（虚拟环境py3）基于ros实现mask-rcnn，启动摄像头，并输出预测的可视化结果，全步骤记录

第一次发文章，我们实验室和Framatome合作开发的一个核废料分炼机器人，我要做的是unknown objects segmentation，现在要sd-mask_rcnn的算法移植到ros平台上运行，但无奈没有现有的sd-mask_rcnn_ros节点可以直接git，需要我自己写。因为本人coding的经验缺少，我只能仿照mask_rcnn_ros节点，去试着写sd-mask_rcnn_ros节点，所以把mask_rcnn_ros给复现了一下，好废话结束，以下切题。

（保姆教程）记录全部步骤，重要解决几个问题：1. mask_rcnn_ros的节点环境配置；2. 解决cv_bridge在conda的python3环境的兼容问题；3. 连接摄像头（以usb cam为例），输出预测的可视化结果。（以下步骤最好要挂上)

我的配置：ubuntu 18.04, ros melodic, cuda10.0, cudnn7.6.x，conda的python3.7环境（由miniconda3所建）

1. mask_rcnn_ros节点环境配置

1.1 创建conda环境 conda create -n tf1.15 python=3.7，并激活环境tf1.15，如下步骤都在conda环境中进行

1.2 建立一个工作空间 mkdir ws_test, 再cd ws_test（根空间）

1.3 git clone https://github.com/qixuxiang/mask_rcnn_ros.git src/mask_rcnn_ros

1.4 cd src/mask_rcnn_ros     

1.5 安装环境包，亦可逐个安装pip install xxx

！！！更改原作者的requirements.txt的环境包版本再pip install，就这么改：

更改后继续 ：

pip install -r requirements.txt
#如果网络问题，延长抓包时间 比如 pip --default-timeout=1000 install h5py==2.10.0

1.6 根空间编译+source

cd ws_test
catkin_make
source devel/setup.bash

1.7 cd src/mask_rcnn_ros/nodes, 修改mask_rcnn_node的 class InferenceConfig，添加GPU_COUNT = 1 ，IMAGES_PER_GPU = 1， IMAGE_MIN_DIM = 320，和 IMAGE_MAX_DIM = 448

1.8 在 /mask_rcnn_ros/nodes/visualize.py 中的 indigo 修改为 melodic

sys.path.remove('/opt/ros/melodic/lib/python2.7/dist-packages')     #修改后

1.9 安装rospkg

pip install setuptools
pip install -U rosdep rosinstall_generator wstool rosinstall six vcstools

1.10 另打开一个终端启动roscore，而现有终端 在根空间rosrun mask_rcnn_ros mask_rcnn_node运行后 看有没有报错，正常情况下没报错，能加载tensorflow，也能输出config配置，能调用visualize.py，但因为没启动摄像头的节点和实时画面作为输入，不会有任何输出结果，到这一步rosrun没有报错即可, ok了后ctrl+c中断。

break！！能启动rosrun后我们跳出第1.10，先跳到 2.1解决cv_bridge的问题

1.11 自2.5后，激活tf1.15环境，现在可以跑该节点的一个案例，第二步是下载一个1.6G大小的rosbag包

cd ~/ws_test/src/mask_rcnn_ros/scripts
sh download_freiburg3_rgbd_example_bag.sh
再将这个包移动到/mask_rcnn_ros/bags中
cd ws_test
roslaunch mask_rcnn_ros freiburg3_rgbd_example.launch

在跑roslaunch的时候 ，可能会出现如下报错：

<1> 出现在visualize.py的cv2.findContours()报错 ValueError: not enough values to unpack (expected 3, got 2)，解决方案为 ：_, contours, _ = cv2.findContours 改为 contours, _ = cv2.findContours ；

参考 https://github.com/facebookresearch/maskrcnn-benchmark/issues/339

<2>比如出现报错AttribueError: module 'keras.engine.topology' has no attribute ' load_weights_from_hdf5_group_by_name'，解决方案为：pip/conda安装的keras版本<=2.1.6则不会出现这个错误，或者 把model.py的3处topology改为saving就能解决（因为keras在2.2版本时候topology已经被弃用了）

再看是否还有其他报错，一般正常就能跑了。

2. 解决cv_bridge在conda环境的python3中不兼容的问题

（如果cv_bridge在本地py3中运行的教程，去看别人的教程，csdn上有几篇解释，包括stack overflow的这篇，虽然这篇文章的第二个回答错误的，但虚拟的python3中编译cv_bridge是可行的）这里我耗了点时间。

好继续，说一下原因，因在cv_bridge只能在py2中编译，而我们的mask_rcnn_node节点需要在conda的py3环境中运行，而ros却安装在py2的本地环境中，也默认下载了cv_bridge。但conda环境中找不到任何cv_bridge的pip包和conda包，所以无法py3无法编译cv_bridge。只能采取“特殊”方式：

2.1 自步骤1.10, conda deactivate退出任何conda的环境，包括base环境，只在本地的py3环境中，执行

sudo apt-get install python-catkin-tools python3-dev python3-catkin-pkg-modules python3-numpy python3-yaml ros-melodic-cv-bridge

2.2 建立另一个根空间ws_cvbridge，配置catkin config后 再clone cv_bridge的包, 最后编译

（我本地是python3.6.9)

mkdir ws_cvbridge
cd ws_cvbridge
catkin init                    #编译初始化
catkin config -DPYTHON_EXECUTABLE=/usr/bin/python3 -DPYTHON_INCLUDE_DIR=/usr/include/python3.6m -DPYTHON_LIBRARY=/usr/lib/x86_64-linux-gnu/libpython3.6m.so      #配置cmake的路径到本地的py3上
catkin config --install         #编译的配置放在install文件中
git clone https://github.com/ros-perception/vision_opencv.git src/vision_opencv               #克隆vision opencv到src
catkin build cv_bridge        #不用catkin_make原因在于我们只要编译里面的cv_bridge
source install/setup.bash          

在编译cv_bridge的时候，如果出现报错：

  Could not find the following Boost libraries:

          boost_python37

解决方法：（这里给了一个软连接，我这里是用py36链接了boost python37

cd /usr/lib/x86_64-linux-gnu
sudo ln -s libboost_python-py36.so libboost_python37.so    #建立动态库软链接
sudo ln -s libboost_python-py36.a libboost_python37.a      #建立精态库软链接

参考于： Could not find the following Boost libraries: boost_python3 - ROS Answers: Open Source Q&A Forum

2.3 我们再回到之前的根空间ws_test （注意不要切换终端 或者重开一个终端），借用ws_cvbridge的install里面的编译配置

cd ws_test
source devel/setup.bash --extend       # extend表示借用（扩展），用个功能借用的同时也不覆盖之前本身catkin_make的source路径

2.4 借完cv_bridge配置路径后 做一次验证 本地敲入python3，（這個時候你conda激活tf1.15環境，敲入py3，發現也能使用cv bridge了）

python3
>>> from cv_bridge.boost.cv_bridge_boost import getCvType
>>>                             #没有报错 说明本地py3已能编译cv bridge了

（注意 这个--extend配置借用是暂时的，如果重新打开终端或者切换终端还要在使用cv_bridge，要重新回到ws_cvbridge，source install/setup.bash，再回到你现有根空间 source devel/setup.bash --extend借用）

2.5 更改mask_rcnn_node节点第一行的python路径 改为conda的py3的路径，為了在conda中運行ros節點

#!/usr/bin/env python          #原来路径                                                                              
#!/home/chu/miniconda3/envs/tf1.15/bin/python3          #替换为如此

break！！执行完以上步骤 跳转到1.11

3. 连接usb摄像头, 并输出可视化

3.1 git clone usb_cam节点（melodic版本）

cd ws_test/src
git clone https://github.com/ros-drivers/usb_cam.git

3.2 新建maskrcnn的launch文件，调用 话题/usb_cam/image_raw作为input

cat usb_cam/launch/usb_cam-test.launch
#发现倒数第四行：，我们要把image_raw作为输入到maskrcnn节点里
cd mask_rcnn_ros/launch
nano mask_rcnn_usb.launch      #创建launch文件
#
#粘貼如下代碼：

    
        
        
    

3.3 编译mask_rcnn_ros和usb_cam节点

cd ~/ws_test
conda activate tf1.15                #激活conda的环境
catkin_make
source devel/setup.bash

3.4 启动usb_cam-test.launch和mask_rcnn_usb.launch

roscore             #roscore无所谓是不是在conda环境中

#打开另1个终端
cd ~/ws_test
roslaunch usb_cam usb_cam-test.launch            #启动usb cam节点


#再打开另2个终端
conda activate tf1.15                         #激活conda的环境
cd ~/ws_cvbridge
source install/setup.bash
cd ~/ws_test
source devel/setup.bash --extend                 #借cv_bridge的source环境
roslaunch mask_rcnn_ros mask_rcnn_usb.launch        #启动maksrcnn usb节点


#再打开另3个终端
rqt                     #启动ros节点图和可视化窗口

正常运行的话会得到左边的节点图：

右边image View，选/mask_rcnn/visualization得到如下可视化结果：      

結束了。成功復現，有問題的可以在下面留言