ROS通信编程

最新推荐文章于 2024-05-16 09:46:29 发布

三叶味

最新推荐文章于 2024-05-16 09:46:29 发布

阅读量817

点赞数 20

文章标签： linux

本文链接：https://blog.csdn.net/liuwei1015/article/details/136749404

版权

一、ROS基础——话题、服务、动作编程

1、ros的工作空间

主要是一些存放工程开发相关文件的文件夹，其中主要包括src，build，devel，install文件夹。
其中：

src:代码空间（Source Space ）
build:编译空间（Build Space）
devel:开发空间（Development Space）
install:安装空间（Install Space）

1.1.1创建工作空间

创建工作空间创建工作空间是第一步，只有先创建好工作空间，后面的工作才能很好的执行

mkdir -p ~/catkin_ws/src#创建文件夹
cd ~/catkin_ws/src#进入目录
catkin_init_workspace#初始化，使其成为ROS的工作空间

1.1.2编译工作空间

cd ..
catkin_make

在这里插入图片描述
可以看到，在目录下自动生成了两个文件build、devel

1.1.3环境变量设置

source /home/shi/catkin_ws/devel/setup.bash#该环境变量设置只对当前终端有效，shi是用户名
#将上面命令放置到~/.bashrc文件中，让其对所有终端都有效
sudo nano ~/.bashrc

在这里插入图片描述

2.功能包

1.2.1创建功能包

cd ~/catkin_ws/src
catkin_create_pkg learning_communication std_msgs rospy roscpp

#catkin_create_pkg 功能包名字 依赖
#std_msgs：定义的标准的数据结构
#rospy：提供python编程接口 
#roscpp：提供c++编程接口

1.2.2编译功能包

cd ~/catkin_ws
catkin_make

3.ROS通信编程

创建cpp文件

gedit talker.cpp
gedit listener.cpp

talker.cpp

#include<sstream>
#include"ros/ros.h"
#include"std_msgs/String.h"
int main(int argc,char **argv)
{
	//ROS节点初始化
	ros::init(argc,argv,"talker");
	//创建节点句柄
	ros::NodeHandle n;
	//创建一个Publisher，发布名为chatter的topic，消息类型为std_msgs::String
	ros::Publisher chatter_pub=n.advertise<std_msgs::String>("chatter",1000);
	//设置循环的频率
	ros::Rate loop_rate(10);
	int count=0;
	while(ros::ok())
	{
		//初始化std_msgs::String类型的消息
		std_msgs::String msg;
		std::stringstream ss;
		ss<<"hello world"<<count;
		msg.data=ss.str();
		//发布消息
		ROS_INFO("%s",msg.data.c_str());
		chatter_pub.publish(msg);
		//循环等待回调函数
		ros::spinOnce();
		//接受循环频率延时
		loop_rate.sleep();
		++count;
	}
	return 0;
}

listener.cpp

#include"ros/ros.h"
#include"std_msgs/String.h"
//接收到订阅的消息，会进入消息的回调函数
void chatterCallback(const std_msgs::String::ConstPtr& msg)
{
	//将接收到的消息打印处理
	ROS_INFO("I heard:{%s}",msg->data.c_str());
}
int main(int argc,char **argv)
{
	//初始化ROS节点
	ros::init(argc,argv,"listener");
	//创建节点句柄
	ros::NodeHandle n;
	//创建一个Subscriber，订阅名为chatter的topic，注册回调函数chatterCallback
	ros::Subscriber sub=n.subscribe("chatter",1000,chatterCallback);
	//循环等待回调函数
	ros::spin();
	return 0;
}

设置CMakeLists.txt文件
加入以下代码

add_executable(talker src/talker.cpp)
target_link_libraries(talker ${catkin_LIBRARIES})

add_executable(listener src/listener.cpp)
target_link_libraries(listener ${catkin_LIBRARIES})

编译
在这里插入图片描述
运行

roscore
rosrun learning_communication talker
rosrun learning_communication listener

在这里插入图片描述
出现“[rospack]Error:package ‘learning_communication’ not found”错误
解决方法：
sudo gedit ~/.bashrc
在末尾添加source /home/xxx/catkin_ws/devel/setup.bash
这里xxx指的是自己的用户名

4.服务编程

1.定义srv文件

mkdir ~/catkin_ws/src/learning_communication/srv
sudo nano AddTwoInts.srv

AddTwoInts.srv

int64 a
int64 b
---
int64 sum

在这里插入图片描述

2.在package.xml中添加功能包依赖

<build_depend>message_generation</build_depend>
<exec_depend>message_runtime</exec_depend>

在这里插入图片描述
3.在CMakeLists.txt添加编译选项

在src 里创建cpp文件

gedit server.cpp
gedit client.cpp

server.cpp
#include<ros/ros.h>
#include"learning_communication/AddTwoInts.h"
//service回调函数，输入参数req，输出参数res
bool add(learning_communication::AddTwoInts::Request &req,learning_communication::AddTwoInts::Response &res)
{
	//将输入的参数中的请求数据相加，结果放到应答变量中
	res.sum=req.a+req.b;
	ROS_INFO("request: x=%1d,y=%1d",(long int)req.a,(long int)req.b);
	ROS_INFO("sending back response:[%1d]",(long int)res.sum);
	return true;
}
int main(int argc,char **argv)
{
	//ROS节点初始化
	ros::init(argc,argv,"add_two_ints_server");
	//创建节点句柄
	ros::NodeHandle n;
	//创建一个名为add_two_ints的server,注册回调函数add()
	ros::ServiceServer service=n.advertiseService("add_two_ints",add);
	//循环等待回调函数
	ROS_INFO("Ready to add two ints.");
	ros::spin();
	return 0;
}

client.cpp

#include<cstdlib>
#include<ros/ros.h>
#include"learning_communication/AddTwoInts.h"
int main(int argc,char **argv)
{
	//ROS节点初始化
	ros::init(argc,argv,"add_two_ints_client");
	//从终端命令行获取两个加数
	if(argc!=3)
	{
		ROS_INFO("usage:add_two_ints_client X Y");
		return 1;
	}
	//创建节点句柄
	ros::NodeHandle n;
	//创建一个client，请求add_two_ints_service
	//service消息类型是learning_communication::AddTwoInts
	ros::ServiceClient client=n.serviceClient<learning_communication::AddTwoInts>("add_two_ints");
	//创建learning_communication::AddTwoInts类型的service消息
	learning_communication::AddTwoInts srv;
	srv.request.a=atoll(argv[1]);
	srv.request.b=atoll(argv[2]);
	//发布service请求，等待加法运算的应答请求
	if(client.call(srv))
	{
		ROS_INFO("sum: %1d",(long int)srv.response.sum);
	}
	else
	{
		ROS_INFO("Failed to call service add_two_ints");
		return 1;
	}
	return 0;
}

运行可执行文件
先运行server，再运行client
在这里插入图片描述

二、Opencv简介

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了许多用于处理图像和视频的函数和工具。OpenCV最初由英特尔开发，现在由Willow Garage、Itseez和Intel等公司维护。它支持多种编程语言，包括C++、Python和Java，可以在多个平台上运行，包括Windows、Linux、macOS和Android。OpenCV提供了丰富的图像处理和计算机视觉算法，包括特征检测、目标识别、运动跟踪等功能，被广泛应用于机器视觉、图像处理、安防监控等领域。
OpenCV是一个功能强大的计算机视觉库，它提供了丰富的图像处理和计算机视觉算法，包括但不限于：

图像处理：包括图像滤波、边缘检测、图像变换等功能，可以对图像进行各种处理和增强。
特征检测与描述：提供了多种特征检测算法，如Harris角点检测、SIFT、SURF等，以及特征描述算法，如ORB、BRIEF等。
目标识别与跟踪：包括目标检测、人脸识别、物体跟踪等功能，可以在图像或视频中识别和跟踪特定目标。
摄像头标定与几何变换：可以对摄像头进行标定，进行图像的透视变换等几何变换操作。
机器学习支持：OpenCV还提供了机器学习模块，可以用于训练和使用机器学习模型，如支持向量机、决策树等。

基础的核心模块：

core模块：实现最核心的数据结构及其基本运算，如绘图函数、数组操作相关函数等;

highgui模块：实现视频与图像的读取、显示、存储等接口;

imgproc模块: 实现图像处理的基础方法，包括图像滤波、图像的几何变换、平滑、阈值分割、形态学处理、边缘检测、目标检测、运动分析和对象跟踪等;

图像处理其他更高层次的方向及应用相关的模块：

stitching模块: 实现图像拼接功能;

features2d模块: 用于提取图像特征及特征匹配;

nonfree模块: 实现一些专利算法，如sift特征;

photo模块: 包含图像修复和图像去噪两部分;

ml模块: 机器学习模块（SVM，决策树，Boosting等）;

G-API模块: 包含超高效的图像处理pipeline引擎 ;

FLANN模块: 包含快速近似最近邻搜索FLANN和聚类Clustering算法;

video模块: 针对视频处理，如背景分离，前景检测、对象跟踪等;

objdetect模块: 实现一些目标检测的功能，经典的基于Haar、LBP特征的人脸检测，基于HOG的行人、汽车等目标检测，分类器使用Cascade Classification（级联分类）和Latent SVM等;

calib3d模块: 即Calibration（校准）3D，该模块主要是相机校准和三维重建相关的内容。包含基本的多视角几何算法，单个立体摄像头标定，物体姿态估计，立体相似性算法，3D信息的重建等;

三、Opencv安装

1.下载Opencv3.4.12

国内快速下载网址：Index of /opencv/opencv-3.4.12/ (raoyunsoft.com)
在这里插入图片描述

2.解压安装包

将安装包复制到主目录（home）下再进行解压。

输入命令：unzip opencv-3.4.12.zip

在这里插入图片描述

3.使用cmake安装opencv

输入命令：cd opencv-3.4.12

在这里插入图片描述

输入命令：sudo su

                  sudo apt-get update

在这里插入图片描述

输入命令：sudo apt-get install cmake

在这里插入图片描述

输入命令：mkdir build

                  cd build

在这里插入图片描述

4.使用make创建编译

输入命令：sudo make

5.安装

输入命令：sudo make install

6.配置环境

修改 opencv.conf 文件，打开后的文件是空的，添加 opencv 库的安装路径：/usr/local/lib

输入命令：sudo gedit /etc/ld.so.conf.d/opencv.conf

在这里插入图片描述

输入命令：sudo ldconfig

输入命令：sudo gedit /etc/bash.bashrc

在这里插入图片描述
在文件末尾加入：

 PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig export PKG_CONFIG_PATH

在这里插入图片描述
保存并退出，然后执行如下命令使得配置生效：

source /etc/bash.bashrc
pkg-config --modversion opencv

四、使用实例

4.1.图片

4.1.1创建目录和文件

先创建一个test目录，来保证所有作业再目录下进行,后面有文件解会再此文件下进行，图片也需要存入此文件

# mkdir test
# cd test

用以下代码创建一个test1.cpp文件再进行编译

# gedit test1.cpp

然后在文件中填入以下代码，编译图片的代码

#include <opencv2/highgui.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
	CvPoint center;
    double scale = -3; 

	IplImage* image = cvLoadImage("xixi.jpg");
	argc == 2? cvLoadImage(argv[1]) : 0;
	
	cvShowImage("Image", image);
	
	if (!image) return -1; 	center = cvPoint(image->width / 2, image->height / 2);
	for (int i = 0;i<image->height;i++)
		for (int j = 0;j<image->width;j++) {
			double dx = (double)(j - center.x) / center.x;
			double dy = (double)(i - center.y) / center.y;
			double weight = exp((dx*dx + dy*dy)*scale);
			uchar* ptr = &CV_IMAGE_ELEM(image, uchar, i, j * 3);
			ptr[0] = cvRound(ptr[0] * weight);
			ptr[1] = cvRound(ptr[1] * weight);
			ptr[2] = cvRound(ptr[2] * weight);
		}

	Mat src;Mat dst;
	src = cvarrToMat(image);
	cv::imwrite("test.png", src);

    cvNamedWindow("test",1);  	imshow("test", src);
	 cvWaitKey();
	 return 0;
}

4.1.2编译文件

gcc编译器：gcc + 文件名 + -o + 输出文件流名称 + 支持包
根据如此，输入如下代码：

# gcc test1.cpp -o test1 `pkg-config --cflags --libs opencv`

在这里插入图片描述

在此文件下预存一个自命名的后缀名为.jpg的图片，此为我们图片原件，编译后可用来比对变化，然后输入以下代码进行对图片的编译：
在这里插入图片描述

在这里插入图片描述

4.1.3 关于编译命令的解释

注意gcc编译命令: gcc test1.cpp -o test1 pkg-config --cflags --libs opencv

请解释这条编译命令，它是如何获得opencv头文件、链接lib库文件的路径的？
这条编译命令中的 pkg-config --cflags --libs opencv 部分是用来获取OpenCV的头文件路径和库文件路径的。让我来解释一下：

pkg-config 是一个在Unix和Linux系统上用来方便地查询已安装软件包信息的工具。
--cflags 选项用于获取OpenCV的头文件路径，这些路径会被添加到编译器的参数中，以便编译器能够找到OpenCV的头文件。
--libs 选项用于获取OpenCV的库文件路径，这些路径会被添加到链接器的参数中，以便链接器能够找到OpenCV的库文件。
因此，pkg-config --cflags --libs opencv 这部分命令会返回OpenCV的头文件路径和库文件路径，并将其添加到编译命令中，以确保编译器和链接器能够正确找到和使用OpenCV的头文件和库文件。

2.打开摄像头并播放视频

4.2.1下载cheese

sudo apt-get install cheese

在这里插入图片描述

4.2.2连接摄像头

点击“虚拟机”，再点击“设置”
在这里插入图片描述

虚拟机右下角这个摄像头图标有个小绿点，则连接成功。

4.2.3播放视频

创建一个test2.cpp文件。

输入命令：vim test2.cpp

将以下代码复制粘贴进去：

#include <opencv2/opencv.hpp>
using namespace cv;
int main()
{
	//读取视频
	VideoCapture capture("MH.mp4");
	//循环显示每一帧
	while(1){
		Mat frame;//定义一个Mat变量，用于存储每一帧的图像
		capture >> frame;//读取当前帧
		if(frame.empty())//播放完毕，退出
			break;
		imshow("读取视频帧",frame);//显示当前帧
		waitKey(30);//掩饰30ms
	}
	system("pause");
	return 0;
}

代码讲解：

如果语句：VideoCapture capture(0)，后面的参数设置为 0 ，则从摄像头读取视频并循环显示每一帧；如果设置为一个视频的文件名，比如：PC.mp4 ，则会将视频读取并循环显示每一帧。
while 循环体中的 Mat 数据结构其实是一个点阵，对应图像上的每一个点，点的集合形成了一帧图像，有关 Mat 详解请看：OpenCV中Mat数据结构
语句：waitKey(30) ，中的参数单位是 ms 毫秒，也就是每一帧间隔 30 ms ，该语句时不能删除的，否则会执行错误，无法播放视频或录制视频。
此代码会在while循环中一直运行，如果试图用鼠标关闭图像显示窗口，会发现始终关不掉。需要用键盘Ctrl+C 强制中断程序。
编译test2.cpp文件。

g++ test2.cpp -o test2 `pkg-config --cflags --libs opencv`
./test2

在这里插入图片描述

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/f477eff9157c48de955324c5b73c62d5.png

3.打开摄像头录制视频

创建一个test3.cpp文件。

vim test3.cpp

编译test3.cpp文件。

g++ test3.cpp -o test3 `pkg-config --cflags --libs opencv`

打开摄像头
在这里插入图片描述
按esc键停止并保存。

五、总结

安装opencv是要耐心，在opencv中我们接触到了摄像监控等，还可以用到人脸识别等。

六、参考资料

Ubuntu18.04下OpenCV3.4.11的安装及使用示例_可乐有点好喝的博客-CSDN博客
解决Failed to load module canberra-gtk-module错误_footrip的博客-CSDN博客_canberra-gtk-module

三叶味

关注

20
点赞
踩
23

收藏

觉得还不错? 一键收藏
0
评论
ROS通信编程

OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了许多用于处理图像和视频的函数和工具。OpenCV最初由英特尔开发，现在由Willow Garage、Itseez和Intel等公司维护。它支持多种编程语言，包括C++、Python和Java，可以在多个平台上运行，包括Windows、Linux、macOS和Android。
复制链接

扫一扫