用opencv库来检测ros深度图像数据中的障碍

本文介绍如何利用opencv库对ROS获取的深度图像数据进行处理,将16U格式转换为8U,并设定阈值(大于20对应320mm距离)以识别障碍。同时,通过排除面积小于100mm²的凸形外轮廓来滤除噪点,最终展示深度图和障碍图。
摘要由CSDN通过智能技术生成

获得深度图像数据,转成cv::Mat格式

cv::Mat depthMat(depthi->getHeight(), depthi->getWidth (),  CV_16UC1, depth_map);

清除1米外的数据

int nr = depthMat.rows; // number of rows 
int nc = depthMat.cols; // number of columns 
for (int i = 0; i<nr; i++)
{
    for (int j = 0; j<nc; j++) {
        if (depthMat.at<ushort>(i, j)>1000){
            depthMat.at<ushort>(i, j) = 0;
        }
    }
}

将像素16U数据转成8U数据

depthMat.convertTo(depthMat, CV_8UC1, 1.0 / 16);

正常来说因子应该为 256/65536=1/256。16表示16×256=4096,可测障碍最远为4.096米,而1米外的障碍已清楚,图像像素最大深度肯定小于1000,因此因子为1/16可将图像上的所有障碍保留下来。


用阈值函数将图像中的障碍显示到一个平面中

cv::Mat threshold_output;
cv::threshold(depthMat, thr
ROS结合OpenCV进行图像检测,可以使用以下步骤: 1. 订阅图像话题 首先,需要订阅相机或其他设备发布的图像话题,并将其换为OpenCV可处理的格式。可以使用ROS自带的`cv_bridge`包将ROS图像消息换为OpenCV图像格式。以下是一个示例代码,订阅名为`/camera/image_raw`的图像话题,并将其换为OpenCV图像: ```python import rospy import cv2 from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError bridge = CvBridge() def image_callback(msg): try: cv_image = bridge.imgmsg_to_cv2(msg, "bgr8") except CvBridgeError as e: print(e) else: # 在这里进行图像检测 # ... rospy.init_node('image_subscriber') image_topic = "/camera/image_raw" rospy.Subscriber(image_topic, Image, image_callback) rospy.spin() ``` 在上述代码,`image_callback`函数将接收到的ROS图像消息换为OpenCV图像,并在其进行图像检测。 2. 进行图像检测 一旦将图像换为OpenCV格式,就可以使用OpenCV的函数进行图像处理和检测。例如,可以使用OpenCV的`cv2.CascadeClassifier`类来进行人脸检测。以下是一个示例代码: ```python import rospy import cv2 from sensor_msgs.msg import Image from cv_bridge import CvBridge, CvBridgeError bridge = CvBridge() face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') def image_callback(msg): try: cv_image = bridge.imgmsg_to_cv2(msg, "bgr8") except CvBridgeError as e: print(e) else: gray = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY) faces = face_cascade.detectMultiScale(gray, 1.3, 5) for (x,y,w,h) in faces: cv2.rectangle(cv_image,(x,y),(x+w,y+h),(255,0,0),2) cv2.imshow("Image window", cv_image) cv2.waitKey(3) rospy.init_node('image_subscriber') image_topic = "/camera/image_raw" rospy.Subscriber(image_topic, Image, image_callback) rospy.spin() ``` 在上述代码,`haarcascade_frontalface_default.xml`是一个预训练的分类器文件,用于人脸检测。代码使用`cv2.CascadeClassifier`类加载该文件,并使用`detectMultiScale`函数进行人脸检测检测到人脸后,代码在图像绘制矩形框以标记人脸。 3. 显示图像结果 最后,将检测结果显示在图像窗口。可以使用OpenCV的`cv2.imshow`函数显示图像,用`cv2.waitKey`函数等待键盘输入,以保持图像窗口的显示。以下是示例代码: ```python cv2.imshow("Image window", cv_image) cv2.waitKey(3) ``` 希望这些步骤可以帮助您在ROS结合OpenCV进行图像检测
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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