kinects_human_tracking包解读（点云版）

最新推荐文章于 2022-03-09 16:13:13 发布
最新推荐文章于 2022-03-09 16:13:13 发布
阅读量649 收藏 5
点赞数 2
分类专栏： ROS
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/qq_36013249/article/details/103120132
版权
本文介绍了kinects_human_tracking包，用于在多自由度机械臂人机协作环境中进行人体和运动物体的点云追踪。通过安装ROS、kinect驱动和该包，启动相关节点进行点云处理、背景分离、机器人分离，从而获取目标点云并计算与机器人的最近点。文中还详细阐述了操作流程和rqt_graph分析。
摘要由CSDN通过智能技术生成

综述：

kinects_human_tracking包实现了多自由度机械臂人机协作环境中的人体及运动物体的点云追踪，原始的软件包开发自kuka-isir（下面安装的是改进版），该包主要实现了对人机协作环境的点云提取、背景分离、机器人分离，最终得到人或运动物体的点云，并计算其和机器人的最近点即最近点的运动方向，入下图：
在这里插入图片描述

安装：

  1. ROS安装：ROS-WIKI
  2. kinect驱动（基于ROS）安装：iai_kinect2
  3. kinects_human_tracking包安装：kinects_human_tracking

操作流程

  • roscore
  • roslaunch kinects_human_tracking kinectV2.launch,启动了kinect2_bridge包；
  • &
最低0.47元/天 解锁文章
吃龙虾一样能吃饱
关注
专栏目录
单目标任务跟踪yolov3
weixin_42357472的博客
07-06 2272
参考：https://github.com/Sierkinhane/human_tracker 其中weights和train_data文件夹里的需要提前创建下载：https://pan.baidu.com/s/1ECT_CA8UlgsMlzvBcVwr2w pw:om7k 测试视频运行：python tracking.py 视频放在videos文件夹下，最后跑出来的视频放在outputs下，...
kinects_human_tracking:在ROS上围绕机器人对多Kinect系统进行人工跟踪
05-15
kinects_human_tracking 建置状态 该软件包旨在用于跟踪携带物品并在机器人周围移动的人员。 我们强烈建议使用多个RGBD传感器（“ kinects”）（主要用于处理机器人的遮挡），但是此包装可以与单个传感器一起使用。 显然，所有传感器的内在特性和外在特性都需要进行适当的校准。 首先，对于所有种类，我们都将机器人从点云中移除，因此我们不会跟踪机器人而不是人类。 其次，然后通过减去当前视图中没有任何人的照片来去除静态背景。 然后，我为每个减去背景和机器人的深度图像创建一个点云，对所得的点云进行下采样，并将所有这些点合并到一个云中。 最后，我们从合并的pointCloud创建群集，并且仅使用最接近机械手的群集。 因此，不同的步骤是： 运行机器人 运行RGBD传感器 发布每个传感器的外部信息（相机位置） 从深度图像中删除机器人 存储最小背景 从深度图像中删除背景 从深度
Human-Tracker
04-06
人体追踪器 这是我的Human Tracker程序，主程序“ Human Tracker.py”需要OpenCV和图形卡。 摄像头程序是为AIthinker ESP32-cam设计的，WiFi凭据是硬编码的，因此在上传到设备之前必须先填写它们。 floorPlan.py是我编写的用于创建和操纵floorPlan类的文件，该类在“ Human Tracker.py”中使用。 我没有在文件的第一行中找到我从中得到它的网站，写了centroidTracker.py。 my_floor_plan.floorplan只是作为平面图外观的示例，可以手动编写平面图，也可以使用floorPlan.py中包含的功能来创建平面图。
Kinect 骨骼/人体追踪的python开发环境搭建
weixin_43928944的博客
08-11 3665
Kinect 骨骼/人体追踪的python开发环境搭建 开发环境：windows10 目标设备：Kinect xbox one 安装pycharm 开发环境（略） SDK 下载： Kinect for Windows SDK 2.0 https://www.microsoft.com/en-us/download/details.aspx?id=44561 Azure Kinect Body Tracking SDK v1.1.0 https://www.microsoft.com/en-us/downlo
realtime_urdf_filter:ROS软件包，可以从Kinect深度图像中过滤URDF模型中定义的几何形状。 也可以为OpenNI跟踪器预处理数据，以删除背景，机器人等
05-16
realtime_urdf_filter 该软件包为深度图像提供了基于OpenGL的，基于着色器的加速过滤。 场景几何是在URDF模型中定义的，还有定义摄像机位置和过滤参数的参数。 只要TF延迟不是太高，静态环境模型和铰接式机器人模型都可以很好地工作。 传入的Kinect帧作为纹理传输到GPU，并且从同一角度渲染场景。 结果，我们可以访问着色器中的实测深度图和虚拟深度图，在其中可以定义有效的比较操作。 机器人自我过滤进行人体骨骼跟踪预处理的示例： 机器人自我过滤以进行对象操纵： 依存关系 这已经过验证，可以在带有ROS Indigo的Ubuntu 14.04上运行。 该软件包要求以下内容：第三方库 GLSL（GL着色器语言）1.40版或更高版本 GLEW（GL扩展牧马人）1.6版 注意：尝试将此软件包与GLEW 1.5一起使用会导致分段错误。 ROS接口 开箱即用可以使用两个RO
matlabkinect代码-3D_Data_Acquisition_Registration_Using_Kinects:使用两个相对的Ki
06-13
matlab kinect 代码 使用对立 Kinect 进行 3D 数据采集和配准 介绍 这是“使用两个相对的 ...点云注册到一个联合坐标系中。...Kinects V2 RGBD 传感器，并将它们的点云注册到关节空间 [1]。 它包含校准、采
Scanning 3D Full Human Bodies Using Kinects
02-09
Scanning 3D Full Human Bodies Using Kinects
python normalize函数_数据正规化 (data normalization) 的原理及实现 (Python sklearn)
weixin_39607473的博客
12-18 2705
原理数据正规化(data normalization)是将数据的每个样本(向量)变换为单位范数的向量，各样本之间是相互独立的．其实际上，是对向量中的每个分量值除以正规化因子．常用的正规化因子有 L1, L2 和 Max．假设，对长度为 n 的向量，其正规化因子 z 的计算公式，如下所示：注意：Max 与无穷范数不同，无穷范数是需要先对向量的所有分量取绝对值，然后取其中的最大值；而 Max 是向...
基于三个kinect的人体建模
hust_twj的专栏
04-03 4174
单个kinect的人体建模，在1.8版本的SDK中，Kinect Fusion的效果已经很不错了。但是其缺点就是扫描时间长，而且需要人体或者kinect转动以实现全方位扫描。而运用三个kinect来进行人体建模，只需要将三个kinect按照一定角度（比如各相距120°）固定位置，人体不动也能实现对人体的全身扫描，相比之下时间花销短。     基于三个kinect的人体建模，首先要对三个kinec
kinect2.0开发(一) 读取深度图像
沧海一帆的专栏
11-19 1万+
读取深度图像
UR3机械臂使用kinect2相机利用easy_hand手眼标定
SpengTAN的博客
05-15 2977
１.下载easy_handeye(标定的工具包) https://github.com/IFL-CAMP/easy_handeye 2.下载vision_visp(标定过程调用) https://github.com/lagadic/vision_visp 下载aruco_ros(标定过程调用) https://github.com/pal-robotics/aruco_ros 进入/cat...
点云 3D 目标跟踪 - AB3DMOT（IROS 2020, ECCVW 2020）
77wpa的博客
03-09 6347
3D多目标跟踪（MOT）是自动驾驶和辅助机器人等许多应用的重要组成部分。最近关于3D MOT的工作侧重于开发精确的系统，而不太注重实际考虑，例如计算成本和系统复杂性。相比之下，这项工作提出了一个简单的实时3D MOT系统。我们的系统首先从LiDAR点云获得3D检测。然后，使用3D卡尔曼滤波器和匈牙利算法的直接组合进行状态估计和数据关联。此外，3D MOT数据集（如KITTI）评估2D空间中的MOT方法，标准化的3D MOT评估工具缺失，无法公平比较3D MOT方法。
文字识别(OCR)CRNN（基于pytorch、python3） 实现不定长中文字符识别
热门推荐
Sierkinhane的博客
09-26 5万+
实时姿态估计网络：https://github.com/Sierkinhane/AtrousPose 简单单人跟踪：https://github.com/Sierkinhane/human_tracker（基于目标检测与特征映射算法） 演示视频：https://www.bilibili.com/video/av44360925 新写的关于人脸检测算法MTCNN的文章https://......
ros显示kinect v1彩色图和深度图问题
星秋凌的博客
02-16 3742
利用ros显示kinect彩色图和深度图，参考网址：http://blog.csdn.net/u012526003/article/details/51003347 出现问题：通过rviz可以显示深度图，输入rosrun image_view disparity_view image:=/camera/depth/disparity后出现窗口，但无法显示深度图，等了一会窗口变黑，然后就没
3D点云目标追踪论文盘点（含3D点云标注工具）
AI_ning1111的博客
08-14 3251
3D点云相比2D图片多出来深度这一元素，大大提高了定位空间目标位置的准确性，在机器人,自动驾驶,虚拟现实,遥感测绘等领域有着广泛的应用前景，是计算机视觉未来发展的必然方向，如何精准的识别各个物体在空间中的形状、位置、姿态，恢复和重建物体表面的三角化网格和纹理映射，实现物体在三维空间的检测、识别、追踪以及交互，仅仅依赖一副图像是无法做到的，借助不同相机组成的立体视觉系统，亦或由相机、雷达等多个传感器融合获取3D点云数据是比较常用的方法。 在此基础上，诸多研究者们提出了很多有效的方法和策略。 在点云的目标跟踪的
基于ROS机器人的3D物体识别与三维重建(二) Kinect2相机标定与点云获取
Ray Home
11-20 1万+
（二）Kinect2相机标定与点云数据获取
点云数据分割——单层栅格映射
hit1524468的专栏
04-18 5767
1. 参考文献： Lidar-based Methods for Tracking and Identification下载链接： http://publications.lib.chalmers.se/records/fulltext/241972/241972.pdf2. 分割方法原理为了能够分离地面和障碍物， 假设地面相对平坦，即地面扫描点的 z 轴方向的波动较小，通过将扫描区域进行栅格划分...
探索Kinect 2.0：编写代码，开启创新项目
第十章“Multiple Kinects”探讨如何在多个Kinect设备之间协同工作，扩展系统的覆盖范围和性能，例如在大型环境中实现全方位监控或多人游戏体验。 本书不仅提供了理论知识，还包含丰富的实践案例和代码示例，使读者...
评论 3
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
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