机器人操作系统（ROS2）入门与实践课件：ROS2的三维视觉应用.pptx

机器人操作系统（ROS2）入门与实践;机器人操作系统（ROS2）入门与实践;;三维点云数据的获取是通过订阅三维相机驱动节点发布的话题，从话题中获取相机发出的消息包来实现的。本实验中，使用的虚拟机器人配备的是KinectV2相机，话题名称是/kinect2/sd/points。话题中的消息包格式为sensor_msgs::PointCloud2。

本实验将会实现一个订阅者节点，订阅相机发布的话题/kinect2/sd/points。从此话题中接收sensor_msgs::PointCloud2类型的消息包，并将其中的点云数据转换成PCL的格式，然后把所有三维点的坐标值显示在终端程序里。;10.1RGB-D相机的三维点云数据获取;1、编写节点代码;#includerclcpp/rclcpp.hpp

#includesensor_msgs/msg/point_cloud2.hpp

#includepcl/point_types.h

#includepcl/point_cloud.h

#includepcl_conversions/pcl_conversions.h

?

std::shared_ptrrclcpp::Nodenode;?

voidPointcloudCallback(constsensor_msgs::msg::PointCloud2::SharedPtrmsg)

{

pcl::PointCloudpcl::PointXYZpointCloudIn;

pcl::fromROSMsg(*msg,pointCloudIn);?

intcloudSize=pointCloudIn.points.size();

for(inti=0;icloudSize;i++)

{

RCLCPP_INFO(node-get_logger(),[i=%d](%.2f,%.2f,%.2f),

i,

pointCloudIn.points[i].x,

pointCloudIn.points[i].y,

pointCloudIn.points[i].z);

}

};intmain(intargc,char**argv)

{

rclcpp::init(argc,argv);

?

node=std::make_sharedrclcpp::Node(pointcloud_data_node);

autopc_sub=node-create_subscriptionsensor_msgs::msg::PointCloud2(

/kinect2/sd/points,

1,

PointcloudCallback

);

?

rclcpp::spin(node);

?

rclcpp::shutdown();

?

return0;

};2、设置编译规则;sourceinstall/setup.bash;sourceinstall/setup.bash;在10.1节的实验里，实现了从ROS机器人头部的RGB-D相机获取三维点云数据。这一次将继续深入，使用PCL实现三维特征提取，并对桌面上的物体进行检测和定位。

具体实现步骤如下：

1）将机器人头部相机采集到的三维点云消息包进行格式转换。从ROS2的点云格式转换为PCL点云格式，方便后面调用PCL的函数对点云数据进行处理。

2）先使用PCL函数对点云数??进行平面提取，将桌面的高度确定下来。

3）将桌面高度以下的点集剔除掉，仅保留桌面之上的物体点云。

4）使用欧几里德分割法对保留下来的物体点云进行点云簇的提取，将桌面上的多个相隔较远的点云簇区分开。这时可以认为每个点云簇就表示一个物体的点云集合。计算每个物体点云集合的质心坐标，用来表示物体的空间位置。;1、编写节点代码;#includerclcpp/rclcpp.hpp

#includesensor_msgs/msg/point_cloud2.hpp

#includepcl/point_types.h

#includepcl/point_cloud.h

#includepcl_conversions/pcl_conversions.h

#includetf2_ros/transform_listener.h

#includep