Track and Follow an Object----4

原创博文：转载请标明出处（周学伟）：http://www.cnblogs.com/zxouxuewei/tag/

ntroduction:

在本示例中，我们将探索包含Kinect摄像头的自主行为。 这个算法是TurtleBot寻找一个蓝色的球，然后停留在离球的固定距离。 首先tuetlebot已经集成了基本的安全行为，例如碰撞和悬崖检测等。

运行此示例需要图像处理的工具箱。

　　先决条件：与TurtleBot正常通信，探索TurtleBot的基本行为，使用遥控控制TurtleBot，使用TurtleBot避开障碍。

Hardware Support Package for TurtleBot

本示例概述了使用其本机ROS接口的TurtleBot。 基于TurtleBot的机器人的机器人系统工具箱支持包为TurtleBot提供了更简洁的界面。

它允许您：
     1. 获取传感器数据并发送控制命令，而不显式调用ROS命令。
     2.与Gazebo中的模拟机器人或物理TurtleBot进行通信。

要安装支持包，在MATLAB Home选项卡上打开Add-Ons > Get Hardware Support Packages，然后选择“TurtleBot-Based Robots”。 或者，使用roboticsAddons命令。

Trial>> roboticsAddons

Connect to the TurtleBot or zxbot

　　确保你有一个TurtleBot运行在通过Gazebo®或真实硬件的模拟。 有关启动过程，请参阅开始使用Gazebo和模拟TurtleBot或开始使用Real TurtleBot。 如果您使用硬件，请找到用于跟踪的蓝色球。 如果你使用Gazebo，蓝色的球必须在机器人前面的世界。

     初始化ROS。 通过将示例IP地址（192.168.1.156）替换为TurtleBot的IP地址来连接到TurtleBot

　　在这我使用的是自主研发的ZXBOT机器人，首先通过SSH连接机器人，然后启动相关节点

 ZXBOT：
　　//打开ubuntu终端
　　ssh ubuntu@192.168.1.156
　　roslaunch odom_tf_package zxbot_kinect_start.launch

zxbot_kinect_start.launch内容如下：主要完成里程计的发布，激光雷达/scan数据的发布，kinect的openni驱动。

<launch>

    <param name="use_sim_time" value="false" />
    <node name="link_camera" pkg="tf" type="static_transform_publisher" args="0.15 0 0.15 0 0 0 base_link camera_link 50"/>
    <node name="link_laser" pkg="tf" type="static_transform_publisher" args="0.15 0 0.15 0 0 0 base_link laser 50"/> 
    <node pkg="odom_tf_package" type="tf_tf_not_smoother" name="serial_send_recevice" output="screen"/>
　　
　　<include file="$(find odom_tf_package)/launch/include/rplidar_ros.launch.xml"/>

    <include file="$(find openni_launch)/launch/openni.launch"/>
  
</launch> 

初始化ROS。 通过将IP地址（192.168.1.1）替换为TurtleBot的IP地址来连接到TurtleBot。（或者ZXBOT机器人）

ipaddress = '192.168.1.156'
rosinit(ipaddress)

如果您使用真正的TurtleBot硬件，请确保您已经启动了Kinect摄像机.你必须在TurtleBot的终端输入。

命令启动相机是：

roslaunch turtlebot_bringup 3dsensor.launch

 下面为彩色相机，边沿检测传感器和触碰开关传感器创建订阅者。 创建发布者控制机器人速度。我在这里用的是ZXBOT机器人，没有边沿检测传感器和触碰开关传感器，所以就不创建发布者。

//如果你采用的是turtlebot  
 　　 handles.colorImgSub = exampleHelperTurtleBotEnableColorCamera;
 　　 handles.cliffSub = rossubscriber('/mobile_base/events/cliff', 'BufferSize', 5);
 　　 handles.bumpSub = rossubscriber('/mobile_base/sensors/bumper_pointcloud', 'BufferSize', 5);
 　　 handles.soundPub = rospublisher('/mobile_base/commands/sound', 'kobuki_msgs/Sound');
 　　 handles.velPub = rospublisher('/mobile_base/commands/velocity');
//若果你采用的是zxbot或者自己的机器人，请按照自己的机器人话题名称去订阅和发布。
　  　handles.colorImgSub = exampleHelperTurtleBotEnableColorCamera;
　  　handles.velPub = rospublisher('/cmd_vel');

Tune the Blue Ball Detection

设置图像过滤的参数。 将它们添加到将算法中使用的数据结构中。

  blueBallParams.blueMax = 120;  % Maximum permissible deviation from pure blue
  blueBallParams.darkMin = 30;   % Minimum acceptable darkness value

尝试可视化球，以确保球找到参数可以找到它。 运行exampleHelperTurtleBotFindBlueBall函数来查看是否找到了一个圆。 如果是，则c和m被赋值。 球是通过在图像上应用蓝色和暗度滤波器而创建的二值图像。 查找球，看看蓝色球是否被正确隔离：