ROS机器视觉入门：从基础到人脸识别与目标检测

前言

从本文开始，我们将开始学习ROS机器视觉处理，刚开始先学习一部分外围的知识，为后续的人脸识别、目标跟踪和YOLOV5目标检测做准备工作。我采用的笔记本是联想拯救者游戏本，系统采用Ubuntu20.04，ROS采用noetic。

颜色编码格式，图像格式和视频压缩格式

（1）RGB和BGR：这是两种常见的颜色编码格式，分别代表了红、绿、蓝三原色。不同之处在于，RGB按照红、绿、蓝的顺序存储颜色信息，而BGR按照蓝、绿、红的顺序存储。

rgb8图像格式：常用于显示系统，如电视和计算机屏幕。RGB值以8 bits表示每种颜色，总共可以表示256×256×256=16777216种颜色。例如： (255,0,0) 表示红色，(0,255,0) 表示绿色，(0,0,255) 表示蓝色。
bgr8图像格式：由一些特定的硬件制造商采用，软件方面最著名的就是opencv，其默认使用BGR的颜色格式来处理图像。与RGB不同， (0,0,255) 在BGR中表示红色，(0,255,0) 仍然表示绿色，(255,0,0) 表示蓝色。

在自动驾驶里，使用rgb8图像格式的图像，一般称为原图，是数据量最大的格式，没有任何压缩。（2）（2）YUV：这是另一种颜色编码方法，与RGB模型不同的是，它将图像信息分解为亮度（Y）和色度（U和V）两部分。这种方式更接近于人类对颜色的感知方式。

Y：代表亮度信息，也就是灰阶值。
U：从色度信号中减去Y得到的蓝色信号的差异值。
V：从色度信号中减去Y得到的红色信号的差异值。

YUV颜色编码主要用在电视系统以及视频编解码标准中，在这些系统中，Y通道信息可以单独使用，这样黑白电视机也能接收和显示信号。而彩色信息则通过U和V两个通道传输，只有彩色电视机才能处理。这样设计兼容了黑白电视和彩色电视。YUV色彩空间相比RGB色彩空间，更加符合人眼对亮度和色彩的敏感度，在视频压缩时，可以按照人眼的敏感度对YUV数据进行压缩，以达到更高的压缩比。由于历史和技术的原因，YUV的标准存在多种，例如YUV 4:4:4、YUV 4:2:2和YUV 4:2:0等，这些主要是针对U和V通道的采样方式不同定义的。采样不同，对应的压缩比也不同。

（3）图像压缩格式：

jpeg：Joint Photographic Experts Group，是一种常见的用于静态图像的损失性压缩格式，它特别适合于全彩色和灰度图片，被广泛使用。通常情况下，JPEG可以提供10:1到20:1的有损压缩比，根据图像质量自由调整。
png： Portable Network Graphics，PNG是一种无损压缩格式，主要使用了DEFLATE算法。由于这是无损压缩，所以解压缩图像可以完全恢复原始数据。被广泛应用于需要高质量图像的场景，如网页设计、艺术作品等。
bmp：Bitmap，BMP是Windows系统中常用的一种无压缩的位图图像格式，通常会创造出较大的文件。

位图（Bitmap）是一种常见的计算机图形，最小单位是像素，每个像素都包含一定量的信息，如颜色和亮度等。位图图像的一个主要特点就是，在放大查看时，可以看到图像的像素化现象，也就是我们常说的"马赛克"。BMP、JPEG、GIF、PNG等都是常见的位图格式。

（4）H264和H265：这是两个视频压缩格式，也是两种视频编解码标准。以1280*720的摄像头为例，如果是rgb8格式的原图，一帧图像的大小是：

3*1280*720=27648000字节，即2.7648MB

如果是一小时的视频，那将是非常大的数据量，对网络传输，数据存储，都是很大的压力。而H264通过种种帧间操作，可以达到10:1到50:1的压缩比，甚至更高。H265更进一步，压缩比更高，用来解决4K或8K视频的传输。

更具体的原理见：图像编码与 H264 基础知识在自动驾驶领域，图像数据也使用h264格式，主要用于数采和回放，控制数据量。

usb_cam

（1）linux针对摄像头硬件有一套Video for Linux内核驱动框架，对应提供的有命令行工具 v4l2-ctl （Video for Linux 2），可以查看摄像头硬件信息：

ls /dev/video0  //一般video0是笔记本自带摄像头设备文件
v4l2-ctl -d /dev/video0 --all

这里截取了部分关键信息，下面的usb_cam的launch文件将用到：

（2）usb_cam是ros里usb camera的软件包，一般称为ros摄像头驱动，但这是一个应用程序，其调用v4l2并通过ros topic发出图像数据。搞机器视觉，第一步就是要有图。安装并启动usb_cam，查看图像：

sudo apt-get install ros-noetic-usb-cam 
roslaunch usb_cam usb_cam-test.launch
rqt_image_view

usb_cam-test.launch：

<launch><node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >//指定设备文件名，默认是/dev/video0<param name="video_device" value="/dev/video0" />// 宽和高分辨率	<param name="image_width" value="640" /><param name="image_height" value="480" />// 像素编码，可选值：mjpeg，yuyv，uyvy<param name="pixel_format" value="yuyv" /><param name="color_format" value="yuv422p" />// camera坐标系名<param name="camera_frame_id" value="usb_cam" />// IO通道，可选值：mmap，read，userptr，大数据量信息一般用mmap<param name="io_method" value="mmap"/></node><node name="image_view" pkg="image_view" type="image_view" respawn="false" output="screen">// 指定发出的topic名：/usb_cam/image_raw<remap from="image" to="/usb_cam/image_raw"/><param name="autosize" value="true" /></node>
</launch>

（3）/usb_cam/image_raw的数据结构体：

rostopic info /usb_cam/image_raw
rosmsg show  sensor_msgs/Image

//消息头，每个topic都有
std_msgs/Header header	uint32 seqtime stamp// 坐标系名string frame_id
// 高和宽分辨率
uint32 height
uint32 width
// 无压缩的图像编码格式，包括rgb8，YUV444
string encoding
// 图像数据的大小端存储模式
uint8 is_bigendian
// 一行图像数据的字节数量，作为步长参数
uint32 step
// 存储图像数据的柔性数组，大小是step*height
uint8[] data

/usb_cam/image_raw内容展示：

（4）/usb_cam/image_raw/compressed的数据结构体：

rostopic info /usb_cam/image_raw/compressed
rosmsg show sensor_msgs/CompressedImage

std_msgs/Header headeruint32 seqtime stampstring frame_id
// 压缩的图像编码格式，jpeg，png
string format
uint8[] data

/usb_cam/image_raw/compressed内容展示：

摄像头标定

标定引入

（1）Calibration：翻译过来就是校准和标定。（2）摄像头标定：Camera Calibration是计算机视觉中的一种关键技术，其目的是确定摄像头的内部参数（Intrinsic Parameters）和外部参数（Extrinsic Parameters）。

内部参数：包括焦距、主点坐标以及镜头畸变等因素。这些参数与相机本身的硬件有关，如镜头和图像传感器等，一般由厂家提供。
外部参数：摄像头相对于环境的位置和方向。例如，它可能描述了一个固定摄像头相对于周围环境的姿态或者安装位置。以汽车为例，外参包括各个摄像头之间的关系，摄像头与radar，摄像头与lidar的关系。

（3）汽车各种传感器的之间的相对位置和朝向，用3自由度的旋转矩阵和3自由度的平移向量表示，这些外参由整车厂自己标。一般整车下线之后，进入特定的房间，使用静态标靶、定位器的等高精度设备，完成Camera、radar、Lidar等传感器的标定，称之为产线标定，也叫做下线标定。

笔记本摄像头内参标定

这里我们使用标定常用的标靶图形，完成笔记本摄像头的内参标定。usb_cam可以使用内参标定，避免图像畸变。（1）安装标定功能包（ubuntu20.04+noetic）

sudo apt-get install ros-noetic-camera-calibration

（2）创建 robot_vision 软件包，并标定相关文件

cd ~/catkin_ws/src
catkin_create_pkg robot_vision cv_bridge image_transport sensor_msgs std_msgs geometry_msgs message_generation roscpp rospycd robot_vision 
mkdir doc launch
touch launch/cameta_calibration.launch

标定靶图片：

cameta_calibration.launch：

<launch>// 使用usb_cam包，发出/usb_cam/image_raw图像数据<node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" ><param name="video_device" value="/dev/video0" /><param name="image_width" value="640" /><param name="image_height" value="480" /><param name="pixel_format" value="yuyv" /><param name="camera_frame_id" value="usb_cam" /><param name="io_method" value="mmap"/></node>// 使用标定功能包，完成标定。// 参数中，8x6表示横向8个内部角点，竖向有6个// square 是每个棋盘格的边长// /usb_cam/image_raw是监听的图像topic<nodepkg="camera_calibration"type="cameracalibrator.py"name="camera_calibration"output="screen"args="--size 8x6 --square 0.024 image:=/usb_cam/image_raw camera:=/usb_cam"/>
</launch>

（3）编译并运行

cd ~/catkin_ws/
catkin_make --source src/robot_vision 
source devel/setup.bash
roslaunch robot_vision cameta_calibration.launch

不断晃动，直到COMMIT按键亮起，然后点击，即可生成标定文件，本人的路径为：/home/mm/.ros/camera_info/head_camera.yaml。

opencv和cv_bridge引入

（1）opencv和cv_bridge

安装opencv（ubuntu20.04+noetic）:

sudo apt-get install ros-noetic-vision-opencv libopencv-dev python3-opencv

（2）opencv和cv_bridge的简单架构图如下：

根据这个图，在ros里，处理图像的流程一般是：

    # 第一步：使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式cv_image = cv_bridge.imgmsg_to_cv2(msg, "bgr8")# 第二步：使用opencv进行图像处理。。。# 第三步，再将opencv格式额数据转换成ros image格式的数据ros_image = cv_bridge.cv2_to_imgmsg(cv_image, "bgr8")

（3）在上节的robot_vision包里，我们新增一个cv_bridge的小样例，主要功能是在捕捉到的图像上打个蓝色的圆标。

本文不深入讲解opencv，推荐一个资料：W3Cschool - OpenCV教程

cv_bridge_test.py：

#! /usr/bin/env python3
# -*- coding: utf-8 -*-
import rospy
import cv2
from functools import partial
from cv_bridge import CvBridge, CvBridgeError
from sensor_msgs.msg import Imagedef image_cb(msg, cv_bridge, image_pub):# 使用cv_bridge将ROS的图像数据转换成OpenCV的图像格式try:cv_image = cv_bridge.imgmsg_to_cv2(msg, "bgr8")except CvBridgeError as e:print(e)# 在opencv的显示窗口中绘制一个圆，作为标记# cv_image.shape返回一个元组，包含图像的行数（高度），列数（宽度）和通道数（通常是3个通道：BGR）(rows, cols, channels) = cv_image.shape# 当图像的宽度和高度都大于60时，才执行画圆标动作if cols > 60 and rows > 60:# 在计算机图像处理中，图像的原点（0,0）通常定义为图像的左上角。(60,60)是圆心的坐标。# 30是圆的半径。# (255,0,0)定义了圆的颜色。在OpenCV中，默认的颜色空间是BGR，所以这其实是绘制了一个蓝色的圆。# -1表示填充圆。如果这个值是正数，则代表绘制的圆的线宽；如果是负数，则代表填充该圆。cv2.circle(cv_image, (60,60), 30, (255,0,0), -1)# 使用Opencv的接口，显示Opencv格式的图像cv2.imshow("ycao: opencv 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:image_pub.publish(cv_bridge.cv2_to_imgmsg(cv_image, "bgr8"))except CvBridgeError as e:print(e)def main():rospy.init_node("cv_bridge_test")rospy.loginfo("starting cv_bridge_test node")bridge = CvBridge()image_pub = rospy.Publisher("/cv_bridge_image", Image, queue_size=1)bind_image_cb = partial(image_cb, cv_bridge=bridge, image_pub=image_pub)// 订阅/usb_cam/image_raw，然后再回调函数里处理图像，并发布出来rospy.Subscriber("/usb_cam/image_raw", Image, bind_image_cb)rospy.spin()cv2.destroyAllWindows()
if __name__ == "__main__":main()

cv_bridge_test.launch

<launch><node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" ><param name="video_device" value="/dev/video0" /><param name="image_width" value="640" /><param name="image_height" value="480" /><param name="pixel_format" value="yuyv" /><param name="camera_frame_id" value="usb_cam" /><param name="io_method" value="mmap"/></node><nodepkg="robot_vision"type="cv_bridge_test.py"name="cv_bridge_test"output="screen"/><nodepkg="rqt_image_view"type="rqt_image_view"name="rqt_image_view"output="screen"/>
</launch>

（4）编译并运行

cd ~/catkin_ws/
catkin_make --source src/robot_vision 
source devel/setup.bash
roslaunch robot_vision cv_bridge_test.launch

总结

本文主要系统介绍了机器视觉处理的外围知识，引入了opencv和cv_bridge，后面几篇文章，我们将用它们继续丰富 robot_vision 软件包。