深海游弋的鱼 – 第 112 页 – 智障儿童欢乐多

Ubuntu 14.04.5系统上OpenPTrack V1版本安装配置(Kinect V2)

目前在研究视觉跟踪人的事情，找到的比较好的参考项目就是OpenPTrack了，截至目前（2017.8.14）OpenPTrack的V2版本还没有释放出代码，因此我们只能依旧在V1版本上进行测试，这个版本目前只能在Ubuntu 14.04.5系统上运行，其他系统上（比如Ubuntu 16.04）问题比较多，还是建议在Ubuntu 14.04.5系统上进行安装。

1.从GitHub上获取项目代码

$ sudo apt-get install git -y
$ cd ~
$ git clone https://github.com/OpenPTrack/open_ptrack.git

$ sudo apt-get install git -y

$ cd ~

$ git clone https://github.com/OpenPTrack/open_ptrack.git

2.安装ROS

$ cd open_ptrack/scripts
$ chmod +x *.sh
$ ./ros_install.sh

$ source /opt/ros/indigo/setup.bash
$ ./ros_configure.sh

$ cd open_ptrack/scripts

$ chmod +x *.sh

$ ./ros_install.sh

$ source /opt/ros/indigo/setup.bash

$ ./ros_configure.sh

3.安装`OpenPTrack`

$ ./openptrack_install.sh

1	$ ./openptrack_install.sh

4.链接`OpenPTrack`目录

$ ln -s  ~/workspace/ros/catkin/src/open_ptrack ~/open_ptrack

1	$ ln -s ~/workspace/ros/catkin/src/open_ptrack ~/open_ptrack

5.`Kinect V2`驱动程序安装

$ sudo apt-get install nvidia-375-dev
$ sudo apt-get install ocl-icd-opencl-dev

$ cd ~/workspace/ros/catkin/src
$ source ~/.profile 
$ roscd open_ptrack/../scripts
$ chmod +x kinect2_install.sh
$ ./kinect2_install.sh

$ sudo apt-get install nvidia-375-dev

$ sudo apt-get install ocl-icd-opencl-dev

$ cd ~/workspace/ros/catkin/src

$ source ~/.profile

$ roscd open_ptrack/../scripts

$ chmod +x kinect2_install.sh

$ ./kinect2_install.sh

重启系统，然后执行如下命令：

$ cd ~/workspace/ros/catkin/devel/lib/kinect2_bridge
$ sudo ./kinect2_bridge

1 2	$ cd ~/workspace/ros/catkin/devel/lib/kinect2_bridge $ sudo ./kinect2_bridge

6.完整的自动化安装脚本

import subprocess
def execBashShellCommand(cmd):
    print cmd
    p = subprocess.Popen(cmd, shell=True, stdout=subprocess.PIPE, stderr=subprocess.STDOUT,executable="/bin/bash")
    while True:  
        buff = p.stdout.readline()  
        if buff == '' and p.poll() != None:  
            break
        print buff
    p.wait()


def main():
    execBashShellCommand("rm -rf ~/workspace")
    execBashShellCommand("rm -rf ~/.ros")
    execBashShellCommand("rm -rf ~/.rviz")
    execBashShellCommand("rm -rf ~/open_ptrack")

    execBashShellCommand("sudo apt-get install git -y")
    execBashShellCommand("cd ~ && git clone https://github.com/OpenPTrack/open_ptrack.git")

    execBashShellCommand("sed -i '/source ~\/workspace\/ros\/rosbuild\/setup.bash/d' ~/.bashrc")
    execBashShellCommand("sed -i '/export KINECT_DRIVER=openni/d' ~/.bashrc")
    execBashShellCommand("sed -i '/export LC_ALL=C/d' ~/.bashrc")

    execBashShellCommand("cd ~/open_ptrack/scripts && chmod +x *.sh && ./ros_install.sh")
    execBashShellCommand("cd ~/open_ptrack/scripts && source /opt/ros/indigo/setup.bash ; ./ros_configure.sh")
    execBashShellCommand("cd ~/open_ptrack/scripts && ./openptrack_install.sh")

    execBashShellCommand("ln -s  ~/workspace/ros/catkin/src/open_ptrack ~/open_ptrack")

    execBashShellCommand("source ~/workspace/ros/rosbuild/setup.bash ; source ~/.profile ; export KINECT_DRIVER=openni && export LC_ALL=C && cd ~/workspace/ros/catkin && catkin_make --pkg calibration_msgs && catkin_make --pkg opt_msgs && catkin_make --force-cmake")

    execBashShellCommand("sudo apt-get -y install nvidia-375-dev")
    execBashShellCommand("sudo apt-get -y install ocl-icd-opencl-dev")

    execBashShellCommand("source ~/workspace/ros/rosbuild/setup.bash ; source ~/.profile ; export KINECT_DRIVER=openni && export LC_ALL=C && cd ~/workspace/ros/catkin/src && roscd open_ptrack/../scripts && chmod +x kinect2_install.sh && ./kinect2_install.sh")

    execBashShellCommand("cd ~/workspace/ros/catkin/devel/lib/kinect2_bridge && sudo ./kinect2_bridge")

if __name__ == "__main__":
    main()

import subprocess

def execBashShellCommand(cmd):

print cmd

p = subprocess.Popen(cmd, shell=True, stdout=subprocess.PIPE, stderr=subprocess.STDOUT,executable="/bin/bash")

while True:

buff = p.stdout.readline()

if buff == '' and p.poll() != None:

break

print buff

p.wait()

def main():

execBashShellCommand("rm -rf ~/workspace")

execBashShellCommand("rm -rf ~/.ros")

execBashShellCommand("rm -rf ~/.rviz")

execBashShellCommand("rm -rf ~/open_ptrack")

execBashShellCommand("sudo apt-get install git -y")

execBashShellCommand("cd ~ && git clone https://github.com/OpenPTrack/open_ptrack.git")

execBashShellCommand("sed -i '/source ~\/workspace\/ros\/rosbuild\/setup.bash/d' ~/.bashrc")

execBashShellCommand("sed -i '/export KINECT_DRIVER=openni/d' ~/.bashrc")

execBashShellCommand("sed -i '/export LC_ALL=C/d' ~/.bashrc")

execBashShellCommand("cd ~/open_ptrack/scripts && chmod +x *.sh && ./ros_install.sh")

execBashShellCommand("cd ~/open_ptrack/scripts && source /opt/ros/indigo/setup.bash ; ./ros_configure.sh")

execBashShellCommand("cd ~/open_ptrack/scripts && ./openptrack_install.sh")

execBashShellCommand("ln -s ~/workspace/ros/catkin/src/open_ptrack ~/open_ptrack")

execBashShellCommand("source ~/workspace/ros/rosbuild/setup.bash ; source ~/.profile ; export KINECT_DRIVER=openni && export LC_ALL=C && cd ~/workspace/ros/catkin && catkin_make --pkg calibration_msgs && catkin_make --pkg opt_msgs && catkin_make --force-cmake")

execBashShellCommand("sudo apt-get -y install nvidia-375-dev")

execBashShellCommand("sudo apt-get -y install ocl-icd-opencl-dev")

execBashShellCommand("source ~/workspace/ros/rosbuild/setup.bash ; source ~/.profile ; export KINECT_DRIVER=openni && export LC_ALL=C && cd ~/workspace/ros/catkin/src && roscd open_ptrack/../scripts && chmod +x kinect2_install.sh && ./kinect2_install.sh")

execBashShellCommand("cd ~/workspace/ros/catkin/devel/lib/kinect2_bridge && sudo ./kinect2_bridge")

if __name__ == "__main__":

main()

7.测试系统

可能需要重新插拔一下Kinect的USB数据线，然后执行如下命令

$ roslaunch kinect2_bridge kinect2_bridge.launch

1	$ roslaunch kinect2_bridge kinect2_bridge.launch

执行之后，等待十几秒，然后Ctrl+C中断执行。
执行完成后，执行

$ roslaunch tracking detection_and_tracking_kinect2.launch

1	$ roslaunch tracking detection_and_tracking_kinect2.launch

之后，会弹出三个界面出来。

参考链接

OpenPTrack Installation Guide

ROS下使用roslaunch命令时使用gdb/pdb调试

最近在使用OpenPTrack来进行人的跟踪测试，可是运行程序的时候总是崩溃。
OpenPTrack是通过roslaunch命令来运行程序的。
网上搜索了一下，可以找到对应的launch文件,在其中的node节点中增加如下语句即可

launch-prefix="xterm -e gdb -ex run --args "

1	launch-prefix="xterm -e gdb -ex run --args "

我们以

$ roslaunch tracking detection_and_tracking_kinect2.launch

1	$ roslaunch tracking detection_and_tracking_kinect2.launch

这条命令为例，detection_and_tracking_kinect2.launch文件的原始内容如下：

<launch>
  <arg name="camera_name"             default="kinect2_head" />

  <!-- Start the Kinect -->
  <include file="$(find kinect2_bridge)/launch/kinect2_bridge_ir.launch"/> 

   <!-- Launch ground based people detection node -->
   <node pkg="detection" type="ground_based_people_detector" name="ground_based_people_detector" output="screen" required="true">
    <rosparam command="load" file="$(find detection)/conf/ground_based_people_detector_kinect2.yaml" /> 
    <param name="classifier_file" value="$(find detection)/data/HogSvmPCL.yaml"/>
    <!--param name="camera_info_topic" value="/$(arg camera_name)/depth_lowres/camera_info"/-->
    <param name="camera_info_topic" value="/$(arg camera_name)/ir_rect/camera_info"/>
    <param name="output_topic" value="/detector/detections"/>
    <!--param name="pointcloud_topic" value="/$(arg camera_name)/depth_lowres/points"/-->
    <param name="pointcloud_topic" value="/$(arg camera_name)/depth_ir/points"/>
    <param name="rate" value="60.0"/>  
  </node>

</launch>

</node>

</launch>

增加调试命令之后的样子如下：

<launch>
  <arg name="camera_name"             default="kinect2_head" />

  <!-- Start the Kinect -->
  <include file="$(find kinect2_bridge)/launch/kinect2_bridge_ir.launch"/> 

   <!-- Launch ground based people detection node -->
   <node pkg="detection" type="ground_based_people_detector" name="ground_based_people_detector" output="screen" required="true" launch-prefix="xterm -e gdb -ex run --args ">
    <rosparam command="load" file="$(find detection)/conf/ground_based_people_detector_kinect2.yaml" /> 
    <param name="classifier_file" value="$(find detection)/data/HogSvmPCL.yaml"/>
    <!--param name="camera_info_topic" value="/$(arg camera_name)/depth_lowres/camera_info"/-->
    <param name="camera_info_topic" value="/$(arg camera_name)/ir_rect/camera_info"/>
    <param name="output_topic" value="/detector/detections"/>
    <!--param name="pointcloud_topic" value="/$(arg camera_name)/depth_lowres/points"/-->
    <param name="pointcloud_topic" value="/$(arg camera_name)/depth_ir/points"/>
    <param name="rate" value="60.0"/>  
  </node>

</launch>

</node>

</launch>

(注意代码添加位置)这样在执行原来例子的时候，就会先打开一个新的Shell界面，被调试的程序就在这个Shell中被执行了。

如果被调式的是Python脚本，则需要修改调试器为pdb,如下：

launch-prefix="xterm -e python -m pdb "

1	launch-prefix="xterm -e python -m pdb "

参考链接

Ubuntu 16.04系统Microsoft Common Objects in Context(COCO)数据集在Python环境中的使用

Microsoft Common Objects in Context(简写COCO)数据集是微软团队提供的一个可以用来进行图像识别，分割，注解等开发工作的数据集。

其官方说明网址：http://mscoco.org/。

继续阅读Ubuntu 16.04系统Microsoft Common Objects in Context(COCO)数据集在Python环境中的使用

PSV神秘海域如何调整为中文语言

最近淘宝了一个PSV版本的神秘海域,卖家说是繁体跟英文双语言的,结果插卡后一直是英文，始终找不到中文语言的选项。

网上搜索了以下，才发现是跟机器语言绑定的，如果要使用繁体中文版本，必须把机器的语言从简体中文调整到繁体中文才行。

也就是，在PSV设置里将系统语言设置为繁体中文,再进入游戏里就可以了。

参考链接

psv神秘海域怎么调中文

Caffe训练过程中的train，val，test的区别

val是validation的简称。
training dataset和validation dataset都是在训练的时候起作用。
而因为validation的数据集和training没有交集，所以这部分数据对最终训练出的模型没有贡献。
validation的主要作用是来验证是否过拟合、以及用来调节训练参数等。

比如训练0-10000次迭代过程中，train和validation的loss都是不断降低，
但是从10000-20000过程中train loss不断降低，validation的loss不降反升。
那么就证明继续训练下去，模型只是对training dataset这部分拟合的特别好，但是泛化能力很差。
所以与其选取20000次的结果，不如选择10000次的结果。
这个过程的名字叫做Early Stop，validation数据在此过程中必不可少。

如果跑caffe自带的训练demo，你会用到train_val.prototxt，这里面的val其实就是validation。
而网络输入的TEST层，其实就是validation，而不是test。你可以通过观察validation的loss和train的loss定下你需要的模型。

但是为什么现在很多人都不用validation了呢？
我的理解是现在模型中防止过拟合的机制已经比较完善了，Dropout\BN等做的很好了。
而且很多时候大家都用原来的模型进行fine tune，也比从头开始更难过拟合。
所以大家一般都定一个训练迭代次数，直接取最后的模型来测试。

引用链接

图像识别训练样本集

ImageNet

ImageNet是一个计算机视觉系统识别项目，是目前世界上图像识别最大的数据库。是美国斯坦福的计算机科学家李飞飞模拟人类的识别系统建立的。能够从图片识别物体。目前已经包含14197122张图像，是已知的最大的图像数据库。每年的ImageNet大赛更是魂萦梦牵着国内外各个名校和大型IT公司以及网络巨头的心。图像如下图所示，需要注册ImageNet帐号才可以下载，下载链接为http://www.image-net.org/

继续阅读图像识别训练样本集

继续阅读“GrabCut” — Interactive Foreground Extraction using Iterated Gr aph Cuts

Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation

Understanding the Basis of the Kalman Filter

继续阅读Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation

一	二	三	四	五	六	日
		1	2	3	4	5
6	7	8	9	10	11	12
13	14	15	16	17	18	19
20	21	22	23	24	25	26
27	28	29	30	31

默默的点滴

Ubuntu 14.04.5系统上OpenPTrack V1版本安装配置(Kinect V2)

1.从GitHub上获取项目代码

2.安装ROS

3.安装`OpenPTrack`

4.链接`OpenPTrack`目录

5.`Kinect V2`驱动程序安装

6.完整的自动化安装脚本

7.测试系统

参考链接

ROS下使用roslaunch命令时使用gdb/pdb调试

参考链接

Ubuntu 16.04系统Microsoft Common Objects in Context(COCO)数据集在Python环境中的使用

PSV神秘海域如何调整为中文语言

参考链接

Caffe训练过程中的train，val，test的区别

引用链接

图像识别训练样本集

FloatingActionButton浮动按钮动画效果实现

卡尔曼滤波原论文 A New Approach to Linear Filtering and Prediction Problems

“GrabCut” — Interactive Foreground Extraction using Iterated Gr aph Cuts

Understanding the Basis of the Kalman Filter Via a Simple and Intuitive Derivation

1.从GitHub上获取项目代码

2.安装ROS

3.安装OpenPTrack

4.链接OpenPTrack目录

5.Kinect V2驱动程序安装

6.完整的自动化安装脚本

7.测试系统

参考链接

参考链接

参考链接

引用链接

3.安装`OpenPTrack`

4.链接`OpenPTrack`目录

5.`Kinect V2`驱动程序安装