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