注意:

  • 再学习本系列教程时,应该已经安装过ROS了并且需要有一些ROS的基本知识

ubuntu版本:20.04
ros版本:noetic

前言

上一章,我们通过转换数据集为bag文件,查看了数据集的内容。这章,我们将数据集进行手动发布,可以方便我们实时修改代码。

课程回顾

ROS1结合自动驾驶数据集Kitti开发教程(一)Kitti资料介绍和可视化

1.数据分析

kitti数据集的2011_09_26_drive_0005_sync文件夹下,有四个存放图像数据的文件夹,分别为image_00(左侧灰度)、image_01(右侧灰度)、image_02(左侧彩色)、image_03(右侧彩色),其中的图片都是以每秒拍10张来记录的。

2.新建及配置功能包

首先,进入工作空间的src文件夹下,使用如下命令创建功能包:

$ catkin_create_pkg kitti_tutorials rospy roscpp std_msgs sensor_msgs cv_bridge image_transport

创建完功能包后,进入工作空间下,进行功能包编译catkin_make

3.python源代码

创建一个scripts文件夹,并且创建kitti_node.py

#!/usr/bin/env python3
# -*- coding:utf-8 -*-
import os
import cv2
from cv_bridge import CvBridge
import rospy

BASE_PATH = "/home/mckros/kitti/RawData/2011_09_26/2011_09_26_drive_0005_sync/"    

if __name__ == "__main__":
    rospy.init_node("kitti_node",anonymous=True)
    cam_color_left_pub  = rospy.Publisher("/kitti/cam_color_left", Image, queue_size=10)
    bridge = CvBridge()

    rate = rospy.Rate(10)
    num = 1
    while not rospy.is_shutdown():
        img = cv2.imread(os.path.join(BASE_PATH, "image_02/data/%010d.png"%num))
        cam_color_left_pub.publish(bridge.cv2_to_imgmsg(img,"bgr8"))
        rospy.loginfo("kitti published")
        rate.sleep()
        num+=1
        num%=154

5.运行

  • 进入工作空间目录,进行编译catkin_make,并且使用以下命令启动kitti_node节点,每行命令都要启动一个新的窗口:
$ roscore
$ rosrun kitti_tutorials kitti_node.py
$ rqt_image_view

kitti_node运行效果如下所示:

rqt_image_view查看图像效果如下所示:

结语

本文也是基于笔者的学习和使用经验总结的,主观性较强,如果有哪些不对的地方或者不明白的地方,欢迎评论区留言交流~

为了能和读者进一步讨论问题,建立了一个微信群,方便给大家解答问题,也可以一起讨论问题。
加群链接
✌Bye