Gazebo搭建虚拟环境完成ROS机器人定位导航仿真及YOLO检测识别标记物体

最新推荐文章于 2025-04-13 15:43:05 发布
最新推荐文章于 2025-04-13 15:43:05 发布
阅读量1.1w 收藏 281
点赞数 23
分类专栏： 智能机器人 文章标签： gazebo yolo ros
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_43279579/article/details/115262778
版权
本文详细介绍了如何在Ubuntu 18.04环境下，使用ROS Melodic和Gazebo搭建虚拟赛道，实现小车自主定位导航，并利用YOLOv3进行物体识别。步骤包括工作空间设置、racecar功能包编译、gmapping建图、路径规划及YOLO的集成。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

文章目录

前言

环境说明：
本过程采用Ubuntu18.04+ROS Melodic+Gazebo+yolo3

一、前期准备

（一）创建工作空间

  1. 创建ros的工作区域

    mkdir -p ~/robot_positioning_ws/src

  2. 转换到工作区域目录

    cd ~/robot_positioning_ws/src

  3. 初始化ROS工作空间

    catkin_init_workspace

（二）功能包racecar

  1. 下载Gazebo搭建赛道

    git clone https://github.com/xmy0916/racecar.git

    在这里插入图片描述

  2. 安装controllers相关

    sudo apt-get install ros-melodic-controller-manager
sudo apt-get install ros-melodic-gazebo-ros-control
sudo apt-get install ros-melodic-effort-controllers
sudo apt-get install ros-melodic-joint-state-controller

  3. racecar功能包编译

    cd ..
catkin_make

    编译遇到的问题
    ①Could not find a package configuration file provided by "driver_base" with any of the following names在这里插入图片描述
    解决方法

    sudo apt-get install ros-melodic-driver-base

    ②Could not find a package configuration file provided by "OpenCV" with any of the following names
    在这里插入图片描述
    解决方法

    locate OpenCVConfig.cmake
    sudo gedit ~/robot_positioning_ws/src/racecar_gazebo/CMakeLists.txt
    修改第7行的路径成你的路径:set(OpenCV_DIR /opt/ros/kinetic/share/OpenCV-3.3.1-dev/)

    在这里插入图片描述
    ③ackermann_msgs/AckermannDrive.h: No such file or directory
    在这里插入图片描述
    解决方法

    sudo apt-get install ros-melodic-ackermann-msgs

    编译成功
    在这里插入图片描述

二、Gazebo搭建自己的虚拟环境

（一）相关设置

  1. 设置环境变量
    echo "source ~/robot_positioning_ws/devel/setup.bash" >> ~/.bashrc
source ~/.bashrc

（二）运行小车模型

  1. 运行语句
    roslaunch racecar_gazebo racecar.launch
  2. 运行效果
    说明：tk的控制界面小窗，控制小车的移动，W表示前进，D表示向左转，S表示后退，A表示右转
    在这里插入图片描述

（三）手动搭建环境

  1. 打开gazebo

    roslaunch gazebo_ros empty_world.launch

  2. 点击Edit->Build Editor，创建模型，保存该模型
    在这里插入图片描述

  3. 导入刚自己创建的赛道模型框架
    运行小车模型

    roslaunch racecar_gazebo racecar.launch

    导入创建环境模型
    insert->选择对应保存的模型
    在这里插入图片描述
    添加障碍物
    在这里插入图片描述
    保存为world文件
    在这里插入图片描述

（四）运行创建环境

  1. 创建launch文件，配置赛道参数
    cd ~/robot_positioning_ws/src/racecar/racecar_gazebo/launch
sudo gedit lyy.launch
    lyy.launch内容
    <?xml version="1.0"?>
<launch>
  <!-- Launch the racecar -->
  <include file="$(find racecar_gazebo)/launch/racecar.launch">
    <arg name="world_name" value="lyy"/>
  </include>
</launch>
  2. 运行gazebo
    roslaunch racecar_gazebo lyy.launch
    显示如下
    在这里插入图片描述

三、进行gmapping建图

  1. gmapping建图

    roslaunch racecar_gazebo slam_gmapping.launch

    问题描述：ERROR: cannot launch node of type [gmapping/slam_gmapping]: gmapping
    在这里插入图片描述
    解决方法

    sudo apt-get install ros-melodic-gmapping

  2. 跑完整圈（通过kt控制小窗）
    小车的起点
    在这里插入图片描述
    小车终点
    在这里插入图片描述
    Rviz中的轨迹显示
    在这里插入图片描述

  3. 保存gmapping创建的地图

    sudo apt-get install ros-melodic-map-server
cd ~/robot_positioning_ws/src/racecar/racecar_gazebo/map
rosrun map_server map_saver -f lyy_map

    在这里插入图片描述

四、小车自主定位导航

（一）自己创建的环境

  1. launch文件的编辑

    cd ~/robot_positioning_ws/src/racecar/racecar_gazebo/launch
sudo gedit lyy_auto.launch

    lyy_auto.launch文件内容

    <?xml version="1.0"?>
<launch>
  <!-- Launch the racecar -->
  <include file="$(find racecar_gazebo)/launch/racecar.launch">
    <arg name="world_name" value="lyy"/>
  </include>
  
  <!-- Launch the built-map -->
  <node name="map_server" pkg="map_server" type="map_server" args="$(find racecar_gazebo)/map/lyy_map.yaml" />

  <!--Launch the move base with time elastic band-->
  <param name="/use_sim_time" value="true"/>
  <node pkg="move_base" type="move_base" respawn="false" name="move_base" output="screen">
    <rosparam file="$(find racecar_gazebo)/config/costmap_common_params.yaml" command="load" ns="global_costmap" />
    <rosparam file="$(find racecar_gazebo)/config/costmap_common_params.yaml" command="load" ns="local_costmap" />
    <rosparam file="$(find racecar_gazebo)/config/local_costmap_params.yaml" command="load" />
    <rosparam file="$(find racecar_gazebo)/config/global_costmap_params.yaml" command="load" />
    <rosparam file="$(find racecar_gazebo)/config/teb_local_planner_params.yaml" command="load" />

    <param name="base_global_planner" value="global_planner/GlobalPlanner" />
    <param name="planner_frequency" value="0.01" />
    <param name="planner_patience" value="5.0" />
    <!--param name="use_dijkstra" value="false" /-->
    
    <param name="base_local_planner" value="teb_local_planner/TebLocalPlannerROS" />
    <param name="controller_frequency" value="5.0" />
    <param name="controller_patience" value="15.0" />

    <param name="clearing_rotation_allowed" value="false" />
  </node>
  
</launch>

    在这里插入图片描述

  2. 运行创建的环境

    roslaunch racecar_gazebo lyy_auto.launch

  3. 启动rviz

    roslaunch racecar_gazebo racecar_rviz.launch

    在这里插入图片描述

  4. 设计小车行车轨迹
    采用2D Nav Goal发布目标
    在这里插入图片描述
    问题描述：使用2D Nav Goal发布目标时，始终没有反应
    解决方式

    sudo apt-get install ros-melodic-teb-local-planner

    由于起点和终点之间没有做墙隔开，所以现在将终点移到对面

  5. 启动path_pursuit.py脚本文件

    rosrun racecar_gazebo path_pursuit.py

    实际出现情况
    在这里插入图片描述
    暂时不清楚是什么原因造成的。

（二）下载的功能包中自带环境

  1. 运行环境

    roslaunch racecar_gazebo racecar_runway_navigation.launch

  2. 启动rviz

    roslaunch racecar_gazebo racecar_rviz.launch

  3. 设计小车行车轨迹
    采用2D Nav Goal发布目标位置

  4. 启动path_pursuit.py脚本文件

    rosrun racecar_gazebo path_pursuit.py

    运行结果（一部分运动过程）
    在这里插入图片描述

五、使用YOLO检测识别标记物体

（一）加载YOLO

  1. ssh设置

    ssh-keygen ##输入之后根据提示输入两次回车，两次密码
ls ~/.ssh
eval `ssh-agent`
ssh-add ~/.ssh/id_rsa
cat ~/.ssh/id_rsa.pub #得到一串密匙

    登陆GitHub，在账户下拉选项中选择settings，ssh and GPG keys，选择new ssh key，输入名字Default public key，然后将得到的密匙复制到文本框中，然后点击add ssh key，密匙设置完成。

  2. 下载darknet-ros

    cd ~/robot_positioning_ws/src
git clone --recursive git@github.com:leggedrobotics/darknet_ros.git

  3. 编译

    cd ~/robot_positioning_ws
catkin_make -DCMAKE_BUILD_TYPE=Release

    在这里插入图片描述
    说明：
    开始编译整个项目，编译完成后会检查./darknet_ros/darknet_ros/yolo_network_config/weights文件下有没有yolov2-tiny.weights和yolov3.weights两个模型文件，默认下载好的代码里面为了节省体积是不带这两个模型文件的。因此编译之后会自动开始下载模型文件，此时又是一段漫长的等待时间。在开始编译之前,可以提前下载好，把模型文件拷贝到上述文件夹下，就不会再次下载了。

（二）实现检测标记物体

  1. 打开gazebo

    roslaunch racecar_gazebo racecar_runway_navigation.launch

  2. 打开racecar.gazebo文件查看话题
    在这里插入图片描述

  3. 修改ros.yaml文件中订阅的话题
    原文件
    在这里插入图片描述
    修改后文件
    在这里插入图片描述

  4. 启动YOLO V3

    roslaunch darknet_ros darknet_ros.launch

    这个给过程非常容易卡住，所以需要多尝试几次。
    在这里插入图片描述
    最终，识别的结果不是很准确，可能的原因是摄像头没有捕获到全部的物体，部分识别成为其他的物体。这个过程确实弄了好久，太容易卡了。需要比较有耐心，才能够的到最终的效果。自己构建环境的时候，需要注意起点与终点之间有有什么东西隔开，不然后面规划路径的时候，就不会绘制。

参考连接

  1. Ubuntu18.04下利用Gazebo搭建赛道完成ROS机器人定位导航仿真 + 加载YOLO检测识别标记物体【智能车】
  2. Ubuntu18.04下实现ROS智能车定位导航仿真
  3. ROS下实现darknet_ros(YOLO V3)检测
  4. 嵌入式系统应用开发·大作业——ROS机器人定位导航仿真
【ROS机器人系统】自主导航+YOLO目标检测+语音播报
Github主页：https://github.com/xinyangwy
07-18 2万+
完成自主导航功能，并在小车移动至指定地点的过程中，通过机器人的摄像头检测导航途中所见物体，识别出物体的种类（框选出不同物体并标注识别结果），结合科大讯飞语音合成模块对识别结果进行语音播报。..............................
【ROS机器人系统】自主导航+yolov5目标检测+gazebo+rviz+语音播报
pvmsmfchcs的博客
06-05 1637
【ROS机器人系统】自主导航+YOLO目标检测+语音播报
基于PX4、ROS和Gazebo的无人机通用仿真平台
03-07
基于PX4、ROS和Gazebo的无人机通用仿真平台
Ubuntu18.04下利用Gazebo搭建赛道完成ROS机器人定位导航仿真 + 加载YOLO检测识别标记物体【智能车】
热门推荐
mango
07-02 2万+
Command ‘roslaunch’ not found, but can be installed with: sudo apt install python-roslaunch 下列软件包有未满足的依赖关系： python-roslaunch : 依赖: python-roslib 但是它将不会被安装 E: 无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系。 ...
大模型 + 机械臂：通过语音控制实现物体抓取（Gazebo 仿真验证）
最新发布
2301_78619377的博客
04-13 1703
大模型 + 机械臂：通过语音控制实现物体抓取（Gazebo 仿真验证）-----非常简单，后续推出复杂行为规划。（说明：包含语音交互、视觉处理、大模型、坐标转换、机械臂控制五大模块，通过 ROS 话题通信）：捕获 Gazebo 相机图像，通过阿里云大模型（Qwen-VL）定位物体中心点像素坐标。：将图像像素坐标转换为机械臂末端执行器的三维坐标（Gazebo 世界坐标系）。：订阅坐标话题，控制机械臂运动和夹爪动作，包含安全机制（忙状态标志。：通过 Qwen-VL 快速定位物体，避免传统视觉算法复杂建模；
基于Gazebo仿真环境的机器人自动导航循迹和目标检测
赵虚左
09-29 785
经咨询联想客服知：依次点击开始→设置→更新和安全→恢复→高级启动→立即重新启动→疑难解答→高级选项 UEFI固件设置→重启，进入 BIOS界面，打开Intel(R) Virtualizaton Technology,F10保存退出。该问题亦无解，通过csdn查询到多种修改方法，操作后均无效，最后只能通过共享文件夹的方式实现文件互传：如图所示，在主机创建share文件夹，开启共享，可在虚拟机中如下位置找到share文件夹，从而实现文件互传。国内源pass，中科大源pass，阿里源pass……
ROS智能车定位导航仿真
lxzysx的博客
07-01 6180
目录准备工作（安装配置）下载源码包安装相应插件编译开始仿真环境变量添加运行小车模型启动地图建图保存地图导航注意 准备工作（安装配置） 下载源码包 先进入ros的工作区域 cd ~/racecar_ws/src 下载： git clone https://github.com/xmy0916/racecar.git 解决办法： 可以直接进入https://github.com/xmy0916/racecar.git进行下载 安装相应插件 1.driver_base sudo apt-get inst
ROS机器人SLAM学习：Gazebo定位与导航自主仿真
sanyiji的博客
04-05 6868
1）在gazebo中构建一个用于建图和导航的虚拟环境，可以使用Building Editor工具创建，也可以使用其他功能包中已有的虚拟环境；将前面作业完成的带传感器的移动机器人（小车）模型放置到虚拟环境中，使用gmapping 和 hector_slam功能包实现SLAM仿真，并将简历完成的地图保存到功能包的maps文件夹中，随作业一同提交。 ①　首先使用gmapping将要执行的launch文件...
Ros智能车定位导航仿真
Silenceada的博客
07-11 1264
1、 在Ubuntu安装ros kinetic 2、 创建ros工作区间 1） 创建racecar_w和scr文件夹 2） 初始化工作空间 3） 下载racecar源代码包并编译工程 3、 启动仿真 4、 设置环境变量 5、 启动地图 6、 建图 1） 启动slam和rviz 新建终端 2）控制车辆，wsad控制前后左右的运动 7、 新建终端保存地图 8、 自主定位导航 1） 启动导航和环境地图 2） 启动rviz 新建终端 3） 用2D NAV Goal发布目标： 4）启动导航脚本 新建终端 9、 自建赛
【嵌入式应用13】ROS智能车定位导航仿真
qq_34591921的博客
07-06 688
【嵌入式应用13】ROS智能车定位导航仿真 （原赛道自主导航，构建地图再导航） 1.初始化 mkdir -p ~/zjp/racecar_ws/src cd zjp/racecar_ws/src catkin_init_workspace 2.克隆 racecar 源代码包并编译 git clone https://github.com/xmy0916/racecar.git cd .. 修改racecar_gazebo/CMakeLists.txt的opencv路径为自己的opencv build文
ROS智能车自主导航仿真与YOLO物体识别
weixin_44468686的博客
07-11 1066
准备工作 下载必须库 sudo apt-get install ros-melodic-driver-base sudo apt-get install ros-melodic-gazebo-ros-control sudo apt-get install ros-melodic-effort-controllers sudo apt-get install ros-melodic-joint-state-controller sudo apt-get install ros-melodic-ackerma
ROS下，使用gazebo搭建小车，并且在小车上安装摄像头的仿真，摄像头采集到的视频图像传递给darknet_ros中的yolo
06-25
在本场景中，我们将在ROS环境中使用Gazebo来创建一个小车的仿真模型，并在小车上集成摄像头进行视频图像采集。Gazebo是一款强大的3D仿真软件，它能模拟各种环境，包括物理行为，为机器人研究和开发提供了理想的平台...
Object_Detection_Ros_VGG_Gazebo：使用Yolo进行交通信号灯检测并在ROS和Gazebo中实现
02-21
在这个项目中，我们探讨了如何在机器人操作系统（ROS）和Gazebo模拟环境中应用对象检测技术，特别是针对交通信号灯的识别。该项目名为"Object_Detection_Ros_Yolo"，暗示着它依赖于流行的深度学习框架YOLO（You Only...
ROS智能车定位导航仿真（续章之使用yolo识别物体）
易与天行的博客
07-09 1346
码云镜像下载darknet_ros包 请不要直接克隆，请git clone --recursive 用于循环克隆git子项目，否则克隆的包不完整 cd qianRuShi/racecar_ws/src/ git clone --recursive https://gitee.com/ojbk66/darknet_ros.git 下载权重文件 下载地址： yolov3.weights yolov2.weights yolov2-tiny.weights 放在： xx/catkin_ws/src/darkn
Ubuntu18.04 ROS智能车仿真 yolo图像目标检测
君琴 的博客
07-11 3222
本博客的运行环境为Ubuntu18.04，ROS为melodic。 进入ROS的工作区的src文件夹 cd ~/catkin_ws/src 克隆源码包 git clone https://github.com/xmy0916/racecar.git 然后回到ROS工作区 cd .. 编译一下 catkin_make 编译成功后，添加环境变量 source ./devel/setup.bash 启动仿真 运行racecar.launch文件。 roslaunch racecar_gazebo ra
ubuntu16.04 --- ROS智能车定位导航仿真
weixin_45306136的博客
07-11 2734
ubuntu16.04---ROS智能车定位导航一、准备阶段1.下载智能车源码包2.安装相应插件3.编译二、仿真1.运行小车模型2.搭建自己的地图3.导航 一、准备阶段 1.下载智能车源码包 进入ROS工作区 cd ~/ROS/src/ 在终端中使用Git命令下载源码包 git clone https://github.com/xmy0916/racecar.git 如果在终端中下载失败或者下载非常缓慢，也可以试试在浏览器中下载源码包，然后将包放置到src目录下 2.安装相应插件 1.driver_b
yolov4-tiny训练数据集用于gazebo平台的无人机识别（2）
laoyoutiaozZ的博客
04-24 837
由于需要在gazebo上识别仿真平台提供的iris四旋翼无人机，需要对其建立数据集并训练自己的.weights文件。
ros2内结合gazebo和rviz进行yolov8检测记录
we34dfg的博客
06-29 1830
ros2内结合gazebo和rviz进行yolov8检测记录
ROS机器人定位导航仿真（包括智能车、无人机飞行的仿真）
weixin_43749019的博客
07-11 3799
ubuntu16.04—ROS智能车定位导航 一、准备阶段 1.下载智能车源码包 2.安装相应插件 3.编译 二、仿真 1.运行小车模型 2.运行赛道 3.自主定位导航 4.搭建自己的地图 5.导航 一、准备阶段 1.下载智能车源码包 进入ROS工作区 cd ~/ROS/src/ 在终端中使用Git命令下载源码包 git clone https://github.com/xmy0916/racecar.git 如果在终端中下载失败或者下载非常缓慢，也可以试试在浏览器中下载源码包，然后将包放置到src目录下
在gazebo中，yolo檢測模型可以搭配realsense去檢測到物件並顯示對應的三維座標嗎
04-08
<think>嗯，用户问的是在Gazebo中，YOLO检测模型能不能搭配RealSense来检测物体并显示对应的三维坐标。我需要先理清楚各个组件之间的关系以及它们如何协同工作。 首先，Gazebo是一个机器人仿真环境，可以用来模拟机器人及其传感器，比如RealSense相机。RealSense相机在现实中是能够获取RGB图像和深度信息的，那么在Gazebo中应该也有相应的插件来模拟这个功能。用户可能是在仿真环境中测试他们的算法，避免直接使用真实硬件带来的成本和风险。 接下来是YOLO，这是一个基于深度学习的目标检测模型，主要用于识别图像中的物体并给出二维边界框。YOLO本身处理的是二维图像数据，所以需要深度信息来获取三维坐标。这时候RealSense的深度数据就派上用场了。在真实环境中，通常的做法是用YOLO检测出物体的二维位置，然后通过深度相机提供的对应位置的深度值来计算出三维坐标。那么在Gazebo中，这个流程应该也是可行的，但需要考虑仿真的深度数据是否准确，以及如何将YOLO的输出与深度图对齐。 然后，我需要考虑在Gazebo中如何实现这一点。首先，用户需要在仿真中添加RealSense相机模型，并确保其能够发布RGB图像和深度信息。Gazebo的插件，比如`libgazebo_ros_realsense`，可能已经支持这一点。然后，用户需要将RGB图像输入到YOLO模型中进行物体检测，得到二维的边界框坐标。接着，利用检测到的二维坐标（比如中心点）在深度图像中找到对应的深度值，再通过相机的内参将二维坐标转换到三维空间。 这里需要注意坐标变换的问题。相机的光学中心到机器人基座或其他坐标系的关系可能需要通过TF变换来处理，这样获取的三维坐标才能正确转换到世界坐标系中。此外，仿真中的深度数据可能会有噪声，或者与现实中的情况不同，这可能会影响三维坐标的准确性，用户可能需要做一些校准或者滤波处理。 另外，用户可能关心的是整个流程的集成方法。比如，是否需要使用ROS（Robot Operating System）来连接Gazebo、YOLO和RealSense数据。通常，在ROS中，图像和深度信息会以话题的形式发布，YOLO可以通过订阅图像话题来进行检测，然后结合深度话题来获取三维坐标。可能需要编写一个节点来处理检测结果和深度数据的融合，以及坐标转换。 还有可能的挑战包括：YOLO在仿真环境中的检测效果是否足够好，因为仿真中的物体可能与训练数据有差异；深度数据的精度是否足够；以及整个系统的实时性是否能满足需求。用户可能需要先在仿真中测试，调整模型参数或进行领域适应训练，以提高检测准确率。 总结一下，步骤大概是：在Gazebo中配置RealSense相机，获取RGB和深度数据；运行YOLO检测模型得到物体二维位置；将二维坐标映射到深度图获取深度值；转换到三维坐标系；可能还需要通过TF变换到世界坐标系。整个过程需要ROS的支持，以及处理可能的噪声和坐标对齐问题。</think>在Gazebo仿真环境中，**YOLO检测模型可以與RealSense相機结合實現物體檢測與三維坐標提取**，但需要通過ROS（Robot Operating System）進行系統集成。以下是具體實現原理與步驟： --- ### 1. **核心原理** - **YOLO**：負責從RGB圖像中檢測物體的2D邊界框（Bounding Box）和類別。 - **RealSense**：在Gazebo中模擬深度相機，提供RGB圖像和深度圖（Depth Image）。 - **坐標轉換**：通過深度圖將YOLO檢測的2D像素坐標轉換為3D世界坐標。 --- ### 2. **實現步驟** #### **步驟1：在Gazebo中部署RealSense相機** - 使用Gazebo的RealSense插件（如`libgazebo_ros_realsense`），模擬以下數據： - **RGB圖像**：通過`/camera/color/image_raw`話題發佈。 - **深度圖**：通過`/camera/depth/image_raw`話題發佈。 - **相機內參**：通過`/camera/color/camera_info`獲取（用於像素坐標到3D坐標的轉換）。 #### **步驟2：運行YOLO檢測模型** - 使用ROS封裝的YOLO節點（如`darknet_ros`）訂閱RGB圖像話題： ```python roslaunch darknet_ros yolo_v3.launch ``` - 輸出檢測結果：包含物體類別和2D邊界框（Bounding Box中心點坐標$(u, v)$）。 #### **步驟3：提取3D坐標** - **獲取深度值**：根據YOLO輸出的像素坐標$(u, v)$，從深度圖中讀取對應深度值$d$。 - **坐標轉換**：利用相機內參將$(u, v, d)$轉換為相機坐標系下的3D點$(X_c, Y_c, Z_c)$： $$ X_c = \frac{(u - c_x) \cdot d}{f_x}, \quad Y_c = \frac{(v - c_y) \cdot d}{f_y}, \quad Z_c = d $$ 其中$(f_x, f_y)$為焦距，$(c_x, c_y)$為光心坐標。 - **轉換到世界坐標系**：通過TF變換將相機坐標系下的點轉換到Gazebo世界坐標系： ```python rosrun tf2_ros transform_listener ``` --- ### 3. **關鍵代碼片段（ROS節點示例）** ```python # 訂閱YOLO檢測結果和深度圖 from sensor_msgs.msg import Image from darknet_ros_msgs.msg import BoundingBoxes def yolo_callback(msg): for box in msg.bounding_boxes: u = (box.xmin + box.xmax) / 2 v = (box.ymin + box.ymax) / 2 depth = depth_image[v, u] # 從深度圖獲取深度值 X_c = (u - cx) * depth / fx Y_c = (v - cy) * depth / fy Z_c = depth # 調用TF轉換到世界坐標系 ``` --- ### 4. **注意事項** - **深度圖噪聲**：Gazebo模擬的深度圖可能過於理想化，需添加噪聲插件以貼近真實數據。 - **坐標對齊**：確保RGB圖像與深度圖的像素嚴格對齊（RealSense插件需配置同步輸出）。 - **YOLO性能**：在仿真中訓練YOLO時，需使用與Gazebo場景風格相似的數據集。 --- ### 5. **擴展應用** - **機械臂抓取**：將3D坐標傳輸給機械臂執行抓取任務。 - **SLAM集成**：結合ORB-SLAM等算法，實現動態物體追蹤與地圖構建。 如果需要更詳細的代碼示例或Gazebo模型配置，可進一步說明具體需求！
评论 12
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
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