亚洲国产日韩欧美一区二区三区,精品亚洲国产成人av在线,国产99视频精品免视看7,99国产精品久久久久久久成人热,欧美日韩亚洲国产综合乱

鏡像下載、域名解析、時(shí)間同步請(qǐng)點(diǎn)擊 阿里云開源鏡像站

前言

本文主要學(xué)習(xí) ROS機(jī)器人操作系統(tǒng) ，在ROS系統(tǒng)里調(diào)用 OpenCV庫(kù) 實(shí)現(xiàn)人臉識(shí)別任務(wù)

一、環(huán)境配置

1.安裝ROS

sudo apt-get install ros-kinetic-desktop-full

2.攝像頭調(diào)用

安裝攝像頭組件相關(guān)的包，命令行如下：

sudo apt-get install ros-kinetic-usb-cam

啟動(dòng)攝像頭，命令行如下：

roslaunch usb_cam usb_cam-test.launch

調(diào)用攝像頭成功，如下圖所示：

攝像頭的驅(qū)動(dòng)發(fā)布的相關(guān)數(shù)據(jù)，如下圖所示：

攝像頭 usb_cam/image_raw 這個(gè)話題，發(fā)布的消息的具體類型，如下圖所示：

那么圖像消息里面的成員變量有哪些呢？

打印一下就知道了！一個(gè)消息類型里面的具體成員變量，如下圖所示：

• Header：很多話題消息里面都包含的

  消息頭：包含消息序號(hào)，時(shí)間戳和綁定坐標(biāo)系

  消息的序號(hào)：表示我們這個(gè)消息發(fā)布是排第幾位的，并不需要我們手動(dòng)去標(biāo)定，每次

  發(fā)布消息的時(shí)候會(huì)自動(dòng)地去累加

  綁定坐標(biāo)系：表示的是我們是針對(duì)哪一個(gè)坐標(biāo)系去發(fā)布的header有時(shí)候也不需要去配置

• height：圖像的縱向分辨率

• width：圖像的橫向分辨率

• encoding：圖像的編碼格式，包含RGB、YUV等常用格式，都是原始圖像的編碼格式，不涉及圖像壓縮編碼

• is_bigendian: 圖像數(shù)據(jù)的大小端存儲(chǔ)模式

• step：一行圖像數(shù)據(jù)的字節(jié)數(shù)量，作為數(shù)據(jù)的步長(zhǎng)參數(shù)

• data：存儲(chǔ)圖像數(shù)據(jù)的數(shù)組，大小為step×height個(gè)字節(jié)

• format：圖像的壓縮編碼格式（jpeg、png、bmp）

3.導(dǎo)入OpenCV

在ROS當(dāng)中完成OpenCV的安裝，命令行如下圖所示：

sudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv

安裝完成

二、創(chuàng)建工作空間和功能包

1.創(chuàng)建工作空間

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_init_workspace

• 創(chuàng)建完成工作空間后，在根目錄下面，執(zhí)行編譯整個(gè)工作空間

cd ~/catkin_ws/
catkin_make

• 工作空間中會(huì)自動(dòng)生成兩個(gè)文件夾：devel，build

• devel文件夾中產(chǎn)生幾個(gè)setup.*sh形成的環(huán)境變量設(shè)置腳本，使用source命令運(yùn)行這些腳本文件，則工作空間中的環(huán)境變量得以生效

source devel/setup.sh

• 將環(huán)境變量設(shè)置到/.bashrc文件中

gedit ~/.bashrc

• 在打開的文件，最下面粘貼以下代碼即可設(shè)置環(huán)境變量

source ~/catkin_ws/devel/setup.bash

2.創(chuàng)建功能包

開始創(chuàng)建

cd ~/catkin_ws/src
catkin_create_pkg learning std_msgs rospy roscpp

回到根目錄，編譯并設(shè)置環(huán)境變量

cd ~/catkin_ws
catkin_make
source ~/catkin_ws/devel/setup.sh

三、人臉識(shí)別檢測(cè)相關(guān)代碼

基于 Haar 特征的級(jí)聯(lián)分類器檢測(cè)算法

核心內(nèi)容，如下所示：

• 灰階色彩轉(zhuǎn)換
• 縮小攝像頭圖像
• 直方圖均衡化
• 檢測(cè)人臉

1.python文件

face_detector.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import rospy
import cv2
import numpy as np
from sensor_msgs.msg import Image, RegionOfInterest
from cv_bridge import CvBridge, CvBridgeError
class faceDetector:
    def __init__(self):
        rospy.on_shutdown(self.cleanup);
        # 創(chuàng)建cv_bridge
        self.bridge = CvBridge()
        self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1)
        # 獲取haar特征的級(jí)聯(lián)表的XML文件，文件路徑在launch文件中傳入
        cascade_1 = rospy.get_param("~cascade_1", "")
        cascade_2 = rospy.get_param("~cascade_2", "")
        # 使用級(jí)聯(lián)表初始化haar特征檢測(cè)器
        self.cascade_1 = cv2.CascadeClassifier(cascade_1)
        self.cascade_2 = cv2.CascadeClassifier(cascade_2)
        # 設(shè)置級(jí)聯(lián)表的參數(shù)，優(yōu)化人臉識(shí)別，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)
        # 初始化訂閱rgb格式圖像數(shù)據(jù)的訂閱者，此處圖像topic的話題名可以在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將ROS的圖像數(shù)據(jù)轉(zhuǎn)換成OpenCV的圖像格式
        try:
            cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")     
            frame = np.array(cv_image, dtype=np.uint8)
        except CvBridgeError, e:
            print e
        # 創(chuàng)建灰度圖像
        grey_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 創(chuàng)建平衡直方圖，減少光線影響
        grey_image = cv2.equalizeHist(grey_image)
        # 嘗試檢測(cè)人臉
        faces_result = self.detect_face(grey_image)
        # 在opencv的窗口中框出所有人臉區(qū)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)
        # 將識(shí)別后的圖像轉(zhuǎn)換成ROS消息并發(fā)布
        self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8"))
    def detect_face(self, input_image):
        # 首先匹配正面人臉的模型
        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))
        # 如果正面人臉匹配失敗，那么就嘗試匹配側(cè)面人臉的模型
        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節(jié)點(diǎn)
        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

• 攝像頭啟動(dòng)文件

<launch>
  <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
    <param name="video_device" value="/dev/video0" />
    <param name="image_width" value="640" />
    <param name="image_height" value="480" />
    <param name="pixel_format" value="yuyv" />
    <param name="camera_frame_id" value="usb_cam" />
    <param name="io_method" value="mmap"/>
  </node>
</launch>

face_detector.launch

• 人臉識(shí)別啟動(dòng)文件

<launch>
    <node pkg="test2" name="face_detector" type="face_detector.py" output="screen">
        <remap from="input_rgb_image" to="/usb_cam/image_raw" />
        <rosparam>
            haar_scaleFactor: 1.2
            haar_minNeighbors: 2
            haar_minSize: 40
            haar_maxSize: 60
        </rosparam>
        <param name="cascade_1" value="$(find robot_vision)/data/haar_detectors/haarcascade_frontalface_alt.xml" />
        <param name="cascade_2" value="$(find robot_vision)/data/haar_detectors/haarcascade_profileface.xml" />
    </node>
</launch>

3.CvBridge

• ROS 與 OpenCV 之間的數(shù)據(jù)連接是通過(guò) CvBridge 來(lái)實(shí)現(xiàn)的
• ROS Image Message與 OpenCV Ipllmage 之間連接的一個(gè)橋梁

cv_bridge_test.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import rospy
import cv2
from cv_bridge import CvBridge, CvBridgeError
from sensor_msgs.msg import Image
class image_converter:
    def __init__(self):    
        # 創(chuàng)建cv_bridge，聲明圖像的發(fā)布者和訂閱者
        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將ROS的圖像數(shù)據(jù)轉(zhuǎn)換成OpenCV的圖像格式
        try:
            cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8")
        except CvBridgeError as e:
            print e
        # 在opencv的顯示窗口中繪制一個(gè)圓，作為標(biāo)記
        (rows,cols,channels) = cv_image.shape
        if cols > 60 and rows > 60 :
            cv2.circle(cv_image, (60, 60), 30, (0,0,255), -1)
        # 顯示Opencv格式的圖像
        cv2.imshow("Image window", cv_image)
        cv2.waitKey(3)
        # 再將opencv格式額數(shù)據(jù)轉(zhuǎn)換成ros image格式的數(shù)據(jù)發(fā)布
        try:
            self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8"))
        except CvBridgeError as e:
            print e
if __name__ == '__main__':
    try:
        # 初始化ros節(jié)點(diǎn)
        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、代碼實(shí)測(cè)

1.執(zhí)行命令行

分別在三個(gè)終端下運(yùn)行，命令行如下：

啟動(dòng)攝像頭

roslaunch robot_vision usb_cam.launch

啟動(dòng)人臉識(shí)別

roslaunch robot_vision face_detector.launch

打開人臉識(shí)別窗口

rqt_image_view

2.人臉識(shí)別效果

拿了C站官方送的書來(lái)進(jìn)行測(cè)試，識(shí)別的效果還是相當(dāng)不錯(cuò)的，效果如下圖所示:

五、報(bào)錯(cuò)解決

報(bào)錯(cuò)1：E：無(wú)法定位軟件包 ros-kinetic-usb-cam

解決方法： 網(wǎng)上下載編譯安裝

$ cd catkin_ws/src

$ git clone https://github.com/bosch-ros-pkg/usb_cam.git

$ cd ~/catkin_ws

$ catkin_make

成功解決：

報(bào)錯(cuò)2：?jiǎn)?dòng)攝像頭報(bào)錯(cuò)

解決方法：輸入以下命令行，再啟動(dòng)攝像頭

source ~/catkin_ws/devel/setup.bash

成功解決：

報(bào)錯(cuò)3：虛擬機(jī)攝像頭沒(méi)連接報(bào)錯(cuò)

解決方法：打開虛擬機(jī)設(shè)置，更改usb版本為3.1

可移動(dòng)設(shè)備將攝像頭設(shè)置連接

六、總結(jié)

• 在ROS操作系統(tǒng)中調(diào)用 OpenCV 完成人臉識(shí)別還是比較有意思的，目前圖像處理和人臉識(shí)別還是比較常用到的，本文主要記錄學(xué)習(xí)過(guò)程，以及遇到的相關(guān)報(bào)錯(cuò)問(wèn)題進(jìn)行記錄

• 如何對(duì)于特定目標(biāo)的檢測(cè)并顯示出結(jié)果？如何優(yōu)化讓人臉識(shí)別的更精準(zhǔn)？目前還在朝著這個(gè)方向進(jìn)行思考和探究

原文鏈接：https://blog.csdn.net/m0_61745661/article/details/125578352