目录
前言
一、环境配置
1.安装ROS
2.摄像头调用
3.导入OpenCV
二、创建工作空间和功能包
1.创建工作空间
2.创建功能包
三、人脸识别检测相关代码
1.python文件
2.lanuch文件
3.CvBridge
四、代码实测
1.执行命令行
2.人脸识别效果
五、报错解决
六、总结
前言
本文主要学习ROS机器人操作系统，在ROS系统里调用 OpenCV库实现人脸识别任务
一、环境配置
1.安装ROS
sudo apt-get install ros-kinetic-desktop-full如果ROS还不懂如何安装的，可以看下这一篇：【Linux学习】虚拟机VMware 安装ROS 一条龙教程+部分报错解决_猿力猪的博客-CSDN博客_ros vmwareLinux下载安装ROS，一条龙详解！希望对您有所帮助！
https://blog.csdn.net/m0_61745661/article/details/124534353
2.摄像头调用
安装摄像头组件相关的包，命令行如下：
sudo apt-get install ros-kinetic-usb-cam启动摄像头，命令行如下：
roslaunch usb_cam usb_cam-test.launch调用摄像头成功，如下图所示：
摄像头的驱动发布的相关数据，如下图所示：
摄像头 usb_cam/image_raw 这个话题，发布的消息的具体类型，如下图所示：
那么图像消息里面的成员变量有哪些呢？
打印一下就知道了！一个消息类型里面的具体成员变量，如下图所示：
- Header：很多话题消息里面都包含的
消息头：包含消息序号，时间戳和绑定坐标系
消息的序号：表示我们这个消息发布是排第几位的，并不需要我们手动去标定，每次
发布消息的时候会自动地去累加
绑定坐标系：表示的是我们是针对哪一个坐标系去发布的header有时候也不需要去配置
- height：图像的纵向分辨率
- width：图像的横向分辨率
- encoding：图像的编码格式，包含RGB、YUV等常用格式，都是原始图像的编码格式，不涉及图像压缩编码
- is_bigendian: 图像数据的大小端存储模式
- step：一行图像数据的字节数量，作为数据的步长参数
- data：存储图像数据的数组，大小为step×height个字节
- format：图像的压缩编码格式（jpeg、png、bmp）
3.导入OpenCV
在ROS当中完成OpenCV的安装，命令行如下图所示：
sudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv安装完成
二、创建工作空间和功能包
1.创建工作空间
mkdir -p ~/catkin_ws/srccd ~/catkin_ws/srccatkin_init_workspace- 创建完成工作空间后，在根目录下面，执行编译整个工作空间
cd ~/catkin_ws/catkin_make- 工作空间中会自动生成两个文件夹：devel，build
- devel文件夹中产生几个setup.*sh形成的环境变量设置脚本，使用source命令运行这些脚本文件，则工作空间中的环境变量得以生效
source devel/setup.sh- 将环境变量设置到/.bashrc文件中
gedit ~/.bashrc- 在打开的文件，最下面粘贴以下代码即可设置环境变量
source ~/catkin_ws/devel/setup.bash2.创建功能包
- 开始创建
cd ~/catkin_ws/srccatkin_create_pkg learning std_msgs rospy roscpp- 回到根目录，编译并设置环境变量
cd ~/catkin_wscatkin_makesource ~/catkin_ws/devel/setup.sh三、人脸识别检测相关代码
- 基于 Haar 特征的级联分类器检测算法
- 核心内容，如下所示：
- 灰阶色彩转换
- 缩小摄像头图像
- 直方图均衡化
- 检测人脸
1.python文件
face_detector.py
#!/usr/bin/env python# -*- coding: utf-8 -*-import rospyimport cv2import numpy as npfrom sensor_msgs.msg import Image, RegionOfInterestfrom cv_bridge import CvBridge, CvBridgeErrorclass faceDetector: def __init__(self): rospy.on_shutdown(self.cleanup); # 创建cv_bridge self.bridge = CvBridge() self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1) # 获取haar特征的级联表的XML文件，文件路径在launch文件中传入 cascade_1 = rospy.get_param("~cascade_1", "") cascade_2 = rospy.get_param("~cascade_2", "") # 使用级联表初始化haar特征检测器 self.cascade_1 = cv2.CascadeClassifier(cascade_1) self.cascade_2 = cv2.CascadeClassifier(cascade_2) # 设置级联表的参数，优化人脸识别，可以在launch文件中重新配置 self.haar_scaleFactor = rospy.get_param("~haar_scaleFactor", 1.2) self.haar_minNeighbors = rospy.get_param("~haar_minNeighbors", 2) self.haar_minSize = rospy.get_param("~haar_minSize", 40) self.haar_maxSize = rospy.get_param("~haar_maxSize", 60) self.color = (50, 255, 50) # 初始化订阅rgb格式图像数据的订阅者，此处图像topic的话题名可以在launch文件中重映射 self.image_sub = rospy.Subscriber("input_rgb_image", Image, self.image_callback, queue_size=1) def image_callback(self, data): # 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式 try: cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8") frame = np.array(cv_image, dtype=np.uint8) except CvBridgeError, e: print e # 创建灰度图像 grey_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 创建平衡直方图，减少光线影响 grey_image = cv2.equalizeHist(grey_image) # 尝试检测人脸 faces_result = self.detect_face(grey_image) # 在opencv的窗口中框出所有人脸区域 if len(faces_result)>0: for face in faces_result: x, y, w, h = face cv2.rectangle(cv_image, (x, y), (x+w, y+h), self.color, 2) # 将识别后的图像转换成ROS消息并发布 self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8")) def detect_face(self, input_image): # 首先匹配正面人脸的模型 if self.cascade_1: faces = self.cascade_1.detectMultiScale(input_image, self.haar_scaleFactor, self.haar_minNeighbors, cv2.CASCADE_SCALE_IMAGE, (self.haar_minSize, self.haar_maxSize)) # 如果正面人脸匹配失败，那么就尝试匹配侧面人脸的模型 if len(faces) == 0 and self.cascade_2: faces = self.cascade_2.detectMultiScale(input_image, self.haar_scaleFactor, self.haar_minNeighbors, cv2.CASCADE_SCALE_IMAGE, (self.haar_minSize, self.haar_maxSize)) return faces def cleanup(self): print "Shutting down vision node." cv2.destroyAllWindows()if __name__ == '__main__': try: # 初始化ros节点 rospy.init_node("face_detector") faceDetector() rospy.loginfo("Face detector is started..") rospy.loginfo("Please subscribe the ROS image.") rospy.spin() except KeyboardInterrupt: print "Shutting down face detector node." cv2.destroyAllWindows()2.lanuch文件
usb_cam.launch
- 摄像头启动文件
face_detector.launch
- 人脸识别启动文件
haar_scaleFactor: 1.2 haar_minNeighbors: 2 haar_minSize: 40 haar_maxSize: 60 3.CvBridge
- ROS 与 OpenCV 之间的数据连接是通过 CvBridge 来实现的
- ROS Image Message与 OpenCV Ipllmage 之间连接的一个桥梁
cv_bridge_test.py
#!/usr/bin/env python# -*- coding: utf-8 -*-import rospyimport cv2from cv_bridge import CvBridge, CvBridgeErrorfrom sensor_msgs.msg import Imageclass image_converter: def __init__(self): # 创建cv_bridge，声明图像的发布者和订阅者 self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1) self.bridge = CvBridge() self.image_sub = rospy.Subscriber("/usb_cam/image_raw", Image, self.callback) def callback(self,data): # 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式 try: cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8") except CvBridgeError as e: print e # 在opencv的显示窗口中绘制一个圆，作为标记 (rows,cols,channels) = cv_image.shape if cols > 60 and rows > 60 : cv2.circle(cv_image, (60, 60), 30, (0,0,255), -1) # 显示Opencv格式的图像 cv2.imshow("Image window", cv_image) cv2.waitKey(3) # 再将opencv格式额数据转换成ros image格式的数据发布 try: self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8")) except CvBridgeError as e: print eif __name__ == '__main__': try: # 初始化ros节点 rospy.init_node("cv_bridge_test") rospy.loginfo("Starting cv_bridge_test node") image_converter() rospy.spin() except KeyboardInterrupt: print "Shutting down cv_bridge_test node." cv2.destroyAllWindows()四、代码实测
1.执行命令行
分别在三个终端下运行，命令行如下：
- 启动摄像头
roslaunch robot_vision usb_cam.launch- 启动人脸识别
roslaunch robot_vision face_detector.launch- 打开人脸识别窗口
rqt_image_view2.人脸识别效果
拿了C站官方送的书来进行测试，识别的效果还是相当不错的，效果如下图所示:
五、报错解决
报错1：E：无法定位软件包 ros-kinetic-usb-cam
解决方法：网上下载编译安装
$ cd catkin_ws/src
$ git clone https://github.com/bosch-ros-pkg/usb_cam.git
$ cd ~/catkin_ws
$ catkin_make
成功解决：
报错2：启动摄像头报错
解决方法：输入以下命令行，再启动摄像头
source ~/catkin_ws/devel/setup.bash成功解决：
报错3：虚拟机摄像头没连接报错
解决方法：打开虚拟机设置，更改usb版本为3.1
可移动设备将摄像头设置连接
六、总结
- 在ROS操作系统中调用 OpenCV 完成人脸识别还是比较有意思的，目前图像处理和人脸识别还是比较常用到的，本文主要记录学习过程，以及遇到的相关报错问题进行记录
- 如何对于特定目标的检测并显示出结果？如何优化让人脸识别的更精准？目前还在朝着这个方向进行思考和探究
参考：
ubuntu16.04下ROS操作系统学习笔记（六 ）机器视觉-摄像头标定-ROS+OpenCv-人脸识别-物体跟踪-二维码识别_小小何先生的博客-CSDN博客
ROS+OpenCV 人脸识别，物体识别_JJH的创世纪的博客-CSDN博客_ros图像识别
《ROS机器人开发实践》功能包编译报错问题解决&&摄像头数据opencv_melodic18的博客-CSDN博客
Ubuntu 16.04 安装摄像头驱动usb_cam – 走看看
E: 无法定位软件包 ros-kinetic-usb-cam_＞＞＞111的博客-CSDN博客
以上就是本文的全部内容啦！如果对您有帮助，麻烦点赞啦！收藏啦！欢迎各位评论区留言！！！
