IntelRealsenseZR300-TF坐标转换 系列第五篇

  接着上述的工作，在将近一个月的摸索实践中，终于完成了抓取的工作。其中包含tf坐标系的转换以及最后位置的调试工作。

---

这一篇先讲述如果进行根据camera_link以及base_link之间的转换关系完成一个点、一组点的进阶坐标转换。接着之前的手眼标定，连接起相机以及机械手臂的tf_tree.

#rosrun rqt_tf_tree rqt_tf_tree

这里要注意在camera_link中包含的子树camera_rgb_optical_frame以及camera_rgb_frame两个坐标系是不同的，从rviz里面来看其position大致重合，但是orentation是不一样的，而且相机检测到的可乐罐的位置坐标所属是在camera_rgb_optical_frame下的，所以在转换过程中（TF点的transform）一定要注意函数里面的参数是什么意思，坐标系代表的是哪一个坐标系，不然不清不楚在后面的位置标定过程中会出现很多错误。

---

  开始tf转换过程的总结。首先当然是参考的我们官网教程，不可否认，虽然在他人的csdn博客可以学到或者拿到想看的内容，但是相比之下还是官网内容比较详细，如果某句程序、函数不懂可以很快的理解并修改。下面是核心的subscriber以及publisher（c++版本以及python版本）

http://wiki.ros.org/ROS/Tutorials/WritingPublisherSubscriber%28c%2B%2B%29 

http://wiki.ros.org/ROS/Tutorials/WritingPublisherSubscriber%28python%29

以及依然可以替代参考的几篇csdn博客

https://blog.csdn.net/Will_Ye/article/details/79485964

https://blog.csdn.net/start_from_scratch/article/details/50762293/

https://blog.csdn.net/Will_Ye/article/details/79996311

由开发流程来看，首先要查看所要得到的物体位置信息（如何挖数据），接着要转换一个点从camera_link到base_link下，接着便是将物体的实时位置从camera_rgb_optical_frame到base_link坐标系下面。

这里插一个在pyhon里面查看所用到的函数：

ipython()
help(tf.TransformBroadcaster.sendTransform)
可以查看该函数的参数及相关信息。

                   -----------------------------------------------------1---------------------------------------------------------

1.查看物体位置信息：

之前已经提到RecognizedObjectArray这个数组存放的是物体的位置信息，包括position orentation 以及header等等。这个数组是linemod算法在识别到物体位置以后将位置存储到这里（并且以话题的形式publish消息，所以我们能在rviz里面看到物体的标定位置）

下面是之前定义存放识别到物体信息存放的数组位置listener.py（写的一个简单的判断打印物体信息的位置）

#!/usr/bin/env python
#coding=utf-8
import rospy

# from std_msgs.msg import String  
from object_recognition_msgs.msg import RecognizedObjectArray

def callback(data):
    if len(data.objects)>0:
        print "coke detected~~~~~~~~~~~~~~~~~~~~"
        rospy.loginfo(rospy.get_caller_id() + 'heard %s', data.objects[0].pose.pose.pose)
        # rospy.loginfo(rospy.get_caller_id() + 'heard %s', data.objects[0].pose)
    else:
        print "nothing detected................."

def listener():
    # In ROS, nodes are uniquely named. If two nodes with the same
    # name are launched, the previous one is kicked off. The
    # anonymous=True flag means that rospy will choose a unique
    # name for our 'listener' node so that multiple listeners can
    # run simultaneously.

    rospy.init_node('listener', anonymous=True)
    rospy.Subscriber('recognized_object_array', RecognizedObjectArray, callback)
    # spin() simply keeps python from exiting until this node is stopped
    rospy.spin()
 
if __name__ == '__main__':
    listener()

 ---------------------------------------关于import-----------------------------------------

from A模块 import B函数=import A 使用A.B（参数）。要注意的是虽然使用from import以后不需要在函数名加前缀，但是B函数只默认是A模块的函数（如果同名的话），这样同名但是分属不同模块 不同功能的函数就会造成冲突。所以优先使用import ,之后使用 A模块.B函数（C参数）的形式。

------------------------------------------------------------------------------------------------

这个程序只是打印物体的位置信息并且加了一个简单的判断，让我们来看为什么要这样写（怎么来挖数据）。挖数据核心主要是rospy.Subscriber('recognized_object_array', RecognizedObjectArray, callback)用来订阅RecognizedObjectArray话题并且一旦接收到消息就调用回调函数callback。而另一句打印 rospy.loginfo(rospy.get_caller_id() + 'heard %s', data.objects[0].pose.pose.pose) ，前面的id没什么用，后面的回调函数先判断是不是空的内容（是否识别到物体），data指代了RecognizedObjectArray的所有信息，也就是一个形参。用下面的命令来查看数据：

#rosmsg show RecognizedObjectArray

用来查看发布的消息的类型以及包含的内容

这样来看data=RecognizedObjectArray,然后data.object[]=RecognizedObjectArray[],也就是指向消息的第二个变量object[]数组，如果用object[0]代表取当前检测到的第一个物体位置信息的数组信息。继续挖，data.object[]=RecognizedObjectArray[]包含了几个对象，比如header、type、confidence、pose(未截到图)等等以及他们对应的数据类型。运行listener来继续看

#rosrun ur10_rg