今天小编给大家带来一个来源于李飞飞大佬团队的3D仿真环境iGibson。iGibson通过Python就能调用，在ROS中可直接观察，阿chai推荐做机器人、3D以及模型构建的小伙伴可以尝试，iGibson中的物理引擎是真的很强。

想领取完整源码跟Python学习资料可点击这行字体

我们先看一段有关iGibson的介绍。

iGibson是一个仿真环境，可基于Bullet提供快速的视觉渲染和物理仿真。iGibson配备了15个完全交互式的高质量场景，从真实的房屋和办公室重建的数百个大型3D场景，并与CubiCasa5K和3D-Front等数据集兼容，提供了8000多个附加的交互式场景。iGibson的一些功能包括域随机化，与运动计划器集成以及易于使用的工具来收集人类演示。借助这些场景和功能，iGibson允许研究人员训练和评估使用视觉信号来解决导航和操纵任务(例如开门，捡起和放置物体或在橱柜中搜索)的机器人代理。

环境搭建

系统要求如下：

• Ubuntu 16.04

• 具有VRAM> 6.0GB的Nvidia GPU

• Nvidia驱动程序> = 384

• CUDA> = 9.0，CuDNN> = v7

• CMake> = 2.8.12（可以安装pip install cmake）

1. pip安装

可以使用pip将iGibson的模拟器安装为python软件包：

iGibson支持自定义pybullet版本来加快物理速度，如果要加快速度，则在安装后需要执行以下步骤：

2. Docker安装

Docker版本至少为v19.0，并启用本机GPU。接下来，使用iGibson回购中的脚本下载我们的预构建图像：

将下载两个图像：

• igibson/igibson:latest：不支持GUI。

• igibson/igibson-gui:latest：支持VNC进行GUI和远程桌面。

提供以从头开始构建图像的脚本：

3. 自己编译源码

源码编译需要Anaconda

iGibson支持自定义pybullet版本来加快物理速度，如果要加快速度，则在安装后需要执行以下步骤：

数据下载、测试

首先，配置iGibson(机器人代理，对象，3D环境等)存储位置。它在your_installation_path/gibson2/global_config.yaml

存储数据的默认位置是：

 如果使用默认路径，则无需执行任何操作，否则可以运行以下脚本：

python -m gibson2.utils.assets_utils --change_data_path

直接运行以下下载脚本：

 需要从数据集中下载一些大型的3D重构现实世界环境(例如房屋和办公室),并将路径设置为your_installation_path/gibson2/global_config.yaml(默认和推荐：your_installation_path/gibson2/data/g_dataset和your_installation_path/gibson2/data/ig_dataset)。通过填写以下许可协议来访问和下载Gibson和iGibson数据集。也可以下载一个小型环境进行演示。

要下载演示数据，请运行：

python -m gibson2.utils.assets_utils --download_demo_data

可以使用以下命令下载完整的Gibson和iGibson数据集，此脚本将自动下载，解压缩数据集并将其放置到正确的位置。URL填写协议表格后将获取。

下载iGibson数据集：

python -m gibson2.utils.assets_utils --download_ig_dataset

 下载Gibson数据集(需要获得协议签名URL)

python -m gibson2.utils.assets_utils --download_dataset URL

测试是否正确安装了gibson2，可以运行:

通过运行测试脚本测试：

terminal中将看到如下输出：

物理引擎与渲染

1. 渲染器

iGibson中使用自己开发的MeshRenderer，它支持可自定义的相机配置和各种图像模式，并以超快的速度进行渲染，可以在的构造函数中指定图像的宽度，高度和垂直视场以及调用以检索图像。iGibson支持六种不同的图像模态：RGB，表面法线，分割，3D点云(z通道可以提取为深度图)，光流和场景流。我们还支持两种类型的LiDAR传感器：1光束和16光束(例如Velodyne VLP-16)。大部分代码可以在gibson2 / render中找到。class MeshRenderer``renderer.render(modes=('rgb', 'normal', 'seg', '3d', 'optical_flow', 'scene_flow'))

接下来使用几行代码渲染了一个iGibson场景：

 渲染结果将如下所示：

可以使用PBR演示测试基于物理的渲染器。渲染iG数据集中包含的任何对象，例如，此处显示一个接收器，因为它包含不同的材质。需要构建文件夹，因为它将加载该文件夹中的所有对象。

 效果如下：

同样可以结合Pytorch，测试例子如下(需要了解Pytorch)：

2. 物理引擎测试

iGibson使用PyBullet作为基础物理引擎,可以准确有效地模拟机器人和关节物体的刚体碰撞和关节致动。由于使用iGibson构建的MeshRenderer进行渲染，使用PyBullet进行物理模拟，因此需要始终保持同步。

通常在使用场景时，对象和机器人p.createMultiBody并将p.loadURDF其加载到PyBullet中，用于p.resetBasePositionAndOrientation设置机器人和对象的基本姿势，p.resetJointState设置机器人和关节对象的关节位置以及p.setJointMotorControl2控制机器人和关节对象。

下面代码将场景，机器人和对象导入PyBullet并逐步仿真：

将看到PyBullet界面，界面中包含一个Turtlebot机器人和一个蓝色的罐子。

ROS中使用iGibson

ROS包含了很多驱动以及算法的实现，因此需要利用ROS软件包来完善机器人应用程序。iGibson与ROS集成有三个关键应用。

• 在可控的逼真的仿真环境中对现有算法进行基准测试。从而可以将基于学习的方法与模拟环境中的传统方法进行比较。

• 将仿真中的机器人与现实世界中的机器人进行比较。在模拟中，iGibson可以模拟机器人的传感器并发布为消息。在现实世界中，真正的机器人会发布传感器消息。因此，可以仅更改订阅的消息并基准测试下游应用程序的性能。这有助于定位域间隙和调试算法。

• 在仿真中使用ROS功能，例如许多运动计划的实现。

我们测试一下斯坦福官方提供的iGibson与ROS集成进行导航的示例。这是一个ros软件包，它将iGibson Env与ros导航堆栈集成在一起。

1. 安装ROS：在此软件包中，使用ros dynamic的导航堆栈。

2. 由于ROS目前仅支持python2.7，因此您需要创建python2.7虚拟环境而不是python3.x。因此需要源码编译，请参考上文。

3. 如果您使用annaconda设置python环境，则需要对PATH和进行一些调整PYTHONPATH以避免冲突。特别是：

   echo $PATH | grep -oP "[^:;]+" | grep conda ## Remove these paths from $PATH
   

   1. 对于PYTHONPATH：/usr/lib/python2.7/dist-packages/，/opt/ros/kinetic/lib/python2.7/dist-packages(ROS python库)，(gibson依赖项)并且需要位于中。<anaconda installation root>/anaconda2/envs/py27/lib/python2.7/site-packages``<gibson root>``PYTHONPATH

   2. 对于PATH：conda相关的需要从中删除PATH

4. 将gibson-ros文件夹复制(或软链接)到您的文件夹中，catkin_ws/src然后运行catkin_make来索引gibson-ros软件包。

安装gibson2-ros依赖项：

rosdep install gibson2-ros

检查demo：

运行gibson + ros的demo：

将看到如下效果：

Gmapping的效果如下：

消息订阅与节点可以通过ROS中的指令查询，这里不再演示。

这期就到这里结束啦~~希望对你们有些许帮助！！

喜欢的话记得给小编个三连再走也不迟啦~~