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

中文分词jieba库的使用与实景应用（一）

中文分词jieba库的使用与实景应用（一）

知识星球：https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义： 精确模式（默认模式）： 全模式： 搜索引擎模式： paddle 模式（基于深度学习的分词模式）： 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取
阅读更多...
使用SecondaryNameNode恢复NameNode的数据

使用SecondaryNameNode恢复NameNode的数据

1）需求： NameNode进程挂了并且存储的数据也丢失了，如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2）故障模拟 （1）kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 （2）删除NameNode存储的数据（/opt/module/hadoop-3.1.4/data/tmp/dfs/na
阅读更多...
Hadoop数据压缩使用介绍

Hadoop数据压缩使用介绍

一、压缩原则 （1）运算密集型的Job，少用压缩 （2）IO密集型的Job，多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1）为了支持多种压缩/解压缩算法，Hadoop引入了编码/解码器 2）要在Hadoop中启用压缩，可以配置如下参数
阅读更多...
Makefile简明使用教程

Makefile简明使用教程

文章目录 规则makefile文件的基本语法：加在命令前的特殊符号：.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具，常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
阿里开源语音识别SenseVoiceWindows环境部署

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别： 采用超过 40 万小时数据训练，支持超过 50 种语言，识别效果上优于 Whisper 模型。富文本识别：具备优秀的情感识别，能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力，支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推
阅读更多...
pdfmake生成pdf的使用

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据，将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma
阅读更多...
零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]
阅读更多...
git使用的说明总结

git使用的说明总结

Git使用说明 下载安装(下载地址) macOS: Git - Downloading macOS Windows: Git - Downloading Windows Linux/Unix: Git (git-scm.com) 创建新仓库 本地创建新仓库：创建新文件夹，进入文件夹目录，执行指令 git init ，用以创建新的git 克隆仓库 执行指令用以创建一个本地仓库的
阅读更多...
【北交大信息所AI-Max2】使用方法

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡，拥有登录权限的账号密码，一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 （如果是1集群把75改成66） 交互式开发 执行器选Terminal 密码随便设一个（需记住） 工作空间：私有数据、全部文件 加速器选GeForce_RTX_2080_Ti
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2