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！https://blog.csdn.net/m0_61745661/article/details/124534353

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：

• Header：很多话题消息里面都包含的

        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/class="lazy" data-srccd ~/catkin_ws/class="lazy" data-srccatkin_init_workspace

• 创建完成工作空间后，在根目录下面，执行编译整个工作空间  

cd ~/catkin_ws/catkin_make

• 工作空间中会自动生成两个文件夹：devel，build
• devel文件夹中产生几个setup.*sh形成的环境变量设置脚本，使用source命令运行这些脚本文件，则工作空间中的环境变量得以生效 

source devel/setup.sh

•  将环境变量设置到/.bashrc文件中

gedit ~/.bashrc

• 在打开的文件，最下面粘贴以下代码即可设置环境变量 

source ~/catkin_ws/devel/setup.bash

2.创建功能包

•  开始创建

cd ~/catkin_ws/class="lazy" data-srccatkin_create_pkg learning std_msgs rospy roscpp

• 回到根目录，编译并设置环境变量  

cd ~/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

face_detector.launch

•  人脸识别启动文件

                                haar_scaleFactor: 1.2            haar_minNeighbors: 2            haar_minSize: 40            haar_maxSize: 60                            

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.launch

• 启动人脸识别

roslaunch robot_vision face_detector.launch

• 打开人脸识别窗口

rqt_image_view

2.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/class="lazy" data-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！！！

来源地址：https://blog.csdn.net/m0_61745661/article/details/125578352