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

Python使用FastAPI实现大文件分片上传与断点续传功能

Python使用FastAPI实现大文件分片上传与断点续传功能

《Python使用FastAPI实现大文件分片上传与断点续传功能》大文件直传常遇到超时、网络抖动失败、失败后只能重传的问题,分片上传+断点续传可以把大文件拆成若干小块逐个上传,并在中断后从已完成分片继... 目录一、接口设计二、服务端实现（FastAPI）2.1 运行环境2.2 目录结构建议2.3 serv
阅读更多...
Spring Security简介、使用与最佳实践

Spring Security简介、使用与最佳实践

《SpringSecurity简介、使用与最佳实践》SpringSecurity是一个能够为基于Spring的企业应用系统提供声明式的安全访问控制解决方案的安全框架,本文给大家介绍SpringSec... 目录一、如何理解 Spring Security？—— 核心思想二、如何在 Java 项目中使用？——
阅读更多...
springboot中使用okhttp3的小结

springboot中使用okhttp3的小结

《springboot中使用okhttp3的小结》OkHttp3是一个JavaHTTP客户端,可以处理各种请求类型,比如GET、POST、PUT等,并且支持高效的HTTP连接池、请求和响应缓存、以及异... 在 Spring Boot 项目中使用 OkHttp3 进行 HTTP 请求是一个高效且流行的方式。
阅读更多...
Java使用Javassist动态生成HelloWorld类

Java使用Javassist动态生成HelloWorld类

《Java使用Javassist动态生成HelloWorld类》Javassist是一个非常强大的字节码操作和定义库,它允许开发者在运行时创建新的类或者修改现有的类,本文将简单介绍如何使用Javass... 目录1. Javassist简介2. 环境准备3. 动态生成HelloWorld类3.1 创建CtC
阅读更多...
使用Python批量将.ncm格式的音频文件转换为.mp3格式的实战详解

使用Python批量将.ncm格式的音频文件转换为.mp3格式的实战详解

《使用Python批量将.ncm格式的音频文件转换为.mp3格式的实战详解》本文详细介绍了如何使用Python通过ncmdump工具批量将.ncm音频转换为.mp3的步骤,包括安装、配置ffmpeg环... 目录1. 前言2. 安装 ncmdump3. 实现 .ncm 转 .mp34. 执行过程5. 执行结
阅读更多...
Java使用jar命令配置服务器端口的完整指南

Java使用jar命令配置服务器端口的完整指南

《Java使用jar命令配置服务器端口的完整指南》本文将详细介绍如何使用java-jar命令启动应用,并重点讲解如何配置服务器端口,同时提供一个实用的Web工具来简化这一过程,希望对大家有所帮助... 目录1. Java Jar文件简介1.1 什么是Jar文件1.2 创建可执行Jar文件2. 使用java
阅读更多...
C#使用Spire.Doc for .NET实现HTML转Word的高效方案

C#使用Spire.Doc for .NET实现HTML转Word的高效方案

《C#使用Spire.Docfor.NET实现HTML转Word的高效方案》在Web开发中,HTML内容的生成与处理是高频需求,然而,当用户需要将HTML页面或动态生成的HTML字符串转换为Wor... 目录引言一、html转Word的典型场景与挑战二、用 Spire.Doc 实现 HTML 转 Word1
阅读更多...
Java中的抽象类与abstract 关键字使用详解

Java中的抽象类与abstract 关键字使用详解

《Java中的抽象类与abstract关键字使用详解》：本文主要介绍Java中的抽象类与abstract关键字使用详解,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友跟随小编一起看看吧... 目录一、抽象类的概念二、使用 abstract2.1 修饰类 => 抽象类2.2 修饰方法 => 抽象方法，没有
阅读更多...
MyBatis ParameterHandler的具体使用

MyBatis ParameterHandler的具体使用

《MyBatisParameterHandler的具体使用》本文主要介绍了MyBatisParameterHandler的具体使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参... 目录一、概述二、源码1 关键属性2.setParameters3.TypeHandler1.TypeHa
阅读更多...
Spring 中的切面与事务结合使用完整示例

Spring 中的切面与事务结合使用完整示例

《Spring中的切面与事务结合使用完整示例》本文给大家介绍Spring中的切面与事务结合使用完整示例,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考... 目录 一、前置知识：Spring AOP 与 事务的关系 事务本质上就是一个“切面”二、核心组件三、完
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2