建设网站应注意什么,5元购买已备案域名,什么是电子商务网站建设,企业管理定制软件1.ros2概述
ROS2#xff08;Robot Operating System 2#xff09;是一个用于机器人应用程序的开源软件框架。它是ROS#xff08;Robot Operating System#xff09;的下一代版本#xff0c;旨在改进和扩展原始ROS的特性#xff0c;以适应更广泛的机器人应用场景和需求。…1.ros2概述
ROS2Robot Operating System 2是一个用于机器人应用程序的开源软件框架。它是ROSRobot Operating System的下一代版本旨在改进和扩展原始ROS的特性以适应更广泛的机器人应用场景和需求。ROS2的发展重点包括提高系统的实时性能、可靠性、可伸缩性和跨平台可移植性。
核心特点
实时性能ROS2设计考虑了实时系统要求这对于自动驾驶汽车和工业自动化等应用至关重要。跨平台ROS2支持多种操作系统如Linux、macOS、Windows甚至包括RTOS实时操作系统。可伸缩性ROS2允许在不同规模的项目中使用从单节点应用到大型分布式系统。组件化ROS2鼓励更模块化的软件设计便于重用和替换系统中的各个部分。安全性ROS2提供了对安全通信的支持这对于在安全关键型应用中部署至关重要。
主要组件
核心组件
通信ROS2提供了一套先进的通信库支持不同的通信模式如发布/订阅、服务调用和动作通信。构建工具ament是ROS2的构建系统类似于ROS1中的catkin。colcon是用于构建ROS2项目的工具它也可以构建其他基于CMake的项目。中间件ROS2支持多种中间件如DDSData Distribution Service以提高系统的灵活性和性能。 机器人基础应用组件这些组件包括感知、规划、控制等机器人功能模块。 扩展组件提供调试、可视化和其他辅助功能以支持开发和测试。
发展背景
ROS1自2007年发布以来在机器人研究社区中得到了广泛的应用。然而随着机器人技术的进步和新的应用场景如自动驾驶汽车的出现ROS1在实时性、可靠性和可伸缩性方面的局限性变得越来越明显。为了满足这些新的需求ROS2应运而生。
转向ROS2的原因
性能需求新的应用场景需要更高的性能和可靠性。标准化ROS2遵循更现代的软件工程实践支持更广泛的开发环境和工具。社区发展为了维持和扩大ROS社区需要一个能够适应未来发展的新平台。
ROS2的发展代表了机器人操作系统技术的进步它为机器人开发者提供了一个更加健壮和灵活的平台以支持从研究到商业应用的转换。
2.创建ros2 包
在dev_ws/src/下创建功能包learn
在dev_ws/下编译colcon build(编译工作空间下的所有)
Source install/local_setuo.bash
3.节点 (编写发布者订阅者的代码)
节点在机器人系统中的职责就是执行某些具体的任务从计算机操作系统的角度来看也叫做进程
每个节点都是一个可以独立运行的可执行文件比如执行某一个python程序或者执行C编译生成的结果都算是运行了一个节点
4.话题
https://book.guyuehome.com/ROS2/2.%E6%A0%B8%E5%BF%83%E6%A6%82%E5%BF%B5/2.4_%E8%AF%9D%E9%A2%98/
不需要写pub了usb_cam会发布我们只需要订阅相机的图片然后处理检测可视化就行。
learning_topic/topic_webcam_pub.py
import rclpy # ROS2 Python接口库
from rclpy.node import Node # ROS2 节点类
from sensor_msgs.msg import Image # 图像消息类型
from cv_bridge import CvBridge # ROS与OpenCV图像转换类
import cv2 # Opencv图像处理库
创建一个发布者节点class ImagePublisher(Node):def __init__(self, name):super().__init__(name) # ROS2节点父类初始化self.publisher_ self.create_publisher(Image, image_raw, 10) # 创建发布者对象消息类型、话题名、队列长度self.timer self.create_timer(0.1, self.timer_callback) # 创建一个定时器单位为秒的周期定时执行的回调函数self.cap cv2.VideoCapture(0) # 创建一个视频采集对象驱动相机采集图像相机设备号self.cv_bridge CvBridge() # 创建一个图像转换对象用于稍后将OpenCV的图像转换成ROS的图像消息def timer_callback(self):ret, frame self.cap.read() # 一帧一帧读取图像if ret True: # 如果图像读取成功self.publisher_.publish(self.cv_bridge.cv2_to_imgmsg(frame, bgr8)) # 发布图像消息self.get_logger().info(Publishing video frame) # 输出日志信息提示已经完成图像话题发布def main(argsNone): # ROS2节点主入口main函数rclpy.init(argsargs) # ROS2 Python接口初始化node ImagePublisher(topic_webcam_pub) # 创建ROS2节点对象并进行初始化rclpy.spin(node) # 循环等待ROS2退出node.destroy_node() # 销毁节点对象rclpy.shutdown() # 关闭ROS2 Python接口
learning_topic/topic_webcam_sub.py
import rclpy # ROS2 Python接口库
from rclpy.node import Node # ROS2 节点类
from sensor_msgs.msg import Image # 图像消息类型
from cv_bridge import CvBridge # ROS与OpenCV图像转换类
import cv2 # Opencv图像处理库
import numpy as np # Python数值计算库lower_red np.array([0, 90, 128]) # 红色的HSV阈值下限
upper_red np.array([180, 255, 255]) # 红色的HSV阈值上限from paxini_object_detection import object_detect # 我们写的在另外一个地方就行创建一个订阅者节点class ImageSubscriber(Node):def __init__(self, name):super().__init__(name) # ROS2节点父类初始化self.sub self.create_subscription(Image, image_raw, self.listener_callback, 10) # 创建订阅者对象消息类型、话题名、订阅者回调函数、队列长度self.cv_bridge CvBridge() # 创建一个图像转换对象用于OpenCV图像与ROS的图像消息的互相转换def object_detect(self, image):hsv_img cv2.cvtColor(image, cv2.COLOR_BGR2HSV) # 图像从BGR颜色模型转换为HSV模型mask_red cv2.inRange(hsv_img, lower_red, upper_red) # 图像二值化contours, hierarchy cv2.findContours(mask_red, cv2.RETR_LIST, cv2.CHAIN_APPROX_NONE) # 图像中轮廓检测for cnt in contours: # 去除一些轮廓面积太小的噪声if cnt.shape[0] 150:continue(x, y, w, h) cv2.boundingRect(cnt) # 得到苹果所在轮廓的左上角xy像素坐标及轮廓范围的宽和高cv2.drawContours(image, [cnt], -1, (0, 255, 0), 2)# 将苹果的轮廓勾勒出来cv2.circle(image, (int(xw/2), int(yh/2)), 5,(0, 255, 0), -1) # 将苹果的图像中心点画出来cv2.imshow(object, image) # 使用OpenCV显示处理后的图像效果cv2.waitKey(10)def listener_callback(self, data):self.get_logger().info(Receiving video frame) # 输出日志信息提示已进入回调函数image self.cv_bridge.imgmsg_to_cv2(data, bgr8) # 将ROS的图像消息转化成OpenCV图像self.object_detect(image) # 苹果检测def main(argsNone): # ROS2节点主入口main函数rclpy.init(argsargs) # ROS2 Python接口初始化node ImageSubscriber(topic_webcam_sub) # 创建ROS2节点对象并进行初始化rclpy.spin(node) # 循环等待ROS2退出node.destroy_node() # 销毁节点对象rclpy.shutdown() # 关闭ROS2 Python接口 entry_points{console_scripts: [topic_helloworld_pub learning_topic.topic_helloworld_pub:main,topic_helloworld_sub learning_topic.topic_helloworld_sub:main,topic_webcam_pub learning_topic.topic_webcam_pub:main,topic_webcam_sub learning_topic.topic_webcam_sub:main,],},
5.setup.py
from setuptools import setup
from setuptools import find_packagesPACKAGE_NAME my_package
DESCRIPTION A short description of my package
AUTHOR My Name
AUTHOR_EMAIL my.nameexample.com
LICENSE Apache License, Version 2.0
URL https://github.com/my_username/my_package
VERSION 1.0.0setup(namePACKAGE_NAME, # 设置软件包名称。versionVERSION,descriptionDESCRIPTION,authorAUTHOR,author_emailAUTHOR_EMAIL,licenseLICENSE,urlURL,packagesfind_packages(exclude[test]), # 设置将要安装的 Python 包。install_requires[ # 设置软件包安装时必需的 Python 包列表。setuptools, # 必需的包即 setuptools。numpy, # 必需的包即 numpy。cython],entry_points{ # 设置命令行脚本入口点的字典。console_scripts: [ # 设置命令行脚本的类别。my_script my_package.my_script:main # 命令行脚本名称和对应的 Python 模块和方法名称。],},zip_safeTrue # 确定软件包在安装后是否以压缩文件形式分发如果是则设为 True
)
6.rclpy.spin(node) 接收到新的消息或服务请求时会调用回调函数。 定期计时器触发时会调用回调函数。 检查是否有调用回调函数等待的期间内新的客户端连接如果有会调用回调函数。
7.编译
Colcon build
. install/setup.bash
Ros run pkgname nodename
8.publish rgb 然后yolo目标检测
import rclpy # ROS2 Python接口库
from rclpy.node import Node # ROS2 节点类
from sensor_msgs.msg import Image # 图像消息类型
from cv_bridge import CvBridge # ROS与OpenCV图像转换类
import cv2 # Opencv图像处理库
import numpy as np # Python数值计算库 lower_red np.array([0, 90, 128]) # 红色的HSV阈值下限
upper_red np.array([180, 255, 255]) # 红色的HSV阈值上限
import open3d
from paxini_object_detection import paxini_3d_object_detect # 我们写的在另外一个地方就行创建一个订阅者节点class ImageSubscriber(Node):def __init__(self, name):super().__init__(name) # ROS2节点父类初始化self.sub self.create_subscription(Image, image_raw, self.listener_callback, 10) # 创建订阅者对象消息类型、话题名、订阅者回调函数、队列长度self.cv_bridge CvBridge() # 创建一个图像转换对象用于OpenCV图像与ROS的图像消息的互相转换self.3d_detect paxini_3d_object_detect()def object_detect(self, image):rgb cv2.cvtColor(rgb, cv2.COLOR_BGR2HSV) # 图像从BGR颜色模型转换为HSV模型dep cv2.cvtColor(dep, cv2.COLOR_BGR2HSV) # 图像从BGR颜色模型转换为HSV模型# 转点云# detectresult self.3d_detect(points,model_weights)cv2.imshow(object, image) # 使用OpenCV显示处理后的图像效果cv2.waitKey(10)def listener_callback(self, data):self.get_logger().info(Receiving video frame) # 输出日志信息提示已进入回调函数rgb self.cv_bridge.imgmsg_to_cv2(data[0], bgr8) # 将ROS的图像消息转化成OpenCV rgbdep self.cv_bridge.imgmsg_to_cv2(data[1], bgr8) # 将ROS的图像消息转化成OpenCV depthself.object_detect(rgb ,dep ) # 检测def main(argsNone): # ROS2节点主入口main函数rclpy.init(argsargs) # ROS2 Python接口初始化node ImageSubscriber(topic_webcam_sub) # 创建ROS2节点对象并进行初始化rclpy.spin(node) # 循环等待ROS2退出node.destroy_node() # 销毁节点对象rclpy.shutdown() # 关闭ROS2 Python接口
ros订阅深度图
import rclpy
from rclpy.node import Nodefrom std_msgs.msg import String
import std_msgs.msg
from sensor_msgs.msg import Imageimport numpy as np
import cv2class Image_saver(Node):def __init__(self):# 订阅了5个主题4个方向的相机和一个键盘按键super().__init__(subscriber)self.count 0self.save_path /home/robot/test_hyx/calibration_images/self.dir_list [front/, right/, left/]self.subscription1 self.create_subscription(Image,front_camera_topic,self.listener_callback1,10)self.subscription2 self.create_subscription(Image,right_camera_topic,self.listener_callback2,10)self.subscription3 self.create_subscription(Image,left_camera_topic,self.listener_callback3,10)## self.subscription4 self.create_subscription(
## Image,
## back_camera_topic,
## self.listener_callback4,
## 10)#self.subscription # prevent unused variable warningself.keyboard self.create_subscription(std_msgs.msg.UInt32,key_pressed,self.keyboard_callback,10)#self.keyboardself.cache []for _ in range(3):self.cache.append(None)def listener_callback1(self, msg):self.cache[0] (msg.height, msg.width, msg.data) # 把数据放入cache里面def listener_callback2(self, msg):self.cache[1] (msg.height, msg.width, msg.data)def listener_callback3(self, msg):self.cache[2] (msg.height, msg.width, msg.data)## def listener_callback4(self, msg):
## self.cache[3] (msg.height, msg.width, msg.data)def keyboard_callback(self, msg): # 按下键盘开始保存if msg.data 32:for i in range(3):save_path self.save_path self.dir_list[i]%04d.jpg%self.countimg np.array(self.cache[i][2],dtypenp.uint8)img img.reshape(self.cache[i][0], self.cache[i][1], 3)img cv2.cvtColor(img, cv2.COLOR_RGB2BGR)if i 0:img cv2.flip(img, 0)img cv2.flip(img, 1)#print(save_path)#print(img)cv2.imwrite(save_path, img)print(images saved!)self.count 1def main(argsNone):rclpy.init(argsargs)img_saver Image_saver()rclpy.spin(img_saver)# Destroy the node explicitly# (optional - otherwise it will be done automatically# when the garbage collector destroys the node object)minimal_subscriber.destroy_node()rclpy.shutdown()if __name__ __main__:main()键盘按键的发布者
import sys# pynput throws an error if we import it before $DISPLAY is set on LINUX
from pynput.keyboard import KeyCodeif sys.platform not in (darwin, win32):import osos.environ.setdefault(DISPLAY, :0)from pynput import keyboardimport rclpy
from rclpy.parameter import Parameter
import std_msgs.msgclass KeystrokeListen:def __init__(self, nameNone):self.node rclpy.create_node(name or type(self).__name__)self.node.declare_parameter(exit_on_esc,True)self.pub_glyph self.node.create_publisher(std_msgs.msg.String, glyphkey_pressed, 10)# todo: when ROS2 supports Enums, use them: https://github.com/ros2/rosidl/issues/260# 上面订阅的是下面的空格键self.pub_code self.node.create_publisher(std_msgs.msg.UInt32, key_pressed_calib, 10)if self.exit_on_esc:self.logger.info(To end this node, press the escape key)def spin(self):# keyboard.Listener创建一个键盘监听器将self.on_press和self.on_release方法分别作为按下和释放键的回调函数with keyboard.Listener(on_pressself.on_press, on_releaseself.on_release) as listener:# rclpy.spin_once方法以处理ROS2的回调函数同时检查监听器是否仍在运行。若监听器运行并且ROS2节点正常运行则继续循环。while rclpy.ok() and listener.running:rclpy.spin_once(self.node, timeout_sec0.1)propertydef logger(self):return self.node.get_logger()propertydef exit_on_esc(self):param self.node.get_parameter(exit_on_esc)if param.type_ ! Parameter.Type.BOOL:new_param Parameter(exit_on_esc, Parameter.Type.BOOL, True)self.logger.warn(Parameter {}{} is a {} but expected a boolean. Assuming {}..format(param.name,param.value,param.type_,new_param.value),onceTrue)self.node.set_parameters([new_param])param new_paramvalue param.valueassert isinstance(value, bool)return valuedef on_release(self, key):# todo: implement thispassdef on_press(self, key):try:char getattr(key, char, None)if isinstance(char, str):#self.logger.info(pressed char)self.pub_glyph.publish(self.pub_glyph.msg_type(datachar)) # 发布key字符串else:try:# known keys like spacebar, ctrlname key.namevk key.value.vkexcept AttributeError:# unknown keys like headphones skip song buttonname UNKNOWNvk key.vk#self.logger.info(pressed {} ({}).format(name, vk))# todo: These values are not cross-platform. When ROS2 supports Enums, use them insteadself.pub_code.publish(self.pub_code.msg_type(datavk)) # 发布空格keyexcept Exception as e:self.logger.error(str(e))raiseif key keyboard.Key.esc and self.exit_on_esc:self.logger.info(stopping listener)raise keyboard.Listener.StopExceptiondef main(argsNone):rclpy.init(argsargs)KeystrokeListen().spin()if __name__ __main__:main()订阅深度图和RGB
import rclpy
from rclpy.node import Nodefrom std_msgs.msg import String
import std_msgs.msg
from sensor_msgs.msg import Imageimport numpy as np
import cv2class Image_saver(Node):def __init__(self,name):# 订阅了5个主题4个方向的相机和一个键盘按键super().__init__(subscriber)self.count 0self.save_path /home/robot/test_hyx/calibration_images/self.subscription1 self.create_subscription(Image,ps_pub_depth_image_01,self.listener_callback1,10)self.subscription2 self.create_subscription(Image,ps_pub_color_image_01,self.listener_callback2,10)self.keyboard self.create_subscription(std_msgs.msg.UInt32,key_pressed,self.keyboard_callback,10)#self.keyboardself.cache []for _ in range(2):self.cache.append(None)def listener_callback1(self, msg): # depself.cache[0] (msg.height, msg.width, msg.data) # 把数据放入cache里面def listener_callback2(self, msg): # rgbself.cache[1] (msg.height, msg.width, msg.data)def keyboard_callback(self, msg): # 按下键盘开始保存if msg.data 32:save_dep_path self.save_path dep/%04d.jpg%self.countsave_rgb_path self.save_path rgb/%04d.jpg%self.countdep_img np.array(self.cache[0][2],dtypenp.uint16)rgb_img np.array(self.cache[1][2],dtypenp.uint8)rgb_img rgb_img .reshape(self.cache[1][0], self.cache[1][1], 3)dep_img rgb_img .reshape(self.cache[0][0], self.cache[0][1], 1)rgb_img cv2.cvtColor(rgb_img, cv2.COLOR_RGB2BGR)cv2.imwrite(save_rgb_path , rgb_img )cv2.imwrite(save_dep_path , dep_img )print(-------images saved!------)self.count 1def main(argsNone):rclpy.init(argsargs)# depth_img_saver Image_saver(depth_img_saver Image_saver())depth_img_saver Image_saver()rclpy.spin(depth_img_saver )minimal_subscriber.destroy_node()rclpy.shutdown()if __name__ __main__:main()entry_points{console_scripts: [topic_depth_rgb_sub paxini_robot_topic.topic_depth_rgb_sub:main,],},
订阅rgb同时2D监测6d位姿估计并且发布结果
import rclpy # ROS2 Python接口库
from rclpy.node import Node # ROS2 节点类
from sensor_msgs.msg import Image # 图像消息类型
from cv_bridge import CvBridge # ROS与OpenCV图像转换类
import cv2 # Opencv图像处理库
import numpy as np # Python数值计算库
from std_msgs.msg import Float64MultiArray
import zebra_pose_es # 我们写的在另外一个地方就行class ImageSubscriber(Node):def __init__(self, name):super().__init__(name) # ROS2节点父类初始化self.sub self.create_subscription(Image, image_raw, self.listener_callback,10) # 创建订阅者对象消息类型、话题名、订阅者回调函数、队列长度self.cv_bridge CvBridge() # 创建一个图像转换对象用于OpenCV图像与ROS的图像消息的互相转换self.detect zebra_pose_es()self.publisher_ self.create_publisher(Float64MultiArray, pose_res, 10) # 创建发布者对象消息类型话题名队列长度def publish_result(self, result):msg Float64MultiArray()msg.data result.flatten() # 将结果展平为一维数组self.publisher_.publish(msg) # 发布结果消息def object_detect(self, rgb):rgb cv2.cvtColor(rgb, cv2.COLOR_BGR2HSV) # 图像从BGR颜色模型转换为HSV模型result self.detect(rgb)# cv2.imshow(object, rgb) # 使用OpenCV显示处理后的图像效果# cv2.waitKey(10)self.publish_result(result) # 如何处理多个结果def listener_callback(self, data):self.get_logger().info(Receiving video frame) # 输出日志信息提示已进入回调函数rgb self.cv_bridge.imgmsg_to_cv2(data[0], bgr8) # 将ROS的图像消息转化成OpenCV rgbself.object_detect(rgb) # 检测def main(argsNone): # ROS2节点主入口main函数rclpy.init(argsargs) # ROS2 Python接口初始化node ImageSubscriber(topic_webcam_sub) # 创建ROS2节点对象并进行初始化rclpy.spin(node) # 循环等待ROS2退出node.destroy_node() # 销毁节点对象rclpy.shutdown() # 关闭ROS2 Python接口
