AriYu

DockerでROSを動かす Tutorials

roscoreを起動する

docker run -h master -it --rm --name master --env ROS_HOSTNAME=master osrf/ros:jade-desktop-full roscore

talkerを起動する

mia-0032

# -*- coding:utf-8 -*-

import numpy
import pylab

#データの生成
n = 200
score_x = numpy.random.normal(171.77, 5.54, n)
score_y = numpy.random.normal(62.49, 7.89, n)

awesomebytes

#! /usr/bin/env python
# -*- coding: utf-8 -*-
"""
Created on 15/01/15
@author: Sammy Pfeiffer

# Software License Agreement (BSD License)
#
# Copyright (c) 2016, PAL Robotics, S.L.
# All rights reserved.

oddmutou

- name: ＴＯＫＹＯ　ＭＸ
  type: GR
  channel: '16'
- name: チバテレ
  type: GR
  channel: '17'
- name: ｔｖｋ
  type: GR
  channel: '18'
- name: テレ玉

rvvincelli

from emukit.core.interfaces import IModel, IDifferentiable
import numpy as np
from typing import Union
class DynamicNegativeLowerConfidenceBound(NegativeLowerConfidenceBound):
    def __init__(self, model: Union[IModel, IDifferentiable],input_space_size: int, delta: float) -> None:
        """
        This acquisition computes the negative lower confidence bound for a given input point. This is the same
        as optimizing the upper confidence bound if we would maximize instead of minimizing the objective function.
        For information as well as some theoretical insights see:
        Gaussian Process Optimization in the Bandit Setting: No Regret and Experimental Design

rezoo

Caffe tutorial

この文章ではCNN実装であるCaffeを用いて，特徴ベクトルの抽出やパラメータの学習を行うための方法について説明する．

Caffeでサポートされている機能

以下の作業を行いたいのであれば，Caffeを用いることが望ましい．

• CNNを利用した画像の多クラス分類
• CNNによる特徴ベクトルの抽出
• CNNの転移学習
• Stacked Auto Encoder

AminaKeldibek

The document provides description on calibration of three Kinect for Microsoft sensors connected to one computer with several usb controllers. Three cameras setup is shown below:

![Figure 1] (http://i.imgur.com/sdOWbVl.jpg)

Intrinsic, extrinsic, and Kinect2Kinect calibration is performed to know the position of each sensor in the space. Our setup is ROS Indigo with Ubuntu 14.04. freenect_launch and camera_pose ROS packages are used. Camera_pose package provides the pipeline to calibrate the relative 6D poses between multiple camera's. freenect_launch package contains launch files for using OpenNI-compliant devices in ROS. It creates a nodelet graph to transform raw data from the device driver into point clouds, disparity images, and other products suitable for processing and visualization. It is installed with catkin as follows:

# Prep

polamjag

// Amazon で使った金額の合計を出す奴
//
// 使い方: 
//   1. 全部コピーする (右上の Raw をクリックした先でやるのが楽)
//   2. Amazon の注文履歴ページ ( https://www.amazon.co.jp/gp/css/order-history/ ) を開く
//   3. F12 または 右クリ→要素の検証 とかで出てくる開発者ツールのコンソール (JavaScript REPL) にペースト
//   4. エンターで実行
//      (Firefox はなんか allow pasting とタイプしろみたいなことを言われるので従う)
//   5. しばらく待つと alert で合計金額を表示
//

backpaper0

GitBucketをWindowsサービス化する

winswを利用してサービス化する。 winswはJenkinsやGlassFishも使ってる。

GitBucketをダウンロードする

• https://github.com/takezoe/gitbucket/releases

winswをダウンロードする

audrow

# A way of reproducing https://github.com/ros2/rviz/issues/322 
#
# Code source:
# https://github.com/SebastianGrans/ROS2-Point-Cloud-Demo/blob/79ef97fc92147a0d550543a69541139097cc3b35/pcd_demo/pcd_publisher/pcd_publisher_node.py

import rclpy
from rclpy.node import Node
import sensor_msgs.msg as sensor_msgs
import std_msgs.msg as std_msgs