开发者社区> being_young123> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

运行ORB-SLAM笔记_使用篇(二)

简介: 1. 编译完成之后就可以使用了,按照说明我们可以知道,首先开启roscore 再打开一个命令窗口使用命令:rosrun ORB_SLAM ORB_SLAM PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE 其中ORB_SLAM PATH_TO_VOCABULARY:是一种树型数据结构模型,ORB-SLAM里面主要用来做回访(loop-closure)检 测,对于不同数据集严格来说需要离线单独处理生成,但一般成像条件都差不多所以对于不同图像数据集可以使用相同的词汇数据文件(相当于一个数据库文件,方 便快速保存和查询视觉特征信息)。
+关注继续查看

1. 编译完成之后就可以使用了,按照说明我们可以知道,首先开启roscore

再打开一个命令窗口使用命令:rosrun ORB_SLAM ORB_SLAM PATH_TO_VOCABULARY PATH_TO_SETTINGS_FILE

其中ORB_SLAM PATH_TO_VOCABULARY:是一种树型数据结构模型,ORB-SLAM里面主要用来做回访(loop-closure)检 测,对于不同数据集严格来说需要离线单独处理生成,但一般成像条件都差不多所以对于不同图像数据集可以使用相同的词汇数据文件(相当于一个数据库文件,方 便快速保存和查询视觉特征信息)。虽然是TXT文件,打开就是许多数字而已。(https://answers.cosrobotics.org/question/184/guan-yu-orb_slamyun-xing-yi-ji-rgb-d-datasetde-xiang-ji-can-shu-de-wen-ti/)

PATH_TO_SETTINGS_FILE:这个很容易理解就是相机的内参;

然后我们输入命令如图所示:

我们查看ORB_SLAM节点的topic

salm@salm:~$ rtopic  list -v
Published topics:
 * /ORB_SLAM/Map [visualization_msgs/Marker] 1 publisher
 * /ORB_SLAM/Frame [sensor_msgs/Image] 1 publisher
 * /rosout [rosgraph_msgs/Log] 1 publisher
 * /tf [tf2_msgs/TFMessage] 1 publisher
 * /rosout_agg [rosgraph_msgs/Log] 1 publisher

Subscribed topics:
 * /camera/image_raw [sensor_msgs/Image] 1 subscriber
 * /rosout [rosgraph_msgs/Log] 1 subscriber

(1)知道该节点是订阅/camera/image_raw这个topic,然后被 ORB_SLALM 节点处理后的图像帧被发布到话题 ORB_SLAM/Frame 中,可以通过使用 image_view 功能包来查看

rosrun image_view image_view image:=/ORB_SLAM/Frame _autosize:=true

(2)ORB_SLAM 节点处理得到的地图被发布到话题 /ORB_SLAM/Map 中,摄像机当前位姿和地图全局坐标原点通过 /tf 功能包分别发布到话题 /ORB_SLAM/Camera 和话题 /ORB_SLAM/World 中,通过运行 rviz 功能包来查看地图:

rosrun rviz rviz -d Data/rviz.rviz

这都是我们在订阅了/camera/image_raw才能看到的试验结果,那么我们从那里得到/camera/image_raw这个节点呢?

//////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////

 那么我就尝试首先发布一个经典的图片topic 给ORB_SLAM节点:

(1)首先进入自己的工作空间catkin_ws,然后进入src,使用catkin_pkg_create命令创建我的功能包

    参考           http://wiki.ros.org/image_transport/Tutorials   

                     http://wiki.ros.org/ROS/Tutorials/WritingPublisherSubscriber%28c%2B%2B%29

             $ cd catkin_ws/
             $ cd src/
             $ catkin_create_pkg learning_image_transport image_transport cv_bridge
             $ cd ..
             $ catkin_make
             $ cd src
             $ vi my_publisher.cpp
输入:
#include <ros/ros.h>                       
#include <image_transport/image_transport.h>
#include <opencv2/highgui/highgui.hpp>
#include <cv_bridge/cv_bridge.h>    //非常有用的功能包,实现ROS与OPENCV图像的转换

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_raw", 1);  //这里我们发布的主题要与ORB_SLAM节点订阅的话题一致

  //cv::Mat image = cv::imread(argv[1], CV_LOAD_IMAGE_COLOR);
  cv::Mat image = cv::imread("/home/salm/myopencv/lena.jpg",1);  //写入自己要载入的图像位置
  cv::waitKey(30);
  sensor_msgs::ImagePtr msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", image).toImageMsg();    //这一句就是把图像读入并转为opencv可处理的图像

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

之后在CMakefile.txt文件添加

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

进行catkin_make即可我们运行查看一下实现的结果:

                                                       $ rosrun learning_image_transport  my_publisher

                 $  rosrun ORB_SLAM ORB_SLAM Data/ORBvoc.txt Data/Settings.yaml

                                                       $  rosrun image_view image_view image:=/ORB_SLAM/Frame _autosize:=true

                                                                  

就是这个结果,因为我也是一边学习,一边实现,我自己也不知道里面使用的算法,具体为什么会这样,这也是不断学习的原因

(2)那现在我再发布一个动态的topic 用摄像头捕捉的话题发布给ORB_SLAM,看看实现结果:

 与之前的一样,仍然在src 文件下     $ vi  image_converter.cpp

输入

#include <ros/ros.h>
#include <image_transport/image_transport.h>
#include <cv_bridge/cv_bridge.h>
#include <sensor_msgs/image_encodings.h>
#include <opencv2/imgproc/imgproc.hpp> //include the headers for OPENCV's image processing and GUI module 
#include <opencv2/highgui/highgui.hpp>  //

static const std::string OPENCV_WINDOW = "Image window";   //define show image gui

class ImageConverter
{
  ros::NodeHandle nh_;                    //define Nodehandle
  image_transport::ImageTransport it_;    //use this to create a publisher or subscriber
  image_transport::Subscriber image_sub_; //
  image_transport::Publisher image_pub_;
  
public:
  ImageConverter()
    : it_(nh_)
  {
    // Subscrive to input video feed and publish output video feed
    image_sub_ = it_.subscribe("/usb_cam/image_raw", 1, 
      &ImageConverter::imageCb, this);
    //image_pub_ = it_.advertise("/image_converter/output_video", 1);
    image_pub_ = it_.advertise("/camera/image_raw", 1);
    cv::namedWindow(OPENCV_WINDOW);    //Opencv HighGUI calls to create/destroy a display window on start-up / shutdon
  }

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

  void imageCb(const sensor_msgs::ImageConstPtr& msg)
  {
    cv_bridge::CvImagePtr cv_ptr;
    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;
    }
    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;
}

 同理 添加

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

当然前提是电脑有摄像头,并且下载了USB摄像头的驱动:https://github.com/bosch-ros-pkg/usb_cam

输入以下命令:                             

                                                       $  roslaunch usb_cam usb_cam-test.launch

(在启动摄像头可能会遇到一些问题吧,比如出现  Webcam: expected picture but didn't get it...就要修改launch文件下的 "pixel_format",比如有mjpeg ,yuyv等)

                                                       $  rosrun learning_image_transport image_converter

                 $  rosrun ORB_SLAM ORB_SLAM Data/ORBvoc.txt Data/Settings.yaml

                                                       $  rosrun image_view image_view image:=/ORB_SLAM/Frame _autosize:=true

 


版权所有,转载请注明出处 http://www.cnblogs.com/li-yao7758258/p/5912663.html

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
计算机视觉-图像处理入门(三):在Windows系统里配置dlib环境并做图像批量处理
计算机视觉-图像处理入门(三):在Windows系统里配置dlib环境并做图像批量处理
0 0
目标检测的Tricks | 【Trick10】工具类文件调用(coco评价指标包、日志工具、Tensorboard工具...)
目标检测的Tricks | 【Trick10】工具类文件调用(coco评价指标包、日志工具、Tensorboard工具...)
0 0
激光slam:LeGO-LOAM---代码编译安装与gazebo测试
LeGO-LOAM 的英文全称是 **lightweight and ground optimized lidar odometry and mapping**。轻量化具有地面优化的激光雷达里程计和建图 ![在这里插入图片描述](https://img-blog.csdnimg.cn/eea194f4d9a6426d9231e310ec18c37c.png) 其框架如下,大体和LOAM是一致的 ![在这里插入图片描述](https://img-blog.csdnimg.cn/29f5f9ee21544be48aad35b99f6b4e27.png) LeGO-LOAM是基于LOAM的改进版本
0 0
小白评测opencv-ORB
牙叔教程 简单易学
0 0
OpenCV | ORB特征检测与描述
OpenCV | ORB特征检测与描述
0 0
使用TensorFlow提供的slim模型来训练数据模型供iOS使用
使用slim模型来训练数据供移动端使用 1、  数据可以是slim提供的数据集或者是自己采集的图片 1.1、下载slim提供的数据集flowers 1.1.1、设置下载目录命令: DATA_DIR=/Users/javalong/Desktop/Test/output/flowers 1.
4228 0
编译 ORB_SLAM2 (一)
之前有记录关于ORB_SLAM的第一个版本的编译,每次就是要编译程序,都会遇到很多问题,并不是所谓的按照教程来就一定能编译成功,所以这一次编译也遇到了很多问题。百度的时候也看到网上有很多相似的问题,但是也有很多还没有解决的问题,恰好的我也遇到了,并且解决了。
1374 0
运行ORB-SLAM笔记_编译篇(一)
1.下载代码   https://github.com/raulmur/ORB_SLAM/    (同时也可以看看作者的牛叉论文,我是打算先用代码,再回头看论文) 2.打开后如下                  就好像是用一件新产品一样,我们首先要看一下说明书“README.
1941 0
+关注
being_young123
SLAM 三维视觉的点云处理 概率机器人 多视图几何
文章
问答
文章排行榜
最热
最新
相关电子书
更多
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载
冬季实战营第三期:MySQL数据库进阶实战
立即下载