<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[河马的BLOG]]></title><description><![CDATA[刻苦钻研技术 好好享受生活]]></description><link>https://blog.csdn.net/dfman1978</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; dfman1978]]></copyright><item><title><![CDATA[ubuntu20.04编译carla0.9.13源码]]></title><link>https://blog.csdn.net/dfman1978/article/details/128208925</link><guid>https://blog.csdn.net/dfman1978/article/details/128208925</guid><author>dfman1978</author><pubDate>Tue, 06 Dec 2022 19:36:30 +0800</pubDate><description><![CDATA[由于要研究一下carla的源码，准备先编译一下carla源码，选用的os是ubuntu20.04，carla的版本是0.9.13.编译的环境和步骤按照carla的官方文档来就可以了，但是还是有几个坑，所以特别记下来，供大家参考。编译unreal Engine按照官方文档的步骤就可以了，不会出现什么问题，只是需要科学上网按照文档来说，如果要在ubuntu20.04上编译，需要安装clang-10.但是下载的carla的源码中的安装脚本，确都是按照clang-8来进行编译的，所以需要修改安装脚本中clang的版]]></description><category></category></item><item><title><![CDATA[scenarioRunner使用]]></title><link>https://blog.csdn.net/dfman1978/article/details/127021354</link><guid>https://blog.csdn.net/dfman1978/article/details/127021354</guid><author>dfman1978</author><pubDate>Sat, 24 Sep 2022 09:58:37 +0800</pubDate><description><![CDATA[这些结果可以在 CARLA Leaderborad中进行验证和共享，这是一个开放平台，社区可以公平地比较他们的进展，评估现实交通情况下的代理。运行以后是看不到画面的，需要运行carla提供的manual_control.py文件才可以看到。同时也把PythonAPI目录下的carla文件夹下的agents目录拷贝到~/scenario_runner/目录下。agents目录下存放的是carla提供的自动驾驶的算法模块，openscenario运行需要这个模块。就可以看到运行的界面了。]]></description><category></category></item><item><title><![CDATA[pygame1.9.6安装过程]]></title><link>https://blog.csdn.net/dfman1978/article/details/125803793</link><guid>https://blog.csdn.net/dfman1978/article/details/125803793</guid><author>dfman1978</author><pubDate>Fri, 15 Jul 2022 14:24:56 +0800</pubDate><description><![CDATA[由于某种原因，需要安装pygame1.9.6版本。默认使用清华源安装的版本是2.1.2.赶快上网找了原因，原来我的python的版本是3.9，需要更新安装很多东西。安装完就成这些依赖以后，就可以安装pygame1.9.6版本了。于是想当然的就很熟练的使用。...]]></description><category></category></item><item><title><![CDATA[ubuntu18.04安装python3.6以及更新为清华源]]></title><link>https://blog.csdn.net/dfman1978/article/details/125355799</link><guid>https://blog.csdn.net/dfman1978/article/details/125355799</guid><author>dfman1978</author><pubDate>Sun, 19 Jun 2022 11:10:44 +0800</pubDate><description><![CDATA[1.安装python3.6
2.设置python3.6命令为python
在用上面的命令安装完毕python以后，如果在terminal输入python是不会显示的，需要输入python3.6.
python3.6的安装路径为/usr/bin,进入/usr/bin目录
为python3.6创建一个软链接，这样就可以直接使用python命令了。
2.更新为清华源...]]></description><category></category></item><item><title><![CDATA[carla 把车辆遇到的红灯都变成绿灯]]></title><link>https://blog.csdn.net/dfman1978/article/details/125102737</link><guid>https://blog.csdn.net/dfman1978/article/details/125102737</guid><author>dfman1978</author><pubDate>Thu, 02 Jun 2022 16:22:13 +0800</pubDate><description><![CDATA[在仿真场景中有时候希望把遇到的红灯都变成绿灯，这样车就可以畅通无阻的形式。
代码如下


首先判断vehicle是否在交通信号灯的影响范围之内，其实就是看车辆是否进入了交通信号灯的bound box。
如果进入了，而且信号灯是红色的，那么车就停止了如果是在影响范围内，就通过函数get_traffic_light()获得对应的交通灯对象判断当前交通灯的状态，如果是红色，就把交通灯的状态变为绿色的。
这样车就不会停止，一直再跑。]]></description><category></category></item><item><title><![CDATA[ros_bridge ackermann控制]]></title><link>https://blog.csdn.net/dfman1978/article/details/125077551</link><guid>https://blog.csdn.net/dfman1978/article/details/125077551</guid><author>dfman1978</author><pubDate>Wed, 01 Jun 2022 11:27:55 +0800</pubDate><description><![CDATA[在ros_bridge中，除了使用manual_control包来直接使用键盘来控制仿真小车，还可以通过ackermann(阿克曼）来控制。在carla和autoware联合仿真的过程中，autoware最终的控制信息是要转换为ackermann控制指令，最后控制仿真车。
消息的整个流程如下图所示
这个节点用来生成ackermann节点。
这个节点是使用PID来控制速度和加速度
这个用来设置ackermann的各种参数，并且定义了一个参数服务器
这个是节点订阅的各种消息。如图所示，其中/carla/ego_]]></description><category></category></item><item><title><![CDATA[修改编译 ros_bridge docker中的源码]]></title><link>https://blog.csdn.net/dfman1978/article/details/124961892</link><guid>https://blog.csdn.net/dfman1978/article/details/124961892</guid><author>dfman1978</author><pubDate>Wed, 25 May 2022 11:06:23 +0800</pubDate><description><![CDATA[有时候需要修改一下ros_bridge docker中的源码
这个docker镜像中的源码分为两部分，一部分是autoware的源码，一部分是carla_ros_bridge的，
carla_ros_bridge的源码都是以ros node的形式编写的，存放在carla-autoware-agent 和 ros-bridge两个
目录中，编译是在carla_ws目录中。
整个ros_bridge docker镜像的目录结构如下


Autoware的源码
PythonAPI是carla的api库的egg存放]]></description><category></category></item><item><title><![CDATA[carla中在斑马线附近的指定位置生成车辆]]></title><link>https://blog.csdn.net/dfman1978/article/details/124297796</link><guid>https://blog.csdn.net/dfman1978/article/details/124297796</guid><author>dfman1978</author><pubDate>Wed, 20 Apr 2022 20:02:45 +0800</pubDate><description><![CDATA[在carla中，车辆位置的生成一般都是在可以生成车辆的点的地方随机分配一个，这就导致生成的车辆的位置不固定。目前有个需求，就是要在固定位置生成车辆，而且还是斑马线附近,解决办法如下(使用的场景是Town03)。
1. 首先找到carla场景中可以生成的点的做坐标。
   在carla中使用

spaw_points=world.get_map().get_spawn_points()

get_spawn_points()函数为carla.Map模块中的函数，用来获得地图中所有车辆生成点。返回值是一个包含c]]></description><category></category></item><item><title><![CDATA[ubuntu18.04 安装opencv4.5.5]]></title><link>https://blog.csdn.net/dfman1978/article/details/124085664</link><guid>https://blog.csdn.net/dfman1978/article/details/124085664</guid><author>dfman1978</author><pubDate>Sun, 10 Apr 2022 21:02:36 +0800</pubDate><description><![CDATA[在编译ros的node的时候，碰到了一个错误，
/home/project/src/tasks.cpp:361: undefined reference to `cv::imread(std::__cxx11::basic_string&lt;char, std::char_traits&lt;char&gt;, std::allocator&lt;char&gt; &gt; const&amp;, int)'

上网查了一下，说注意上面的那个__cxx11。旧版本编译器编译出来的代码中，不会有这个符号，在]]></description><category></category></item><item><title><![CDATA[Ros发布图像消息]]></title><link>https://blog.csdn.net/dfman1978/article/details/123787494</link><guid>https://blog.csdn.net/dfman1978/article/details/123787494</guid><author>dfman1978</author><pubDate>Mon, 28 Mar 2022 10:05:06 +0800</pubDate><description><![CDATA[ros的图像消息的格式为
sensor_msgs::ImagePtr

一般发送图像消息都是通过opencv来进行转换，ros提供了一个类cv_bridge来负责ros图像消息和opencv图像消息的转换
在OpenCV中，图像是以Mat矩阵的形式存储的，这与ROS定义的图像消息的格式有一定的区别，所以需要利用cv_bridge将这两种不相同的格式联系起来，如下图所示。

转换后的图像消息格式为
sensor_msgs::ImagePtr

opencv和cv_bridge转换的核心代码
cv::Mat i]]></description><category></category></item><item><title><![CDATA[Ros发布点云文件]]></title><link>https://blog.csdn.net/dfman1978/article/details/123786944</link><guid>https://blog.csdn.net/dfman1978/article/details/123786944</guid><author>dfman1978</author><pubDate>Mon, 28 Mar 2022 09:25:44 +0800</pubDate><description><![CDATA[ros如果要发布点云文件，需要把点云文件转换为ros的点云消息格式
sensor_msgs::PointCloud2

这个需要点云库文件
#include &lt;pcl/point_types.h&gt;
#include &lt;pcl_conversions//pcl_conversions.h&gt;
#include &lt;sensor_msgs/PointCloud2.h&gt;
#include &lt;pcl/io/pcd_io.h&gt;

核心的代码是
ros::NodeHandle]]></description><category></category></item><item><title><![CDATA[使用 k-means 聚类生成 SSD 锚框纵横比]]></title><link>https://blog.csdn.net/dfman1978/article/details/122943005</link><guid>https://blog.csdn.net/dfman1978/article/details/122943005</guid><author>dfman1978</author><pubDate>Tue, 15 Feb 2022 14:28:23 +0800</pubDate><description><![CDATA[许多对象检测模型使用锚框作为区域采样策略，因此在训练期间，模型学习将几个预定义的锚框之一与地面实况边界框匹配。为了优化对象检测模型的准确性和效率，调整这些锚框以适合您的模型数据集会很有帮助，因为 TensorFlow 的经过训练的检查点附带的配置文件包括旨在覆盖非常广泛的对象集的纵横比.]]></description><category></category></item><item><title><![CDATA[使用Tensorflow Object Detection API训练自己的数据，并使用编译成功的模型进行识别]]></title><link>https://blog.csdn.net/dfman1978/article/details/122453656</link><guid>https://blog.csdn.net/dfman1978/article/details/122453656</guid><author>dfman1978</author><pubDate>Wed, 12 Jan 2022 18:12:13 +0800</pubDate><description><![CDATA[Tensorflow提供了一个Tensorflow Object Detection API可以很方便的使用这个API进行目标识别和检测，效果还不错。但是目前网上很多资料都是基于TF1的版本，很少基于tf2的版本，而且官方文档也有很多错误。正好这一阶段有个相关方面的任务，就研究了一下，并编译了一个自己的模型，可以对目标进行检查。特此记录下来，供自己和大家参考
编译环境大家最好使用docker，docker的版本也是要求的。由于TF2.0的object_dection的API对一些依赖库是有要求的，这个文件在]]></description><category></category></item><item><title><![CDATA[ROS 编写自定义消息（Python版）]]></title><link>https://blog.csdn.net/dfman1978/article/details/122102727</link><guid>https://blog.csdn.net/dfman1978/article/details/122102727</guid><author>dfman1978</author><pubDate>Thu, 23 Dec 2021 13:25:08 +0800</pubDate><description><![CDATA[ROS 自定义消息类型]]></description><category></category></item><item><title><![CDATA[jupyter添加新的语言包]]></title><link>https://blog.csdn.net/dfman1978/article/details/121287822</link><guid>https://blog.csdn.net/dfman1978/article/details/121287822</guid><author>dfman1978</author><pubDate>Mon, 15 Nov 2021 14:07:30 +0800</pubDate><description><![CDATA[jupyter本身是支持多语言的，但是支持的语言是有限的，官方目前只支持：简体中文，法语，日语，英语。如果想要添加一个新的语言支持，就要自己动手来添加。下面就以添加繁体中文
jupyter的语音包通常放在/dist-packages/notebook/i18n

...]]></description><category></category></item><item><title><![CDATA[Carla的核心内容]]></title><link>https://blog.csdn.net/dfman1978/article/details/113104707</link><guid>https://blog.csdn.net/dfman1978/article/details/113104707</guid><author>dfman1978</author><pubDate>Mon, 25 Jan 2021 17:10:51 +0800</pubDate><description><![CDATA[Carla的核心内容
- 世界和客户端(World and client)
客户端是用户和模拟器交流信息的模块。一个客户端运行在一个特定的IP和端口。客户端通过终端和服务器进行通信。同一时刻可以运行多个客户端。高级的多客户端管理要求对CARLA和同步性有透彻的了解。
世界是代表模拟器的对象。它充当抽象层，其中包含生成角色，更改天气，获取世界的当前状态等主要方法。每个模拟器中只有一个世界。当更改地图后，它将被销毁并替换为新的对象。
- 演员和蓝图（actor and blueprints）
演员是在模拟器中起]]></description><category></category></item><item><title><![CDATA[编写ros launch 发布kitti的照片]]></title><link>https://blog.csdn.net/dfman1978/article/details/111355802</link><guid>https://blog.csdn.net/dfman1978/article/details/111355802</guid><author>dfman1978</author><pubDate>Fri, 18 Dec 2020 13:31:02 +0800</pubDate><description><![CDATA[在B站上有个ros使用自动驾驶数据集kitti教程，其中有一节是自己动手写一个node来发布照片。但是在发布的过程比较繁琐，要启动roscore，rivz等等，为了方便，我就把这个写成了一个launch，可以一步启动，我把这个launch命名为kitti_cam.launch。
这个功能包包括三个部分。

yaml文件，用来定义node所需的参数，包括图片的路径，图片的数量，播放的速率。
rviz文件。作为在launch文件中，启动rviz的参数
源代码

如何创建功能包这里就不在描述了
YAML文件

p]]></description><category></category></item><item><title><![CDATA[linux 自启动服务的流程]]></title><link>https://blog.csdn.net/dfman1978/article/details/99830245</link><guid>https://blog.csdn.net/dfman1978/article/details/99830245</guid><author>dfman1978</author><pubDate>Tue, 20 Aug 2019 13:27:12 +0800</pubDate><description><![CDATA[在上一篇博客中《使用 Java Service Wrapper 将Java程序在树莓派上部署成系统服务 过程中碰到的坑。。。》 提到最后要把wrapper做成个服务，用的方法是
sudo ln -s /opt/xxxx /etc/init.d 
sudo chkconfig --add xxx

但是目前Linux系统中都是用systemd来管理服务的，难道是由两套系统？
后来仔细研究了以下，其实...]]></description><category></category></item><item><title><![CDATA[树莓派系统找不到蓝牙  Can‘t init device hci0: Operation not possible due to RF-kill (132)。]]></title><link>https://blog.csdn.net/dfman1978/article/details/95359287</link><guid>https://blog.csdn.net/dfman1978/article/details/95359287</guid><author>dfman1978</author><pubDate>Wed, 10 Jul 2019 17:57:05 +0800</pubDate><description><![CDATA[今天安装了一个树莓派的系统，结果蓝牙找不到了，使用hciconfig -a查看蓝牙的信息，蓝牙的地址全为0.
使用命令 sudo hciconfig hci0 up 结果提示 Can’t init device hci0: Operation not possible due to RF-kill (132)。
查看启动信息，发现也是提示这个问题，
查看这个提示，说是由于RF-kill，这个是个什...]]></description><category></category></item><item><title><![CDATA[使用 Java Service Wrapper 将Java程序在树莓派上部署成系统服务 过程中碰到的坑。。。]]></title><link>https://blog.csdn.net/dfman1978/article/details/88667663</link><guid>https://blog.csdn.net/dfman1978/article/details/88667663</guid><author>dfman1978</author><pubDate>Tue, 26 Mar 2019 14:19:10 +0800</pubDate><description><![CDATA[最近有个需求，需要将Java的程序在树莓派上部署成服务，就准备使用Java service Wrapper。上网参考了一下别的文章，但是其中也碰到了不少的坑，特记录下来，希望能帮助到别的童鞋。。。
主要的过程可以参考这篇文档，我主要是记录一下这篇文章没有提到的问题
Java Service Wrapper 将Java程序部署成系统服务


Java Service Wrapper 版本的问题
Ja...]]></description><category></category></item></channel></rss>