在ROS中 opencv 发布和接收图像消息

川长思鸟来 2022-05-26 00:50 310阅读 0赞

**1、创建相关功能包**

首先进入到你的工作空间，比如我的工作空间是catkin\_ws，然后进入src 目录下，使用catkin\_create\_pkg 命令创建你的功能包，以my\_image\_transport 功能包为例，注意功能包后面参数为该功能包的依赖项。

$ cd catkin_ws/
    $ cd src/
    $ catkin_create_pkg my_image_transport image_transport cv_bridge

然后回到工作空间内编译该功能包

$ cd ..
    $ catkin_make

ps:如果不带任何参数的话，catkin\_make 默认编译工作空间下的所有功能包，如果你不怕麻烦的话可以使用这个参数编译特定的功能包：

catkin_make -DCATKIN_WHITELIST_PACKAGES="package1;package2"

或者使用

catkin_make --pkg package_name

同时，更新初始化文件

$ source devel/setup.bash

**2、在ROS中传递图像**

在学习从摄像头获取视频之前，我们最好先学会如何发布一个图像消息，简单熟悉之后，再学习如何发布视频。

**2.1、创建一个图像发布者程序**

首先入功能包，创建src目录，在里面创建如下代码：

$ cd src
    $ vi my_publisher.cpp

如果你已经对ros中的各种命令比较熟悉，你可以采取更简单的命令

$ rosed my_image_transport my_publisher.cpp

ps: 如果上述命令不管用，那么在运行上述命令之前最好先运行下面的命令，每次遇到类似的问题都可以运行这条命令，屡试不爽！

$ source ~/catkin_ws/devel/setup.bash

下面是my\_publisher.cpp 文件里的内容。

#include <ros/ros.h>
    #include <image_transport/image_transport.h>
    #include <opencv2/highgui/highgui.hpp>
    #include <cv_bridge/cv_bridge.h>
    
    int main(int argc, char** argv)
    {
      ros::init(argc, argv, "image_publisher");
      ros::NodeHandle nh;
      image_transport::ImageTransport it(nh);
      image_transport::Publisher pub = it.advertise("camera/image", 1);
    
      cv::Mat image = cv::imread(argv[1], CV_LOAD_IMAGE_COLOR);
      sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", image).toImageMsg();
    
      ros::Rate loop_rate(5);
      while (nh.ok()) {
        pub.publish(msg);
        ros::spinOnce();
        loop_rate.sleep();
      }
    }

我们来一步一步地分析一下这段代码。

#include <ros/ros.h>
    #include <image_transport/image_transport.h>
    #include <opencv2/highgui/highgui.hpp>
    #include <cv_bridge/cv_bridge.h>

首先ros.h这个头文件是所有的ros节点中必须要包含的，下面三个分别是实现图像的发布和订阅，调用opencv库（当然前提是你在你的系统里已经安装了OpenCV），完成opencv图像格式转化为ROS图像格式所要用到的头文件。另外，在package.xml文件中我们也需要根据所需头文件配置相关的依赖。（下节我们会介绍到）

image_transport::ImageTransport it(nh);

用之前声明的节点句柄初始化it，其实这里的it和nh的功能基本一样，你可以向之前一样使用it来发布和订阅相消息。

image_transport::Publisher pub = it.advertise("camera/image", 1);

告诉节点管理器（roscore）我们要在camera/image话题上发布图像，这里第一个参数是话题的名称，第二个是缓冲区的大小（即消息队列的长度，在发布图像消息时消息队列的长度只能是1）。

cv::Mat image = cv::imread(argv[1], CV_LOAD_IMAGE_COLOR);

根据运行时给定的参数（图像文件的路径）读取图像，这是opencv里面的函数，具体可以参考opencv的相关资料。

sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", image).toImageMsg();

将opencv格式的图像转化为ROS所支持的消息类型，从而发布到相应的话题上。

ros::Rate loop_rate(5);
      while (nh.ok()) {
        pub.publish(msg);
        ros::spinOnce();
        loop_rate.sleep();
      }
    }

发布图片消息，使消息类型匹配的节点订阅该消息。

**2.2、创建订阅者节点**

#include <ros/ros.h>
    #include <image_transport/image_transport.h>
    #include <opencv2/highgui/highgui.hpp>
    #include <cv_bridge/cv_bridge.h>
    
    void imageCallback(const sensor_msgs::ImageConstPtr& msg)
    {
      try
      {
        cv::imshow("view", cv_bridge::toCvShare(msg, "bgr8")->image);
      }
      catch (cv_bridge::Exception& e)
      {
        ROS_ERROR("Could not convert from '%s' to 'bgr8'.", msg->encoding.c_str());
      }
    }
    
    int main(int argc, char **argv)
    {
      ros::init(argc, argv, "image_listener");
      ros::NodeHandle nh;
      cv::namedWindow("view");
      cv::startWindowThread();
      image_transport::ImageTransport it(nh);
      image_transport::Subscriber sub = it.subscribe("camera/image", 1, imageCallback);
      ros::spin();
      cv::destroyWindow("view");
    }

前面重复的部分这里不在赘述，我只介绍一下几段新的代码。

void imageCallback(const sensor_msgs::ImageConstPtr& msg)

这是一个回调函数，当有新的图像消息到达camera/image时，该函数就会被调用。

cv::imshow("view", cv_bridge::toCvShare(msg, "bgr8")->image);

这段代码用于显示捕捉到的图像，其中

cv_bridge::toCvShare(msg, "bgr8")->image

用于将ROS图像消息转化为Opencv支持的图像格式（采用BGR8编码方式）。

其实这部分代码的用法恰好与上一节中发布者节点中的

CvImage(std_msgs::Header(), "bgr8", image).toImageMsg();

作用相反。

**2.3、配置相关文件**

为了是上述两个节点编译成功，我们必须对CMakeList.txt和package.xml做一些修改。首先在CMakeList.txt添加如下几行代码

find_package(OpenCV)
    include_directories(include ${OpenCV_INCLUDE_DIRS})
    #build my_publisher and my_subscriber
    add_executable(my_publisher src/my_publisher.cpp)
    target_link_libraries(my_publisher ${catkin_LIBRARIES})
    
    add_executable(my_subscriber src/my_subscriber.cpp)
    target_link_libraries(my_subscriber ${catkin_LIBRARIES})

然后打开package.xml，在里面添加如下代码，

<buildtool_depend>catkin</buildtool_depend>
      <build_depend>cv_bridge</build_depend>
      <build_depend>image_transport</build_depend>
      <build_depend>roscpp</build_depend>
      <build_depend>rospy</build_depend>
      <build_depend>std_msgs</build_depend>
      <build_export_depend>cv_bridge</build_export_depend>
      <build_export_depend>image_transport</build_export_depend>
      <build_export_depend>roscpp</build_export_depend>
      <build_export_depend>rospy</build_export_depend>
      <build_export_depend>std_msgs</build_export_depend>
      <exec_depend>cv_bridge</exec_depend>
      <exec_depend>image_transport</exec_depend>
      <exec_depend>roscpp</exec_depend>
      <exec_depend>rospy</exec_depend>
      <exec_depend>std_msgs</exec_depend>

配置好上述文件之后你就可以编译节点了！

$ cd ~/catkin_ws
    $ catkin_make -DCATKIN_WHITHELIST_PACKAGES="my_image_transport"

编译成功之后你就可以运行你写好的节点了。如果没有运行成功，就检查一下相关的配置文件或者节点代码中有无错误。在运行节点之前一定要先打开节点管理器。打开终端运行roscore，然后打开另一终端运行下述命令，

$ rosrun my_image_transport my_publisher /home/viki/Pictures/th.jpeg

上述命令有三个参数，分别是包名，节点名，所传递的图像的路径。如果不成功，就试试我之前提到的那个source命令。

再打开一个终端，输入rostopic list查看当前的主题清单。

![1.png][]

下面运行订阅者节点，

$ rosrun my_image_transport my_subscriber

运行效果如下图所示，

![70][]

下面我们看一下当前活动的节点，

$ rosnode list

![3.png][]

为了便于理解各个节点之间的交互情况，我们可以运行一个辅助节点rqt\_graph。

$ rosrun rqt_graph rqt_graph

效果如下图所示，

![4.png][]

如果你想优雅的关闭每个节点，那么请使用rosnode kill命令。当然你使用ctrl+c或者直接关闭终端也可以关闭节点，但这种方法不免过于简单粗暴，而且并未完全的关闭节点，因为节点管理器那里仍然有记录。

现在我们已经学会了如何在ros网络里发布图像消息.现在我们同样可以用类似的方法发布视频消息,下面我们以从摄像头获取视频数据为例进行简单的讲解,当然你也可以读取视频文件再发布出去.

## OpenCV 3与ROS的兼容报错：opencv3和opencv2不兼容 ##

这里使用到的是ros indigo，由于当我们需要用到OpenCV时，通常都需要运用cv\_bridge或者image\_pipeline包来转换传输图片，而这两个包又是依赖于OpenCV 2.4.8来编译的，所以每当同时需要用到OpenCV3和cv\_bridge的时候，便会产生如下错误：

No rule to make target `/usr/lib/x86_64-linux-gnu/libopencv_videostab.so.2.4.8'

*  1

所以，要解决这个问题，方法就是把cv\_bridge和image\_pipeline下载到本地的工作空间，并重新编译。但是因为他们基于OpenCV 2可以直接编译成功，所以在OpenCV 3下则需要相应做一些改动。这里有一个我从github上找到的，别人修改过的，可以直接下载并且使用OpenCV 3编译成功的cv\_bridge包，网址如下：  
[https://github.com/mikejmills/vision\_opencv][https_github.com_mikejmills_vision_opencv]

[1.png]: http://rosclub.cn/ueditor/php/upload/image/20160526/1464228569822767.png
[70]: /images/20220526/4313904b50e041559d8ff36d1f7cdaba.png
[3.png]: http://rosclub.cn/ueditor/php/upload/image/20160526/1464228633368650.png
[4.png]: http://rosclub.cn/ueditor/php/upload/image/20160526/1464228661389665.png
[https_github.com_mikejmills_vision_opencv]: https://github.com/mikejmills/vision_opencv