内容列表


网上所有的资料都是基于catkin工具进行的，而且在编译时会发现只支持opencv3，不支持opencv4，所以无法使用。博主这里使用catkin_make工具成功编译python3的cv_bridge，这篇博客应该是全网唯一一个用catkin_make工具编译cv_bridge而且最终运行成功的博客了，也希望能帮到各位小伙伴开发ROS python3+opencv4的项目！

软件环境

Ubuntu18.04

python3.6.9

ROS Melodic

Jetson系列基础环境配置：Jetson系列——Ubuntu18.04版本基础配置（换源、ROS、远程桌面、开机自连WIFi、SD卡备份）

树莓派环境配置：树莓派4B——Ubuntu 18.04.05安装和基础配置教程（包括WIFI和远程桌面配置、ROS和主从机控制）

虚拟机环境配置：Ubuntu——双系统Ubuntu18.04系统安装和基础配置并安装ROS

1.编译python3的cv_bridge

在ROS中想使用python3，最重要的就是需要重新编译基于python3的cv_bridge，只有我们在编译完成后，才能基于python3的cv_bridge完成图像相关节点的使用，所以编译cv_bridge便是最基础和最重要的一步，该博客详细介绍了完整的编译过程，按步骤进行操作即可成功。

ROS——基于Ubuntu18.04和ROS Melodic编译python3的cv_bridge
在编译好cv_bridge后，我们就可以进行测试基于python3的图像处理节点啦！

2.创建基于python3的图像ROS节点
（1）初始化py3_test_ws工作空间

mkdir py3_test_ws && cd py3_test_ws
mkdir src && cd src
catkin_init_workspace

（2）创建功能包

catkin_create_pkg py3_demo rospy rosmsg roscpp

（3）编写python3的图像发布和接收节点

cd py3_demo && mkdir scripts
cd scripts && touch camera.py img_process.py
chmod +x camera.py
chmod +x img_process.py

将以下两个节点代码分别粘进对应的文件中：

摄像头发布节点

camera.py

#!/usr/bin/env python3
# coding:utf-8

import cv2
import numpy as np
import rospy
from std_msgs.msg import Header
from sensor_msgs.msg import Image
from cv_bridge import CvBridge , CvBridgeError
import time

if __name__=="__main__":
    import sys 
    print(sys.version) # 查看python版本
    capture = cv2.VideoCapture(0) # 定义摄像头
    rospy.init_node('camera_node', anonymous=True) #定义节点
    image_pub=rospy.Publisher('/image_view/image_raw', Image, queue_size = 1) #定义话题
    
    header = Header(stamp = rospy.Time.now())
    header.frame_id = "Camera"
    ros_frame = Image()
    ros_frame.header=header
    ros_frame.width = 640
    ros_frame.height = 480
    ros_frame.encoding = "bgr8"
    # ros_frame.step = 1920

    while not rospy.is_shutdown():    # Ctrl C正常退出，如果异常退出会报错device busy！
        start = time.time()
        ret, frame = capture.read()
        if ret: # 如果有画面再执行
            # frame = cv2.flip(frame,0)   #垂直镜像操作
            frame = cv2.flip(frame,1)   #水平镜像操作   
    
            ros_frame.data = np.array(frame).tostring() #图片格式转换
            image_pub.publish(ros_frame) #发布消息
            end = time.time()  
            print("cost time:", end-start ) # 看一下每一帧的执行时间，从而确定合适的rate
            rate = rospy.Rate(25) # 10hz 

    capture.release()
    cv2.destroyAllWindows() 
    print("quit successfully!")

摄像头接收处理节点

img_process.py

#!/usr/bin/env python3
# coding:utf-8

import rospy
import numpy as np
from sensor_msgs.msg import Image
from cv_bridge import CvBridge, CvBridgeError
import cv2
 
def callback(data):
    cv_img = bridge.imgmsg_to_cv2(data, "bgr8")
    cv2.imshow("frame" , cv_img)
    cv2.waitKey(1)

if __name__ == '__main__':
    import sys 
    print(sys.version) # 查看python版本
    
    rospy.init_node('img_process_node', anonymous=True)
    bridge = CvBridge()
    rospy.Subscriber('/image_view/image_raw', Image, callback)
    rospy.spin()

3.运行节点

（1）编译

cd ../../..
catkin_make -DPYTHON_EXECUTABLE=/usr/bin/python3

（2）将工作空间添加进环境变量

sudo vim ~/.bashrc
source /home/nano/workspace/py3_test_ws/devel/setup.bash

（3）运行节点

roscore
rosrun py3_demo camera.py
rosrun py3_demo img_process.py

运行效果图

可以看到，打印出的python版本为3.6.9：

在这里插入图片描述

在这之后就可以使用python3进行图像处理、深度学习等任务节点的开发啦，如果你也成功跑通了该项目，给博主个三连支持下吧，嘻嘻~

4.与C++图像处理节点混合使用