【基于Agilex松灵小车的传感器数据处理】车载软件开发基础 | 任务一 | 保姆级教程 | opencv图像处理 | pcl点云处理 | odom里程计处理 | 全过程图文by.Akaxi

于 2024-10-28 22:14:10 发布
阅读量795 收藏 15
点赞数 18
分类专栏： 车载软件开发基础 文章标签： agilex松灵小车 opencv pcl odom 传感器处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Akaxi1/article/details/143313506
版权

目录

一、远程连接与配置

1.1 nomachine软件

1.2 连接小车

1.3 网口配置

二、传感器测试

2.1 相机图像测试

2.2 激光雷达测试

2.3 控制小车运动

2.4 手柄控制运动

三、远程开发环境搭建

四、线速度角速度读取显示

五、OpenCV显示相机输出

六、PCL显示激光雷达点云信息

七、Odom里程计距离处理显示

八、其他信息

1.gitee仓库

2.参考链接

3.更多信息

最终效果：

1.程序读取线速度与角速度

2.opencv显示小车相机数据

3.rviz显示的雷达点云与pcl显示的雷达点云

4.程序计算odom里程计移动距离

------------------------全文23856字53图一步一步完成大约耗时2h------------------------

所需硬件以及软件：  

Agilex小车

nomachine

bitvise

vscode

松灵小车一辆

（传感器采集显示）

远程连接软件

（远程桌面）

远程连接软件

(文件管理与终端运行)

代码编辑

（编写ROS节点等）

一、远程连接与配置

1.1 nomachine软件

打开自己的笔记本电脑，在官网找到软件下载链接NoMachine - Free Remote Desktop for Everybody

​

根据电脑版本匹配软件，我的笔记本是64位的

​在自己的笔记本上下载，下载完成后，点击安装nomachine

​同意协议

​自定义安装文件夹

​

然后安装完成就可以啦~我们在笔记本找到安装的Nomachine软件并打开

​

​进入后进行初步的设置

​然后进入这个界面就可以啦~

1.2 连接小车

打开小车的电源键，等待小车启动后，发出wifi信号（大概3min）然后在笔记本找到小车的Wifi

​如同SCOUTMINI-xxxxxx-5G的Wifi名称，点击连接（记住自己小车的WIFI名称哦，别连错啦）

密码一般是：goodlife

然后回到我们的Nomachine软件就可以看到我们的小车电脑啦：

​点击连接

​验证登录信息，选择OK

​然后输入小车用户名以及密码登录：

​然后我们就轻松且愉快的连接上小车啦，输入agx登录小车~

​可以看到笔记本通过Nomachine软件连接的小车桌面和小车自带的桌面一样，这样我们之后就可以通过Wifi连接小车，在自己笔记本上操作小车啦~

1.3 网口配置

连接小车后，打开笔记本浏览器，输入ip地址登录小车的路由器：192.168.1.1

​密码1234678（也可能不是这个，参考手册）

设置为作为LAN口使用，这样可以通过HDMI线，连接显示屏使用哈

二、传感器测试

2.1 相机图像测试

登录小车后，新建终端输入指令：

使能gs _usb内核模块（重启小车后使用传感器前都需要使能哦~）

sudo modprobe gs_usb

打开can设备且设置波特率（重启小车后使用传感器前都需要使能哦~）

sudo ip link set can0 up type can bitrate 500000

如果在前面的步骤中没有发生错误，那么您现在应该可以通过使用command查看CAN

ifconfig -a

​启动摄像头程序，并打开rviz可视化

roslaunch realsense2_camera rs_camera.launch

​在Add找到image，添加

​选择Fixed Frame为camera_link

​然后点击image打开下拉栏，选择摄像头的话题image Topic

​如果话题选择是color则可以看到彩色图像输出，如果是depth则可以看到是深度图像输出

​

2.2 激光雷达测试

新建终端输入指令开启激光雷达 

roslaunch scout_bringup open_rslidar.launch

​开启激光雷达

​成功开启激光雷达传感器

2.3 控制小车运动

下载一个包之后编译

apt install libasio-dev  # 需要小车联网下载此包

# 在/home/agilex/catkin_ws/src/ugv_sdk下新建build目录

cd build && cmake .. && make

​编译完成之后，使能命令，执行demo程序

# 将遥控器SWB拨到最上方
# 在build/ugv_sdk/bin下执行

./app_tracer_robot can0

​这时小车将执行自动化程序开关灯以及车轮转动

2.4 手柄控制运动

​同时按住手柄左右两个POWER键开启手柄，然后将SWA|B|C|D四个拨片拨到最上方

然后启动基础节点

roslaunch scout_bringup scout_minimal.launch

操控手柄即可让小车前进后退

​

三、远程开发环境搭建

方案一：使用nomachine远程连接小车后，直接在小车PC端进行文件与代码编辑【不推荐】

方案二：使用Vscode搭建SSH连接小车，这样可以直接进入小车修改小车代码【推荐】

方案三：使用Bitvise远程SSH软件登录小车，可以远程进行文件管理以及代码查看【推荐】

本文采用方案三：使用Bitvise远程SSH软件登录小车

​这里需要注意：Host是小车的ip地址，获取需要在小车终端输入：

ifconfig

在终端输出中，找到类似192.168.xx.xx的ip，这就是我们要远程连接的小车~

Host：192.168.xx.xx

Post端口默认：22

右边的登录选项按照小车登录进行设置：

User：agilex

Inital method：password

Password：agx

这样就通过Bitvise建立了远程连接~这样就能方便进行文件管理

四、线速度角速度读取显示

新建一个ROS工作空间，并创建工具包

cd ~           # 进入目录
mkdir cqu_ws   # 创建自己的工作空间，我取名叫做cqu_ws
cd cqu_ws      # 进入工作空间
mkdir src      # 创建src目录

关于ROS工作空间与文件系统，我们需要满足ROS的规范哈：

或者进一步在赵虚左老师课程进行深入学习：

003ROS概念_Chapter1-ROS概述与环境搭建_哔哩哔哩_bilibili

然后我们创建show_v功能包：

mkdir show_v  # 创建功能包
cd show_v     # 进入功能包
mkdir src     # 创建src目录

然后在show_v功能包中我们新建一个c++程序也叫show_v.cpp

写入代码：

// #include <ros/ros.h>
// #include <nav_msgs/Odometry.h>

// void speed_callback(const nav_msgs::Odometry::ConstPtr &msg)
// {
//     ROS_INFO("Car linear v: vx=%0.6f, vy=%0.6f,vz=%0.6f",msg->twist.twist.linear.x,msg->twist.twist.linear.y,msg->twist.twist.linear.z);
//     ROS_INFO("Car angular v: ax=%0.6f, ay=%0.6f,az=%0.6f",msg->twist.twist.angular.x,msg->twist.twist.angular.y,msg->twist.twist.angular.z);
//     return;
// }

// int main(int argc, char **argv)
// {
//     ros::init(argc,argv,"speed_subscriber");
//     ros::NodeHandle nh;
//     ros::Subscriber speed_sub = nh.subscribe("/odom",10,speed_callback);
//     ros::spin();
//     return 0;
// }

#include "ros/ros.h"
#include "scout_msgs/ScoutStatus.h"
#include "string.h"
#include "iostream"
using namespace std;

void read(const scout_msgs::ScoutStatus::ConstPtr &msg)
{

    cout << "linear_velocity=" << msg->linear_velocity << "   angular_velocity=" << msg->angular_velocity << endl;
}

int main(int argc, char **argv)
{

    ros::init(argc, argv, "speed_subscriber");

    ros::NodeHandle n;
    ros::Subscriber sub;
    sub = n.subscribe("/scout_status", 1, read);

    ros::spin();

    return 0;
}

同时注意cmakelist.txt文件：

cmake_minimum_required(VERSION 3.0.2)
project(show_v)

## Compile as C++11, supported in ROS Kinetic and newer
# add_compile_options(-std=c++11)

## Find catkin macros and libraries
## if COMPONENTS list like find_package(catkin REQUIRED COMPONENTS xyz)
## is used, also find other catkin packages
#find_package(catkin REQUIRED COMPONENTS
#  roscpp
#  rospy
#  std_msgs
#)
find_package(catkin REQUIRED COMPONENTS    
    roslaunch 
    roscpp 
    sensor_msgs
    std_msgs
    geometry_msgs
    tf2 
    tf2_ros
    ugv_sdk
    scout_msgs
)

## System dependencies are found with CMake's conventions
# find_package(Boost REQUIRED COMPONENTS system)


## Uncomment this if the package has a setup.py. This macro ensures
## modules and global scripts declared therein get installed
## See http://ros.org/doc/api/catkin/html/user_guide/setup_dot_py.html
# catkin_python_setup()

################################################
## Declare ROS messages, services and actions ##
################################################

## To declare and build messages, services or actions from within this
## package, follow these steps:
## * Let MSG_DEP_SET be the set of packages whose message types you use in
##   your messages/services/actions (e.g. std_msgs, actionlib_msgs, ...).
## * In the file package.xml:
##   * add a build_depend tag for "message_generation"
##   * add a build_depend and a exec_depend tag for each package in MSG_DEP_SET
##   * If MSG_DEP_SET isn't empty the following dependency has been pulled in
##     but can be declared for certainty nonetheless:
##     * add a exec_depend tag for "message_runtime"
## * In this file (CMakeLists.txt):
##   * add "message_generation" and every package in MSG_DEP_SET to
##     find_package(catkin REQUIRED COMPONENTS ...)
##   * add "message_runtime" and every package in MSG_DEP_SET to
##     catkin_package(CATKIN_DEPENDS ...)
##   * uncomment the add_*_files sections below as needed
##     and list every .msg/.srv/.action file to be processed
##   * uncomment the generate_messages entry below
##   * add every package in MSG_DEP_SET to generate_messages(DEPENDENCIES ...)

## Generate messages in the 'msg' folder
# add_message_files(
#   FILES
#   Message1.msg
#   Message2.msg
# )

## Generate services in the 'srv' folder
# add_service_files(
#   FILES
#   Service1.srv
#   Service2.srv
# )

## Generate actions in the 'action' folder
# add_action_files(
#   FILES
#   Action1.action
#   Action2.action
# )

## Generate added messages and services with any dependencies listed here
# generate_messages(
#   DEPENDENCIES
#   std_msgs
# )

################################################
## Declare ROS dynamic reconfigure parameters ##
################################################

## To declare and build dynamic reconfigure parameters within this
## package, follow these steps:
## * In the file package.xml:
##   * add a build_depend and a exec_depend tag for "dynamic_reconfigure"
## * In this file (CMakeLists.txt):
##   * add "dynamic_reconfigure" to
##     find_package(catkin REQUIRED COMPONENTS ...)
##   * uncomment the "generate_dynamic_reconfigure_options" section below
##     and list every .cfg file to be processed

## Generate dynamic reconfigure parameters in the 'cfg' folder
# generate_dynamic_reconfigure_options(
#   cfg/DynReconf1.cfg
#   cfg/DynReconf2.cfg
# )

###################################
## catkin specific configuration ##
###################################
## The catkin_package macro generates cmake config files for your package
## Declare things to be passed to dependent projects
## INCLUDE_DIRS: uncomment this if your package contains header files
## LIBRARIES: libraries you create in this project that dependent projects also need
## CATKIN_DEPENDS: catkin_packages dependent projects also need
## DEPENDS: system dependencies of this project that dependent projects also need
catkin_package(
#  INCLUDE_DIRS include
#  LIBRARIES show_v
#  CATKIN_DEPENDS roscpp rospy std_msgs
#  DEPENDS system_lib
)

###########
## Build ##
###########

## Specify additional locations of header files
## Your package locations should be listed before other locations
include_directories(
# include
  ${catkin_INCLUDE_DIRS}
)

## Declare a C++ library
# add_library(${PROJECT_NAME}
#   src/${PROJECT_NAME}/show_v.cpp
# )

## Add cmake target dependencies of the library
## as an example, code may need to be generated before libraries
## either from message generation or dynamic reconfigure
# add_dependencies(${PROJECT_NAME} ${${PROJECT_NAME}_EXPORTED_TARGETS} ${catkin_EXPORTED_TARGETS})

## Declare a C++ executable
## With catkin_make all packages are built within a single CMake context
## The recommended prefix ensures that target names across packages don't collide
add_executable(speed_subscriber src/show_v.cpp)

## Rename C++ executable without prefix
## The above recommended prefix causes long target names, the following renames the
## target back to the shorter version for ease of user use
## e.g. "rosrun someones_pkg node" instead of "rosrun someones_pkg someones_pkg_node"
# set_target_properties(${PROJECT_NAME}_node PROPERTIES OUTPUT_NAME node PREFIX "")

## Add cmake target dependencies of the executable
## same as for the library above
# add_dependencies(${PROJECT_NAME}_node ${${PROJECT_NAME}_EXPORTED_TARGETS} ${catkin_EXPORTED_TARGETS})

## Specify libraries to link a library or executable target against
target_link_libraries(speed_subscriber
  ${catkin_LIBRARIES}
 )

#############
## Install ##
#############

# all install targets should use catkin DESTINATION variables
# See http://ros.org/doc/api/catkin/html/adv_user_guide/variables.html

## Mark executable scripts (Python etc.) for installation
## in contrast to setup.py, you can choose the destination
# catkin_install_python(PROGRAMS
#   scripts/my_python_script
#   DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION}
# )

## Mark executables for installation
## See http://docs.ros.org/melodic/api/catkin/html/howto/format1/building_executables.html
# install(TARGETS ${PROJECT_NAME}_node
#   RUNTIME DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION}
# )

## Mark libraries for installation
## See http://docs.ros.org/melodic/api/catkin/html/howto/format1/building_libraries.html
# install(TARGETS ${PROJECT_NAME}
#   ARCHIVE DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION}
#   LIBRARY DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION}
#   RUNTIME DESTINATION ${CATKIN_GLOBAL_BIN_DESTINATION}
# )

## Mark cpp header files for installation
# install(DIRECTORY include/${PROJECT_NAME}/
#   DESTINATION ${CATKIN_PACKAGE_INCLUDE_DESTINATION}
#   FILES_MATCHING PATTERN "*.h"
#   PATTERN ".svn" EXCLUDE
# )

## Mark other files for installation (e.g. launch and bag files, etc.)
# install(FILES
#   # myfile1
#   # myfile2
#   DESTINATION ${CATKIN_PACKAGE_SHARE_DESTINATION}
# )

#############
## Testing ##
#############

## Add gtest based cpp test target and link libraries
# catkin_add_gtest(${PROJECT_NAME}-test test/test_show_v.cpp)
# if(TARGET ${PROJECT_NAME}-test)
#   target_link_libraries(${PROJECT_NAME}-test ${PROJECT_NAME})
# endif()

## Add folders to be run by python nosetests
# catkin_add_nosetests(test)

包依赖： 

​编译节点：

​回到cqu_ws进行catkin_make编译

cd cqu_ws    # 回到工作空间目录
catkin_make  # 进行编译

编译完成开两个终端，然后执行程序：

【指令】roslaunch scout_bringup scout_minimal.launch  # 启动小车基础节点
 
【指令】rosrun show_v speed_subscriber                # 启动读取线速度、角速度程序

如果出现找不到文件在哪报错，记得刷新一下环境变量哦：

source ./devel/setup.bash

然后我们打开手柄让小车轮子转起来（或者咱用手拨动一下轮子），完成后，终端输出：

​可见终端输出了小车的线速度和角速度啦~

五、OpenCV显示相机输出

      利用opencv库函数，通过编写ROS节点订阅小车发布的彩色RGB以及深度图像话题，因为ROS发布的图像数据不能被opencv所处理，所以需要引入cv_bridge进行数据转换，然后在回调函数中编写图像显示程序，最后在屏幕进行显示。

先看看小车有无opencv库：

python3 -c "import cv2;print(cv2.__version__)"

​输入指令后发现咱小车的opencv版本是4.1.1~ 

然后我们创建show_v功能包：

mkdir show_img  # 创建功能包
cd img          # 进入功能包
mkdir src       # 创建src目录

然后在show_img功能包中我们新建一个c++程序也叫show_img.cpp

源码：

#include <ros/ros.h>
#include <image_transport/image_transport.h>
#include <opencv2/highgui/highgui.hpp>
#include <cv_bridge/cv_bridge.h>

cv::Mat image;

void imageCallback(const sensor_msgs::ImageConstPtr &msg)
{
  ROS_INFO_STREAM("Get Msg");
  try
  {
    image = cv_bridge::toCvShare(msg, "16UC1")->image;
    cv::imshow("view", image);
  }
  catch (cv_bridge::Exception &e)
  {
    ROS_ERROR("Could not convert from '%s' to '16UC1'.", msg->encoding.c_str());
  }
  cv::waitKey(1);
}
void imageCallback2(const sensor_msgs::ImageConstPtr &msg)
{
  ROS_INFO_STREAM("Get Msg");
  try
  {
    image = cv_bridge::toCvShare(msg, "bgr8")->image;
    cv::imshow("view2", image);
  }
  catch (cv_bridge::Exception &e)
  {
    ROS_ERROR("Could not convert from '%s' to 'bgr8'.", msg->encoding.c_str());
  }
  cv::waitKey(1);
}

int main(int argc, char **argv)
{
  ros::init(argc, argv, "image_listener");
  ros::NodeHandle nh;
  cv::namedWindow("view");
  cv::namedWindow("view2");
  // cv::startWindowThread();
  image_transport::ImageTransport it(nh);
  image_transport::Subscriber sub = it.subscribe("/camera/depth/image_rect_raw", 1, imageCallback);
  image_transport::Subscriber sub2 = it.subscribe("/camera/color/image_raw", 1, imageCallback2);
  ros::spin();
  // cv::destroyWindow("view");
  cv::waitKey(0);
  return 0;
}

同理也需要注意cmakelist.txt文件

cmake_minimum_required(VERSION 3.0.2)
project(show_img)

## Compile as C++11, supported in ROS Kinetic and newer
# add_compile_options(-std=c++11)

set(OpenCV_DIR /usr/share/OpenCV) 

## Find catkin macros and libraries
## if COMPONENTS list like find_package(catkin REQUIRED COMPONENTS xyz)
## is used, also find other catkin packages
find_package(catkin REQUIRED COMPONENTS
  roscpp
  OpenCV
  cv_bridge
  image_transport
)

## System dependencies are found with CMake's conventions
# find_package(Boost REQUIRED COMPONENTS system)


## Uncomment this if the package has a setup.py. This macro ensures
## modules and global scripts declared therein get installed
## See http://ros.org/doc/api/catkin/html/user_guide/setup_dot_py.html
# catkin_python_setup()

################################################
## Declare ROS messages, services and actions ##
################################################

## To declare and build messages, services or actions from within this
## package, follow these steps:
## * Let MSG_DEP_SET be the set of packages whose message types you use in
##   your messages/services/actions (e.g. std_msgs, actionlib_msgs, ...).
## * In the file package.xml:
##   * add a build_depend tag for "message_generation"
##   * add a build_depend and a exec_depend tag for each package in MSG_DEP_SET
##   * If MSG_DEP_SET isn't empty the following dependency has been pulled in
##     but can be declared for certainty nonetheless:
##     * add a exec_depend tag for "message_runtime"
## * In this file (CMakeLists.txt):
##   * add "message_generation" and every package in MSG_DEP_SET to
##     find_package(catkin REQUIRED COMPONENTS ...)
##   * add "message_runtime" and every package in MSG_DEP_SET to
##     catkin_package(CATKIN_DEPENDS ...)
##   * uncomment the add_*_files sections below as needed
##     and list every .msg/.srv/.action file to be processed
##   * uncomment the generate_messages entry below
##   * add every package in MSG_DEP_SET to generate_messages(DEPENDENCIES ...)

## Generate messages in the 'msg' folder
# add_message_files(
#   FILES
#   Message1.msg
#   Message2.msg
# )

## Generate services in the 'srv' folder
# add_service_files(
#   FILES
#   Service1.srv
#   Service2.srv
# )

## Generate actions in the 'action' folder
# add_action_files(
#   FILES
#   Action1.action
#   Action2.action
# )

## Generate added messages and services with any dependencies listed here
# generate_messages(
#   DEPENDENCIES
#   std_msgs
# )

################################################
## Declare ROS dynamic reconfigure parameters ##
################################################

## To declare and build dynamic reconfigure parameters within this
## package, follow these steps:
## * In the file package.xml:
##   * add a build_depend and a exec_depend tag for "dynamic_reconfigure"
## * In this file (CMakeLists.txt):
##   * add "dynamic_reconfigure" to
##     find_package(catkin REQUIRED COMPONENTS ...)
##   * uncomment the "generate_dynamic_reconfigure_options" section below
##     and list every .cfg file to be processed

## Generate dynamic reconfigure parameters in the 'cfg' folder
# generate_dynamic_reconfigure_options(
#   cfg/DynReconf1.cfg
#   cfg/DynReconf2.cfg
# )

###################################
## catkin specific configuration ##
###################################
## The catkin_package macro generates cmake config files for your package
## Declare things to be passed to dependent projects
## INCLUDE_DIRS: uncomment this if your package contains header files
## LIBRARIES: libraries you create in this project that dependent projects also need
## CATKIN_DEPENDS: catkin_packages dependent projects also need
## DEPENDS: system dependencies of this project that dependent projects also need
catkin_package(
#  INCLUDE_DIRS include
#  LIBRARIES show_img
#  CATKIN_DEPENDS roscpp rospy std_msgs
#  DEPENDS system_lib
)

###########
## Build ##
###########

## Specify additional locations of header files
## Your package locations should be listed before other locations
include_directories(
# include
  ${catkin_INCLUDE_DIRS}
)

## Declare a C++ library
# add_library(${PROJECT_NAME}
#   src/${PROJECT_NAME}/show_img.cpp
# )

## Add cmake target dependencies of the library
## as an example, code may need to be generated before libraries
## either from message generation or dynamic reconfigure
# add_dependencies(${PROJECT_NAME} ${${PROJECT_NAME}_EXPORTED_TARGETS} ${catkin_EXPORTED_TARGETS})

## Declare a C++ executable
## With catkin_make all packages are built within a single CMake context
## The recommended prefix ensures that target names across packages don't collide
add_executable(image_listener src/show_img.cpp)

## Rename C++ executable without prefix
## The above recommended prefix causes long target names, the following renames the
## target back to the shorter version for ease of user use
## e.g. "rosrun someones_pkg node" instead of "rosrun someones_pkg someones_pkg_node"
# set_target_properties(${PROJECT_NAME}_node PROPERTIES OUTPUT_NAME node PREFIX "")

## Add cmake target dependencies of the executable
## same as for the library above
# add_dependencies(${PROJECT_NAME}_node ${${PROJECT_NAME}_EXPORTED_TARGETS} ${catkin_EXPORTED_TARGETS})

## Specify libraries to link a library or executable target against
target_link_libraries(image_listener
  ${catkin_LIBRARIES}
)

#############
## Install ##
#############

# all install targets should use catkin DESTINATION variables
# See http://ros.org/doc/api/catkin/html/adv_user_guide/variables.html

## Mark executable scripts (Python etc.) for installation
## in contrast to setup.py, you can choose the destination
# catkin_install_python(PROGRAMS
#   scripts/my_python_script
#   DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION}
# )

## Mark executables for installation
## See http://docs.ros.org/melodic/api/catkin/html/howto/format1/building_executables.html
# install(TARGETS ${PROJECT_NAME}_node
#   RUNTIME DESTINATION ${CATKIN_PACKAGE_BIN_DESTINATION}
# )

## Mark libraries for installation
## See http://docs.ros.org/melodic/api/catkin/html/howto/format1/building_libraries.html
# install(TARGETS ${PROJECT_NAME}
#   ARCHIVE DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION}
#   LIBRARY DESTINATION ${CATKIN_PACKAGE_LIB_DESTINATION}
#   RUNTIME DESTINATION ${CATKIN_GLOBAL_BIN_DESTINATION}
# )

## Mark cpp header files for installation
# install(DIRECTORY include/${PROJECT_NAME}/
#   DESTINATION ${CATKIN_PACKAGE_INCLUDE_DESTINATION}
#   FILES_MATCHING PATTERN "*.h"
#   PATTERN ".svn" EXCLUDE
# )

## Mark other files for installation (e.g. launch and bag files, etc.)
# install(FILES
#   # myfile1
#   # myfile2
#   DESTINATION ${CATKIN_PACKAGE_SHARE_DESTINATION}
# )

#############
## Testing ##
#############

## Add gtest based cpp test target and link libraries
# catkin_add_gtest(${PROJECT_NAME}-test test/test_show_img.cpp)
# if(TARGET ${PROJECT_NAME}-test)
#   target_link_libraries(${PROJECT_NAME}-test ${PROJECT_NAME})
# endif()

## Add folders to be run by python nosetests
# catkin_add_nosetests(test)

注意包依赖，节点名称与包下的cpp目录

​然后回到cqu_ws目录下进行编译

cd cqu_ws     # 回到工作空间
catkin_make   # 编译

编程成功后，运行指令

【指令】roslaunch scout_bringup scout_minimal.launch  # 开启小车基础节点
【指令】rosrun show_img image_listener                # 启动opencv读取显示程序

​可见小车打开opencv库，并打开两个窗口成功显示输出彩色图像与深度图像~

六、PCL显示激光雷达点云信息

订阅小车发布的雷达点云话题/rslidar_points数据，利用PCL库将雷达点云数据转换为PCL下格式点云数据，然后声明pcl可视化窗口，进行窗口可视化，编译后打开Rviz与可视化pcl点云进行对比

源码：

#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl_ros/point_cloud.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_plane.h>
#include <Eigen/Core>
#include <iostream>
using namespace std;

boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("realsense pcl"));
// ros::Publisher pub;
typedef pcl::PointCloud<pcl::PointXYZ> PointCloud;
void cloud_cb(const sensor_msgs::PointCloud2ConstPtr &input)
{
  // 声明存储原始数据与滤波后的数据的点云的格式
  pcl::PCLPointCloud2 *cloud = new pcl::PCLPointCloud2; //原始的点云的数据格式
  pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
  // 转化为PCL中的点云的数据格式
  pcl_conversions::toPCL(*input, *cloud);

  // pub.publish (*cloud);

  pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud1;
  cloud1.reset(new pcl::PointCloud<pcl::PointXYZRGB>);

  pcl::fromROSMsg(*input, *cloud1);
  viewer1->setBackgroundColor(0, 0, 0);
  viewer1->removeAllPointClouds(); // 移除当前所有点云
  pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZRGB> rgb(cloud1, "z");
  viewer1->addPointCloud(cloud1, rgb, "realsense pcl");
  viewer1->updatePointCloud(cloud1, rgb, "realsense pcl");
  viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "realsense pcl");
  viewer1->spinOnce(0.001);
}

int main(int argc, char **argv)
{
  // Initialize ROS
  ros::init(argc, argv, "pcl");
  ros::NodeHandle nh;

  // Create a ROS subscriber for the input point cloud
  ros::Subscriber sub = nh.subscribe("/rslidar_points", 10, cloud_cb);
  // Create a ROS publisher for the output point cloud
  // pub = nh.advertise<pcl::PCLPointCloud2> ("output", 1);
  ros::spin();
}

cmakelist.txt

set(PCL_INCLUDE_DIRS /usr/include/pcl-1.8)  #指定pcl1.8路径


## Compile as C++11, supported in ROS Kinetic and newer
# add_compile_options(-std=c++11)

## Find catkin macros and libraries
## if COMPONENTS list like find_package(catkin REQUIRED COMPONENTS xyz)
## is used, also find other catkin packages
find_package(catkin REQUIRED COMPONENTS
  pcl_conversions
  pcl_msgs
  pcl_ros
  sensor_msgs
)
project(show_pcl)
find_package(PCL REQUIRED)

add_definitions(${PCL_DEFINITIONS})
catkin_package()
include_directories(
  include 
  ${catkin_INCLUDE_DIRS}
  ${PCL_LIBRARIES}
)

add_executable(pcl src/show_pcl.cpp)
target_link_libraries(pcl ${catkin_LIBRARIES}  ${PCL_LIBRARIES})

补充：如果想要单独创建整个功能包需要：

进入src目录

【指令】catkin_create_pkg show_pcl pcl_conversions pcl_msgs pcl_ros sensor_msgs

创建一个show_pcl包

然后在src下创建一个show_pcl.cpp程序文件，写入程序后

修改Cmkelist.txt文件，注意构建依赖时指定ros节点和cpp文件，以及pcl库的相关依赖

然后回到cqu_ws空间进行catkin_make编译

在编译过程中遇到报错，就对应你的源程序以及Cmakelist.txt文件进行修改

最后编译通过，在小车打开终端进行测试

打开三个终端，分别启动程序：

【指令】roslaunch scout_bringup open_rslidar.launch

【指令】rviz

【指令】rosrun show_pcl pcl

依次运行，即可得到：

注意在打开rviz时要更换换话题

然后我们rosrun我们的show_pcl包节点

即可看到rviz显示的雷达点云与pcl显示的雷达点云，撒花~~~~

七、Odom里程计距离处理显示

同理上面的流程

源码：

#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl_ros/point_cloud.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_plane.h>
#include <Eigen/Core>
#include <iostream>
using namespace std;

boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("realsense pcl"));
// ros::Publisher pub;
typedef pcl::PointCloud<pcl::PointXYZ> PointCloud;
void cloud_cb(const sensor_msgs::PointCloud2ConstPtr &input)
{
  // 声明存储原始数据与滤波后的数据的点云的格式
  pcl::PCLPointCloud2 *cloud = new pcl::PCLPointCloud2; //原始的点云的数据格式
  pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
  // 转化为PCL中的点云的数据格式
  pcl_conversions::toPCL(*input, *cloud);

  // pub.publish (*cloud);

  pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud1;
  cloud1.reset(new pcl::PointCloud<pcl::PointXYZRGB>);

  pcl::fromROSMsg(*input, *cloud1);
  viewer1->setBackgroundColor(0, 0, 0);
  viewer1->removeAllPointClouds(); // 移除当前所有点云
  pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZRGB> rgb(cloud1, "z");
  viewer1->addPointCloud(cloud1, rgb, "realsense pcl");
  viewer1->updatePointCloud(cloud1, rgb, "realsense pcl");
  viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "realsense pcl");
  viewer1->spinOnce(0.001);
}

int main(int argc, char **argv)
{
  // Initialize ROS
  ros::init(argc, argv, "pcl");
  ros::NodeHandle nh;

  // Create a ROS subscriber for the input point cloud
  ros::Subscriber sub = nh.subscribe("/rslidar_points", 10, cloud_cb);
  // Create a ROS publisher for the output point cloud
  // pub = nh.advertise<pcl::PCLPointCloud2> ("output", 1);
  ros::spin();
}

cmakelist.txt

set(PCL_INCLUDE_DIRS /usr/include/pcl-1.8)  #指定pcl1.8路径


## Compile as C++11, supported in ROS Kinetic and newer
# add_compile_options(-std=c++11)

## Find catkin macros and libraries
## if COMPONENTS list like find_package(catkin REQUIRED COMPONENTS xyz)
## is used, also find other catkin packages
find_package(catkin REQUIRED COMPONENTS
  pcl_conversions
  pcl_msgs
  pcl_ros
  sensor_msgs
)
project(show_pcl)
find_package(PCL REQUIRED)

add_definitions(${PCL_DEFINITIONS})
catkin_package()
include_directories(
  include 
  ${catkin_INCLUDE_DIRS}
  ${PCL_LIBRARIES}
)

add_executable(pcl src/show_pcl.cpp)
target_link_libraries(pcl ${catkin_LIBRARIES}  ${PCL_LIBRARIES})

catkin_make进行编译

开启三个终端：

【启动基础节点】roslaunch scout_bringup scout_minimal.launch

【激光雷达节点】roslaunch scout_bringup open_rslidar.launch

【启动我们的节点】rosrun odom_d odom_d

可以看到右上角终端我们的输出小车里程计odom距离，成功啦~~~~~~~

八、其他信息

1.gitee仓库

 整个工作空间与源码我都放在了gitee上，一键克隆下载编译后即可轻松运行：

git clone https://gitee.com/akaxi611/vehicle_software_development_class_task1.git

2.参考链接

车载软件开发基础-课后实践报告3: 车载软件开发基础-课后实践报告3

exercise1: 车载软件设计基础课后实践1，智能小车的信息录入及分配

【ROS】小车机器视觉巡线行驶_基于opencv的视觉巡线ros小车-CSDN博客

使用ros订阅点云并在pcl::visualization中实时显示_在ros中订阅点云并显示点云-CSDN博客

（六）ROS发布里程计（Odometry）消息并在rviz中显示_odemetry-CSDN博客

3.更多信息

----------------------------------------------------------------------------------------------------

相信读到这里的朋友，一定是坚持且优秀的

给博主一个免费的赞👍吧

扫描二维码进博主交流群，问题交流 | 吹吹水 | 一起变得更加优秀
————————————————

2024.10.28

两江重大卓工院

OpenCV实战（1）——OpenCV与图像处理基础
盼小辉丶的博客
10-24 7万+
OpenCV 是一个跨平台计算机视觉和机器学习库，实现了图像处理和计算机视觉方面的很多通用算法。本节将介绍 OpenCV 的基础知识，以及如何编译运行 OpenCV 程序，并介绍如何完成最基本的图像处理任务——读取、显示和保存图像。除此之外，鼠标事件和图形绘制也是 OpenCV 计算机视觉项目中常用的基本功能，本节介绍了如何使用这两个重要的 OpenCV 功能。
OpenCV-Python实战（1）——OpenCV简介与图像处理基础
热门推荐
盼小辉丶的博客
08-10 23万+
OpenCV 是一个的跨平台计算机视觉库，可以运行在 Linux、Windows 和 Mac OS 操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时也提供了 Python 接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍 OpenCV 库，包括它的主要模块和典型应用场景，同时使用 OpenCV-Python 实战讲解图像处理基础要点。
(原创)线控小车底盘松灵SCOUT+激光雷达实现基于cartographer的室内小车导航实现攻略教程
l494924841的博客
10-31 7460
本教程包含该方法实现过程，具体包含传感器数据接入，算法布置，执行器执行并测试的整个过程。未经本人同意，不可用于商业用途，转载请注明出处。 零、硬件准备 实验室买了一个线控差动底盘，4轮差动转向，计算平台采用nvidia-agx，激光雷达是velodyne-vlp16，软件上基于cartographer算法建图+amcl定位+ros包move_base 进行室内导航。nvidia-agx内置ubuntu18.04，ros-melodic，**路由器一个工业的或者普通路由器均可，普通路由器需要修改激光雷达的广播
松灵机器人scout mini小车 自主导航(2)——仿真指南
最新发布
weixin_40928378的博客
09-13 415
松灵机器人Scout mini小车仿真指南 之前介绍了如何通过CAN TO USB串口实现用键盘控制小车移动。但是一直用小车测试缺乏安全性。而松灵官方贴心的为我们准备了gazebo仿真环境，提供了完整的仿真支持库，本文将介绍如何上手使用仿真。 官方仓库地址：https://github.com/agilexrobotics/ugv_gazebo_sim 1.仿真环境准备 整个功能包介绍 ├── ...
松灵机器人二次开发之一
weixin_42077456的博客
05-09 1651
松灵机器人二次开发——第一天 缘由： 最近学院有一个机器人二次开发的项目。我和朋友被导师推荐了过去，结果去了一头雾水：松灵机器人，linux，导航探测~~对于两个纯软件方面的菜鸟来说毫无头绪。但是没办法，硬着头皮也要接下来。回去找资料，找文档，当下网上对于此类机器人二次开发的案例较少，松灵的官网也没有很细致的介绍文档，但是有一些分散的文档，遍布在b站，公众号上。我们就按着这些文档和视频进行了研究。 初窥门径 松灵公司的教学视频有三个，一个是JDK安装，一个是ros_package,还有一个仿真机。https
SCOUT-mini机器人配置
nobody258的博客
01-09 1760
文章目录第一步：航空插口连上USB转CAN第二步 官方SDK配置第三步 ROS PACKAGE的使用 第一步：航空插口连上USB转CAN 放置方式如图，蓝右黄左 第二步 官方SDK配置 下载官方sdk到工作空间的src下，地址：https://github.com/westonrobot/ugv_sdk 1.安装依赖 sudo apt-get update sudo apt-get install build-essential git cmake sudo apt install libncurses5
【ROS】catkin_make一系列报错和解决
？的博客
10-13 1034
如果安装了ASIO，您将看到有关软件包的信息，包括其版本和说明。如果没有安装，您会收到一条消息，说找不到包。要检查ASIO库是否已安装在Ubuntu系统上，可以使用dpkg包管理器。在include前那个目录更改CMakeList.txt，重复上述步骤安装缺少的东西。如果未安装ASIO，则可以使用软件包管理器进行安装。这将在您的系统上下载并安装ASIO库及其开发文件。在/src文件夹下载ugv_sdk。
scout_mini使用步骤
gbawzh的博客
11-29 2329
1.配置 1.1安装ceres-solver-2.0.0 1.1.1配置环境：sudo apt-get install liblapack-dev libsuitesparse-dev libcxsparse3 libgflags-dev libgoogle-glog-dev libgtest-dev 1.1.2编译 mkdir ceres-bin cd ceres-bin cmake .. make -j8 make test sudo make install ceres 安装完毕 .
Intel和AMD的FPGA型号
mjiansun的专栏
11-15 700
今天是2023年5月22日，XILINX的FPGA已经发展到了第7代，在高性能可编程器件领域，Xilinx已经成为神一般的存在，尤其在航空、航天、军工、通信、医疗等领域，Xilinx有着难以撼动的地位。然而当下，美帝严格限制高端芯片出口，俄乌战争中俄罗斯军工严重缺芯，其中就包含了FPGA。我从事手机基带硬件设计行业，早些时候在航电领域也有过几年工作经验，深知FGPA在“高端硬件”领域有着举足轻重的地位。恰逢这两年国产化浪潮，帮朋友做了几个FPGA的项目，就把这么多年FPGA的经验积累做了个归纳总结。
白皮书丨英特尔® Agilex™ FPGA 和 SoC：面向互联世界的综合性可编程逻辑产品组合
英特尔开发人员专区
03-20 753
英特尔® Agilex™ FPGA 产品组合包含一系列产品，可充分满足每一个技术领域（从边缘到嵌入式系统，再到通信和数据中心）的众多可编辑逻辑需求。在所有这些领域中，数据爆炸导致新产品需求激增，以便移动、处理和存储数据并从中获得可执行的深度分析。这些产品的开发人员需要硬件灵活性来应对不断变化的市场需求、集成多种功能、采用不断演进的标准和支持多样性工作负载带来的挑战。英特尔® Agilex™ FPGA提供应对这些挑战所需的灵活性以及针对应用优化的高级特性和功能，可帮助开发人员灵活开展创新。
基于Qt+Opencv+PCL开发的单目线结构光3D点云重建软件（源码+图片），开箱即用
09-13
基于Qt+Opencv+PCL开发的单目线结构光3D点云重建软件（源码+图片），开箱即用，非常好的资源！ 基于Qt+Opencv+PCL开发的单目线结构光3D点云重建软件（源码+图片），开箱即用，非常好的资源！ 基于Qt+Opencv+PCL开发...
[数字图像处理] 入门篇、实践篇、综合篇目录 | 包含讲解+完整代码+运行效果图 | 助您轻松理解图像处理相关知识
静谧、淡雅
12-01 2564
数字图像处理（入门篇）、 数字图像处理（实践篇）、数字图像处理（综合篇）- 总目录
最新Lidar激光点云数据处理及可视化软件汇总
「 刘一哥与GIS的故事」
11-20 2万+
常见的点云处理及可视化软件有： CloudCompare、Globalmapper、Pix4d、ArcGIS（Pro）、Lidar 360、PCL、Quick Terrian Model等等。
【ROS】控制小车走矩形框
？的博客
11-17 1089
这里并不建议将我们自行编写的scout_control_demo1节点添加到scout_robot_base.launch文件中，但是我们可以新建一个新的launch文件。我们需要在scout_base功能包的src目录下新建一个名为scout_control_demo1.cpp的文件，然后在功能包下的CMakeLists.txt文件中加入对应内容以包含该文件。之后，我们就可以进入ugv_sdk/bulid文件夹下，运行对应的scout_mini_omni_demo。[4] 四元数转欧拉角。
松灵学院 | Scout mini 仿真指南
AgileX的博客
04-22 4336
本文适合有 ROS1 基础与了解 urdf语法 和 gazebo 的朋友 SCOUT MINI 是一款全地形高速Mini UGV，具有四轮差速驱动、独立悬挂、原地差速自转等特点，得益于自主研发的轻量级动力系统解决方案，SCOUT MINI最大速度高达10KM/H，专为前沿科学实验设计的全能型移动研究平台。 此外，松灵为用户提供了 SCOUT MINI 的完整 gazebo 仿真支持库，本文将带您逐步上手使用： 仓库地址：https://github.com/agilexrobotics/ugv_ga.
松灵新品丨全球首款多模态®ROS开发平台LIMO来了，将联合古月居打造精品课程
AgileX的博客
08-11 937
多地形通过性和多场景的适应性一直是无人驾驶、机器人等场景化所需要突破的难题。通过多模态运动融合，提高跨维度运动的柔性适应能力是一种理想的解决方式，这决定了机器人和移动平台未来应用场景开拓的深度和广度。 为探索多场景交互学习的可行方案，领先的移动机器人底盘和软硬件系统提供商松灵机器人，借助多年的机器人硬件结构创新经验和软件算法开发优势，为科研教育用户开创了全球首款集四种运动模态和高性能传感器系统于一体的ROS开发平台LIMO，提供了适应场景更广泛、更符合行业应用要求的学习平台，适用于机器人和无人驾驶的教育、功
操作ＲＯＳ松灵机器人步骤及遇到的问题
LSG_Dawn的博客
07-26 2704
１.catkin_make编译时，总失败，报错如下： param_demo.cpp:(.text+0x50)：对‘ros::init(int&, char**, std::string const&, unsigned int)’未定义的引用 param_demo.cpp:(.text+0x80)：对‘ros::NodeHandle::NodeHandle(std::string const&, std::map<std::string, std::string, std:
agx_sdk:Agilex机器人平台SDK
05-27
Agilex机器人平台SDK 版权所有（c）2020 介绍 支持平台 侦察兵：滑移机动基地 猎人：阿克曼移动基地 地堡：毛毛虫移动基地 示踪剂：滑移机动基地 迷你侦察兵：滑移机动基地 该软件包提供了一个C ++接口，可与Agilex Robot的移动平台进行通信，以将命令发送到机器人并获取最新的机器人状态。 该SDK在x86和ARM平台上均可使用。 通常，您只需要实例化机器人基类的对象（例如ScoutBase），然后使用该对象以编程方式控制机器人。 在内部，基类管理两个后台线程，一个处理机器人状态的CAN / UART消息并相应地更新机器人状态数据结构中的状态变量，另一个维护一个50Hz循环并将最新命令发送给机器人基座。 用户可以在主线程中迭代执行任务，并检查机械手状态或设置控制命令。 有关示例，请参考“ src / apps”。 硬体介面 设置CAN到USB适配器 启用gs_us
松灵课堂 | SCOUT的仿真使用
AgileX的博客
08-04 3175
松灵课堂 | SCOUT的仿真使用 想必大家在机器人开发验证的过程中会遇到很多问题，比如说场地问题：在办公室写好了算法，却不能马上找到场地进行测试验证；又比如说千辛万苦找到了场地，但测试结果却和算法的不一致。为了解决这些问题，我们在原来的SDK、ROS Package的基础上，新增了Gazebo和Webos的仿真特性，方便大家在虚拟的环境下验证自己的算法。本次小课堂将以SCOUT为例子，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Akaxi-1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值