ROS机器人Diego 1#制作(九)视觉系统之使用Xtion发布点云数据
来源:互联网 发布:python 自带shell 编辑:程序博客网 时间:2024/05/17 19:56
要做到机器人的SLAM自适应导航,最基本的要有激光雷达数据或者点云数据,但激光雷达目前价格太高,在淘宝上便宜的也要将近3000块,实在是太贵了,另外可替代的方法是用具有深度摄像机作为传感器发布点云数据,一般用的比较多的是微软的Kinect,或者华硕的Xtion。目前Kinect已经有2.0版本,而且二手的价格也比较便宜,但Kinect2.0支持的USB3.0接口,树莓派USB接口都是2.0的,无奈只能放弃Kinect2.0,Kinect1.0笔者曾经有过一台,影像中感觉体积太大。考虑再三后最终决定使用Xtion,赶紧到淘宝上找,发现价格不便宜,后来发现乐视电视配的第一代体感摄像头,完全是OEM的Xtion,关键是价格要比Xtion便宜好几百,果断进了一台LeTV Xtion,货到后发现装上效果还不错,先上张图:
一、安装:
1.安装OpenNI包
sudo apt-get install ros-kinetic-openni-camerasudo apt-get install ros-kinetic-openni-launch
2.安装Xtion的新版驱动(现在买到的都是新版本的)
sudo apt-get install libopenni-sensor-primesense0
3.启动openni节点(先要在其他终端中启动roscore)
roslaunch openni_launch openni.launch
启动成功后终端应该显示如下信息
这里的警告信息可以忽略,不影响使用
4.查看摄像头的所生成的影像
rosrun image_view disparity_view image:=/camera/depth/disparity
也可以通过rviz来查看生成的影像,执行如下命令
rosrun rviz rviz
二、生成点云数据,参考了两篇文档
OpenNI本身就已经有点云数据了,这篇文章完全是看了前辈的文章,就想把这些优秀的代码整合到ROS中来
官方文档http://wiki.ros.org/navigation/Tutorials/RobotSetup/Sensors
古月居的http://blog.csdn.net/hcx25909/article/details/8654684
1.源代码
#include <ros/ros.h>#include <sensor_msgs/PointCloud.h>#include <XnCppWrapper.h>#include <iostream>#include <iomanip>#include <vector>using namespace xn; using namespace std; struct SColorPoint3D { float X; float Y; float Z; float R; float G; float B; SColorPoint3D( XnPoint3D pos, XnRGB24Pixel color ) { X = pos.X; Y = pos.Y; Z = pos.Z; R = (float)color.nRed / 255; G = (float)color.nGreen / 255; B = (float)color.nBlue / 255; } }; void GeneratePointCloud( DepthGenerator& rDepthGen, const XnDepthPixel* pDepth, const XnRGB24Pixel* pImage, vector<SColorPoint3D>& vPointCloud ) { // number of point is the number of 2D image pixel DepthMetaData mDepthMD; rDepthGen.GetMetaData( mDepthMD ); unsigned int uPointNum = mDepthMD.FullXRes() * mDepthMD.FullYRes(); // build the data structure for convert XnPoint3D* pDepthPointSet = new XnPoint3D[ uPointNum ]; unsigned int i, j, idxShift, idx; for( j = 0; j < mDepthMD.FullYRes(); ++j ) { idxShift = j * mDepthMD.FullXRes(); for( i = 0; i < mDepthMD.FullXRes(); ++i ) { idx = idxShift + i; pDepthPointSet[idx].X = i; pDepthPointSet[idx].Y = j; pDepthPointSet[idx].Z = pDepth[idx]; } } // un-project points to real world XnPoint3D* p3DPointSet = new XnPoint3D[ uPointNum ]; rDepthGen.ConvertProjectiveToRealWorld( uPointNum, pDepthPointSet, p3DPointSet ); delete[] pDepthPointSet; // build point cloud for( i = 0; i < uPointNum; ++ i ) { // skip the depth 0 points if( p3DPointSet[i].Z == 0 ) continue; vPointCloud.push_back( SColorPoint3D( p3DPointSet[i], pImage[i] ) ); } delete[] p3DPointSet; } int main(int argc, char** argv){ ros::init(argc, argv, "point_cloud_publisher"); ros::NodeHandle n; ros::Publisher cloud_pub = n.advertise<sensor_msgs::PointCloud>("cloud", 50); unsigned int num_points = 100; int count = 0; ros::Rate r(1.0); ///////////////// XnStatus eResult = XN_STATUS_OK; int i = 0; // init Context mContext; eResult = mContext.Init(); DepthGenerator mDepthGenerator; eResult = mDepthGenerator.Create(mContext); ImageGenerator mImageGenerator; eResult = mImageGenerator.Create(mContext); // set output mode XnMapOutputMode mapMode; mapMode.nXRes = XN_VGA_X_RES; mapMode.nYRes = XN_VGA_Y_RES; mapMode.nFPS = 30; eResult = mDepthGenerator.SetMapOutputMode(mapMode); eResult = mImageGenerator.SetMapOutputMode(mapMode); // start generating eResult = mContext.StartGeneratingAll(); // read data vector<SColorPoint3D> vPointCloud; ///////////////// while(n.ok()){ eResult = mContext.WaitNoneUpdateAll(); // get the depth map const XnDepthPixel* pDepthMap = mDepthGenerator.GetDepthMap(); // get the image map const XnRGB24Pixel* pImageMap = mImageGenerator.GetRGB24ImageMap(); // generate point cloud vPointCloud.clear(); GeneratePointCloud(mDepthGenerator, pDepthMap, pImageMap, vPointCloud ); // print point cloud cout.flags(ios::left); //Left-aligned cout << "Point number: " << vPointCloud.size() << endl; num_points=vPointCloud.size(); sensor_msgs::PointCloud cloud; cloud.header.stamp = ros::Time::now(); cloud.header.frame_id = "sensor_frame"; cloud.points.resize(num_points); //we'll also add an intensity channel to the cloud cloud.channels.resize(3); cloud.channels[0].name = "R"; cloud.channels[0].values.resize(num_points); cloud.channels[1].name = "G"; cloud.channels[1].values.resize(num_points); cloud.channels[2].name = "G"; cloud.channels[2].values.resize(num_points); //generate some fake data for our point cloud for(unsigned int i = 0; i < num_points; ++i){ cloud.points[i].x = vPointCloud[i].X; cloud.points[i].y = vPointCloud[i].Y; cloud.points[i].z = vPointCloud[i].Z; cloud.channels[0].values[i] = vPointCloud[i].R; cloud.channels[1].values[i] = vPointCloud[i].G; cloud.channels[2].values[i] = vPointCloud[i].B; } cloud_pub.publish(cloud); ++count; r.sleep(); } return 0;}
2.另外在包目录下的CMakeLists.txt文件中有两处修改,否则编译会出错
增加openni的引用路径
include_directories ("/usr/include/ni/")
增加新的可执行文件说明
add_executable(XtionPointCloud src/XtionPointCloud.cpp)target_link_libraries(XtionPointCloud ${catkin_LIBRARIES})target_link_libraries(XtionPointCloud OpenNI)
修改保存后在~/catkin_ws下执行编译命令
catkin_make
3.启动XtionPointCloud节点
rosrun diego_nav XtionPointCloud
打开另外一个终端查看发布的点云数据
rostopic echo /cloud
这时候就会看到一屏一屏的数据
树莓派处理其点云数据还是很吃力的,这个时候树莓派的系统资源使用情况:
4个CPU的使用都在50%以上
内存使用接近90%
- ROS机器人Diego 1#制作(九)视觉系统之使用Xtion发布点云数据
- ROS机器人Diego 1#制作(十一)将letv xtion点云数据转换成激光数据
- ROS机器人Diego 1#制作(八)ROS语音系统之整合讯飞语音
- ROS机器人Diego 1#制作(十)摄像头tf数据的发布
- ROS机器人Diego 1#制作(十九)diego机器人的moveit驱动
- ROS机器人Diego 1#制作(一)BOM清单
- ROS机器人Diego 1#制作(二)base controller---rosserial_arduino
- ROS机器人Diego 1#制作(三)base controller---ros_arduino_bridge
- ROS机器人Diego 1#制作(十三)launch启动文件
- ROS机器人Diego 1#制作总结
- ROS机器人Diego 1#制作(二十二)基于EAI F4激光雷达数据进行定位amcl
- ROS机器人Diego 1#制作(十六)创建机器人的urdf模型描述文件
- ROS机器人Diego 1#制作(四)base controller---线速度的标定
- ROS机器人Diego 1#制作(五)base controller---角速度的标定
- ROS机器人Diego 1#制作(十二)SLAM导航的配置
- ROS机器人Diego 1#制作(十四)机械臂的控制---arduino驱动
- ROS机器人Diego 1#制作(十七)用moveit assistant生成配置包
- ROS机器人Diego 1#制作(十八)模拟环境测试moveit
- AngularJS-数据绑定
- office 2010 安装
- iOS多线程总结(3)——NSOperation与NSOperationQueue的使用
- vim设置自动缩进
- 计算机网络总结
- ROS机器人Diego 1#制作(九)视觉系统之使用Xtion发布点云数据
- 函数的递归调用
- universalimageloader
- 《代码大全2》读书笔记——变量篇
- 操作系统知识点总结
- Linux初探索,贴出相关的备忘
- 16程序设计基础实验非OJ题目(第三次实验课)
- 软件测试知识点总结
- string pushback +=