关于项目

OpenDR项目的目标是开发一个模块化、开放且非专有工具包（modular, open and non-proprietary toolkit），通过利用深度学习（deep learning）实现核心机器人功能（robotic functionalities），提供先进的感知和认知能力，从而满足医疗保健、农业食品和敏捷生产等应用领域对机器人技术的通用需求。

OpenDR提供了将机器人应用与软件库（如深度学习框架 PyTorch 和 Tensorflow）连接到操作系统环境（ROS）的方法。项目专注于人工智能与认知核心科技（AI and Cognition core technology），提供使机器人系统具备认知能力的工具，使其能够：

1. 通过开发面向以人为中心和环境主动感知与认知（human centric and environment active perception and cognition）的深度学习方法实现人机交互；
2. 通过开发适用于常见机器人场景的训练与推理（learn and categorize）深度学习工具实现学习与分类；
3. 通过开发面向认知机器人动作与决策的深度学习工具实现决策与知识获取。

因此，OpenDR工具包还将支持协作式人机交互以及认知机电一体化系统的开发，其中传感与执行器与认知系统紧密耦合，从而在人工智能与认知之外推动另外两项核心技术的发展。OpenDR旨在开发、训练、部署和评估深度学习模型，以提升核心技术的现有技术水平。

如何开始？

您可以通过安装OpenDR工具包开始使用。OpenDR支持以下安装方式：

1. 克隆本仓库（支持CPU/GPU）
2. 使用pip（仅支持CPU/GPU）
3. 使用docker（支持CPU/GPU）

OpenDR提供哪些功能？

OpenDR提供直观易用的**Python接口、性能敏感应用的C API、丰富的使用示例与支持工具，以及即用型 ROS节点**。OpenDR支持Webots开源机器人模拟器，并严格遵循行业标准，如ONNX模型格式和OpenAI Gym接口。

如何开始使用OpenDR？

您可以在OpenDR wiki获取详细文档。安装工具包后的主要参考文档是工具索引。通过该入口，您可以找到OpenDR所有工具的详细文档。

• 若需要即用型ROS节点，可直接访问我们的ROS1和ROS2工作区；
• 若需要即用型示例，可查看projects文件夹，其中包含感知、控制、仿真和超参数调优工具的示例与教程；
• 若需要探索C API，可查看提供的C语言示例。

如何与OpenDR交互？

OpenDR基于Python构建，因此主接口为Python语言，通过opendr包提供。此外，OpenDR提供ROS1、ROS2接口和C接口。您可同时使用任意数量的工具（无硬件限制），但硬件条件（如GPU内存）可能限制同时运行的工具数量。

如何贡献代码

请参考wiki中的贡献指南。

如何引用本项目

若在研究中使用OpenDR，请引用以下介绍OpenDR架构与设计的论文：

@inproceedings{opendr2022,
  title={OpenDR: An Open Toolkit for Enabling High Performance, Low Footprint Deep Learning for Robotics},
  author={Passalis, Nikolaos and Pedrazzi, Stefania and Babuska, Robert and Burgard, Wolfram and Dias, Daniel and Ferro, Francesco and Gabbouj, Moncef and Green, Ole and Iosifidis, Alexandros and Kayacan, Erdal and Kober, Jens and Michel, Olivier and Nikolaidis, Nikos and Nousi, Paraskevi and Pieters, Roel and Tzelepi, Maria and Valada, Abhinav and Tefas, Anastasios},
    booktitle = {Proceedings of the 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (to appear)},
  year={2022}
}

致谢

OpenDR项目获得欧盟地平线2020研究与创新计划（资助协议No 871449）资助。

OpenDR 快速上手指南

环境准备

系统要求

• 操作系统：Linux (推荐Ubuntu 18.04/20.04)
• 硬件：支持CPU/GPU（CUDA 11.1+）
• Python：3.6-3.9
• 依赖工具：python3-pip, git, docker（可选）

前置依赖安装

sudo apt-get update
sudo apt-get install -y python3-pip git

安装步骤

方式一：源码安装（推荐）

git clone https://github.com/opendr-eu/opendr.git
cd opendr
pip3 install -e .

方式二：PyPI 安装（国内加速版）

pip3 install opendr -i https://pypi.tuna.tsinghua.edu.cn/simple

方式三：Docker 镜像

docker pull opendr/opendr:latest

基本使用

Python 快速示例

# 进入示例目录
cd projects/python/perception

# 运行图像分类示例（需预装OpenCV）
python3 example_classification.py

ROS 节点启动（以ROS1为例）

# 构建工作空间
cd projects/opendr_ws
catkin_make

# 启动目标检测节点
source devel/setup.bash
roslaunch opendr_perception_example.launch

验证安装

# Python交互式验证
python3 -c "import opendr; print(opendr.__version__)"

📌 示例代码输出应显示当前版本号（如：0.2.0），表示安装成功

附注

• GPU加速需额外安装CUDA依赖
• 完整文档请参考 OpenDR Wiki
• 国内用户建议优先使用清华源加速PyPI安装