# fira

**Repository Path**: guibao2/fira

## Basic Information

- **Project Name**: fira
- **Description**: 本组成员将中国机器人大赛FIRA仿真组机器人避障挑战赛所需要的进行实现，并且在其中的部分赛项中取得了较高的分数
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2022-09-22
- **Last Updated**: 2022-10-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: ROS

## README

# fira

#### 介绍
本组成员将中国机器人大赛FIRA仿真组机器人避障挑战赛中，子项2（视觉避障）场景1中进行实现，并且在其中的部分赛项中取得了较高的分数

#### 配置要求
1.  一台配置为i7-6400以上的台式机或笔记本，8G+1T，GT730及以上的显卡，分辨率不低于1920*1080，必须使用Ubuntu16.04系统；
2.  ROS版本为Kinetic。

#### 赛事规则要求
FIRA 国际机器人联盟在 2017 年开始发布了基于 ROS 和 GAZEBO 的避障挑战赛平台，比赛平台下载地址：
https://github.com/zerowind168/SIMUROSOT-ROBOCHALLENGE

#### 软件架构
本代码是基于比赛方提供的平台，使用world1-1作为赛场条件，使用基于tensorflow接收仿真环境中的小车相机画面，进行小车底盘运动的预测，最终到达比赛场地的另一头。


#### 安装教程与使用说明

1.  使用比赛平台的下载地址，按照其官方文档配置好比赛运行环境，并配置好tensorflow训练所需的环境，其中tensorflow版本为1.12；
2.  使用该代码放到工作空间中；
3.  使用fira_Collect_offline.py对小车底盘内进行控制，并收集训练所需的图片数据，存于dataset中；
4.  使用fira_Train_model_tensorflow.py对收集到的图片数据进行训练，并将训练出的模型放到model中；
5.  使用fira_run.py运行，可以观察到小车基于当前相机画面进行训练与移动。

#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)