目标检测与位姿估计（十四）：ros-pcl

最新推荐文章于 2023-11-15 22:40:14 发布
最新推荐文章于 2023-11-15 22:40:14 发布
阅读量636 收藏 3
点赞数
分类专栏： 目标检测与位姿估计
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_37662375/article/details/108328909
版权

项目地址：https://github.com/WeiChunyu-star/effective_robotics_programming_with_ros

建立一个自己的工作空间以及提前编译一遍

$ mkdir -p workspace/src 
$ cd workspace

$ catkin_make

下载项目并编译

$ cd 

$ git clone  https://github.com/WeiChunyu-star/effective_robotics_programming_with_ros
$ cp -r effective_robotics_programming_with_ros/ch10 workspace/src

$ cd workspace && catkin_make

分割平面

$ roscore
$ rosrun chapter10_tutorials pcl_read
$ rosrun chapter10_tutorials pcl_filter
$ rosrun chapter10_tutorials pcl_downsampling
$ rosrun chapter10_tutorials pcl_partitioning

 

PCL学习：基于VFH描述子的聚类识别与位姿估计(1)
zfjBIT的专栏
07-05 1万+
VFH是非常强大的描述子之一，其主要用于识别和估计点集的聚类，这里的聚类是指3D点的集合，常常代表着一个特殊目标对象或场景的一部分，由分割或提取算法获得。 在本节我们的目标不是提供一个最终的识别工具，而是根据各个聚类的场景及其对应的6自由度位姿，从一组聚类中检索查询进而选取与用户输入的场景近似的候选集，这样就可以将识别问题抽象为一个近邻估计问题。给定一组训练数据，我们将使用一种有效的近邻搜索结构...
PCL学习：刚性物体的位姿估计
zfjBIT的专栏
07-03 4046
代码说明： 1. 在存在遮挡情况的场景中估计某个刚性物体的位姿； 2. 采用类SampleConsensusPrerejective，实现基于采样一致性的位姿估计，其高效之处在于利用类CorrespondenceRejectorPoly提前去除了错误位姿的假设； SampleConsensusPrerejective的关键成员函数： void setSourceFeatures...
基于PCL的物体识别与位姿估计tutorial学习
weixin_44423355的博客
05-30 1276
基于PCL的物体识别与位姿估计tutorial学习 来源PCL点云库的tutorial。 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录基于PCL的物体识别与位姿估计tutorial学习前言一、pandas是什么？二、使用步骤1.训练阶段2.测试阶段总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一
点云库PCL学习——位姿估计
zzh_AI的博客
07-02 4043
#include <Eigen/Core> #include <pcl/point_types.h> #include <pcl/point_cloud.h> #include <pcl/common/time.h> #include <pcl/console/print.h> #include <pcl/features/nor...
PCL之空间非合作目标位姿估计
u013015080的专栏
01-03 1530
使用PCL做项目有一段时间了，接下来会发布一系列有关PCL及项目的文章，敬请期待。
三维重建与场景理解：ORB-SLAM3稠密点云技术在ROS中的应用研究
[三维重建与场景理解：ORB-SLAM3稠密点云技术在ROS中的应用研究](https://opengraph.githubassets.com/329a9eed07f03d18fa9e8cef3a7f8469677b2b51ed5d62b75e5acc95322cc3f2/AhmedHisham1/ORB-feature-matching) ...
ROS IntelRealSenseZR300 PCL+ORK+Linemod 柱状物体检测 机械臂抓取 系列第二篇
热门推荐
weixin_40799950的博客
07-21 1万+
前后忙碌了两个星期，从最开始采用PCL进行目标物体检测分割到后面发现另一种简便的方法ORK一步步采坑调通，先将步骤记录下来。任务主线是深度相机看到物体是什么、在哪儿，接着讲位姿发送给机械臂进行抓取，这两周主要解决了用深度相机检测一个可乐罐以及发布其位置信息。 好了开始这两周的工作内容总结： 运行环境：Ubuntu16.04+ROS Kinetic+PCL 目前深度相机主要的方法有： ...
增强现实与ORB-SLAM3：ROS环境中的稠密点云地图增强技术应用
[增强现实与ORB-SLAM3：ROS环境中的稠密点云地图增强技术应用](https://d3i71xaburhd42.cloudfront.net/877a0ce8bc0457837e7c43dd0eb99e11ba4d84d6/4-Figure2-1.png) # 摘要 随着增强现实技术的发展，ORB-SLAM3因其...
【位姿估计技术应用】：UR5机械臂精准定位的策略
位姿估计技术是实现机械臂精确控制的基础，本文首先概述了位姿估计技术的基础理论，包括其定义、发展历程以及数学模型的应用。接着，针对UR5机械臂的位姿控制基础进行了详细分析，涉及结构、工作原理、位姿参数设定...
三维空间重建：ORB-SLAM3稠密点云技术深度探索与实践
[三维空间重建：ORB-SLAM3稠密点云技术深度探索与实践](https://www.thinkautonomous.ai/blog/content/images/2024/03/image-22.png) # 摘要 三维空间重建技术是现代计算机视觉和机器人领域的重要组成部分，它使...
detectozord:利用PointNet + PCL从点云进行目标检测，分类和姿态估计
05-05
该存储库是用于在计算机视觉中使用pcl和tensorflow的沙箱（实验代码） “细分”是利用pcl从深度传感器中捕获3d点云，应用SAC细分以去除大型平面，通过pcl欧几里德聚类提取从场景中提取细分/数据/模型中预定义3D模型的候选实例，进行分类的管道他们使用点网将其放入预定义的对象集中，然后通过pcl SampleConsensusPrerejective估计其姿势 使用的软件包： python 3.5 x64 https://www.python.org/downloads/release/python-350/ pip install --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl pip install scipy
深度对象姿态估计（DOPE） - ROS推断（CoRL 2018）-python
06-18
深度对象姿态估计（DOPE） - ROS推断（CoRL 2018） Deep Object Pose Estimation - ROS Inference 这是官方的 DOPE ROS 包，用于检测和 6-DoF 对来自 RGB 相机的已知物体的姿态估计。 该网络已经在以下 YCB 对象上进行了训练：饼干盒、糖盒、番茄汤罐、芥末瓶、盆栽肉罐和明胶盒。 有关更多详细信息，请参阅我们的 CoRL 2018 论文和视频。 注意：以下说明仅适用于推理。 还提供了培训代码，但不支持。 2020 年 3 月 16 日更新 - 添加了一个 wiki（感谢 @saratrajput） 03/07/2019 - ROS 界面更新（感谢 Martin Günther） 11/06/2019 - 添加了漂白 YCB 权重安装 我们已经在 Ubuntu 16.04 和 18.04 上进行了测试使用 ROS Kinetic 和 Lunar，使用 NVIDIA Titan X 和 RTX 2080ti，使用 python 2.7。 该代码可能适用于其他系统。 以下步骤描述了本机安装。 或者，使用
Deep_Object_Pose:深度物体姿态估计（DOPE）– ROS推断（CoRL 2018）
04-30
深度物体姿态估计-ROS推断 这是官方的DOPE ROS软件包，用于检测RGB摄像机中的已知物体并进行6自由度姿态估计。 该网络已针对以下YCB对象进行了培训：饼干盒，糖盒，番茄汤罐，芥末瓶，盆栽肉罐和明胶盒。 有关更多详细信息，请参阅我们的和。 注意：以下说明仅指推论。 还提供了培训代码，但不支持。 更新 2020/03/09-， 和要配置的对象尺寸添加了HOPE。 。 2020/02/09-升级了DOPE以使用Python3。更新了Dockerfile以使用与Python3兼容的ROS Noetic。 Python 2.7 / ROS Kinetic仍在上可用。 2020/16/03-添加了Wiki（感谢 ） 2019/03/07-ROS接口更新（感谢MartinGünther） 2019/11/06-添加了漂白YCB重量 正在安装 我们已经在ROS Noetic，NVID
PCL-FPFH特征检测_匹配_位姿估计
蜗壳X儿
12-08 1850
近期课题中需要使用PCL进行点云处理，故而学习了一下PCL点云算法库。使用了PCL中的FPFH特征检测，之后利用SAC-IA算法对两个点云进行初始配准。原理可以官方讲解或者大佬的博客。 Function.cpp #include <Eigen/Core> #include <pcl/point_types.h> #include <pcl/point_cloud.h> #include <pcl/common/time.h> #include <pcl/
PCL库函数实现相对位姿估计，轻松解决3D视觉难题！
m0_50610065的博客
08-08 645
首先，需要使用PCL库中的PointCloud类加载点云数据。通过调用PointCloud类中的load函数，可以把点云数据加载到内存中。例如：pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ); pcl::io::loadPCDFile(“pointcloud.pcd”, *cloud);在点云数据中提取特征点是相对位姿估计的第一步。PCL库中的各种滤波器和特征提取算法可以帮助我们实现这一步骤。例如使用SIFT
目标检测与位姿估计（十九）：ROS通信
qq_37662375的博客
10-13 856
参考《ROS机器人程序设计》（原书第2版）：但是发现其中的一些命令并不能实现正确的结果，且由于版本的问题，一些配置信息不能满足当前的需要。 my system : 在virtualBox下导入的RosIndigo32Bits集成环境，内核为Ubuntu14.04 LTS 在这个系统默认的只安装了vi，使用之前需要先安装vim，不然后期将无法使用vim打开CMakeLists.txt文件。当然也可以安装其他编译器。 首先建立工作空间： $mkdir -p ~/dev/catkin_ws..
PCL：刚性物体的位姿估计
qq_36418943的博客
11-01 1595
#include <Eigen/Core> #include <pcl/point_types.h> #include <pcl/point_cloud.h> #include <pcl/common/time.h> #include <pcl/console/print.h> #include <pcl/features/norm...
目标检测与位姿估计（八）：python-pcl的使用
qq_37662375的博客
08-29 989
python-pcl 1.1 conda方式安转 conda install -c sirokujira python-pcl 1.2 报错Traceback (most recent call last): File "test_segmentation.py", line 7, in <module> import pcl File "/home/yu/.conda/envs/pic/lib/python3.6/site-packages/pcl/__init__.py", l
PCL 刚性物体的位姿估计 PFH、FPFH、VFH、PPF
weixin_39354845的博客
11-15 353
刚性物体的位姿估计
ROS 进行物体检测，给出位姿姿态
最新发布
01-10
### 使用ROS进行物体检测并获得物体的位姿姿态 #### 1. 安装依赖项 为了在 ROS 中实现物体检测并获取物体的位姿姿态，首先需要安装一些必要的软件包。这通常包括用于处理 RGB-D 图像的传感器驱动程序、PCL (Point Cloud Library)，以及其他可能使用的计算机视觉库。 对于基于深度相机的应用场景，可以考虑使用 `realsense-ros` 或者其他支持设备对应的 ROS 软件包来捕获图像数据[^3]。 ```bash sudo apt-get install ros-noetic-realsense2-camera ``` #### 2. 配置环境与启动节点 配置好硬件连接之后，在终端中运行如下命令以加载相应的 launch 文件： ```bash roslaunch realsense2_camera rs_rgbd.launch ``` 此操作会发布一系列话题(topic), 包含彩色图(color image)、深度图(depth map)等信息流，供后续模块订阅使用。 #### 3. 实现物体检测功能 针对具体应用需求选择合适的物体识别方法。如果目标是执行实例级别的6D姿态估计，则可采用预训练模型或自定义训练的方式构建神经网络来进行分类和定位；如果是类别级别的话，则更倾向于几何特征匹配的方法如模板匹配法或是基于点云配准的技术方案[^2]。 一种常见的做法是在 Python 或 C++ 编写的 ROS 节点里集成 OpenCV 库完成初步筛选工作，再调用专门设计好的服务接口去请求更高精度的结果。 #### 4. 获取物体的位姿姿态 一旦完成了上述步骤中的物体检测部分，下一步就是计算所选物体的确切位置及其朝向了。这里可以通过多种途径达成目的: - **直接解析**: 如果选用的是带有内置姿态回归能力的目标探测器(比如某些版本 Mask R-CNN 改良型)，那么可以直接读取其输出字段得到所需参数； - **间接推算**: 对于仅能给出边界框坐标的简单检测工具而言，就需要额外引入 PnP(Perspective-n-Point) 算法或者其他形式的空间变换逻辑，结合已知内参矩阵求解外方位元素，进而得出完整的 SE(3) 描述子[^1]。 下面是一个简单的Python脚本片段展示如何利用OpenCV-Python绑定版解决这个问题的一部分过程： ```python import cv2 from geometry_msgs.msg import PoseStamped import numpy as np def estimate_pose(image_points, object_points, camera_matrix): success, rotation_vector, translation_vector = \ cv2.solvePnP(object_points, image_points, camera_matrix, None) pose_msg = PoseStamped() if not success: return None rvec_matrix = cv2.Rodrigues(rotation_vector)[0] rot_mat = np.eye(4) rot_mat[:3,:3] = rvec_matrix trans_vec = np.array([translation_vector]).reshape(-1).tolist() # Fill the message with data. pose_msg.pose.position.x = trans_vec[0] pose_msg.pose.position.y = trans_vec[1] pose_msg.pose.position.z = trans_vec[2] quat = tf.transformations.quaternion_from_matrix(rot_mat) pose_msg.pose.orientation.w = quat[0] pose_msg.pose.orientation.x = quat[1] pose_msg.pose.orientation.y = quat[2] pose_msg.pose.orientation.z = quat[3] return pose_msg ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白 AI 日记

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值