dex-net reading

說明文檔：
https://berkeleyautomation.github.io/dex-net/code.html


=======================Dex-Net==========================
Dex-Net 2.0
是一個HDF5文件數據集，包含了1500個物體到模型，平行夾具抓取點，抓取魯棒性矩陣。

Dex-Net Object Mesh Database v1.1
是物體網格類型文件數據集。

對於Dex-Net 1.0，一個3D物體多視角下拍攝到圖片，輸入到MV-CNN，輸出后得到這是哪個物體，
一張物體圖像，用傳統方法標記出的抓取點，和力封閉可能性大小標簽，考慮到手爪位姿不確定性、物體位姿不確定性，所以然后加了湯姆森采樣，得到更新的魯棒的力封閉可能性大小，按照更低的置信區間最大化進行排序，然后存儲到數據庫里面，形成了Dex-Net 2.0數據集

Dex-Net 2.0描述的是，將1.0得到到數據集（帶抓取點的圖片）和深度圖像作為GQCNN的輸入，輸出是抓取質量好壞
用的時候，輸入是深度圖像，首先需要用傳統的方法給出抓取點，然后把它輸入GGQCNN得到每個抓取對應的抓取質量好壞，選擇最好的質量進行抓取。


=======================INSTALLATION==========================
下載Dex-Net
https://github.com/BerkeleyAutomation/dex-net.git

運行安裝文件
在Dex-Net文件夾目錄下，打開終端，輸入
sudo sh install.sh {cpu|gpu} {python|ros}
其中，cpu|gpu 只出現其一，python|ros 只出現其一，並且不要花括號，如下
sudo sh install.sh cpu python

測試安裝
python setup.py test


=======================Overview==========================
運行python腳本
cd /path/to/your/dex-net
python apps/dexnet_cli.py

提示沒有模塊meshpy，需要進入/deps/meshpy下面安裝,再次運行上面到腳本即可

輸入0，
然后輸入data/examples/example.hdf5


*******Note: databse 和 dataset 的區別：
程序中涉及的變量
database:是HDF5文件，包含物體的mesh,抓取點和抓取質量值。
dataset:是mesh文件


1)Database Manipulation
The Dex-Net CLI（數據集命令行交互）可用於打開、讀取、寫入3D物體模型、平行夾具抓取、抓取魯棒性矩陣的HDF5數據集。


2)Point Cloud Dataset Generation
魯棒的抓取規則是基於GQCNN（抓取質量卷積神經網絡）的，對於新鮮物體的抓取規划有用，需要在Dex-Net 2.0數據集上對GQCNN進行訓練。


=======================Examples==========================

需要安裝mayavi模塊，方法：
Mayavi requires at the very minimum the following packages:

        VTK >= 5.0 with Python wrapper
        numpy >= 1.1.1
        setuptools (for installation and egg builds)
        Traits >= 3.0 (Traits, TraitsUI and TraitsBackendWX or TraitsBackendQt, EnthoughtBase, AppTools)


參考帖子：https://stackoverflow.com/questions/41960672/how-to-install-mayavi-trait-backends
The following steps worked for me (in a python2 environment):
conda create -yn mayavitest
source activate mayavitest
conda install -yc menpo mayavi=4.5.0
conda install -y pyside
conda install qt
ETS_TOOLKIT=qt4 python /path/to/mayavi-example.py
結論：測試


運行generate_gqcnn_dataset.py，輸入
python tools/generate_gqcnn_dataset.py adv_synth

安裝OpenRAVE
https://scaron.info/teaching/installing-openrave-on-ubuntu-16.04.html
https://fsuarez6.github.io/blog/openrave-trusty/
https://fsuarez6.github.io/blog/workstation-setup-xenial/
Boost version: 1.58.0

安裝FCL
刪除文件命令：sudo rm -rf xx
/home/xiaoqing/anaconda2/lib/python2.7/site-packages/FCL

查看已安裝的包：
pip list


在某一目錄下遞歸[所有子目錄]查找某一字串:
grep -r “字串” 目錄名
就是加一個-r參數，請看man page:
-R, -r, –recursive


===============tensorboard使用=========================================
 執行程序，tensorboard生成可視化
進入linux命令行，運行以下代碼，等號后面加上summary日志保存的路徑（在程序第一步中就事先自定義了）
tensorboard --logdir=