Figure 3.1 gives a high-level overview of the platform. The architecture assumes a private cloud runningtheOpenStack (Sefraouietal.,2012)cloudoperatingsystem. Althoughaverysimilarsystem could be constructed using a public cloud such as Amazon EC2 controlled through an interface such as Amazon Web Services, with a private cloud I have full control over the hardware, visualization, andsoftwarestacks. OpenStackisdesignedtomanageandautomatepoolsofcomputeresourcesand provides scalable object storage using clusters of standardized servers. This allows us to offer ondemandcomputingresourcestoroboticsapplications,byprovisioningandmanagingalargenetwork of specialized virtual machines.
The cloud controller node distributes computational tasks to multiple compute nodes running robot application services. Each compute node provides services to support management and automation of pools of computer resources via visualization technologies. I have developed virtual machine instances responsible for performing 3D object recognition. I deploy a highly scalable object template repository using the OpenStack object storage service, which provides support for storing and retrieving arbitrary data on the cloud platform. Robots can access the cloud-provided services over the Internet by using ROS (Quigley et al., 2009). Processes running on individual robots use ROS messages (Quigley et al., 2009) for communication, and specific message types are marshaled and forwarded for processing on the cloud platform using a ROS proxy process.
3.2 Cloud-basedobjectdetectionandrecognition
Here I provide a description of the cooperative object detection and recognition approach built on top of the previously-described cloud robotics platform. I assume for the time being that each robot participating in the distributed system has a single Kinect and a Wifi connection to the Internet. I use the point cloud library (PCL) (Rusu & Cousins, 2011) point cloud data structure to represent the structure and appearance of known objects. The computational task of object recognition is likewise based on PCL functions.
Themethodisdividedintotwophases: trainingandidentifyingspecificobjects. Figure3.3showsan interaction diagram for the learning approach. To train his or her robot, a user can create and upload
Figure 3.1 gives a high-level overview of the platform. The architecture assumes a private cloud runningtheOpenStack (Sefraouietal.,2012)cloudoperatingsystem. Althoughaverysimilarsystem could be constructed using a public cloud such as Amazon EC2 controlled through an interface such as Amazon Web Services, with a private cloud I have full control over the hardware, visualization, andsoftwarestacks. OpenStackisdesignedtomanageandautomatepoolsofcomputeresourcesand provides scalable object storage using clusters of standardized servers. This allows us to offer ondemandcomputingresourcestoroboticsapplications,byprovisioningandmanagingalargenetwork of specialized virtual machines.The cloud controller node distributes computational tasks to multiple compute nodes running robot application services. Each compute node provides services to support management and automation of pools of computer resources via visualization technologies. I have developed virtual machine instances responsible for performing 3D object recognition. I deploy a highly scalable object template repository using the OpenStack object storage service, which provides support for storing and retrieving arbitrary data on the cloud platform. Robots can access the cloud-provided services over the Internet by using ROS (Quigley et al., 2009). Processes running on individual robots use ROS messages (Quigley et al., 2009) for communication, and specific message types are marshaled and forwarded for processing on the cloud platform using a ROS proxy process.3.2 เมฆ basedobjectdetectionandrecognitionนี่ฉันให้คำอธิบายของวัตถุสหกรณ์ตรวจสอบและวิธีการที่สร้างขึ้นบนแพลตฟอร์มวิทยาเมฆที่อธิบายไว้ก่อนหน้านี้ ฉันสมมติครั้งสิ่งที่แต่ละหุ่นยนต์ที่เข้าร่วมในระบบแบบกระจายมี Kinect เดียวและ Wifi เชื่อมต่อกับอินเทอร์เน็ต ใช้ไลบรารีเมฆจุด (มหาชน) (Rusu และลูกพี่ลูกน้อง 2011) ชี้โครงสร้างข้อมูลเมฆแสดงโครงสร้างและลักษณะที่ปรากฏของวัตถุที่รู้จัก งานคำนวณการรับรู้วัตถุในทำนองเดียวกันขึ้นกับฟังก์ชั่นจำกัด(มหาชน)Themethodisdividedintotwophases: trainingandidentifyingspecificobjects ไดอะแกรมโต้ Figure3.3showsan สำหรับวิธีการเรียนรู้ ฝึกหุ่นยนต์ คน ผู้ใช้สามารถสร้าง และอัปโหลด
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)
ภาพที่ 3.1 ให้ภาพรวมระดับสูงของแพลตฟอร์ม สถาปัตยกรรมถือว่าเมฆ runningtheOpenStack ส่วนตัว (Sefraouietal., 2012) cloudoperatingsystem Althoughaverysimilarsystem จะได้รับการสร้างขึ้นโดยใช้ระบบคลาวด์สาธารณะเช่น Amazon EC2 ควบคุมผ่านอินเตอร์เฟซเช่น Amazon Web Services มีเมฆส่วนตัวฉันมีการควบคุมเต็มรูปแบบผ่านฮาร์ดแวร์, การแสดง, andsoftwarestacks OpenStackisdesignedtomanageandautomatepoolsofcomputeresourcesand ให้เก็บวัตถุที่ปรับขนาดได้ใช้กลุ่มเซิร์ฟเวอร์มาตรฐาน นี้จะช่วยให้เราสามารถนำเสนอ ondemandcomputingresourcestoroboticsapplications, byprovisioningandmanagingalargenetwork ของเครื่องเสมือนเฉพาะ.
โหนดควบคุมเมฆกระจายงานการคำนวณการคำนวณโหนดทำงานหลายบริการโปรแกรมหุ่นยนต์ โหนดคำนวณแต่ละให้บริการเพื่อสนับสนุนการจัดการและระบบอัตโนมัติของสระว่ายน้ำของทรัพยากรคอมพิวเตอร์ผ่านเทคโนโลยีการสร้างภาพ ผมได้พัฒนากรณีเครื่องเสมือนผู้รับผิดชอบในการดำเนินการรับรู้วัตถุ 3D ผมปรับใช้พื้นที่เก็บข้อมูลวัตถุปรับขนาดได้อย่างแม่แบบการใช้บริการการจัดเก็บวัตถุ OpenStack ซึ่งให้การสนับสนุนการจัดเก็บและการดึงข้อมูลโดยพลการบนแพลตฟอร์มคลาวด์ หุ่นยนต์สามารถเข้าถึงการให้บริการคลาวด์ที่ให้บริการผ่านทางอินเทอร์เน็ตโดยใช้ ROS (ควิกลีย์ et al., 2009) กระบวนการทำงานบนหุ่นยนต์ของแต่ละบุคคลใช้ข้อความ ROS (ควิกลีย์ et al., 2009) สำหรับการสื่อสารและสายประเภทข้อความค speci จะ marshaled และส่งต่อไปสำหรับการประมวลผลบนแพลตฟอร์มคลาวด์โดยใช้กระบวนการพร็อกซี่ ROS.
3.2 เมฆ basedobjectdetectionandrecognition
นี่ผมให้รายละเอียดของ การตรวจหาวัตถุสหกรณ์และวิธีการรับรู้สร้างขึ้นบนแพลตฟอร์มคลาวด์หุ่นยนต์ก่อนหน้านี้อธิบาย ผมถือว่าในขณะนี้หุ่นยนต์ที่มีส่วนร่วมในระบบการกระจายแต่ละคนมี Kinect เดียวและการเชื่อมต่อ Wi Fi ไปยังอินเทอร์เน็ต ผมใช้จุดห้องสมุดเมฆ (มหาชน) (Rusu และญาติ, 2011) โครงสร้างข้อมูลเมฆจุดเพื่อเป็นตัวแทนของโครงสร้างและลักษณะของวัตถุที่รู้จักกัน งานการคำนวณของการรับรู้วัตถุจะขึ้นอยู่กับการทำงานเช่นเดียวกันบมจ.
Themethodisdividedintotwophases: trainingandidentifyingspeci Fi cobjects แผนภาพปฏิสัมพันธ์ Figure3.3showsan สำหรับวิธีการเรียนรู้ ในการฝึกอบรมหุ่นยนต์ของเขาหรือเธอผู้ใช้สามารถสร้างและอัปโหลด
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)