzMA]

Amazon Picking Challenge

2015-06-25T14:27:34Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

Amazon Picking Challenge

2015-06-08T17:55:51Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|480px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|480px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Amazon Picking Challenge

2015-06-08T17:54:17Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|600px|centro|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|600px|centro|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|600px|centro|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[[Image:11.jpg|thumb|600px|centro|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Amazon Picking Challenge

2015-06-08T17:49:13Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:10.jpg|thumb|nenhum|link=https://youtu.be/4__ainsD0QI]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[[Image:11.jpg|thumb|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Arquivo:10.jpg

2015-06-08T17:48:33Z

Mberger:

Amazon Picking Challenge

2015-06-08T13:55:48Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[[Image:9.jpg|thumb|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[[Image:9.jpg|thumb|nenhum|link=https://www.youtube.com/watch?v=4hWTLhXAjyA]]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[[Image:11.jpg|thumb|nenhum|link=https://www.youtube.com/watch?v=tofuV3d3XW0]]

Arquivo:11.jpg

2015-06-08T13:54:39Z

Mberger:

Arquivo:9.jpg

2015-06-08T13:54:17Z

Mberger:

Amazon Picking Challenge

2015-06-08T13:52:03Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[https://www.youtube.com/watch?v=4hWTLhXAjyA https://www.youtube.com/watch?v=4hWTLhXAjyA]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[https://www.youtube.com/watch?v=4hWTLhXAjyA https://www.youtube.com/watch?v=4hWTLhXAjyA]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[https://www.youtube.com/watch?v=tofuV3d3XW0 https://www.youtube.com/watch?v=tofuV3d3XW0]

Amazon Picking Challenge

2015-06-08T13:48:05Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[[Image:1.jpg|thumb|nenhum|link=http://youtu.be/M7ktnz32BA0]]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[[Image:2.jpg|thumb|nenhum|link=https://youtu.be/47_Bj3o9s-Y]]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[[Image:3.jpg|thumb|nenhum|link=https://youtu.be/s_mtzXzKT7c]]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[[Image:4.jpg|thumb|nenhum|link=http://youtu.be/0K_PHgdauGo]]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[[Image:5.jpg|thumb|nenhum|link=https://youtu.be/eFRg8EhO2Uk]]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[[Image:6.jpg|thumb|nenhum|link=https://youtu.be/-Lz8SbGRlmw]]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[[Image:7.jpg|thumb|nenhum|link=https://youtu.be/H33EeTi3FaI]]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[[Image:8.jpg|thumb|nenhum|link=http://youtu.be/kx6mFj9pjPU]]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0 https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing]

Arquivo:8.jpg

2015-06-08T13:31:50Z

Mberger:

Arquivo:7.jpg

2015-06-08T13:31:43Z

Mberger:

Arquivo:6.jpg

2015-06-08T13:31:35Z

Mberger:

Arquivo:5.jpg

2015-06-08T13:31:27Z

Mberger:

Arquivo:4.jpg

2015-06-08T13:31:19Z

Mberger:

Arquivo:3.jpg

2015-06-08T13:31:08Z

Mberger:

Arquivo:2.jpg

2015-06-08T13:30:59Z

Mberger:

Arquivo:1.jpg

2015-06-08T13:30:36Z

Mberger:

Amazon Picking Challenge

2015-06-05T18:01:29Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[http://youtu.be/M7ktnz32BA0 http://youtu.be/M7ktnz32BA0]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[https://youtu.be/47_Bj3o9s-Y https://youtu.be/47_Bj3o9s-Y]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[https://youtu.be/s_mtzXzKT7c https://youtu.be/s_mtzXzKT7c]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[http://youtu.be/0K_PHgdauGo http://youtu.be/0K_PHgdauGo]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[https://youtu.be/eFRg8EhO2Uk https://youtu.be/eFRg8EhO2Uk]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[https://youtu.be/-Lz8SbGRlmw https://youtu.be/-Lz8SbGRlmw]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[https://youtu.be/H33EeTi3FaI https://youtu.be/H33EeTi3FaI]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[http://youtu.be/kx6mFj9pjPU http://youtu.be/kx6mFj9pjPU]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0 https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing]

Amazon Picking Challenge

2015-06-05T17:47:20Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px|centro]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[http://youtu.be/M7ktnz32BA0 http://youtu.be/M7ktnz32BA0]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[https://youtu.be/47_Bj3o9s-Y https://youtu.be/47_Bj3o9s-Y]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[https://youtu.be/s_mtzXzKT7c https://youtu.be/s_mtzXzKT7c]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[http://youtu.be/0K_PHgdauGo http://youtu.be/0K_PHgdauGo]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[https://youtu.be/eFRg8EhO2Uk https://youtu.be/eFRg8EhO2Uk]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[https://youtu.be/-Lz8SbGRlmw https://youtu.be/-Lz8SbGRlmw]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[https://youtu.be/H33EeTi3FaI https://youtu.be/H33EeTi3FaI]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[http://youtu.be/kx6mFj9pjPU http://youtu.be/kx6mFj9pjPU]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0 https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing]

Amazon Picking Challenge

2015-06-05T17:45:54Z

Mberger: /* Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge */

== Professor do LCAD obtém a sétima colocação na Amazon Picking Challenge==

[[Arquivo:Photo-icra.jpg|600px]]

O professor Alberto F. De Souza, membro do Laboratório de Computação de Alto Desempenho, obteve a sétima colocação na Amazon Picking Challenge, uma competição de robótica autônoma promovida pela Amazon ([http://amazonpickingchallenge.org]). O professor Alberto, em parceria com o grupo do prof. Kostas Bekris, da Rutgers University (USA), como parte de suas atividades de pós-doutoramento, desenvolveu hardware e software para o robô Motoman (SDA10, Yaskawa) utilizando várias tecnologias previamente desenvolvidas no LCAD. O resultado obtido coloca o LCAD, o PPGI e a UFES em um time que se encontra entre os 10 melhores em manipulação robótica autônoma do mundo.

Reportagem da Bloomberg sobre a Amazon Picking Challenge com vídeo com entrevista do prof. Alberto.

[http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students http://www.bloomberg.com/news/articles/2015-05-28/robot-with-a-human-grasp-is-amazon-s-challenge-to-students]

Neste vídeo é apresentada a proposta inicial de sistema para o robô no início do projeto. A arquitetura do sistema final, utilizada na competição, é uma versão ligeiramente aprimorada.

[http://youtu.be/M7ktnz32BA0 http://youtu.be/M7ktnz32BA0]

Neste vídeo, sao apresentados os sistemas de mapeamento, localização e detecção de objetos preliminares.

[https://youtu.be/47_Bj3o9s-Y https://youtu.be/47_Bj3o9s-Y]

O detector de objetos utilizado é uma versão melhorada do detector Linemod, desenvolvida pelo prof. Alberto. Este vídeo mostra um teste após algumas das melhorias realizadas na versão publicamente disponível de Linemod. A versão final desenvolvida pelo prof. e utilizada na competição será disponibilizada como software livre.

[https://youtu.be/s_mtzXzKT7c https://youtu.be/s_mtzXzKT7c]

Neste vídeo é apresentado o robô Baxter realizando todas as principais tarefas da competição. A Rutgers já possuia este robô, que foi utilizado na fase preliminar do projeto. O professor Alberto era o responsável pelos subsistemas de tomada de decisão, mapeamento, localização e detecção de objetos, equanto que a equipe do prof. Bekris era responsável pela parte de planejamento do movimento do robô (especialidade da equipe do prof. Bekris). Contudo, neste vídeo o sistema de planejamento dos movimentos do robô utilizado também foi desenvolvido pelo prof. Alberto com base no software MoveIt!, disponível na forma de software livre. A detecção de objetos ainda era viabilizada por uma versão preliminar do sistema utilizado na competição.

[http://youtu.be/0K_PHgdauGo http://youtu.be/0K_PHgdauGo]

Vídeo submetido à Amanzon em competição paralela promovida pela mesma para determinar a quem a empresa iria conceder uma estante e os objetos que seriam usados na competição. Nele é possível ver o planejador de movimentos do grupo do prof. Bekris em simulações.

[https://youtu.be/eFRg8EhO2Uk https://youtu.be/eFRg8EhO2Uk]

Vídeo submetido ao fabricante do robô que usado na competição, Motoman SDA10F, fabricado pela Yaskawa. Graças a este vídeo a Rutgers ganhou (por 6 meses) um robô de U$150,000.00.

[https://youtu.be/-Lz8SbGRlmw https://youtu.be/-Lz8SbGRlmw]

Vídeo submetido para a Amazon em uma competição paralela para receber apoio para transportar o robô para a competição (a Rutgers ganhou o apoio).

[https://youtu.be/H33EeTi3FaI https://youtu.be/H33EeTi3FaI]

Versão mais avançada do sistema desenvolvido rodando no Baxter e pegando objetos na estante da competição.

[http://youtu.be/kx6mFj9pjPU http://youtu.be/kx6mFj9pjPU]

Este manipulador a vácuo foi projetado pelo professor Alberto especialmente para a competição.

[[Arquivo:Photo_1.JPG|thumb|nenhum|Rascunho a mão do projeto do manipulador vácuo desenvolvido para a competição"]]

Todos os pontos obtidos na competição vieram dele. A estrutura física básica dele foi implementada pela empresa Unigripper (http://www.unigripper.com). Mas o acionamento eletrônico, assim como o driver de acionamente computacional, foram implementados pelo prof. Alberto. A Rutgers ganhou o apoio da Unigripper após ela ter nos solecionado em uma competição paralela à Amazon Picking Challenge promovida pela empresa.

[https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpdzlObEs1SENNZ2M/view?usp=sharing]

Neste vídeo, o prof. Alberto apresenta o sistema completo que ele desenvolveu (inclusive o planejamento de movimento) rodando com a parte de mapeamento, localização e detecção de objetos no mundo real, mas simulando o robô utilizado na competição.

[https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0 https://drive.google.com/open?id=0Bx72lgdcLPEpdzlObEs1SENNZ2M&authuser=0]

Neste vídeo é apresentada a versão final do sistema utilizado na competição sendo empregada no robô utilizado na competição. No vídeo, o robô Motoman SDA10F realiza com sucesso uma das tarefas da competição {favor baixar este vídeo e colocar em destaque no canal do LCAD no Youtube}.

[https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing https://drive.google.com/file/d/0Bx72lgdcLPEpUDZqc05hblpqdW8/view?usp=sharing]