2020.12.29
1. opencv2.4.9安装
安装步骤写在了我的这篇博客：Ubuntu16.04下安装OpenCV2.4.9——只看这一篇博客就够了！
2. cv_bridge学习
ROS官网教程：cv_bridge教程
2020.12.31
1. opencv灰度处理
参考博客：在ROS中使用opencv-灰度处理
在运行该博客中的程序时，代码中订阅的话题消息要由cv_camera/image_raw改为image_raw。
2. 消息类型sensor_msgs/Image
参考博客：ROS学习笔记8
在学习这篇博客时catkin_make报错的解决方法：CMake Error: add_executable cannot create target ““ because another target with the same name已解决
3. catkin_make报错
解决方法：The dependency target “省略“ of target “tests“ does not exist已解决
2020.12.31
1. 灰度图二值化
参考博客：【OpenCV图像处理】二、图像的二值化操作
上面这篇博客中的阈值设置不合适，threshold函数中改为如下阈值设置
阈值参考博客：threshold —— opencv阈值操作
cv::threshold(img_gray_out, img_binarized_out, 150, 255.0, cv::THRESH_BINARY); // 图像二值化
2. 直线检测——霍夫变换
参考博客：Opencv霍夫直线检测
这里没有用到二值化，而是使用了边缘检测，于是我也在实验中直接使用了Canny边缘检测。
实验指导书要求的是循迹线，不是直线。。。
暂存一下直线检测的代码吧，如下：
#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
/*
cv_bridge中包含CvBridge库
*/
#include<cv_bridge/cv_bridge.h>
/*
ROS图象类型的编码函数
*/
#include<sensor_msgs/image_encodings.h>
/*
image_transport 头文件用来在ROS系统中的话题上发布和订阅图象消息
*/
#include<image_transport/image_transport.h>
//OpenCV2标准头文件
#include<opencv2/core/core.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
# define PI 3.14159265358979
static const std::string OPENCV_WINDOW1 = "Image window"; //定义输入窗口名称
static const std::string OPENCV_WINDOW2 = "Canny window"; //定义输出窗口名称
static const std::string OPENCV_WINDOW3 = "Grey window"; //定义输出窗口名称
//定义一个转换的类
class RGB_GRAY
{
private:
ros::NodeHandle nh_; //定义ROS句柄
image_transport::ImageTransport it_; //定义一个image_transport实例
image_transport::Subscriber image_sub_; //定义ROS图象接收器
image_transport::Publisher image_pub_; //定义ROS图象发布器
public:
RGB_GRAY()
:it_(nh_) //构造函数
{
image_sub_ = it_.subscribe("image_raw", 1, &RGB_GRAY::convert_callback, this); //定义图象接受器，订阅话题是“camera/rgb/image_raw”
//image_pub_ = it_.publish("", 1); //定义图象发布器
//初始化输入输出窗口
cv::namedWindow(OPENCV_WINDOW1);
cv::namedWindow(OPENCV_WINDOW2);
cv::namedWindow(OPENCV_WINDOW3);
}
~RGB_GRAY() //析构函数
{
cv::destroyWindow(OPENCV_WINDOW1);
cv::destroyWindow(OPENCV_WINDOW2);
cv::destroyWindow(OPENCV_WINDOW3);
}
/*
这是一个ROS和OpenCV的格式转换回调函数，将图象格式从sensor_msgs/Image ---> cv::Mat
*/
void convert_callback(const sensor_msgs::ImageConstPtr& msg)
{
cv_bridge::CvImagePtr cv_ptr; // 声明一个CvImage指针的实例
try
{
cv_ptr = cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8); //将ROS消息中的图象信息提取，生成新cv类型的图象，复制给CvImage指针
}
catch(cv_bridge::Exception& e) //异常处理
{
ROS_ERROR("cv_bridge exception: %s", e.what());
return;
}
std::vector<cv::Vec4i> Lines = image_process(cv_ptr->image); //得到了cv::Mat类型的图象，在CvImage指针的image中，将结果传送给处理函数
}
/*
这是图象处理的主要函数，一般会把图像处理的主要程序写在这个函数中。这里的例子只是一个彩色图象到灰度图象的转化
*/
std::vector<cv::Vec4i> image_process(cv::Mat img)
{
cv::Mat img_gray_out;
cv::Mat img_binarized_out;
cv::Mat img_canny;
cv::Canny(img, img_canny, 140, 250, 3); // 边缘检测
cv::cvtColor(img, img_gray_out, CV_RGB2GRAY); //转换成灰度图象
// cv::threshold(img_gray_out, img_binarized_out, 150, 255.0, cv::THRESH_BINARY); // 图像二值化（无用）
// 霍夫变换
std::vector<cv::Vec4i> Lines;
HoughLinesP(img_canny, Lines, 1, PI / 360, 170,30,15);
for (size_t i = 0; i < Lines.size(); i++)
{
cv::line(img_gray_out, cv::Point(Lines[i][0], Lines[i][1]), cv::Point(Lines[i][2], Lines[i][3]), cv::Scalar(0, 0, 255), 2, 8);
}
cv::imshow(OPENCV_WINDOW1, img); // 原图
cv::imshow(OPENCV_WINDOW2, img_canny); // 边缘检测图
cv::imshow(OPENCV_WINDOW3, img_gray_out); // 标出直线的灰度图
cv::waitKey(5);
return Lines;
}
};
//主函数
int main(int argc, char** argv)
{
ros::init(argc, argv, "RGB");
RGB_GRAY obj;
ros::spin();
}