ROS 基于yolo的本地视频识别

ros包创建

这里默认我们已经创建了工作空间
如果没有，我们需要执行以下几步（已经创建的可以跳过）：

1、首先创建一个工作目录文件

mkdir -p ./catkin_ws/src

2、在工作区目录下执行执行

catkin_make

3、在src目录下建立包(如果已经创建的，可以直接从这一步开始)：

catkin_create_pkg local_vedio_detect std_msgs rospy roscpp

其中local_vedio_detect为包名

以上三步参考链接ros创建包

话题模型

创建vediopub.cpp

在loca_vedio_detect下的src创建vediopub.cpp文件
下面是vediopub.cpp文件内容

#include
#include
#include
#include

#include
#include
#include

#include

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // ROS节点初始化
    ros::init(argc, argv, "image_publisher");
    ros::NodeHandle n; 
    ros::Time time = ros::Time::now();
    ros::Rate loop_rate(5);
    
     // 定义节点句柄   
    image_transport::ImageTransport it(n);
    image_transport::Publisher pub = it.advertise("/camera/image_raw", 1);
    sensor_msgs::ImagePtr msg;
        
    // opencv准备读取视频
    cv::VideoCapture video;
    video.open("/home/winston/catkin_ws/src/local_vedio_detect/data/11.mp4");  

    if( !video.isOpened() )
    {
        ROS_INFO("Read Video failed!\n");
        return 0;
    }
    Mat frame;
    int count = 0;
    while(1)
    {
        video >> frame;
        if( frame.empty() )
            break;
        count++;
        
        msg = cv_bridge::CvImage(std_msgs::Header(), "bgr8", frame).toImageMsg();
        pub.publish(msg);
        
        ROS_INFO( "read the %dth frame successfully!", count );
        loop_rate.sleep();
        ros::spinOnce();
    }
    video.release();
    
    return 0;
}

注意，

     // 定义节点句柄   
    image_transport::ImageTransport it(n);
    image_transport::Publisher pub = it.advertise("/camera/image_raw", 1);
    sensor_msgs::ImagePtr msg;

这一部分中的 /camera/image_raw 要和roa.yaml的camera_reading中的topic一致

创建vediosub.cpp

以下是代码内容：

#include
#include
#include
#include

#include
#include
#include

#include
#include
#include


void imageCalllback(const sensor_msgs::ImageConstPtr& msg)
{
	ROS_INFO("Received \n");
	try{
        cv::imshow( "video", cv_bridge::toCvShare(msg, "bgr8")->image );
        cv::waitKey(30);
    }
    catch( cv_bridge::Exception& e )
    {
        ROS_ERROR( "Could not convert from '%s' to 'bgr8'.", msg->encoding.c_str() );
    }
}

int main(int argc, char** argv)
{
	ros::init(argc, argv, "image_listener");
	ros::NodeHandle n;
    cv::namedWindow("video");
    cv::startWindowThread();

    image_transport::ImageTransport it(n);
    image_transport::Subscriber sub = it.subscribe( "video_image", 1, imageCalllback );

	
	ros::spin();
    cv::destroyWindow("video");
	return 0;
}

CMakeList.txt的修改

CMakeList.txt在local_vedio_detect文件下，下图是是cmakelist的初始样子，蓝色的都是注释，我们要在这个的基础上进行一些修改

首先找到这一行

把这段代码替换选出来的内容

find_package(catkin REQUIRED COMPONENTS
  cv_bridge
  image_transport
  roscpp
  rospy
  sensor_msgs
  std_msgs
)
find_package(OpenCV REQUIRED)

然后找到这一行

修改为：

include_directories(include ${catkin_INCLUDE_DIRS})
include_directories(include ${OpenCV_INCLUDE_DIRS})
 
add_executable(vediopub src/vediopub.cpp)
target_link_libraries(vediopub ${catkin_LIBRARIES} ${OpenCV_LIBRARIES})
#add_dependencies(mytest opencvexam_gencpp)

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

进行catkin_make

不出以外的话，会编译成功

运行

最后就是运行了
首先需要到catkin_ws目录下，打开终端输入roscore

roscore

然后打开另一个终端
输入

rosrun local_vedio_detect vediopub

如果看到这样的结果，那代表运行成功了

调用darknet_ros

为了能够看到视频的检测结果，我们需要调用darnet_ros的内容
下图就是darknet_ros的文件
github原文链接
配置过程

在catkin_ws目录下打开终端，输入

roslaunch darknet_ros darknet_ros.launch

再打开一个终端

rosrun local_vedio_detect vediopub

最后就能得到上图的检测结果

有什么问题在下面留言哦，我看到了解答

参考博客：
ROS中订阅和发布视频中的图像消息