在ROS中使用opencv-识别白线

2023-10-18 17:50
文章标签 使用 opencv ros 识别 白线

本文主要是介绍在ROS中使用opencv-识别白线，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

当时写的一个识别白线的程序，还不算完整，后面要自己用程序算出两天线之间中点的坐标，并反馈坐标信息回来，跟底层通讯，做一个闭环。
在这里插入图片描述

#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
#include<cv_bridge/cv_bridge.h>
#include<sensor_msgs/image_encodings.h>
#include<image_transport/image_transport.h>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <cv.h>
#include <math.h>
using namespace std;
using namespace cv;static const std::string OPENCV_WINDOW1 = "Image window"; //定义输入窗口名称
static const std::string OPENCV_WINDOW2 = "Gray window"; //定义输出窗口名称
static const std::string OPENCV_WINDOW3 = "Canny window"; //定义输出窗口名称
static const std::string OPENCV_WINDOW4 = "Hough window"; //定义输出窗口名称
//定义一个转换的类
class RGB_GRAY
{
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:RGB_GRAY():it_(nh_) //构造函数{image_sub_ = it_.subscribe("/cv_camera/image_raw", 1, &RGB_GRAY::convert_callback, this); //定义图象接受器，订阅话题是“camera/rgb/image_raw”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_WINDOW1);cv::namedWindow(OPENCV_WINDOW2);cv::namedWindow(OPENCV_WINDOW3);cv::namedWindow(OPENCV_WINDOW4);}~RGB_GRAY() //析构函数{cv::destroyWindow(OPENCV_WINDOW1);cv::destroyWindow(OPENCV_WINDOW2);cv::destroyWindow(OPENCV_WINDOW3);cv::destroyWindow(OPENCV_WINDOW4);}/*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_ptr1; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr2; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr3; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr4; // 声明一个CvImage指针的实例try{cv_ptr1 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr2 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr3 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr4 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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}catch(cv_bridge::Exception& e)  //异常处理{ROS_ERROR("cv_bridge exception: %s", e.what());return;}image_process1(cv_ptr1->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image_process2(cv_ptr2->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image_process3(cv_ptr3->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image_process3(cv_ptr3->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}/*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*/void image_process1(cv::Mat img1)//这里是灰度处理{cv::Mat img_out1;cv::cvtColor(img1, img_out1, CV_RGB2GRAY);  //转换成灰度图象cv::imshow(OPENCV_WINDOW1, img1);cv::imshow(OPENCV_WINDOW2, img_out1);cv::waitKey(5);}void image_process2(cv::Mat img2)//这里是边缘检测{cv::Mat dstframe;cv::Mat edge;cv::Mat grayVideo;dstframe.create(img2.size(),img2.type());cv::cvtColor(img2,grayVideo,CV_BGR2GRAY);cv::blur(grayVideo,edge,cvSize(15,15));cv::Canny(edge, edge, 0, 30,3);cv::imshow(OPENCV_WINDOW3, edge);cv::waitKey(5);}void image_process3(cv::Mat img3){cv::Mat dst2;cv::Mat cdst2;cv::Canny(img3, dst2, 50, 200, 3);cv::cvtColor(dst2, cdst2, CV_GRAY2BGR);//灰度化vector<Vec2f> lines;HoughLines(dst2, lines, 1, CV_PI/180, 100, 0, 0 );for( size_t i = 0; i < lines.size(); i++ )//将求得的线条画出来{float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2;double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;pt1.x = cvRound(x0 + 1000*(-b));pt1.y = cvRound(y0 + 1000*(a));pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));line( cdst2, pt1, pt2, Scalar(0,0,255), 2, CV_AA);cv::imshow(OPENCV_WINDOW4, cdst2);cout<<"x="<<(pt1.x+pt2.x)/2<<endl;        cout<<"y="<<(pt1.y+pt2.y)/2<<endl;}cv::waitKey(5);}};//主函数int main(int argc, char** argv){ros::init(argc, argv, "RGB");RGB_GRAY obj;ros::spin();}

当时写的一个识别白线的程序，还不算完整，后面要自己用程序算出两天线之间中点的坐标，并反馈坐标信息回来，跟底层通讯，做一个闭环。

#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
#include<cv_bridge/cv_bridge.h>
#include<sensor_msgs/image_encodings.h>
#include<image_transport/image_transport.h>
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <cv.h>
#include <math.h>
using namespace std;
using namespace cv;static const std::string OPENCV_WINDOW1 = "Image window"; //定义输入窗口名称
static const std::string OPENCV_WINDOW2 = "Gray window"; //定义输出窗口名称
static const std::string OPENCV_WINDOW3 = "Canny window"; //定义输出窗口名称
static const std::string OPENCV_WINDOW4 = "Hough window"; //定义输出窗口名称
//定义一个转换的类
class RGB_GRAY
{
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:RGB_GRAY():it_(nh_) //构造函数{image_sub_ = it_.subscribe("/cv_camera/image_raw", 1, &RGB_GRAY::convert_callback, this); //定义图象接受器，订阅话题是“camera/rgb/image_raw”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_WINDOW1);cv::namedWindow(OPENCV_WINDOW2);cv::namedWindow(OPENCV_WINDOW3);cv::namedWindow(OPENCV_WINDOW4);}~RGB_GRAY() //析构函数{cv::destroyWindow(OPENCV_WINDOW1);cv::destroyWindow(OPENCV_WINDOW2);cv::destroyWindow(OPENCV_WINDOW3);cv::destroyWindow(OPENCV_WINDOW4);}/*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_ptr1; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr2; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr3; // 声明一个CvImage指针的实例cv_bridge::CvImagePtr cv_ptr4; // 声明一个CvImage指针的实例try{cv_ptr1 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr2 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr3 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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_ptr4 =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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}catch(cv_bridge::Exception& e)  //异常处理{ROS_ERROR("cv_bridge exception: %s", e.what());return;}image_process1(cv_ptr1->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image_process2(cv_ptr2->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image_process3(cv_ptr3->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image_process3(cv_ptr3->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}/*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*/void image_process1(cv::Mat img1)//这里是灰度处理{cv::Mat img_out1;cv::cvtColor(img1, img_out1, CV_RGB2GRAY);  //转换成灰度图象cv::imshow(OPENCV_WINDOW1, img1);cv::imshow(OPENCV_WINDOW2, img_out1);cv::waitKey(5);}void image_process2(cv::Mat img2)//这里是边缘检测{cv::Mat dstframe;cv::Mat edge;cv::Mat grayVideo;dstframe.create(img2.size(),img2.type());cv::cvtColor(img2,grayVideo,CV_BGR2GRAY);cv::blur(grayVideo,edge,cvSize(15,15));cv::Canny(edge, edge, 0, 30,3);cv::imshow(OPENCV_WINDOW3, edge);cv::waitKey(5);}void image_process3(cv::Mat img3){cv::Mat dst2;cv::Mat cdst2;cv::Canny(img3, dst2, 50, 200, 3);cv::cvtColor(dst2, cdst2, CV_GRAY2BGR);//灰度化vector<Vec2f> lines;HoughLines(dst2, lines, 1, CV_PI/180, 100, 0, 0 );for( size_t i = 0; i < lines.size(); i++ )//将求得的线条画出来{float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2;double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;pt1.x = cvRound(x0 + 1000*(-b));pt1.y = cvRound(y0 + 1000*(a));pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));line( cdst2, pt1, pt2, Scalar(0,0,255), 2, CV_AA);cv::imshow(OPENCV_WINDOW4, cdst2);cout<<"x="<<(pt1.x+pt2.x)/2<<endl;        cout<<"y="<<(pt1.y+pt2.y)/2<<endl;}cv::waitKey(5);}
};
//主函数
int main(int argc, char** argv)
{ros::init(argc, argv, "RGB");RGB_GRAY obj;ros::spin();
}

看着好烦，稍微简化了一下，我写代码的风格是代码量越少越好。可能坐标计算这里还需要改进。

#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
#include<cv_bridge/cv_bridge.h>
#include<sensor_msgs/image_encodings.h>
#include<image_transport/image_transport.h>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;static const std::string OPENCV_WINDOW = "Hough window"; //定义输出窗口名称
//定义一个转换的类
class RGB_GRAY
{
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:RGB_GRAY():it_(nh_) //构造函数{image_sub_ = it_.subscribe("/cv_camera/image_raw", 1, &RGB_GRAY::convert_callback, this); //定义图象接受器，订阅话题是“camera/rgb/image_raw”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);}~RGB_GRAY() //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{cv_ptr =  cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //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}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}/*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*/void image_process(cv::Mat img)//这里是灰度处理{Mat dst;Mat cdst;Canny(img, dst, 50, 200, 3);cvtColor(dst, cdst, CV_GRAY2BGR);//灰度化vector<Vec2f> lines;HoughLines(dst, lines, 1, CV_PI/180, 100, 0, 0 );for( size_t i = 0; i < lines.size(); i++ )//将求得的线条画出来{float rho = lines[i][0], theta = lines[i][1];Point pt1, pt2;double a = cos(theta), b = sin(theta);double x0 = a*rho, y0 = b*rho;pt1.x = cvRound(x0 + 1000*(-b));pt1.y = cvRound(y0 + 1000*(a));pt2.x = cvRound(x0 - 1000*(-b));pt2.y = cvRound(y0 - 1000*(a));line( cdst, pt1, pt2, Scalar(0,0,255), 2, CV_AA);cout<<"x="<<(pt1.x+pt2.x)/2<<endl;        cout<<"y="<<(pt1.y+pt2.y)/2<<endl;}imshow(OPENCV_WINDOW, cdst);waitKey(5);}
};
//主函数
int main(int argc, char** argv)
{ros::init(argc, argv, "RGB");RGB_GRAY obj;ros::spin();
}

这篇关于在ROS中使用opencv-识别白线的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/234198。

相关文章

使用Python删除Excel中的行列和单元格示例详解

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定
阅读更多...
深入理解Go语言中二维切片的使用

深入理解Go语言中二维切片的使用

《深入理解Go语言中二维切片的使用》本文深入讲解了Go语言中二维切片的概念与应用,用于表示矩阵、表格等二维数据结构,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧... 目录引言二维切片的基本概念定义创建二维切片二维切片的操作访问元素修改元素遍历二维切片二维切片的动态调整追加行动态
阅读更多...
prometheus如何使用pushgateway监控网路丢包

prometheus如何使用pushgateway监控网路丢包

《prometheus如何使用pushgateway监控网路丢包》：本文主要介绍prometheus如何使用pushgateway监控网路丢包问题,具有很好的参考价值,希望对大家有所帮助,如有错误... 目录监控网路丢包脚本数据图表总结监控网路丢包脚本[root@gtcq-gt-monitor-prome
阅读更多...
Python通用唯一标识符模块uuid使用案例详解

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数
阅读更多...
SpringBoot中如何使用Assert进行断言校验

SpringBoot中如何使用Assert进行断言校验

《SpringBoot中如何使用Assert进行断言校验》Java提供了内置的assert机制,而Spring框架也提供了更强大的Assert工具类来帮助开发者进行参数校验和状态检查,下... 目录前言一、Java 原生assert简介1.1 使用方式1.2 示例代码1.3 优缺点分析二、Spring Fr
阅读更多...
Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理；Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期
阅读更多...
java使用protobuf-maven-plugin的插件编译proto文件详解

java使用protobuf-maven-plugin的插件编译proto文件详解

《java使用protobuf-maven-plugin的插件编译proto文件详解》：本文主要介绍java使用protobuf-maven-plugin的插件编译proto文件,具有很好的参考价... 目录protobuf文件作为数据传输和存储的协议主要介绍在Java使用maven编译proto文件的插件
阅读更多...
SpringBoot线程池配置使用示例详解

SpringBoot线程池配置使用示例详解

《SpringBoot线程池配置使用示例详解》SpringBoot集成@Async注解,支持线程池参数配置（核心数、队列容量、拒绝策略等）及生命周期管理,结合监控与任务装饰器,提升异步处理效率与系统... 目录一、核心特性二、添加依赖三、参数详解四、配置线程池五、应用实践代码说明拒绝策略（Rejected
阅读更多...
C++ Log4cpp跨平台日志库的使用小结

C++ Log4cpp跨平台日志库的使用小结

《C++Log4cpp跨平台日志库的使用小结》Log4cpp是c++类库,本文详细介绍了C++日志库log4cpp的使用方法,及设置日志输出格式和优先级,具有一定的参考价值,感兴趣的可以了解一下... 目录一、介绍1. log4cpp的日志方式2.设置日志输出的格式3. 设置日志的输出优先级二、Window
阅读更多...
Ubuntu如何分配​​未使用的空间

Ubuntu如何分配​​未使用的空间

《Ubuntu如何分配​​未使用的空间》Ubuntu磁盘空间不足,实际未分配空间8.2G因LVM卷组名称格式差异（双破折号误写）导致无法扩展,确认正确卷组名后,使用lvextend和resize2fs... 目录1：原因2：操作3：报错5：解决问题：确认卷组名称​6：再次操作7：验证扩展是否成功8：问题已解
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2