基于深层神经网络使用单目摄像头实现物体识别节点功能包推荐
为了使机器人成为有用的工具，需要能够识别物体，以便可以对这些物体的行为进行编程。例如，在我们的机器人鸡尾酒服务员应用程序中，机器人必须能够找到房间里的人来服务。
因为这是重要的功能，所以我们开发了一个广义的深度神经网络节点，它可以使用单眼相机数据识别20个常见的家庭物体。结果如下所示：
我们的节点使用[OpenCV中的深度神经网络模块]使用预训练模型来查找各种对象。检测到的对象的类别，边界框以及分类的可信度将作为ROS主题发布。这允许机器人以有意义的方式与其环境进行交互。
----
节点
dnn_detect
dnn_detect使用 OpenCV Deep Neural Network模块 在图像流中查找对象并提供边界框。
订阅的主题
/ camera （ sensor_msgs / Image ）
- 要处理的图像。
发布的主题
/ dnn_objects （ dnn_detect / DetectedObjectArray ）
- 检测到的物体的详情
/ dnn_images （ sensor_msgs / Image ）
- 输入带有检测对象的图像
服务
~detect ( dnn_detect/Detect )
- 在单次模式下触发检测
参数
〜single_shot （ 布尔 ，默认：false）
- 如果设置，则仅在调用检测服务时执行检测
〜publish_images （ 布尔 ，默认：true）
- 如果设置，则会发布包含对象的图像
〜data_dir （ 字符串 ）
- 包含数据的目录的路径
〜protonet_file （ 字符串 ）
- 质子文件的名称，相对于data_dir
〜caffe_model_file （ 字符串 ）
- caffe模型文件的名称，相对于data_dir
〜min_confidence （ float ，默认值：0,2）
- 要包含在结果中的对象的最小置信度（0..1）
〜im_size （ int ，默认值：300）
- 图像大小（像素）进行操作
〜scale_factor （ float ，默认值：0.007843）
- 模型的比例因子 - 图像中的强度值乘以此值
〜mean_val （ float ，默认值：127.5）
- 模型的平均值 - 从图像中的强度值中减去
〜class_names （ string ，default，background，airplane，bicycle，bird，boat，bottle，bus，car，cat，chair，cow，diningtable，dog，horse，motorbike，person，pottedplant，sheep，sofa，train，tvmonitor）
- 逗号分隔的类名列表
安装
代码语言：javascript复制sudo apt install ros-kinetic-dnn-detect样例用法
示例启动文件使用 chuanqi305的MobileNet-SSD
代码语言：javascript复制roslaunch dnn_detect dnn_detect.launch camera:=/my_cameradnn_detect
该软件包使用OpenCV的深度神经网络模块提供对象检测。
文档位于http://wiki.ros.org/dnn_detect。
默认使用的型号来自chuanqi305的MobileNet-SSD。
----
目标 在Springer书籍ROS（第1卷）上有27章，Springer Book on ROS（第2卷）共19章，Springer Book ROS（第3卷）成功后，这是Springer关于机器人操作系统（ROS）（第4卷）的书。第四卷的目标是向读者提供有关机器人操作系统（ROS）的全面参考资料，该文件目前被认为是机器人应用的主要开发框架。
作为STAIR项目的一部分，Willow Garage和斯坦福大学开发了ROS（机器人操作系统），作为免费的开源机器人中间件，用于复杂机器人系统的大规模开发。ROS作为机器人的元操作系统，因为它提供了硬件抽象，低级设备控制，进程间消息传递和包管理。它还提供了用于跨多台计算机获取，构建，编写和运行代码的工具和库。
ROS的主要优点是它允许将机器人的传感器数据作为标记的抽象数据流操作，称为主题，而不必处理硬件驱动程序。本书旨在弥补差距，并为ROS用户（学术界和工业界）提供关于机器人操作系统概念和应用的全面报道。它将涵盖从基础和基础到高级研究论文等几个主题。将寻求教程，调查和原创研究论文。本书将涵盖与使用ROS的机器人开发有关的几个领域，包括但不限于机器人导航，无人机，手臂操纵，多机器人通信协议，使用ROS的Web和移动界面，新机器人平台与ROS的集成，计算机视觉应用，使用ROS开发服务机器人，
EDITOR 编辑：阿尼斯Koubaa，教授，博士生 单位：苏丹王子大学（沙特阿拉伯）/ CISTER研究中心（葡萄牙）/ Gaitech机器人（中国） 联系人：akoubaa@psu.edu.sa 简历：Anis Koubaa是沙特阿拉伯王子苏丹大学计算机科学教授，CISTER研究部门（葡萄牙）的研究助理，以及Gaitech Robotics（中国）的顾问。他一直领导着多项有关机器人和物联网的研究项目，特别是将ROS集成到物联网中。他是苏丹王子大学机器人和物联网部门（RIOTU）的主任。他是沙特阿拉伯ACM分会的主席，也是英国高等教育学院（SF-HEA）的高级研究员。Anis教授是多本书籍的编辑，也是160多种出版物的作者和合着者。他是“国际高级机器人技术系统杂志”（IJARS）机器人软件工程专题的主编。教授 Anis参与设计和开发了第一个用于控制和监测互联网无人机的基于云的系统，称为Dronemap Planner。他的H指数是31。 出版商 和索引本书预计将于2019年1月由Springer出版。它将出现在计算智能系列研究中。有关出版商的更多信息和指南，
关于索引，该书将由Scopus索引，并将提交索引到ISI Books和DBLP。
DUE DATES 摘要提交：2018年4月15日 全部章节截止日期：2018年7月1日 章节验收通知：2018年9月1日 修订版到期日：2018年9月21日 修订章节验收通知：2018年11月1日 预计发布日期：Januaray 2019年 TOPICS利益的 ，提供了一个附加值机器人操作系统（ROS）的任何贡献是这本书的兴趣。感兴趣的主题包括但不限于以下内容： ROS 2.0教程 使用ROS进行深度学习使用ROS ROS进行 人工智能 基础知识和基础知识 机器人控制和导航 使用ROS Arm Manipulation的自驾车 机器人感知 ROS ROS 机器人安全与ROS ROS集成到Web和移动应用 程序使用ROS的实际应用程序部署 在高等教育中使用ROS 提供的ROS软件包 无人驾驶飞行器控制和导航 软件使用ROS ROS的机构设计ROS ROS启用的机器人设计 本卷欢迎章节关于即将发布的ROS 2.0版本，包括教程，与ROS 1.0比较，ROS 2.0中的新功能。
此外，与使用ROS进行无人机有关的论文特别受欢迎。
章节类别 本书将接受三类章节： 教程一章：它着重于一个特定的ROS概念或贡献包，并提供了一个分步教程，解释概念/包的基本概念，并提供了有关如何使用贡献的代码。它必须指定与教程代码兼容的ROS版本，并且必须提供图形和代码解释。代码必须在共享库中公开（稍后公布）。强烈建议附带视频教程。 研究章节：它提供了一个研究技术贡献，在ROS被用来验证研究结果的机器人领域。除了必要的理论背景之外，本章还必须提供足够的技术贡献材料，但应重点关注ROS的实施和实验。实施和实验必须足够详细，以使读者能够重现实验。它必须指定与教程代码兼容的ROS版本，并且必须提供图形和代码解释。代码必须在共享库中公开（稍后公布）。强烈建议附带视频教程。 案例研究一章：案例研究一章应该介绍在特定的机器人平台上使用ROS进行真实世界的实验。它应该详细描述实验过程中的观察结果，以及在开发和实验过程中遇到的挑战。本章还应强调有助于部署和吸取教训的最佳做法。 本卷欢迎即将发布的ROS 2.0版本的章节，包括教程，与ROS 1.0比较，ROS 2.0中的新功能。此外，与ROS使用无人机和自动驾驶汽车相关的热门话题特别受到欢迎。
提交程序请 研究人员和从业人员提交1-3页的章节提案，清楚地解释拟议章节的使命和问题。这有助于最终提交的章节注册。提交摘要必须通过EasyChair系统完成。已接受提案的作者将被通知他们提案的状态并发送章节指导。完整的章节必须在2018年7月1日之前通过EasyChair系统提交Springer格式，章节不应超过50页。所有提交的章节将在单盲评审的基础上进行评审。也可能要求撰稿人担任此项目的审阅者。
