• 型号：Thinkpad T460p
• 显卡：GeForce 940MX
• 系统：Ubuntu 16.04.4 LTS
• 内核：4.13.0-45-generic

为SLAM系统开发配置环境，使用ZED MINI CAMERA。

Ubuntu 16.04

name -r
4.13.0-36-generic

lsb_release -a
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 16.04.4 LTS
Release:	16.04
Codename:	denial

换源

sudo cp /etc/apt/sources.list /etc/apt/sources.list_backup
sudo edit /etc/apt/sources.list

填入：

deb http://mirrors.163.com/ubuntu/ xenial main restricted universe multiverse
deb http://mirrors.163.com/ubuntu/ xenial-security main restricted universe multiverse
deb http://mirrors.163.com/ubuntu/ xenial-updates main restricted universe multiverse
deb http://mirrors.163.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb http://mirrors.163.com/ubuntu/ xenial-backports main restricted universe multiverse
deb-src http://mirrors.163.com/ubuntu/ xenial main restricted universe multiverse
deb-src http://mirrors.163.com/ubuntu/ xenial-security main restricted universe multiverse
deb-src http://mirrors.163.com/ubuntu/ xenial-updates main restricted universe multiverse
deb-src http://mirrors.163.com/ubuntu/ xenial-proposed main restricted universe multiverse
deb-src http://mirrors.163.com/ubuntu/ xenial-backports main restricted universe multiverse164 16.04

终端：

sudo apt-get update
sudo apt-get upgrade

sudo apt-get install build-essential vim

安装NVIDIA驱动

sudo apt-get remove --purge nvidia*
sudo add-apt-repository pap:graphics-drivers/ppa
sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys FCAE110B1118213C
sudo apt-get update
sudo apt-get install nvidia-384

重启电脑，终端执行:

ls /dev/nvidia*

/dev/nvidia0  /dev/nvidiactl  /dev/nvidia-modeset  /dev/nvidia-uvm

cat /proc/driver/nvidia/version

NVRM version: NVIDIA UNIX x86_64 Kernel Module  384.130  Wed Mar 21 03:37:26 PDT 2018
GCC version:  gcc version 5.4.0 20160609 (Ubuntu 5.4.0-6ubuntu1~16.04.10)

安装CUDA 9.0

官网下载CUDA cuda_9.0.176_384.81_linux-run。

chmod +x cuda_9.0.176_384.81_linux-run
sudo sh ./cuda_9.0.176_384.81_linux-run

只安装CUDA 9.0 Toolkit。

重启，配置环境：

sudo edit ~/.bashrc

添加：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

刷新：

source /etc/profile

重启：

nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuba compilation tools, release 9.0, V9.0.176

Building Samples (optional)

cd /NVIDIA_CUDA-9.1_Samples/1_Utilities/deviceQuery
make
./deviceQuery 

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce 940MX"
  CUDA Driver Version / Runtime Version          9.0 / 9.0
  CUDA Capability Major/Minor version number:    5.0
  Total amount of global memory:                 2003 Mbytes (2100232192 bytes)
  ( 3) Multiprocessors, (128) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1242 MHz (1.24 GHz)
  Memory Clock rate:                             1001 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 1048576 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(16384, 16384), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 1 copy engine(s)
  Run time limit on kernels:                     Yes
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Supports Cooperative Kernel Launch:            No
  Supports MultiDevice Co-op Kernel Launch:      No
  Device PCI Domain ID / Bus ID / location ID:   0 / 2 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 9.0, CUDA Runtime Version = 9.0, NumDevs = 1
Result = PASS

安装OpenCV 3.4.0

官网下载sources。

sudo apt-get install build-essential git make git yams libgtk2.0-dev pig-config libavcodec-dev libavformat-dev python-dev python-bumpy python-tk libtbb2 libtbb-dev libjpeg-dev libpng12-dev libtiff5-dev libjasper-dev libdc1394-22-dev libswscale-dev libopenexr-dev libeigen2-dev libeigen3-dev libfaac-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev libx264-dev libqt4-dev libqt4-opengl-dev sphinx-common texlive-latex-extra libv4l-dev

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D BUILD_EXAMPLES=OFF -D BUILD_DOCS=OFF -D BUILD_PERF_TESTS=OFF -D BUILD_TESTS=OFF -D WITH_GTK_2_X=ON -D WITH_QT=ON -D WITH_OPENGL=ON ..
make -j8
sudo make install

sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig

安装ROS Kinetic (optional)

sudo sh -c '. /etc/lsb-release && echo "deb http://mirrors.ustc.edu.cn/ros/ubuntu/ $DISTRIB_CODENAME main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver hkp://pool.sks-keyservers.net --recv-key 421C365BD9FF1F717815A3895523BAEEB01FA116

sudo apt-get update
sudo apt-get install ors-kinetic-desktop-full

sudo rosdep init
rosdep update

echo "source /opt/ros/kinetic/setup.bash" >> ~/.bashrc
source ~/.bashrc

sudo apt-get install python-rosinstall

echo "source /opt/ros/kinetic/setup.bash" >> ~/.bashrc之后，系统的opencv版本会变成Kinetic自带的3.3版本，所以必要时不要添加此句。

安装ZED SDK

官网下载ZED_SDK_Linux_Ubuntu16_CUDA9_v2.5.1.run。

chmod +x ZED_SDK_Linux_Ubuntu16_CUDA9_v2.5.1.run
./ZED_SDK_Linux_Ubuntu16_CUDA9_v2.5.1.run

输入 q 退出 license agreement。

To accept the license simply press Tab key until the 'O.k.' is highlighted when installing the ttf-mscorefonts-installer

测试：

/usr/local/zed/tools/ZED\ Explorer

罗汉杰. 一种机械臂的运动轨迹规划方法、装置及机器人：中国，201610453116[P/OL]. 2016-06-20 [2018-08-22]. https://patentimages.storage.googleapis.com/1c/c7/07/cb789c3bd3adfc/CN105922265A.pdf

Introduction

机械臂的轨迹规划程序中，程序会接受用户提供的起点，终点位置信息，然后程序会在两点之间生成一系列的插补点来描述机械臂应该运行的轨迹。

示教功能是一种可重复再现通过示教编程存储起来的作业程序的功能，是机械臂的基础功能之一。示教编程有很多种实现方式，其中一种是人工利用示教盒对机械臂发送指令，使得机械臂完成预期动作来完成动作编程。

在这些指令中，最常用的就是令机械臂一直沿某个给定的方向走直线运动，直到用户发送停止指令或者超出工作范围为止。但在示教功能中，终点位置是由用户实时决定的，所以轨迹规划程序不能将整个运动过程提前规划。由于机械臂的速度和加速度总是从零开始，然后在终点又恢复为零，所以在示教功能中，轨迹规划程序单接收到停止指令后，需要马上规划出一段平滑的减速轨迹。

在普通的轨迹规划中，大多使用简单的三次多项式插值的方法，该方法的缺点是插值出来的轨迹在加速度上不连续，使得机械臂运行时会产生震动，从而影响精度和使用寿命。 而传统的基于S型(Double S)速度规划算法所得的轨迹在加速度上连续， 所以运行时十分平稳，已经广泛使用在机床，机械臂等的轨迹规划功能上。

本文提出了一种用于示教的减速阶段的基于S型速度规划算法，令机械臂能够平稳并且迅速地停止下来。

S型(Double S)速度规划算法

下图显示了一种经典的S型速度规划的行程$q$，速度$v$，加速度$a$，加速度的导数($jerk$) $j$曲线图。在S型速度规划算法中，一般会有以下假设：

$$\begin{aligned} j_{min}=-j_{max}, a_{min}=- a_{max}, v_{min}=- v_{max} \end{aligned}$$

min和max分别表示为最小值和最大值。

S型速度规划中整个行程的时间$t$可分为3个阶段：

1. 加速阶段：$t∈[0,T_a ]$，在这阶段中，加速度会从0开始，以恒定的$j_{max}$比例线性增加到最大值然后有下降回0。
2. 匀速阶段：$t∈[T_a,T_a+T_v]$，此阶段保持匀速。
3. 减速阶段：$t∈[T_a+T_v,T]$，其中$T=T_a+T_v+T_d$，此阶段是跟加速度阶段相反的减速阶段，最终加速度回到0。

其中我们定义： $T_{j1}$：在加速阶段中，$jerk$保持恒定($j_{max}/j_{min}$)的时间段 $T_{j2}$：在减速阶段中，$jerk$保持恒定($j_{max}/j_{min}$)的时间段 $T_a$：加速阶段 $T_v$：匀速阶段 $T_d$：减速阶段 $T$：总用时 $a_{lim_a}$：加速阶段最大加速度 $a_{lim_d}$：减速阶段最小加速度 $v_{lim}$：最大速度 $q_0$：初始行程 $q_1$：终点行程 $v_0$：初始速度 $v_1$：终点速度 $a_0$：初始加速度 $a_1$：终点加速度

由此可知，S型速度规划的特定是能够使得机械臂平滑加速到最大运行速度，然后又平滑地减速，而且总体用时最少。在我们实际使用中，一般会令到起点和终点的速度，加速度都为0，即$v_0=v_1=0$，$a_0=a_1=0$，下文我们都会采用这作为默认条件以简化公式。

在进行轨迹规划前，需要计算出曲线的参数。下图为S型速度规划的参数计算流程图：

其中：

$$\begin{align} T_{j1}=T_{j2}=\frac{a_{max}}{j_{max}}, \quad T_a=T_d=T_{j1}+\frac{v_{max}}{a_{max}} \end{align}$$ $$\begin{align} T_{j1}= T_{j2}=\sqrt{\frac{v_{max}}{j_{max}}}, \quad T_a= T_d=2T_{j1} \end{align}$$ $$\begin{align} T_v=\frac{q_1-q_0}{v_{max}} - T_a \end{align}$$ $$\begin{align} T_v=0, \quad T_{j1}=T_{j2}=T_j=\frac{a_{max}}{j_{max}} \newline T_a=T_d=\frac{T_j}{2} + \sqrt{\frac{T_j^2}{4} + \frac{q_1-q_0}{a_{max}}} \notag \end{align}$$ $$\begin{align} T_v=0, \quad T_{j1}=T_{j2}=T_j=\sqrt[3]{\frac{q_1-q_0}{2j_{max}}}, \quad T_a=T_d=2T_j \end{align}$$ $$\begin{align} T=T_a+T_d+T_v, \quad a_{lim_a}&=j_{max}T_{j1}, \quad a_{lim_d}=-a_{lim_a} \newline v_{lim}&=(T_a-T_j1)a_{lim_a} \notag \end{align}$$ $$\begin{align} t_0=0, \quad t_1&=T_{j1}, \quad t_2=T_a-T_{j1}, \quad t_3=T_a \newline t_4=T_a+T_v, \quad t_5&=t_4+T_{j2}, \quad t_6=T_v-T_{j2}, \quad t_7=T_v \notag \end{align}$$ 所以，S型速度规划算法整个流程如下：

其中： $$\begin{align} q(t) &= \begin{cases} q_0+(j_{max} t^3)/6, & t∈[t_0,t_1) \newline q_0+ a_{lim_a}(3t^3-3T_{j1}t+T_{j1}^2)/6, & t∈[t_1,t_2) \newline q_0+v_{lim}T_a/2-v_{lim}(T_a-t)-j_{min}(T_a-t)^3/6 & t∈[t_2,t_3) \newline q_0+v_{lim}T_a/2+v_{lim} (t-T_a ), & t∈[t_3,t_4) \newline q_1-v_{lim}T_d/2+v_{lim}(t-T+T_d)-j_{max}(t-T+T_d)^3/6, & t∈[t_4,t_5) \newline q_1-v_{lim}T_d/2+v_{lim}(t-T+T_d)+a_{lim_d}(3(t-T+T_d)^2 & t∈[t_5,t_6) \newline \quad -3T_{j2}(t-T+T_d)+T_{j2}^2)/6 \newline q_1-j_{max}(T-t)^3/6, & t∈[t_6,t_7) \end{cases} \end{align}$$

实时停止 S 型(Double S)速度规划算法

假设我们使用上述算法进行机械臂轨迹规划，当运行到$𝑡$时刻，$0 ≤ 𝑡 ≤ 𝑇$时，我们想让机械臂停止下来。此时需要算法在当前的运行状态下马上规划出一段合适的减速阶段，令机械臂能够平稳并且迅速地停止下来。 算法如下:

1. 如果$t∈[t_0,t_1)$

$$\begin{align} T_{j1}=T_{j2}= T_j =& t, \quad T_a=T_d=2T_j, \quad T_v=0 \notag\newline a_{lim_a} = j_{max}&T_{j1}, \quad a_{lim_d}=-a_{lim_a} \notag \newline v_{lim} &= T_{j1}a_{lim_a} \newline q_1 &= T_{j1}a_{lim_a}T_a \notag \newline t_1=T_{j1}, \quad t_2 &= t_1, \quad t_3=t_2+T_{j1}, \quad t_4=t_3 \notag \newline t_5=t_3+T_{j2}, \quad t_6 &= t_5, \quad t_7=t_6+T_{j2}, \quad T=t_7 \notag \end{align}$$

2. 如果$t∈[t_1,t_2)$

$$\begin{align} T_a=T_a-(t_2-t), \quad &T_d=T_a, \quad T_v=0 \notag \newline v_{lim}=(T_a-T_{j1}& ) j_{max} T_{j1} \notag \newline q_1=(T_a-T_{j1}&)a_{lim_a}T_a \newline t_2=t, \quad t_3&=T_a, \quad t_4=t_3 \notag \newline t_5=t_4+T_{j2}, \quad t_6=T_a+t&, \quad t_7=t_6+T_{j2}, \quad T=t_7 \notag \end{align}$$

3. 如果$t∈[t_2,t_3)$

$$\begin{align} q_1= q_1 &-v_{lim} T_v \notag \newline t_4=t_3, \quad t_5= t_5&-T_v, \quad t_6=t_6-T_v \newline t_7=t_7-T_v, \quad &T=t_7, \quad T_v=0 \notag \end{align}$$

4. 如果$t∈[t_3,t_4)$

$$\begin{align} q_1 = q_0 &+ v_{lim} t \notag \newline T_v=t-t_3, \quad t_4 &= t, \quad t_5=t_5-(t_4-t) \newline t_6=t_6-(t_4-t), \quad t_7&=t_7-(t_4-t), \quad T=t_7 \notag \end{align}$$

在示教功能中，用户会输入起始点和移动方向，并期盼机械臂一直沿该方向一直移动，直到用户下达停止指令或者已经到达边工作区域缘为止。 程序一开始，可以根据起始点$Q_0$和移动方向计算出该方向上的工作区域边缘位置，并将该点做为作为终点$Q_1$。 将$Q_0$，$Q_1$输入到算法3中，程序会规划出一条移动轨迹，并且输出每一个时间点t时机械臂应该所在的位置$Q_t$。 机械臂会根据$Q_t$进行移动。

这时有两种情况：1. 用户在机械臂移动过程中某个时刻$t$发送了停止指令，算法3会马上对轨迹进行修改，令到机械臂马上开始减速，并且最终停止下来。2. 用户一直没有按停止指令，则机械臂在到达边缘位置时就会自动停止下来。

在安装OpenCV 3.4.1时，发生错误：

relocation R_X86_64_32 against `.bss' can not be used when...

最终找到是FFMPEG的问题，按下重新编译FFMPEG：

make clean
./configure --enable-nonfree --enable-pic --enable-shared
make
sudo make install

然后重新编译OpenCV，问题解决。

Dependencies

sudo apt-get install libcholmod3.0.6 libsuitesparse-dev freeglut3 freeglut3-dev freeglut3-dbg libqglviewer-dev libqglviewer-dev libeigen3-dev qtdeclarative5-dev qt5-qmake

Build

git clone https://github.com/RainerKuemmerle/g2o.git
cd g2o
mkdir build
cd build
cmake ..
make -j8
sudo make install

Test

./../bin/curve_fit

Target curve
a * exp(-lambda * x) + b
Iterative least squares solution
a      = 1.98894
b      = 0.406972
lambda = 0.201044

Tshock^[1]是一个第三方的terraria开服工具。在这里，我们尝试在VPS搭建Tshock服务。

SWAP

查看系统内存：

free -h

             total       used       free     shared    buffers     cached
Mem:          489M       441M        48M       404K        55M       159M
-/+ buffers/cache:       227M       262M
Swap:           0B         0B         0B

由于Tshock建议需要2GB的内存，但我的VPS只有489M的物理内存。幸好有人测试使用swap也可以^[2]，于是根据指南^[3]尝试对Swap进行设置。

注意，只有XEN、KVM架构的VPS可以设置SWAP交换分区

创建swap文件

dd if=/dev/zero of=/swapfile count=2048 bs=1M

bs是每块的大小，count是块的数量，bs * count，就是swap文件的大小了，这里就是1M * 2048=2G。

测试：

ls / | grep swapfile
swapfile

激活swap文件

设置权限：

chmod 600 /swapfile

配置：

mkswap /swapfile

开启：

swapon /swapfile

测试：

free -m

             total       used       free     shared    buffers     cached
Mem:           489        481          7          0         36        213
-/+ buffers/cache:        231        258
Swap:         2047          0       2047

开机启动：

nano /etc/fstab

文件添加：

/swapfile   none    swap    sw    0   0

Mono^[2]

sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys 3FA7E0328081BFF6A14DA29AA6A19B38D3D831EF
echo "deb http://download.mono-project.com/repo/ubuntu $(lsb_release -c --short) main" | sudo tee /etc/apt/sources.list.d/mono-official.list
sudo apt-get update
sudo apt-get install -y mono-complete mono-devel

Tshock

下载TShock中文版^[4]：

wget -O tshock.zip 'https://github.com/mistzzt/TShock/releases/download/cn-v3.1/tshock_cn_release.zip'
unzip tshock.zip -d ~/tshock

运行：

cd shock
MONO_THREADS_PER_CPU=50 mono TerrariaServer.exe