基于YOLOv5以及ROS的Kobuki小车防撞报警算法实现

一、主体函数部分：

创建一个BoundingBoxes对象，用于存储检测结果。

将BoundingBoxes对象的header和image_header设置为收到的图像消息的header。

将getImageStatus设置为True，表示已经收到了图像消息。

将图像数据转换成OpenCV格式，并将图像从BGR格式转换为RGB格式。

使用yolov5模型对图像进行物体检测，并将检测结果以Pandas DataFrame的形式返回。

获取检测结果中的边界框坐标、置信度和类别信息。

调用dectshow函数可视化检测结果，并将图像高度和宽度作为参数传递。

订阅话题以及发布话题

二、Dectshow函数部分

复制输入图像，初始化txt字符串和count计数器。使用for循环遍历检测结果中的所有边界框，并在每个边界框周围画一个矩形。创建一个BoundingBox对象，用于存储边界框的信息。将边界框的坐标、置信度、类别等信息存储在BoundingBox对象中。如果当前边界框的类别已经存在于self.classes_colors字典中，则使用该类别对应的颜色。否则，随机生成一种颜色，并将其与当前类别关联。如果当前边界框的类别为人，则计算目标与相机之间的距离，将其添加到label字符串中。（小车中的见人报警效果）绘制边界框和类别标签，并将BoundingBox对象添加到self.boundingBoxes.bounding_boxes列表中。将检测结果和图像发布到指定的话题中，并在窗口中显示结果。

三、Person_distance行人测距函数部分

用于单目相机的距离测量，根据相机的视场角和图像宽度，计算出相机的焦距。然后根据测得的行人在图像中的高度，通过三角形相似原理计算出行人与相机的距离.具体来说，首先将相机的视场角fov和图像宽度image_width作为已知量，计算出相机的焦距foc。然后通过测得行人在图像中的高度h，利用以下公式计算行人与相机的距离：

distance = (real_height * foc) / (h - 2)

其中real_height为行人的实际高度，这里默认为66.9英寸（即170厘米），需要根据实际情况进行修改。距离的单位为米。

四、Kobuki机器人调试部分

1. 首先，安装ubuntu虚拟机、ros以及运行算法所需要的虚拟环境http://t.csdn.cn/8BOKg，在这一步要特别小心：
   1. ubuntu版本和ros版本对应关系：
      1. ubuntu16.04对应ros-kinetic
      2. ubuntu18.04对应ros-melodic；
      3. ubuntu20.04对应ros-noetic。
   2. 运行ros和虚拟环境的python版本冲突问题：
      1. 版本切换方法ubuntu切换python版本-CSDN博客
      2. 汇总解决方法https://blog.51cto.com/u_15302822/5777865
2. 其次，建立ros工作空间（最好一步到位直接下载kobuki的所有资源包），然后catkin_make编译工作空间，这一步时常会有报错，基本上网上都可以找的到，有点耐心debug；
3. 终于编译成功之后，就可以把自己写的代码添加到src文件夹里面了，一定要注意如果自己的代码里面有自定义的数据类型，一定要在msgs里面进行注册；
4. 接下来可以连接kobuki小车进行测试：Turbot中级教程-安装-Turtlebot及相关软件安装 - 创客智造/爱折腾智能机器人；
5. 最后，进行小车准确性和速度的调试。