在ROS中 opencv 发布和接收图像消息

首先,我是参考这篇文章:
https://blog.csdn.net/u010925447/article/details/80033288
但是,消息转换并不成功:

cv::Mat image = cv::imread(argv[1], CV_LOAD_IMAGE_COLOR);
sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", image).toImageMsg();

所以,我又改成了这样:

    // ros 消息定义
    cv_bridge::CvImagePtr frame, frame1;
    frame = boost::make_shared< cv_bridge::CvImage >();
    frame->encoding = sensor_msgs::image_encodings::MONO8;
    frame->image = RefImg;
    frame1 = boost::make_shared< cv_bridge::CvImage >();
    frame1->encoding = sensor_msgs::image_encodings::BGR8;

     // publish
     frame1->image = pesudo_img;
     if( not frame->image.empty() || not frame1->image.empty())
     {
         frame->header.stamp = ros::Time::now();
         frame1->header.stamp = ros::Time::now();
         pub.publish( frame->toImageMsg() );
         pub1.publish( frame1->toImageMsg() );
     }
        
	// 订阅图像主题:原始图和深度图
	image_transport::ImageTransport it(n);
	image_transport::Subscriber sub2 = it.subscribe("camera/image", 1, imageCallback);

通过,上面操作才完成了图像消息发布与接收。

参考:
http://docs.ros.org/diamondback/api/cv_bridge/html/c++/classcv__bridge_1_1CvImage.html

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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图像话题,并将其转换为OpenCV可处理的格式。可以使用ROS自带的`cv_bridge`包将ROS图像消息转换为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,并将其转换为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图像消息转换为OpenCV图像,并在其进行图像检测。 2. 进行图像检测 一旦将图像转换为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
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