Skip to content

roboime/HRR2025

BranchesTags

Repository files navigation

🤖 RoboIME HSL2025 - Sistema de Futebol Robótico

ROS2 Python YOLOv8 CUDA License

RoboIME Logo

Sistema Avançado de Robô Humanóide para Futebol - YOLOv8 Simplificado Otimizado para NVIDIA Jetson Orin Nano Super + ROS2 Humble

📋 Índice

🔍 Visão Geral

O RoboIME HSL2025 é um sistema completo de robô humanóide para futebol desenvolvido para a Humanoid Soccer League 2025.

🎯 Principais Características:

  • 🧠 Sistema de Percepção YOLOv8 Simplificado: Detecção de 7 classes essenciais focadas em estratégia e localização
  • 🤖 Arquitetura Modular ROS2: Comportamento, navegação, movimento e percepção independentes
  • ⚡ Otimização NVIDIA: Aceleração CUDA no Jetson Orin Nano Super
  • 🐳 Deploy com Docker: Ambiente consistente e reproduzível
  • 📡 Comunicação Customizada: Sistema roboime_msgs para alta performance

🧠 Sistema de Percepção Inteligente:

Utiliza YOLOv8 com 7 classes essenciais divididas em dois propósitos:

⚽ Estratégia de Jogo (2 classes):

  • 🏐 Ball - Bola de futebol (elemento principal)
  • 🤖 Robot - Robôs (sem distinção de cor - unificado)

🧭 Localização no Campo (5 classes):

  • 📍 Penalty Mark - Marca do penalty (landmark preciso)
  • 🥅 Goal Post - Postes do gol (unificados)
  • ⭕ Center Circle - Círculo central (referência central)
  • 📐 Field Corner - Cantos do campo (landmarks de borda)
  • 🔲 Area Corner - Cantos da área (landmarks internos)

🏗️ Arquitetura do Sistema

RoboIME HSL2025/
├── 📡 roboime_msgs          # Sistema de comunicação customizada
├── 👁️ perception            # YOLOv8 simplificado (7 classes)
│   ├── ⚽ Estratégia        # Ball + Robot detection
│   └── 🧭 Localização      # Landmarks para navegação
├── 🧭 navigation            # Localização usando landmarks + planejamento
├── 🤖 behavior              # Comportamento e estratégia de jogo
├── 🚶 motion                # Controle de movimento e caminhada
├── 🚀 bringup              # Sistema de inicialização
├── 🐳 docker               # Containerização para Jetson
└── 📜 scripts              # Automação e utilitários

💻 Requisitos do Sistema

🔧 Hardware Necessário:

  • NVIDIA Jetson Orin Nano Super (8GB RAM)
  • Câmera CSI IMX219 ou USB Logitech C930
  • Servomotores Dynamixel (recomendado)
  • Cartão microSD 64GB+ (Classe 10)

💿 Software Base:

  • NVIDIA JetPack 6.2+ (Ubuntu 22.04 LTS)
  • ROS2 Humble Hawksbill
  • Python 3.10+
  • CUDA 12.2+
  • Docker 24.0+

🚀 Instalação e Uso

🐳 Usando Docker (Recomendado)

A instalação via Docker garante ambiente consistente e dependências corretas:

1. Preparação Inicial

# Clone o repositório
git clone https://github.com/RoboIME/HSL2025.git
cd HSL2025

# Verificar sistema Jetson
sudo jetson_release

# Instalar Docker (se necessário)
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
sudo usermod -aG docker $USER

2. Build da Imagem Docker

# Construir imagem otimizada para Jetson
chmod +x scripts/docker-helpers/docker-build.sh
./scripts/docker-helpers/docker-build.sh

# Ou manualmente:
docker build -t roboime_hsl2025:latest -f docker/Dockerfile.jetson .

3. Executar Container

# Iniciar container com GPU e câmera
chmod +x scripts/docker-helpers/docker-run.sh
./scripts/docker-helpers/docker-run.sh

# Ou manualmente:
docker run -it --runtime nvidia --privileged \
  --device=/dev/video0 \
  --network host \
  --name roboime_container \
  -v $(pwd):/workspace \
  roboime_hsl2025:latest

🔧 Instalação Manual

Para desenvolvedores que preferem controle total:

1. Configurar ROS2 Humble

# Adicionar repositório ROS2
sudo apt update && sudo apt install curl gnupg lsb-release
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistrib/master/ros.asc | sudo apt-key add -
sudo sh -c 'echo "deb [arch=$(dpkg --print-architecture)] http://packages.ros.org/ros2/ubuntu $(lsb_release -cs) main" > /etc/apt/sources.list.d/ros2-latest.list'

# Instalar ROS2 Humble
sudo apt update
sudo apt install ros-humble-desktop python3-argcomplete

# Configurar ambiente
echo "source /opt/ros/humble/setup.bash" >> ~/.bashrc
source ~/.bashrc

2. Instalar Dependências Python

# Dependências do sistema
sudo apt install python3-pip python3-colcon-common-extensions

# YOLOv8 e PyTorch para Jetson
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip3 install ultralytics>=8.0.0
pip3 install opencv-python>=4.8.0 numpy>=1.24.0 pyyaml>=6.0

3. Mensagens roboime_msgs

As mensagens roboime_msgs são construídas automaticamente pelo colcon build. Não é necessário instalar via pip.

📦 Configuração do Ambiente

1. Dentro do Container/Sistema

# Navegar para workspace
cd /workspace  # No container
# cd HSL2025   # Instalação manual

# Configurar links de bibliotecas (se necessário)
chmod +x src/perception/setup_library_links.sh
sudo src/perception/setup_library_links.sh

# Configurar rosdep customizado
chmod +x src/perception/setup_rosdep.sh
sudo src/perception/setup_rosdep.sh

2. Compilar Pacotes ROS2

# Instalar dependências
rosdep update
rosdep install --from-paths src --ignore-src -r -y

# Compilar workspace
colcon build --symlink-install

# Configurar ambiente
source install/setup.bash
echo "source $(pwd)/install/setup.bash" >> ~/.bashrc

▶️ Executando o Sistema

🚀 Sistema Completo

Lançamento Principal

# Sistema completo (recomendado)
ros2 launch bringup robot.launch.py

# Com debug visual
ros2 launch bringup robot.launch.py debug:=true

# Sistema com câmera específica
ros2 launch bringup robot.launch.py camera_type:=csi  # CSI IMX219
ros2 launch bringup robot.launch.py camera_type:=usb  # USB C930

🔧 Módulos Individuais

Sistema de Percepção (YOLOv8 Simplificado)

# Câmera CSI (padrão)
ros2 launch perception perception.launch.py

# Câmera USB
ros2 launch perception perception.launch.py camera_type:=usb

# Múltiplas câmeras
ros2 launch perception dual_camera.launch.py

# Com modelo customizado (7 classes)
ros2 launch perception perception.launch.py \
  model_path:=/path/to/robocup_yolov8.pt \
  confidence_threshold:=0.6

Verificar Detecções

# Ver todas as detecções
ros2 topic echo /unified_detections

# Detecções estratégicas
ros2 topic echo /ball_detection      # Bola
ros2 topic echo /robot_detections    # Robôs

# Detecções para localização
ros2 topic echo /goal_detections         # Gols
ros2 topic echo /localization_landmarks  # Landmarks

# Visualização
ros2 run rqt_image_view rqt_image_view /debug_image_3d

Outros Módulos

# Sistema de comportamento
ros2 run roboime_behavior behavior_node

# Controlador de movimento
ros2 run motion walking_controller.py

# Sistema de navegação (quando implementado)
ros2 run roboime_navigation localization

🔄 Desenvolvimento

📝 Edição de Código

# Montar diretório para edição (Docker)
docker run -it --runtime nvidia \
  -v $(pwd):/workspace \
  roboime_hsl2025:latest

# Em outro terminal, edite normalmente
code .  # VS Code
nano src/perception/perception/yolov8_detector_node.py

🔨 Compilação Incremental

# Recompilar pacote específico
cd /workspace  # ou HSL2025
colcon build --symlink-install --packages-select perception

# Recarregar ambiente
source install/setup.bash

# Testar mudanças
ros2 launch perception perception.launch.py debug:=true

🧪 Testes

# Teste interativo do sistema de percepção
chmod +x src/perception/test_perception.sh
./src/perception/test_perception.sh

# Testes individuais
ros2 run perception csi_camera
ros2 run perception yolov8_detector

📡 Sincronização com Jetson

Usando Script Automático

# Configurar IP da Jetson no script
nano scripts/sync_jetson.sh

# Sincronizar
chmod +x scripts/sync_jetson.sh
./scripts/sync_jetson.sh

Sincronização Manual

# Via rsync (rápido)
rsync -avz --exclude 'build/' --exclude 'install/' --exclude '.git/' \
  ./ jetson@192.168.1.100:/home/jetson/HSL2025/

# Via scp (alternativo)
scp -r src/ jetson@192.168.1.100:/home/jetson/HSL2025/

🔍 Solução de Problemas

🔴 Problemas Comuns

CUDA/GPU não detectado

# Verificar CUDA
nvidia-smi
nvcc --version

# Verificar PyTorch
python3 -c "import torch; print(f'CUDA: {torch.cuda.is_available()}')"

# Reinstalar PyTorch (se necessário)
pip3 uninstall torch torchvision
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu121

Modelo YOLOv8 não encontrado

# Verificar modelo de 7 classes
ls -la src/perception/resources/models/robocup_yolov8.pt

# Baixar modelo base (temporário - REQUER RETREINAMENTO!)
cd src/perception/resources/models/
wget https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

# Usar modelo padrão
ros2 launch perception perception.launch.py model_path:=yolov8n.pt

Câmera não detectada

# Verificar dispositivos de vídeo
ls /dev/video*
v4l2-ctl --list-devices

# Testar câmera CSI
gst-launch-1.0 nvarguscamerasrc ! nvoverlaysink

# Testar câmera USB
gst-launch-1.0 v4l2src device=/dev/video0 ! videoconvert ! xvimagesink

Problemas de dependências ROS2

# Limpar e recompilar
rm -rf build/ install/ log/
rosdep update
rosdep install --from-paths src --ignore-src -r -y
colcon build --symlink-install

# Verificar msgs customizadas
ros2 interface list | grep roboime

📊 Monitoramento de Performance

# CPU e memória
htop
jtop  # Jetson específico

# GPU
nvidia-smi
watch -n 1 nvidia-smi

# FPS do sistema (melhor com 7 classes)
ros2 topic hz /camera/image_raw
ros2 topic hz /debug_image_3d

🎯 Performance Esperada (7 Classes vs 11 Classes)

Métrica 11 Classes 7 Classes Melhoria
FPS 15-20 20-25 +25-30%
Latência 15-20ms 10-15ms -25-33%
GPU Usage 70-80% 60-70% -10-15%
RAM Usage 2-3GB 1.5-2GB -25-30%

📜 Licença

Este projeto é licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🤖 Desenvolvido pela Equipe RoboIME

📍 Instituto Militar de Engenharia (IME) - Rio de Janeiro, Brasil

🎯 YOLOv8 Simplificado • 7 Classes Essenciais • Estratégia + Localização

🏆 Humanoid Soccer League 2025

About

No description, website, or topics provided.

Resources

Readme

License

MIT license
Activity
Custom properties

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published

Languages