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

Spring IoC 容器的使用详解(最新整理)

Spring IoC 容器的使用详解(最新整理)

《SpringIoC容器的使用详解(最新整理)》文章介绍了Spring框架中的应用分层思想与IoC容器原理,通过分层解耦业务逻辑、数据访问等模块,IoC容器利用@Component注解管理Bean... 目录1. 应用分层2. IoC 的介绍3. IoC 容器的使用3.1. bean 的存储3.2. 方法注
阅读更多...
Python内置函数之classmethod函数使用详解

Python内置函数之classmethod函数使用详解

《Python内置函数之classmethod函数使用详解》：本文主要介绍Python内置函数之classmethod函数使用方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地... 目录1. 类方法定义与基本语法2. 类方法 vs 实例方法 vs 静态方法3. 核心特性与用法(1编程客
阅读更多...
Linux中压缩、网络传输与系统监控工具的使用完整指南

Linux中压缩、网络传输与系统监控工具的使用完整指南

《Linux中压缩、网络传输与系统监控工具的使用完整指南》在Linux系统管理中,压缩与传输工具是数据备份和远程协作的桥梁,而系统监控工具则是保障服务器稳定运行的眼睛,下面小编就来和大家详细介绍一下它... 目录引言一、压缩与解压：数据存储与传输的优化核心1. zip/unzip：通用压缩格式的便捷操作2.
阅读更多...
使用Python实现可恢复式多线程下载器

使用Python实现可恢复式多线程下载器

《使用Python实现可恢复式多线程下载器》在数字时代,大文件下载已成为日常操作,本文将手把手教你用Python打造专业级下载器,实现断点续传,多线程加速,速度限制等功能,感兴趣的小伙伴可以了解下... 目录一、智能续传：从崩溃边缘抢救进度二、多线程加速：榨干网络带宽三、速度控制：做网络的好邻居四、终端交互
阅读更多...
Python中注释使用方法举例详解

Python中注释使用方法举例详解

《Python中注释使用方法举例详解》在Python编程语言中注释是必不可少的一部分,它有助于提高代码的可读性和维护性,：本文主要介绍Python中注释使用方法的相关资料,需要的朋友可以参考下... 目录一、前言二、什么是注释？示例：三、单行注释语法：以 China编程# 开头，后面的内容为注释内容示例：示例：四
阅读更多...
Go语言数据库编程GORM 的基本使用详解

Go语言数据库编程GORM 的基本使用详解

《Go语言数据库编程GORM的基本使用详解》GORM是Go语言流行的ORM框架,封装database/sql,支持自动迁移、关联、事务等,提供CRUD、条件查询、钩子函数、日志等功能,简化数据库操作... 目录一、安装与初始化1. 安装 GORM 及数据库驱动2. 建立数据库连接二、定义模型结构体三、自动迁
阅读更多...
ModelMapper基本使用和常见场景示例详解

ModelMapper基本使用和常见场景示例详解

《ModelMapper基本使用和常见场景示例详解》ModelMapper是Java对象映射库,支持自动映射、自定义规则、集合转换及高级配置（如匹配策略、转换器）,可集成SpringBoot,减少样板... 目录1. 添加依赖2. 基本用法示例：简单对象映射3. 自定义映射规则4. 集合映射5. 高级配置匹
阅读更多...
Spring 框架之Springfox使用详解

Spring 框架之Springfox使用详解

《Spring框架之Springfox使用详解》Springfox是Spring框架的API文档工具,集成Swagger规范,自动生成文档并支持多语言/版本,模块化设计便于扩展,但存在版本兼容性、性... 目录核心功能工作原理模块化设计使用示例注意事项优缺点优点缺点总结适用场景建议总结Springfox 是
阅读更多...
嵌入式数据库SQLite 3配置使用讲解

嵌入式数据库SQLite 3配置使用讲解

《嵌入式数据库SQLite3配置使用讲解》本文强调嵌入式项目中SQLite3数据库的重要性,因其零配置、轻量级、跨平台及事务处理特性,可保障数据溯源与责任明确,详细讲解安装配置、基础语法及SQLit... 目录0、惨痛教训1、SQLite3环境配置（1）、下载安装SQLite库（2）、解压下载的文件（3）、
阅读更多...
使用Python绘制3D堆叠条形图全解析

使用Python绘制3D堆叠条形图全解析

《使用Python绘制3D堆叠条形图全解析》在数据可视化的工具箱里,3D图表总能带来眼前一亮的效果,本文就来和大家聊聊如何使用Python实现绘制3D堆叠条形图,感兴趣的小伙伴可以了解下... 目录为什么选择 3D 堆叠条形图代码实现：从数据到 3D 世界的搭建核心代码逐行解析细节优化应用场景：3D 堆叠图
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2