Работа с камерой

Эта статья описывает работу с образом версии 0.24, который пока находится в стадии тестирования. Для версии 0.23 доступна более старая документация.

Для работы с основной камерой необходимо убедиться что она включена в файле ~/catkin_ws/src/clover/clover/launch/clover.launch:

<arg name="main_camera" default="true"/>

Также нужно убедиться, что камера сфокусирована и для нее указано корректное расположение и ориентация.

При изменении launch-файла необходимо перезапустить пакет clover:

sudo systemctl restart clover

Для мониторинга изображения с камеры можно использовать rqt или web_video_server.

Неисправности

Если изображение с камеры отсутствует, попробуйте проверить ее с помощью утилиты raspistill.

Остановите сервисы Клевера:

sudo systemctl stop clover

Получите картинку с камеры утилитой raspistill:

raspistill -o test.jpg

Если команда завершается с ошибкой, проверьте качество подключения шлейфа камеры к Raspberry Pi или замените его.

Настройки камеры

Ряд параметров камеры - размер изображения, максимальную частоту кадров, экспозицию - можно настроить в файле main_camera.launch. Список настраиваемых параметров можно посмотреть в репозитории cv_camera.

Параметры, не указанные в этом списке, можно указывать через код параметра OpenCV. Например, для установки фиксированной экспозиции добавьте следующие параметры в ноду камеры:

<param name="property_0_code" value="21"/> <!-- property code 21 is CAP_PROP_AUTO_EXPOSURE -->
<param name="property_0_value" value="0.25"/> <!-- property values are normalized as per OpenCV specs, even for "menu" controls; 0.25 means "use manual exposure" -->
<param name="cv_cap_prop_exposure" value="0.3"/> <!-- set exposure to 30% of maximum value -->

Компьютерное зрение

Для реализации алгоритмов компьютерного зрения рекомендуется использовать предустановленную на образ SD-карты библиотеку OpenCV.

Python

Пример создания подписчика на топик с изображением с основной камеры для обработки с использованием OpenCV:

import rospy
import cv2
from sensor_msgs.msg import Image
from cv_bridge import CvBridge
from clover import long_callback

rospy.init_node('cv')
bridge = CvBridge()

@long_callback
def image_callback(data):
    img = bridge.imgmsg_to_cv2(data, 'bgr8')  # OpenCV image
    # Do any image processing with cv2...

image_sub = rospy.Subscriber('main_camera/image_raw', Image, image_callback)

rospy.spin()

Обработка изображения может занимать значительное время. Это может вызвать проблему в библиотеке rospy, которая приведет к обработке устаревших кадров с камеры. Для решения этой проблемы необходимо использовать декоратор long_callback из библиотеки clover, как в примере выше.

Ограничение использования CPU

При использовании топика main_camera/image_raw скрипт будет обрабатывать максимальное количество кадров с камеры, активно используя CPU (вплоть до 100%). В задачах, где обработка каждого кадра не критична, можно использовать топик, где кадры публикуются с частотой 5 Гц: main_camera/image_raw_throttled:

image_sub = rospy.Subscriber('main_camera/image_raw_throttled', Image, image_callback, queue_size=1)

Публикация изображений

Для отладки обработки изображения можно публиковать отдельный топик с обработанным изображением:

image_pub = rospy.Publisher('~debug', Image)

Публикация обработанного изображения:

image_pub.publish(bridge.cv2_to_imgmsg(img, 'bgr8'))

Получаемые изображения можно просматривать используя web_video_server или rqt.

Получение одного кадра

Существует возможность единоразового получения кадра с камеры. Этот способ работает медленнее, чем подписка на топик; его не следует применять в случае необходимости постоянной обработки изображений.

import rospy
from sensor_msgs.msg import Image
from cv_bridge import CvBridge

rospy.init_node('cv')
bridge = CvBridge()

# ...

# Retrieve a frame:
img = bridge.imgmsg_to_cv2(rospy.wait_for_message('main_camera/image_raw', Image), 'bgr8')

Примеры

Работа с QR-кодами

Для высокоскоростного распознавания и позиционирования лучше использовать ArUco-маркеры.

Для программирования различных действий коптера при детектировании нужных QR-кодов можно использовать библиотеку pyZBar. Она уже установлена в последнем образе для Raspberry Pi.

Распознавание QR-кодов на Python:

import rospy
from pyzbar import pyzbar
import cv2
from cv_bridge import CvBridge
from sensor_msgs.msg import Image
from clover import long_callback

rospy.init_node('cv')
bridge = CvBridge()

@long_callback
def image_callback(msg):
    img = bridge.imgmsg_to_cv2(msg, 'bgr8')
    barcodes = pyzbar.decode(img)
    for barcode in barcodes:
        b_data = barcode.data.decode('utf-8')
        b_type = barcode.type
        (x, y, w, h) = barcode.rect
        xc = x + w/2
        yc = y + h/2
        print('Found {} with data {} with center at x={}, y={}'.format(b_type, b_data, xc, yc))

image_sub = rospy.Subscriber('main_camera/image_raw_throttled', Image, image_callback, queue_size=1)

rospy.spin()

Смотрите другие примеры по работе с компьютерным зрением в каталоге ~/examples образа для RPi.

Запись видео

Для записи видео может использована нода video_recorder из пакета image_view:

rosrun image_view video_recorder image:=/main_camera/image_raw

Видео будет сохранено в файл output.avi. В аргументе image указывается название топика для записи видео.

results matching ""

    No results matching ""