ROS下配置OpenCV

一.环境准备

Ubuntu16.04
ROS-kinetic
opencv3.3.1
video-stream-opencv（Python）
或者usb_cam （c++）
一个USB摄像头

 

video-stream-opencv是USB摄像头驱动，关于它的介绍，请看github:https://github.com/ros-drivers/video_stream_opencv 

 

二. 在ROS下创建工作空间

在欢迎界面， 点击“新建工作区”按钮（或选择“文件 - 新建工作区” ） ， 选择路径并
填写工作区名称， 如“catkin_ws”， 则会创建一个名为“catkin_ws”工作区， 并显示在资源管理
器窗口：

三、在工作空间下创建程序包

1、安装video-stream-opencv

$ cd ~/catkin_ws/src/
$ git clone https://github.com/ros-drivers/video_stream_opencv.git
$ cd .. 
$ catkin_make

2、编译好之后，添加编译好的文件到环境变量：

$ source devel/setup.bash

3、测试是否安装成功

在终端输入：

$ rosrun video_stream_opencv test_video_resource.py 0  #后面的0是摄像头编号

https://yq.aliyun.com/ziliao/203675

https://blog.csdn.net/Gpwner/article/details/78961362

1、安装usb_cam

进入创建好的工作空间：

cd ~/catkin_ws/src
git clone https://github.com/bosch-ros-pkg/usb_cam.git

然后退回到工作空间，编译代码：

cd ~/catkin_ws
catkin_make

编译好之后，添加编译好的文件到环境变量：

source devel/setup.bash

2、然后接下来测试usb_cam：
先运行usb_cam节点：

rosrun usb_cam usb_cam_node

运行上面命令发现没有显示图像，只看到摄像头打开了。这是因为ros发布的topic是/usb_cam/image_raw。新打开一个终端，可以通过如下命令查看：

rostopic list

所以我们需要运行如下命令才可以看到图像：

rosrun image_view image_view image:=/usb_cam/image_raw

或者直接写launch文件，这样就不用一个终端运行node，一个终端看图像。新建usb_cam_test.launch：

<launch>
  <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
    <param name="video_device" value="/dev/video0" />
    <param name="image_width" value="640" />
    <param name="image_height" value="480" />
    <param name="pixel_format" value="yuyv" />
    <param name="camera_frame_id" value="usb_cam" />
    <param name="io_method" value="mmap"/>
  </node>
  <node name="image_view" pkg="image_view" type="image_view" respawn="false" output="screen">
    <remap from="image" to="/usb_cam/image_raw"/>
    <param name="autosize" value="true" />
  </node>
</launch>

然后终端直接运行：

roslaunch usb_cam usb_cam_test.launch

右键点击 ROS 工作区下的“src”， 选择“新建 ROS 包”，输入包名称及其依赖包的名
称，如：
“robot_vision roscpp std_msgs cv_bridge image_transport sensor_msgs”

回车后，会创建名为“robot_vision ”、以“roscpp std_msgs cv_bridge image_transport sensor_msgs”为依赖的 ROS 包：

3、创建.cpp源文件

  在创建的程序包的src文件中创建一个文本文件，并命名为opencv_test.cpp,选择添加到可执行文件中。具体代码和注释如下：

#include<ros/ros.h> //ros标准库头文件
#include<image_transport/image_transport.h>/* image_transport 头文件用来在ROS系统中的话题上发布和订阅图象消息*/
#include<cv_bridge/cv_bridge.h>/* cv_bridge中包含CvBridge库 */
#include<sensor_msgs/image_encodings.h>/* ROS图象类型的编码函数*/
#include<iostream> //C++标准输入输出库

//OpenCV3标准头文件
#include<opencv2/opencv.hpp>


static const std::string OPENCV_WINDOW = "Image window"; //定义输入窗口名称


//定义一个转换的类
class ImageConverter
{
private:
    ros::NodeHandle nh_; //定义ROS句柄
    image_transport::ImageTransport it_; //定义一个image_transport实例
    image_transport::Subscriber image_sub_; //定义ROS图象接收器
    image_transport::Publisher image_pub_; //定义ROS图象发布器
public:
    ImageConverter()
      :it_(nh_) //构造函数
    {    //这里是usb摄像头的topic，官网默认是/camera/image_raw，这里修改为usb摄像头/usb_cam/image_raw。
              //定义图象接受器，订阅话题是“/usb_cam/image_raw”
        image_sub_ = it_.subscribe("/usb_cam/image_raw", 1, &ImageConverter::convert_callback, this); 
        image_pub_ = it_.advertise("/image_converter/output_video", 1); //定义图象发布器
        //初始化输入输出窗口
        cv::namedWindow(OPENCV_WINDOW);
    }
    ~ImageConverter() //析构函数
    {
         cv::destroyWindow(OPENCV_WINDOW);
    }
    /*这是一个ROS和OpenCV的格式转换回调函数，将图象格式从sensor_msgs/Image--->cv::Mat*/
    void convert_callback(const sensor_msgs::ImageConstPtr& msg) 
    {
        cv_bridge::CvImagePtr cv_ptr; // 声明一个CvImage指针的实例

        try
        {   //将ROS消息中的图象信息提取，生成新cv类型的图象，复制给CvImage指针
            cv_ptr = cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8);
        }
        catch(cv_bridge::Exception& e)  //异常处理
        {
            ROS_ERROR("cv_bridge exception: %s", e.what());
            return;
        }

        image_process(cv_ptr->image); //得到了cv::Mat类型的图象，在CvImage指针的image中，将结果传送给处理函数   
         // Output modified video stream
         image_pub_.publish(cv_ptr->toImageMsg());
    }
    /*这是图象处理的主要函数，一般会把图像处理的主要程序写在这个函数中。这里的例子只是一个彩色图象到灰度图象的转化
    到时候要修改就修改这里的函数即可    */
    void image_process(cv::Mat& img) 
    {
        // Draw an example circle on the video stream 
        if (img.rows > 60 && img.cols > 60) 
            {
                cv::circle(img, cv::Point(50, 50), 10, CV_RGB(255,0,0)); 
            }
        // Update GUI Window
         cv::imshow(OPENCV_WINDOW, img);
         cv::waitKey(5);
    }
};

//主函数
int main(int argc, char** argv)
{
    ros::init(argc, argv, "image_converter");
    ImageConverter ic;
    ros::spin();
    return 0;
}

4.CMakeLists.txt

进入包的目录，修改CmakeList.txt，在文件最后添加：

find_package(OpenCV REQUIRED)

include_directories(${OpenCV_INCLUDE_DIRS})

add_executable(opencv_test src/opencv_test.cpp) #根据自己的文件名修改里面opencv_test的内容

target_link_libraries(opencv_test ${catkin_LIBRARIES} ${OpenCV_LIBRARIES})

其中， Debug 和 Release 选项分别表示构建调试版和发布版， 默认构建方式为本地构建 。

有两种构建方法：

编译完成后，执行：

source devel/setup.bash

先打开一个终端运行roscore，用以节点之间的通信交互。
再打开一个终端运行rosrun usbcam usbcam_node
再打开一个终端运行rosrun opencvtest opencv_testcam
之后即可看到opencv处理后摄像头的图像。

如果找不到包，执行命令

rospack profile

source ~/catkin_ws/devel/setup.bash