Cara menggunakan ros python package example

Either you like the video or not, please leave a comment on the comments section below, so we can interact and learn from each other.

Step1. Create a project in Robot Ignite Academy(RIA)

We have the best online ROS course available in RIA. It helps you learn ROS in the easiest way without setting up ROS environment locally. The only thing you need is a browser! Create an account here and start to browse the trial course for free now! We’ll use the ROS Basics in 5 Days course as an example today.

Step2. Create a ROS Package

You can see the help about the catkin_create_pkg by passing the “-h” parameter: catkin_create_pkg -h

To create your package in the catkin_ws/src folder with the command catkin_create_pkg +package name +package dependencies. For example,

catkin_create_pkg tutorial rospy std_msgs

Here we create a package called tutorial with the dependencies rospy and std_msgs because we want to use the python api and std_msgs package.

After that, ROS will create a package for you. Inside the package, you’ll find the package.xml and CMakeLists.txt which will help you to compile the package.

You can compile them with the catkin_make command.

But sometimes when you create a package, ROS is not able to find it “instantly”. If this happens, just type source devel/setup.bash  to source the file.

Want to learn more?

If you are interested in this topic please visit our ROS In 5 Days (Python)  course. You’ll learn how to create workspace, package, topic, service, and action in this course.

# RE605 - Setup Development Environment Development environment yang akan digunakan untuk mata kuliah Machine Vision adalah sebagai berikut: * Python 3.7.x (Anaconda) * PyTorch 1.7.x * OpenCV 4.5.x * Tensorboard * Scikit-learn * Scikit-image * Scipy * Matplotlib * Jupyter Notebook ## 1. Instalasi Anaconda dan Membuat Virtual Environment **Instalasi pada Linux** Ketikkan perintah berikut pada terminal ```bash= sudo apt update && sudo apt upgrade -y wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh chmod +x Anaconda3-2020.11-Linux-x86_64.sh ./Anaconda3-2020.07-Linux-x86_64.sh ``` Lakukan proses instalasi diatas dengan pilihan default. Setelah proses instalasi selesai lakukan eksekusi terhadap file `~/.bashrc` dengan mengetikkan perintah berikut ini. ```bash= source ~/.bashrc ``` Setelah mengeksekusi perintah tersebut, di terminal akan muncul environment default `base` yang sedang digunakan seperti berikut. ``` (base) username@machine-name:~$ ``` **Membuat Virtual Environment** Membuat virtual environment dapat dilakukan dengan dua cara: 1. Menggunakan `anaconda-navigator` 2. Menggunakan terminal Jika menggunakan terminal, format perintah yang digunakan sebagai berikut. ``` conda create -n envname python=x.x anaconda ``` Contoh: membuat virtual environment dengan nama `re605` dan menggunakan Python versi 3.7.x. ```bash= conda create -n re605 python=3.7 anaconda ``` **Mengaktifkan Virtual Environment** Setelah membuat virtual environment, aktifkan virtual environment yang ingin digunakan dengan format perintah sebagai berikut. ``` conda activate envname ``` Contoh: mengaktifkan virtual environment `re605` yang telah dibuat. ```bash= conda activate re605 ``` Sekarang di terminal akan muncul nama environment yang aktif `re605` seperti berikut ini. ``` (re605) username@machine-name:~$ ``` **Menonaktifkan Virtual Environment** Untuk menonaktifkan virtual environment format perintah yang digunakan adalah sebagai berikut. ``` conda deactivate envname ``` Contoh: menonaktifkan virtual environment `re605` ```bash= conda deactivate re605 ``` Setelah menonaktifkan virtual environment `re605` maka secara default virtual environment yang digunakan adalah `base`. Jika ingin menonaktifkan virtual environment `base`, lakukan proses `deactivate` sekali lagi. Jika Anda melakukan `deactivate` pada environment `base`, maka tampilan pada terminal akan kembali seperti semua dimana tidak ada virtual environment yang aktif seperti berikut ini. ``` username@machine-name:~$ ``` ## 2. Instalasi Python Package Menggunakan Conda Package Manager Untuk melakukan instalasi Python package/library disarankan menggunakan `conda package manager` dan menggunakan channel `conda-forge`. Dengan cara tersebut, package yang ter-*install* adalah yang **stable** dan **latest update**. Format perintah untuk melakukan instalasi python package dengan `conda package manager` adalah sebagai berikut. ``` conda install -c nama-channel nama-package ``` Contoh: menginstall package `matplotlib` menggunakan `conda package manager` dari channel `conda-forge` ```bash= conda install -c conda-forge matplotlib ``` ### 2.1 Instalasi PyTorch Setelah Anda membuat virtual environment, lakukan instalasi PyTorch terlebih dahulu pada virtual environment yang digunakan. Silahkan merujuk ke link berikut ini [https://pytorch.org/](https://pytorch.org/) untuk melakukan instalasi PyTorch. Jika komputer Anda dilengkapi dengan NVIDIA GPU, sesuaikan PyTorch yang diinstall dengan versi CUDA yang digunakan. ### 2.2 Instalasi Package Lainnya Instalasi package lainnya dapat menggunakan `conda package manager` dengan perintah yang terlah dijelaskan sebelumnya. Selain itu pastikan instalasi dilakukan pada virtual environment yang digunakan. ## 3. Verfikasi Python Package yang Terinstall Untuk melakukan verfirikasi, jalankan jupyter notebook terlebih dahulu dengan mengetikkan perintah berikut ini pada terminal. ```bash= jupyter notebook ``` Halaman Jupyter Notebook akan muncul pada browser. Buatlah notebook baru dengan cara klik kanan pada tombol **New** disebelah kanan, kemudian pilih **Python 3**  Tambahkan script berikut ini pada cell pertama di Jupyter Notebook. ```python= import torch import cv2 import matplotlib import sklearn import skimage import scipy import tensorboard ```  Eksekusi script diatas dengan cara menekan tombol **Shift + Enter** pada keyboard. Pastikan tidak ada pesan error ketika script dieksekusi. **PyTorch dengan NVIDIA GPU** Jika komputer dilengkapi dengan GPU, pastikan PyTorch mengenali GPU pada komputer. Caranya jalankan script berikut ini pada cell berikutnya ```python= torch.cuda.current_device() ``` Jika PyTorch mengenali GPU, maka output dari script diatas akan menampilkan index dari GPU yang digunakan. Contoh seperti berikut ini.