目录
前言
一、环境配置
1.安装ROS
2.摄像头调用
3.导入OpenCV
二、创建工作空间和功能包
1.创建工作空间
2.创建功能包
三、人脸识别检测相关代码
1.python文件
2.lanuch文件
3.CvBridge
四、代码实测
1.执行命令行
2.人脸识别效果
五、报错解决
六、总结
前言
本文主要学习 ROS机器人操作系统 ，在ROS系统里调用 OpenCV库 实现人脸识别任务
一、环境配置
1.安装ROS
sudo apt-get install ros-kinetic-desktop-full如果ROS还不懂如何安装的，可以看下这一篇：【Linux学习】虚拟机VMware 安装ROS 一条龙教程+部分报错解决_猿力猪的博客-CSDN博客_ros vmwareLinux下载安装ROS，一条龙详解！希望对您有所帮助！
2.摄像头调用
安装摄像头组件相关的包，命令行如下：
sudo apt-get install ros-kinetic-usb-cam启动摄像头，命令行如下：
roslaunch usb_cam usb_cam-test.launch调用摄像头成功，如下图所示：
摄像头的驱动发布的相关数据，如下图所示：
摄像头 usb_cam/image_raw 这个话题，发布的消息的具体类型，如下图所示：
那么图像消息里面的成员变量有哪些呢？
打印一下就知道了！一个消息类型里面的具体成员变量，如下图所示：
消息头：包含消息序号，时间戳和绑定坐标系
消息的序号：表示我们这个消息发布是排第几位的，并不需要我们手动去标定，每次
发布消息的时候会自动地去累加
绑定坐标系：表示的是我们是针对哪一个坐标系去发布的header有时候也不需要去配置
height：图像的纵向分辨率width：图像的横向分辨率encoding：图像的编码格式，包含RGB、YUV等常用格式，都是原始图像的编码格式，不涉及图像压缩编码is_bigendian: 图像数据的大小端存储模式step：一行图像数据的字节数量，作为数据的步长参数data：存储图像数据的数组，大小为step×height个字节format：图像的压缩编码格式（jpeg、png、bmp）3.导入OpenCV
在ROS当中完成OpenCV的安装，命令行如下图所示：
sudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv安装完成
二、创建工作空间和功能包
1.创建工作空间
mkdir -p ~/catkin_ws/srccd ~/catkin_ws/srccatkin_init_workspacecd ~/catkin_ws/catkin_makesource devel/setup.shgedit ~/.bashrcsource ~/catkin_ws/devel/setup.bash2.创建功能包
开始创建cd ~/catkin_ws/srccatkin_create_pkg learning std_msgs rospy roscppcd ~/catkin_wscatkin_makesource ~/catkin_ws/devel/setup.sh三、人脸识别检测相关代码
基于 Haar 特征的级联分类器检测算法核心内容，如下所示： 灰阶色彩转换缩小摄像头图像直方图均衡化检测人脸1.python文件
face_detector.py
#!/usr/bin/env python# -*- coding: utf-8 -*-import rospyimport cv2import numpy as npfrom sensor_msgs.msg import Image, RegionOfInterestfrom cv_bridge import CvBridge, CvBridgeErrorclass faceDetector: def __init__(self): rospy.on_shutdown(self.cleanup); # 创建cv_bridge self.bridge = CvBridge() self.image_pub = rospy.Publisher("cv_bridge_image", Image, queue_size=1) # 获取haar特征的级联表的XML文件，文件路径在launch文件中传入 cascade_1 = rospy.get_param("~cascade_1", "") cascade_2 = rospy.get_param("~cascade_2", "") # 使用级联表初始化haar特征检测器 self.cascade_1 = cv2.CascadeClassifier(cascade_1) self.cascade_2 = cv2.CascadeClassifier(cascade_2) # 设置级联表的参数，优化人脸识别，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) # 初始化订阅rgb格式图像数据的订阅者，此处图像topic的话题名可以在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将ROS的图像数据转换成OpenCV的图像格式 try: cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8") frame = np.array(cv_image, dtype=np.uint8) except CvBridgeError, e: print e # 创建灰度图像 grey_image = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 创建平衡直方图，减少光线影响 grey_image = cv2.equalizeHist(grey_image) # 尝试检测人脸 faces_result = self.detect_face(grey_image) # 在opencv的窗口中框出所有人脸区域 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) # 将识别后的图像转换成ROS消息并发布 self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8")) def detect_face(self, input_image): # 首先匹配正面人脸的模型 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)) # 如果正面人脸匹配失败，那么就尝试匹配侧面人脸的模型 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节点 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
摄像头启动文件<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
人脸识别启动文件<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 与 OpenCV 之间的数据连接是通过 CvBridge 来实现的ROS Image Message与 OpenCV Ipllmage 之间连接的一个桥梁cv_bridge_test.py
#!/usr/bin/env python# -*- coding: utf-8 -*-import rospyimport cv2from cv_bridge import CvBridge, CvBridgeErrorfrom sensor_msgs.msg import Imageclass image_converter: def __init__(self): # 创建cv_bridge，声明图像的发布者和订阅者 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将ROS的图像数据转换成OpenCV的图像格式 try: cv_image = self.bridge.imgmsg_to_cv2(data, "bgr8") except CvBridgeError as e: print e # 在opencv的显示窗口中绘制一个圆，作为标记 (rows,cols,channels) = cv_image.shape if cols > 60 and rows > 60 : cv2.circle(cv_image, (60, 60), 30, (0,0,255), -1) # 显示Opencv格式的图像 cv2.imshow("Image window", cv_image) cv2.waitKey(3) # 再将opencv格式额数据转换成ros image格式的数据发布 try: self.image_pub.publish(self.bridge.cv2_to_imgmsg(cv_image, "bgr8")) except CvBridgeError as e: print eif __name__ == '__main__': try: # 初始化ros节点 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、代码实测
1.执行命令行
分别在三个终端下运行，命令行如下：
启动摄像头roslaunch robot_vision usb_cam.launchroslaunch robot_vision face_detector.launchrqt_image_view2.人脸识别效果
拿了C站官方送的书来进行测试，识别的效果还是相当不错的，效果如下图所示:
五、报错解决
报错1：E：无法定位软件包 ros-kinetic-usb-cam
解决方法： 网上下载编译安装
$ cd catkin_ws/src
$ git clone https://github.com/bosch-ros-pkg/usb_cam.git
$ cd ~/catkin_ws
$ catkin_make
成功解决：
报错2：启动摄像头报错
解决方法：输入以下命令行，再启动摄像头
source ~/catkin_ws/devel/setup.bash成功解决：
报错3：虚拟机摄像头没连接报错
解决方法：打开虚拟机设置，更改usb版本为3.1
可移动设备将摄像头设置连接
六、总结
在ROS操作系统中调用 OpenCV 完成人脸识别还是比较有意思的，目前图像处理和人脸识别还是比较常用到的，本文主要记录学习过程，以及遇到的相关报错问题进行记录如何对于特定目标的检测并显示出结果？如何优化让人脸识别的更精准？目前还在朝着这个方向进行思考和探究参考：
ubuntu16.04下ROS操作系统学习笔记（六 ）机器视觉-摄像头标定-ROS+OpenCv-人脸识别-物体跟踪-二维码识别_小小何先生的博客-CSDN博客
ROS+OpenCV 人脸识别，物体识别_JJH的创世纪的博客-CSDN博客_ros图像识别
《ROS机器人开发实践》功能包编译报错问题解决&&摄像头数据opencv_melodic18的博客-CSDN博客
Ubuntu 16.04 安装摄像头驱动usb_cam - 走看看
E: 无法定位软件包 ros-kinetic-usb-cam_＞＞＞111的博客-CSDN博客
以上就是本文的全部内容啦！如果对您有帮助，麻烦点赞啦！收藏啦！欢迎各位评论区留言！！！
