### 使用ROS1实现目标识别的Python代码示例 以下是基于ROS1的目标识别Python节点的一个基本实现。此代码展示了如何订阅图像数据并利用OpenCV进行简单的颜色过滤来检测特定颜色的对象。 #### 示例代码 ```python #!/usr/bin/env python # -*- coding: utf-8 -*- import rospy # ROS Python接口库 from sensor_msgs.msg import Image # 图像消息类型 from cv_bridge import CvBridge, CvBridgeError # OpenCV与ROS之间的转换工具 import cv2 # OpenCV库 import numpy as np # NumPy用于矩阵运算 class ObjectDetectorNode: def __init__(self): rospy.init_node('object_detector', anonymous=True) # 初始化节点 self.bridge = CvBridge() # 创建CvBridge对象 self.image_subscriber = rospy.Subscriber("/camera/image_raw", Image, self.image_callback) # 订阅图像话题 def image_callback(self, data): try: frame = self.bridge.imgmsg_to_cv2(data, "bgr8") # 将ROS图像消息转换为OpenCV格式 except CvBridgeError as e: rospy.logerr(e) hsv_frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 转换到HSV色彩空间 # 定义红色范围 (可以根据需求调整) lower_red = np.array([0, 120, 70]) upper_red = np.array([10, 255, 255]) mask = cv2.inRange(hsv_frame, lower_red, upper_red) # 创建掩码 result = cv2.bitwise_and(frame, frame, mask=mask) # 应用掩码提取感兴趣区域 contours, _ = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:] # 查找轮廓 if len(contours) > 0: c = max(contours, key=cv2.contourArea) # 找到最大轮廓 ((x, y), radius) = cv2.minEnclosingCircle(c) # 获取最小包围圆 if radius > 10: # 如果半径大于一定阈值，则认为找到目标 center = (int(x), int(y)) cv2.circle(result, center, int(radius), (0, 255, 0), 2) # 绘制圆形标记 cv2.imshow("Object Detection Result", result) # 显示结果 cv2.waitKey(1) if __name__ == '__main__': detector = ObjectDetectorNode() try: rospy.spin() # 进入回调处理循环 except KeyboardInterrupt: pass finally: cv2.destroyAllWindows() # 关闭所有窗口 ``` --- ### 解析 该代码实现了以下功能： 1. **节点初始化** 使用`rospy.init_node()`方法初始化名为`object_detector`的节点[^6]。 2. **图像订阅** 节点订阅了一个名为`/camera/image_raw`的话题，接收传感器传来的原始图像数据[^7]。 3. **图像转换** 利用`cv_bridge`将ROS图像消息(`sensor_msgs/Image`)转换为OpenCV可以处理的格式(`numpy.ndarray`)。 4. **颜色过滤** 将BGR图像转换为HSV色彩空间，并定义一个红色的颜色范围。通过`inRange`函数创建掩码，仅保留指定颜色的部分。 5. **目标检测** 基于掩码查找轮廓，筛选出最大的轮廓作为目标物体，并计算其最小包围圆的位置和大小。 6. **结果显示** 在原图中标记出检测到的目标位置，并实时显示结果。 --- ### 注意事项 - 需要安装必要的依赖项，例如`opencv-python`、`cv_bridge`等。 - `/camera/image_raw`是一个常见的摄像头话题名称，实际应用中可能需要根据具体硬件配置修改。 - HSV颜色范围可根据目标物的实际颜色调整。 ---