版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
机器人操作系统(ROS2)入门与实践机器人操作系统(ROS2)入门与实践第1章LinuxUbuntu入门基础第2章ROS2安装与系统架构第3章ROS2编程基础第4章ROS2机器人运动控制第5章激光雷达在ROS2中的使用第6章IMU在ROS2中的使用第7章ROS2中的SLAM环境建图第8章ROS2中的NAV2自主导航第9章ROS2中的图像视觉应用第10章ROS2的三维视觉应用第11章ROS2的机械臂应用第12章基于ROS2的综合应用第10章10.2使用PCL进行物品检测
10.1RGB-D相机的三维点云数据获取10.3本章小结第10章ROS2的三维视觉应用
三维点云数据的获取是通过订阅三维相机驱动节点发布的话题,从话题中获取相机发出的消息包来实现的。本实验中,使用的虚拟机器人配备的是KinectV2相机,话题名称是"/kinect2/sd/points"。话题中的消息包格式为sensor_msgs::PointCloud2。本实验将会实现一个订阅者节点,订阅相机发布的话题"/kinect2/sd/points"。从此话题中接收sensor_msgs::PointCloud2类型的消息包,并将其中的点云数据转换成PCL的格式,然后把所有三维点的坐标值显示在终端程序里。10.1RGB-D相机的三维点云数据获取10.1RGB-D相机的三维点云数据获取
详细操作步骤见教材P329-P338页1、编写节点代码在VSCode中找到pc_pkg软件包,在
“src”文件夹新建文件,命名为“pc_data.cpp”。10.1RGB-D相机的三维点云数据获取10.1.1编写点云数据获取程序打开一个新的终端窗口,在工作空间中创建一个新的软件包。cd~/ros2_ws/srcros2pkgcreatepc_pkg#include<rclcpp/rclcpp.hpp>#include<sensor_msgs/msg/point_cloud2.hpp>#include<pcl/point_types.h>#include<pcl/point_cloud.h>#include<pcl_conversions/pcl_conversions.h>
std::shared_ptr<rclcpp::Node>node;
voidPointcloudCallback(constsensor_msgs::msg::PointCloud2::SharedPtrmsg){pcl::PointCloud<pcl::PointXYZ>pointCloudIn;pcl::fromROSMsg(*msg,pointCloudIn);
intcloudSize=pointCloudIn.points.size();for(inti=0;i<cloudSize;i++){RCLCPP_INFO(node->get_logger(),"[i=%d](%.2f,%.2f,%.2f)",i,pointCloudIn.points[i].x,pointCloudIn.points[i].y,pointCloudIn.points[i].z);}}10.1RGB-D相机的三维点云数据获取intmain(intargc,char**argv){rclcpp::init(argc,argv);
node=std::make_shared<rclcpp::Node>("pointcloud_data_node");autopc_sub=node->create_subscription<sensor_msgs::msg::PointCloud2>("/kinect2/sd/points",1,PointcloudCallback);
rclcpp::spin(node);
rclcpp::shutdown();
return0;}10.1RGB-D相机的三维点云数据获取2、设置编译规则find_package(rclcppREQUIRED)find_package(sensor_msgsREQUIRED)find_package(pcl_conversionsREQUIRED)find_package(pcl_rosREQUIRED)add_executable(pc_datasrc/pc_data.cpp)ament_target_dependencies(pc_data"rclcpp""sensor_msgs""pcl_conversions""pcl_ros")install(TARGETSpc_dataDESTINATIONlib/${PROJECT_NAME})3、修改软件包信息<depend>rclcpp</depend><depend>sensor_msgs</depend><depend>pcl_conversions</depend><depend>pcl_ros</depend>10.1RGB-D相机的三维点云数据获取sourceinstall/setup.bashros2launchwpr_simulation2wpb_table.launch.py10.1RGB-D相机的三维点云数据获取4、编译软件包cd~/ros2_wscolconbuild10.1.2仿真运行点云数据获取程序sourceinstall/setup.bashros2runpc_pkgpc_data打开第2个子窗口。10.1RGB-D相机的三维点云数据获取
在10.1节的实验里,实现了从ROS机器人头部的RGB-D相机获取三维点云数据。这一次将继续深入,使用PCL实现三维特征提取,并对桌面上的物体进行检测和定位。
具体实现步骤如下:1)将机器人头部相机采集到的三维点云消息包进行格式转换。从ROS2的点云格式转换为PCL点云格式,方便后面调用PCL的函数对点云数据进行处理。2)先使用PCL函数对点云数据进行平面提取,将桌面的高度确定下来。3)将桌面高度以下的点集剔除掉,仅保留桌面之上的物体点云。4)使用欧几里德分割法对保留下来的物体点云进行点云簇的提取,将桌面上的多个相隔较远的点云簇区分开。这时可以认为每个点云簇就表示一个物体的点云集合。计算每个物体点云集合的质心坐标,用来表示物体的空间位置。10.2使用PCL进行物品检测
详细操作步骤见教材P339-P356页1、编写节点代码在VSCode中找到pc_pkg软件包,在
“src”文件夹中新建文件,命名为“pc_objects.cpp”。10.2使用PCL进行物品检测10.2.1编写物品检测程序下面编写这个代码文件内容:#include<rclcpp/rclcpp.hpp>#include<sensor_msgs/msg/point_cloud2.hpp>#include<pcl/point_types.h>#include<pcl/point_cloud.h>#include<pcl_conversions/pcl_conversions.h>#include<tf2_ros/transform_listener.h>#include<pcl_ros/transforms.hpp>#include<pcl/filters/passthrough.h>#include<pcl/segmentation/sac_segmentation.h>#include<pcl/search/kdtree.h>#include<pcl/segmentation/extract_clusters.h>
std::shared_ptr<rclcpp::Node>node;tf2_ros::Buffer::SharedPtrtf_buffer_;std::shared_ptr<tf2_ros::TransformListener>tf_listener_;10.2使用PCL进行物品检测voidPointcloudCallback(constsensor_msgs::msg::PointCloud2::SharedPtrmsg){boolresult=tf_buffer_->canTransform("base_footprint",msg->header.frame_id,msg->header.stamp);if(!result){return;}sensor_msgs::msg::PointCloud2pc_footprint;pcl_ros::transformPointCloud("base_footprint",*msg,pc_footprint,*tf_buffer_);10.2使用PCL进行物品检测pcl::PointCloud<pcl::PointXYZ>cloud_src;pcl::fromROSMsg(pc_footprint,cloud_src);
pcl::PassThrough<pcl::PointXYZ>pass;pass.setInputCloud(cloud_src.makeShared());pass.setFilterFieldName("x");pass.setFilterLimits(0.5,1.5);pass.filter(cloud_src);pass.setInputCloud(cloud_src.makeShared());pass.setFilterFieldName("y");pass.setFilterLimits(-0.5,0.5);pass.filter(cloud_src);pass.setInputCloud(cloud_src.makeShared());pass.setFilterFieldName("z");pass.setFilterLimits(0.5,1.5);pass.filter(cloud_src);10.2使用PCL进行物品检测pcl::ModelCoefficients::Ptrcoefficients(newpcl::ModelCoefficients);pcl::SACSegmentation<pcl::PointXYZ>segmentation;segmentation.setInputCloud(cloud_src.makeShared());segmentation.setModelType(pcl::SACMODEL_PLANE);segmentation.setMethodType(pcl::SAC_RANSAC);segmentation.setDistanceThreshold(0.05);segmentation.setOptimizeCoefficients(true);pcl::PointIndices::PtrplaneIndices(newpcl::PointIndices);segmentation.segment(*planeIndices,*coefficients);intpoint_num=planeIndices->indices.size();floatpoints_z_sum=0;for(inti=0;i<point_num;i++){intpoint_index=planeIndices->indices[i];points_z_sum+=cloud_src.points[point_index].z;}10.2使用PCL进行物品检测floatplane_height=points_z_sum/point_num;RCLCPP_INFO(node->get_logger(),"plane_height=%.2f",plane_height);
pass.setInputCloud(cloud_src.makeShared());pass.setFilterFieldName("z");pass.setFilterLimits(plane_height+0.2,1.5);pass.filter(cloud_src);
pcl::search::KdTree<pcl::PointXYZ>::Ptrtree(newpcl::search::KdTree<pcl::PointXYZ>);tree->setInputCloud(cloud_src.makeShared());
pcl::EuclideanClusterExtraction<pcl::PointXYZ>ec;ec.setInputCloud(cloud_src.makeShared());ec.setMinClusterSize(100);ec.setMaxClusterSize(25000);ec.setClusterTolerance(0.1);ec.setSearchMethod(tree);std::vector<pcl::PointIndices>cluster_indices;ec.extract(cluster_indices);intobject_num=cluster_indices.size();10.2使用PCL进行物品检测RCLCPP_INFO(node->get_logger(),"object_num=%d",object_num);for(inti=0;i<object_num;i++){intpoint_num=cluster_indices[i].indices.size();floatpoints_x_sum=0;floatpoints_y_sum=0;floatpoints_z_sum=0;for(intj=0;j<point_num;j++){intpoint_index=cluster_indices[i].indices[j];points_x_sum+=cloud_src.points[point_index].x;points_y_sum+=cloud_src.points[point_index].y;points_z_sum+=cloud_src.points[point_index].z;}floatobject_x=points_x_sum/point_num;floatobject_y=points_y_sum/point_num;floatobject_z=points_z_sum/point_num;RCLCPP_INFO(node->get_logger(),"object%dpos=(%.2f,%.2f,%.2f)",i,object_x,object_y,object_z);}RCLCPP_INFO(node->get_logger(),"---------------------");}10.2使用PCL进行物品检测intmain(intargc,char**argv){rclcpp::init(argc,argv);
node=std::make_shared<rclcpp::Node>("pointcloud_objects_node");
tf_buffer_=std::make_shared<tf2_ros::Buffer>(node->get_clock());tf_listener_=std::make_shared<tf2_ros::TransformListener>(*tf_buffer_);
autopc_sub=node->create_subscription<sensor_msgs::msg::PointCloud2>("/kinect2/sd/points",1,PointcloudCallback);
rclcpp::spin(node);
rclcpp::shutdown();
return0;}10.2使用PCL进行物品检测2、设置编译规则find_package(rclcppREQUIRED)find_package(sensor_msgsREQUIRED)find_package(pcl_conversionsREQUIRED)f
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 工作总结之顶岗实习总结及自评
- 工作总结之创业经验交流会总结
- 银行内控测试与评估制度
- 乙烯基树脂施工合同
- 《数字化房产》课件
- 福建省泉州市晋江市2024届九年级上学期期末考试数学试卷(含解析)
- 2025届安徽省亳州市高考冲刺模拟数学试题含解析
- 云南省迪庆州维西县第二中学2025届高考仿真卷数学试卷含解析
- 乌海市重点中学2025届高考语文二模试卷含解析
- 2025届福建省龙岩市上杭二中高三二诊模拟考试数学试卷含解析
- 异地办公与远程团队管理
- JB T 3929-2008通用悬挂输送机
- 员工更替计划
- 初三期末考试动员班会 (2)课件
- 抖音小店数据分析怎么做
- PFMEA制作指南课件
- 提高患者满意度的导医接待工作方法
- 皮肤美容与整形技术的新进展
- 《柔性生产方式》课件
- 单位员工餐厅整体保障服务方案
- 中国旗袍课件
评论
0/150
提交评论