ROS关于cv_brige的使用

Posted 2020-09-07 Being_young

最近想使用OpenCV 和ROS实现点云的拼接，实现三维重建，那么在学习了kinect的基本的使用方法以后我们知道，直接使用ROS 的包即可得到点云，深度图，rgb图等信息，

roslaunch openni_launch openni.launch（深度图彩色图，还有点云都获取了）

rosrun openni_camera openni_node   (深度图与彩色图)

那么实现点云的拼接就需要使用cv_bridge把ROS 的数据格式转为Opencv可以使用的数据格式。即是一个提供ROS和OpenCV库提供之间的接口的开发包。

                                                   

(1) 将ROS图像信息转换为OpenCV图像

cvbridge定义了一个opencv图像cvimage的类型、包含了编码和ROS的信息头。cvimage包含准确的信息sensor_msgs /image，因此我们可以将两种数据类型进行转换。cvimage类格式：

namespace cv_bridge {

class CvImage
{
public:
  std_msgs::Header header;
  std::string encoding;
  cv::Mat image;
};

typedef boost::shared_ptr<CvImage> CvImagePtr;
typedef boost::shared_ptr<CvImage const> CvImageConstPtr;

}

当要把一个ROS 的sensor_msgs /image 信息转化为一cvimage，cvbridge有两个不同的使用情况：

（1）如果要修改某一位的数据。我们必须复制ROS信息数据的作为副本。

（2）不修改数据。可以安全地共享的ROS信息，而不是复制的数据。

cvbridge转换为CvImage提供了以下功能：

// Case 1: Always copy, returning a mutable CvImage
CvImagePtr toCvCopy(const sensor_msgs::ImageConstPtr& source,
                    const std::string& encoding = std::string());
CvImagePtr toCvCopy(const sensor_msgs::Image& source,
                    const std::string& encoding = std::string());

// Case 2: Share if possible, returning a const CvImage
CvImageConstPtr toCvShare(const sensor_msgs::ImageConstPtr& source,
                          const std::string& encoding = std::string());
CvImageConstPtr toCvShare(const sensor_msgs::Image& source,
                          const boost::shared_ptr<void const>& tracked_object,
                          const std::string& encoding = std::string());

输入是图像消息指针，以及可选的编码参数。编码是指cvimage的类型。

tocvcopy复制从ROS消息的图像数据，可以自由修改返回的cvimage。即使当源和目的编码匹配。

tocvshare将避免复制,在ROS的消息数据把指针返回的 cv::mat，，如果源和目的编码匹配。只要你保持一份返回的cvimage，ROS的消息数据将不会释放。如果编码不匹配时，它将分配一个新的缓冲区，执行转换。将不得修改返回的cvimage，因为它可能与ROS的图像信息共享数据，这反过来又可能与其他回调函数共享。注：对tocvshare二次过载更方便，转换当一个指针指向其他信息类型（如stereo_msgs / disparityimage）包含一个sensor_msgs /image。

如果没有编码（或更确切地说，空字符串），则目标图像编码将与图像消息编码相同。在这种情况下tocvshare保证不复制图像数据。图像编码可以是以下任何一个opencv图像编码：

• 8UC[1-4]
• 8SC[1-4]
• 16UC[1-4]
• 16SC[1-4]
• 32SC[1-4]
• 32FC[1-4]
• 64FC[1-4]

介绍集中cvbridge 中常见的数据编码的形式，cv_bridge可以有选择的对颜色和深度信息进行转化。为了使用指定的特征编码，就有下面集中的编码形式：

mono8:  CV_8UC1， 灰度图像

mono16: CV_16UC1,16位灰度图像

bgr8: CV_8UC3,带有颜色信息并且颜色的顺序是BGR顺序

rgb8: CV_8UC3,带有颜色信息并且颜色的顺序是RGB顺序

bgra8: CV_8UC4, BGR的彩色图像，并且带alpha通道

rgba8: CV_8UC4,CV，RGB彩色图像，并且带alpha通道

注：这其中mono8和bgr8两种图像编码格式是大多数OpenCV的编码格式。

Finally, CvBridge will recognize Bayer pattern encodings as having OpenCV type 8UC1 (8-bit unsigned, one channel). It will not perform conversions to or from Bayer pattern; in a typical ROS system, this is done instead by image_proc. CvBridge recognizes the following Bayer encodings:

• bayer_rggb8

• bayer_bggr8

• bayer_gbrg8

• bayer_grbg8

1.把Opencv图像转换为ROS图像格式

To convert a CvImage into a ROS image message, use one the toImageMsg() member function:

class CvImage
{
  sensor_msgs::ImagePtr toImageMsg() const;

  // Overload mainly intended for aggregate messages that contain
  // a sensor_msgs::Image as a member.
  void toImageMsg(sensor_msgs::Image& ros_image) const;
};

举个例子

首先要在创建的包CMakeLists.txt里添加依赖包。分别如下：

sensor_msgs
cv_bridge
roscpp
std_msgs
image_transport                         

 在src文件下建立一个cv_ros_beginner.cpp文件文件内容如下

#include <ros/ros.h>               //ros 的头文件
#include <image_transport/image_transport.h>   //image_transport
#include <cv_bridge/cv_bridge.h>              //cv_bridge
#include <sensor_msgs/image_encodings.h>    //图像编码格式
#include <opencv2/imgproc/imgproc.hpp>      //图像处理
#include <opencv2/highgui/highgui.hpp>       //opencv GUI

static const std::string OPENCV_WINDOW = "Image window";   //申明一个GUI 的显示的字符串

class ImageConverter    //申明一个图像转换的类
{
  ros::NodeHandle nh_;        //实例化一个节点
  image_transport::ImageTransport it_;
  image_transport::Subscriber image_sub_;     //订阅节点
  image_transport::Publisher image_pub_;      //发布节点
  
public:
  ImageConverter()
    : it_(nh_)
  {
    // Subscrive to input video feed and publish output video feed
    image_sub_ = it_.subscribe("/rgb/image_raw", 1, &ImageConverter::imageCb, this);
    image_pub_ = it_.advertise("/image_converter/output_video", 1);

    cv::namedWindow(OPENCV_WINDOW);
  }

  ~ImageConverter()
  {
    cv::destroyWindow(OPENCV_WINDOW);
  }

  void imageCb(const sensor_msgs::ImageConstPtr& msg)   //回调函数
  {
    cv_bridge::CvImagePtr cv_ptr;  //申明一个CvImagePtr
    try
    {
      cv_ptr = cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8);
    }
    catch (cv_bridge::Exception& e)
    {
      ROS_ERROR("cv_bridge exception: %s", e.what());
      return;
    }
//转化为opencv的格式之后就可以对图像进行操作了
    // Draw an example circle on the video stream
    if (cv_ptr->image.rows > 60 && cv_ptr->image.cols > 60)
      cv::circle(cv_ptr->image, cv::Point(50, 50), 10, CV_RGB(255,0,0));  //画圆

    // Update GUI Window
    cv::imshow(OPENCV_WINDOW, cv_ptr->image);
    cv::waitKey(3);
    
    // Output modified video stream
    image_pub_.publish(cv_ptr->toImageMsg());
  }
};

int main(int argc, char** argv)
{
  ros::init(argc, argv, "image_converter");
  ImageConverter ic;
  ros::spin();
  return 0;
}

然后在CMakeLists.txt添加，

  add_executable(cv_ros_beginner src/cv_ros_beginner.cpp)
 target_link_libraries(cv_ros_beginner
   ${catkin_LIBRARIES}
 )

返回catin_ws 下catkin_make即可生成可执行文件

那么我们在查看结果的时候就是要把

image_sub_ = it_.subscribe("/rgb/image_raw", 1, &ImageConverter::imageCb, this);                 

把订阅的节点换成之前我们需要订阅的节点即可实现    在订阅的图像上画一个小圆圈，并且可视化出来。

 (小技巧记录：如果你的工作空间下包很多，每次都使用catkin_make的话效率十分低下，因为这种编译方法会编译工作空间下的所有的包，特别是我们在调试程序是会经常修改CMakeLists.txt文件里的内容，这样每次都会要编译整个工作空间，那么所以我们可以使用ROS的catkin_Make的功能编译一个或者多个包，具体的命令是：catkin_make -DCATKIN_WHITELIST_PACKAGES=" 你的包名")，例如：catkin_make -DCATKIN_WHITELIST_PACKAGES="ros_slam"

如果需要编译两个或者多个只需要中间加分号即可catkin_make -DCATKIN_WHITELIST_PACKAGES="ros_slam;cv_bridge",

只是搬运以下官网的程序，当然你可以实现更多的处理

那么有关于ROS以及PCL的使用的兴趣者扫描二维码关注一起与我交流分享