图漾相机-ROS2-SDK-Ubuntu版本编译(新版本)

news2025/1/30 10:47:13

官网编译文档链接：
https://doc.percipio.xyz/cam/latest/getstarted/sdk-ros2-compile.html
国内gitee下载SDK链接：
https://gitee.com/percipioxyz
国外github下载SDK链接：
https://github.com/percipioxyz

1.Camport ROS2 SDK 介绍

1.1 Camport ROS2 SDK源文件介绍

Camport ROS2 SDK 的目录，目录包含了camport3，include，launch，src。
在这里插入图片描述

1.README.md：
简述了 ROS2 编译过程。
2.src/percipio_camera/CMakeLists.txt：
Cmake 编译系统的规则文件。
3.src/percipio_camera/camport3：
包含 Percipio SDK 的库文件和头文件。

4.src/percipio_camera/include：
包含头文件。
5.src/percipio_camera/launch：
包含 ROS2 的启动文件，用于启动节点和配置参数。
6.src/percipio_camera/package.xml：
描述功能包清单的文件，包括功能包的名称、版本号、作者信息、许可信息、编译依赖等。
7.src/percipio_camera/src：
包含主要的源代码文件，包括节点实现、相机驱动等。

1.2 Camport ROS2 SDK工作流程

1.2.1 包含头文件

包含必要的 ROS 2 头文件，例如 rclcpp。

1.2.2 2 初始化 ROS 2 节点

使用 rclcpp::init(argc, argv); 初始化 ROS 2。

1.2.3 创建节点对象

使用 rclcpp::Node::make_shared(“节点名称”) 创建节点对象。

1.2.4 创建发布者对象并实现发布逻辑

使用 node->create_publisher<消息类型>(“话题名称”, 队列大小);
创建发布者对象。实现发布逻辑，例如在回调函数中发布消息。

1.2.5 启动 ROS 2

使用 ros2 run 包名 节点名 运行指定的 ROS 2 节点。
使用 ros2 launch 包名 launch文件名 启动包含多个节点的 launch 文件。

1.3 ROS2 SDK环境配置与编译

主要针对ubuntu20.04对应ROS2 Foxy，以及ubuntu22.04对应ROS2 Humble两个版本的系统进行操作。

1.3.1 Ubuntu 20.04 下ROS2 Foxy环境配置与编译

环境配置与编译步骤：
第一步：设置编码

sudo apt update && sudo apt install locales 
sudo locale-gen en_US en_US.UTF-8 
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8 
export LANG=en_US.UTF-8

第二步:添加ROS源的公钥

sudo apt update && sudo apt install curl gnupg lsb-release 
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg 
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] 
https://mirrors.tuna.tsinghua.edu.cn/ros2/ubuntu $(source /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

第三步:安装ROS2-foxy

sudo apt update 
sudo apt upgrade 
sudo apt install ros-foxy-desktop
sudo apt install python3-colcon-common-extensions
sudo apt install ros-foxy-camera-info-manager
sudo apt install ros-foxy-image-publisher
sudo apt install ros-foxy-diagnostic-updater

**第四步:**设置环境变量

source /opt/ros/foxy/setup.bash
echo " source /opt/ros/foxy/setup.bash" >> ~/.bashrc

第五步:camport3_ros2目录下，编译SDK

cd ~/ros2_ws/src/camport_ros2/
colcon build --event-handlers  console_direct+  --cmake-args  -DCMAKE_BUILD_TYPE=Release
sudo echo "source ./install/setup.bash" >> ~/.bashrc
source ~/.bashrc

colcon build 说明：

–event-handlers console_direct+：这个选项指定了事件处理程序。console_direct+ 表示直接在控制台输出构建事件的详细信息。这样可以更清楚地看到构建过程中的每一步和可能的错误信息。

–cmake-args -DCMAKE_BUILD_TYPE=Release：这个选项传递了额外的 CMake 参数。在这种情况下，-DCMAKE_BUILD_TYPE=Release 设置了 CMake 的构建类型为
Release。这意味着构建将进行优化，适合发布版本，而不是调试版本。

编译后会生成 build 文件夹（包含中间文件和目标文件）、install 文件夹（包括可执行文件、库文件、头文件和其他资源文件）和 log 文件夹（包含编译和运行时生成的日志文件）。

1.3.2 Ubuntu 22.04 下ROS2 Humble环境配置与编译

环境配置与编译步骤：
第一步:设置编码

sudo apt update && sudo apt install locales 
sudo locale-gen en_US en_US.UTF-8 
sudo update-locale LC_ALL=en_US.UTF-8 LANG=en_US.UTF-8 
export LANG=en_US.UTF-8

第二步：添加ROS源的公钥

sudo apt update && sudo apt install curl gnupg lsb-release 
sudo curl -sSL https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o /usr/share/keyrings/ros-archive-keyring.gpg 
echo "deb [arch=$(dpkg --print-architecture) signed-by=/usr/share/keyrings/ros-archive-keyring.gpg] https://mirrors.tuna.tsinghua.edu.cn/ros2/ubuntu $(source /etc/os-release && echo $UBUNTU_CODENAME) main" | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

第三步：安装ROS2-humble

sudo apt update 
sudo apt upgrade 
sudo apt install ros-humble-desktop
sudo apt install python3-colcon-common-extensions
sudo apt install ros-humble-camera-info-manager
sudo apt install ros-humble-image-publisher
sudo apt install ros-humble-diagnostic-updater

第四步：设置环境变量

source /opt/ros/ humble /setup.bash
echo " source /opt/ros/ humble /setup.bash" >> ~/.bashrc

第五步：camport3_ros2目录下，编译SDK

cd ~/ros2_ws/src/camport_ros2/
colcon build --event-handlers  console_direct+  --cmake-args  -DCMAKE_BUILD_TYPE=Release
sudo echo "source ./install/setup.bash" >> ~/.bashrc
source ~/.bashrc

colcon build 说明：

–event-handlers console_direct+：这个选项指定了事件处理程序。console_direct+ 表示直接在控制台输出构建事件的详细信息。这样可以更清楚地看到构建过程中的每一步和可能的错误信息。

–cmake-args -DCMAKE_BUILD_TYPE=Release：这个选项传递了额外的 CMake 参数。在这种情况下，-DCMAKE_BUILD_TYPE=Release 设置了 CMake 的构建类型为Release。这意味着构建将进行优化，适合发布版本，而不是调试版本。

1.3.3 编译文件检查

编译后会生成build，install，log。
1.build：

这个目录包含了编译过程中生成的中间文件和目标文件。包括对象文件（.o）、依赖文件等。 该目录在每次编译时都会被更新。

2.install：

这个目录包含了安装后的文件。包括可执行文件、库文件、头文件和其他资源文件。 该目录用于运行时使用，包含了所有需要的文件和依赖项。

3.log：

这个目录包含了编译和运行时生成的日志文件。包括编译日志、运行时日志和错误日志等。 这些日志文件对于调试和诊断问题非常有用。

1.4 参数配置

1.4.1 单相机

camport3_ros2/install/percipio_camera/share/percipio_camera/launch/percipio_camera.launch.py：

用于配置相机启动时加载的默认参数。如：指定相机的SN或IP、组件配置（配置color和depth的分辨率、ToF相关参数等）。
注意：当前连接相机的方式有两种：相机SN、相机IP

在这里插入图片描述
在这里插入图片描述

1.4.2 多相机

camport3_ros2/install/percipio_camera/share/percipio_camera/launch/multi_cam.launch.py：

1.用于配置相机启动时加载的默认参数。如：指定相机的SN或IP、组件配置（配置color和depth的分辨率、ToF相关参数等）。
2.如果要添加第三台及以上，需要在下图红框处添加相关的代码，可以仿照第一、二台填写。

在这里插入图片描述

1.5 打开相机

第一步:修改

camport3_ros2/install/percipio_camera/share/percipio_camera/launch/ percipio_camera.launch.py文件后，发布 ros2 launch percipio_camera
percipio_camera.launch.py

第二步:观察出图效果

1.5.1 方法一配置camera_ros.py

方法一：重新开一个终端，将camera_ros2.py复制到camport3_ros2目录下，并打开camera_ros2.py，进行编辑。修改下图内容中的红框为 launch中camera name参数的值。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
执行命令：python3 ./camera_ros2.py ，下图为该程序的用法。
在这里插入图片描述

1.5.2 方法二使用RVIZ

方法二：重新开一个终端，运行Rviz(Robot Visualization)，执行命令：

ros2 run rviz2 rviz2

1.打开RVIZ界面
在这里插入图片描述
2.配置深度图
在这里插入图片描述
3.打开深度图/彩色图/红外图
在这里插入图片描述
4.配置点云图并打开点云图
在这里插入图片描述
在这里插入图片描述

1.6 测试Camport ROS2 SDK

1.6.1 参数测试

支持配置的参数如下所示：
在这里插入图片描述

1.6.2 相机测试

通过下表所列出的相机测试不同组件下的属性是否可以进行设置值，比如，Color组件下彩色相机的分辨率和格式；Depth组件下相机的分辨率和格式、ToF特有属性参数；IR组件下的相机的分辨率和格式等。
在这里插入图片描述

1.6.3 Storage 参数加载测试

ROS2 SDK支持打开相机后加载相机Storage配置参数，参数均可通过Percipio-viewer进行配置。测试方法如下：

1.确认相机的fetch_config.xml中有storage 组件。
2.使用Percipio-Viewer软件（支持保存相机参数的版本），打开相机，修改各个组件下Controls下的参数，然后保存参数到Storage。
3.使用ROS2打开相机，观察出图情况。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2284650.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【Samba】Ubuntu20.04 Windows 共享文件夹

【Samba】Ubuntu20.04 Windows 共享文件夹

【Samba】Ubuntu20.04 Windows 共享文件夹 前言整体思路检查 Ubuntu 端 和 Windows 网络通信是否正常创建共享文件夹安装并配置 Samba 服务器安装 Samba 服务器创建 Samba 用户编辑 Samba 配置文件重启 Samba 服务器 在 Windows 端 访问 Ubuntu 的共享文件夹 前言 本文基于 Ub…
阅读更多...
RAG是否被取代（缓存增强生成-CAG）吗？

RAG是否被取代（缓存增强生成-CAG）吗？

引言&#xff1a; 本文深入研究一种名为缓存增强生成&#xff08;CAG&#xff09;的新技术如何工作并减少/消除检索增强生成&#xff08;RAG&#xff09;弱点和瓶颈。 LLMs 可以根据输入给他的信息给出对应的输出&#xff0c;但是这样的工作方式很快就不能满足应用的需要: 因…
阅读更多...
[MySQL]MySQL数据库的介绍和库相关操作

[MySQL]MySQL数据库的介绍和库相关操作

目录 一、数据库介绍 1.什么是数据库 2.为什么使用数据库 3.数据库的操作运行逻辑 4.MySQL架构 5.SQL语句的分类 二、数据库的操作 1.数据库的连接 2.数据库的操作 创建数据库 查看数据库 显示数据库的创建语句 删除数据库 修改数据库 3.字符集和校验集 查看系…
阅读更多...
LLM幻觉（Hallucination）缓解技术综述与展望

LLM幻觉（Hallucination）缓解技术综述与展望

LLMs 中的幻觉问题&#xff08;LLM 幻觉&#xff1a;现象剖析、影响与应对策略&#xff09;对其可靠性与实用性构成了严重威胁。幻觉现象表现为模型生成的内容与事实严重不符&#xff0c;在医疗、金融、法律等对准确性要求极高的关键领域&#xff0c;可能引发误导性后果&#x…
阅读更多...
基于物联网设计的疫苗冷链物流监测系统

基于物联网设计的疫苗冷链物流监测系统

一、前言 1.1 项目开发背景 随着全球经济的发展和物流行业的不断创新&#xff0c;疫苗和生物制品的运输要求变得越来越高。尤其是疫苗的冷链物流&#xff0c;温度、湿度等环境因素的控制直接关系到疫苗的质量和效力&#xff0c;因此高效、可靠的冷链监控系统显得尤为重要。冷…
阅读更多...
C++的类Class

C++的类Class

文章目录 一、C的struct和C的类的区别二、关于OOP三、举例&#xff1a;一个商品类CGoods四、构造函数和析构函数1、定义一个顺序栈2、用构造和析构代替s.init(5);和s.release();3、在不同内存区域构造对象4、深拷贝和浅拷贝5、构造函数和深拷贝的简单应用6、构造函数的初始化列…
阅读更多...
接口 V2 完善：分布式环境下的 WebSocket 实现与 Token 校验

接口 V2 完善：分布式环境下的 WebSocket 实现与 Token 校验

&#x1f3af; 本文档详细介绍了如何使用WebSocket协议优化客户端与服务端之间的通信&#xff0c;特别是在处理异步订单创建通知的场景中。通过引入WebSocket代替传统的HTTP请求-响应模式&#xff0c;实现了服务器主动向客户端推送数据的功能&#xff0c;极大地提高了实时性和效…
阅读更多...
2025年数学建模美赛：A题分析（1）Testing Time: The Constant Wear On Stairs

2025年数学建模美赛：A题分析（1）Testing Time: The Constant Wear On Stairs

2025年数学建模美赛 A题分析&#xff08;1&#xff09;Testing Time: The Constant Wear On Stairs 2025年数学建模美赛 A题分析&#xff08;2&#xff09;楼梯磨损分析模型 2025年数学建模美赛 A题分析&#xff08;3&#xff09;楼梯使用方向偏好模型 2025年数学建模美赛 A题分…
阅读更多...
使用Vue3实现可拖拽的九点导航面板

使用Vue3实现可拖拽的九点导航面板

开篇 本文使用Vue3实现了一个可拖拽的九宫导航面板。这个面板在我这里的应用场景是我个人网站的首页的位置&#xff0c;九宫导航对应的是用户最后使用或者最多使用的九个功能&#xff0c;正常应该是由后端接口返回的&#xff0c;不过这里为了简化&#xff0c;写的是固定的数组数…
阅读更多...
68-《贝壳花》

68-《贝壳花》

贝壳花 贝壳花&#xff08;学名&#xff1a;Moluccella laevis Linn.&#xff09;是属于唇形科&#xff0c;贝壳花是一、二年的草本。植株高5至60cm&#xff0c;茎四棱&#xff0c;不分枝。叶对生&#xff0c;心脏状圆形&#xff0c;边缘疏生齿牙&#xff1b;叶柄和叶近等长。花…
阅读更多...
【自然语言处理（NLP）】深度循环神经网络（Deep Recurrent Neural Network，DRNN）原理和实现

【自然语言处理（NLP）】深度循环神经网络（Deep Recurrent Neural Network，DRNN）原理和实现

文章目录 介绍深度循环神经网络&#xff08;DRNN&#xff09;原理和实现结构特点工作原理符号含义公式含义 应用领域优势与挑战DRNN 代码实现 个人主页&#xff1a;道友老李 欢迎加入社区&#xff1a;道友老李的学习社区 介绍 **自然语言处理&#xff08;Natural Language Pr…
阅读更多...
2025数学建模美赛|F题成品论文

2025数学建模美赛|F题成品论文

国家安全政策与网络安全 摘要 随着互联网技术的迅猛发展&#xff0c;网络犯罪问题已成为全球网络安全中的重要研究课题&#xff0c;且网络犯罪的形式和影响日益复杂和严重。本文针对网络犯罪中的问题&#xff0c;基于多元回归分析和差异中的差异&#xff08;DiD&#xff09;思…
阅读更多...
自定义数据集 使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

自定义数据集 使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

代码&#xff1a; import torch import numpy as np import torch.nn as nn# 定义数据&#xff1a;x_data 是特征&#xff0c;y_data 是标签&#xff08;目标值&#xff09; data [[-0.5, 7.7],[1.8, 98.5],[0.9, 57.8],[0.4, 39.2],[-1.4, -15.7],[-1.4, -37.3],[-1.8, -49.…
阅读更多...
关于使用PHP时WordPress排错——“这意味着您在wp-config.php文件中指定的用户名和密码信息不正确”的解决办法

关于使用PHP时WordPress排错——“这意味着您在wp-config.php文件中指定的用户名和密码信息不正确”的解决办法

本来是看到一位好友的自己建站&#xff0c;所以突发奇想&#xff0c;在本地装个WordPress玩玩吧&#xff0c;就尝试着装了一下&#xff0c;因为之前电脑上就有MySQL&#xff0c;所以在自己使用PHP建立MySQL时报错了。 最开始是我的php启动mysql时有问题&#xff0c;也就是启动过…
阅读更多...
【蓝桥杯】43694.正则问题

【蓝桥杯】43694.正则问题

题目描述 考虑一种简单的正则表达式&#xff1a; 只由 x ( ) | 组成的正则表达式。 小明想求出这个正则表达式能接受的最长字符串的长度。 例如 ((xx|xxx)x|(x|xx))xx 能接受的最长字符串是&#xff1a; xxxxxx&#xff0c;长度是 6。 输入描述 一个由 x()| 组成的正则表达式。…
阅读更多...
服务器虚拟化技术详解与实战：架构、部署与优化

服务器虚拟化技术详解与实战：架构、部署与优化

&#x1f4dd;个人主页&#x1f339;&#xff1a;一ge科研小菜鸡-CSDN博客 &#x1f339;&#x1f339;期待您的关注 &#x1f339;&#x1f339; 引言 在现代 IT 基础架构中&#xff0c;服务器虚拟化已成为提高资源利用率、降低运维成本、提升系统灵活性的重要手段。通过服务…
阅读更多...
jvm--类的生命周期

jvm--类的生命周期

学习类的生命周期之前&#xff0c;需要了解一下jvm的几个重要的内存区域&#xff1a; &#xff08;1&#xff09;方法区&#xff1a;存放已经加载的类信息、常量、静态变量以及方法代码的内存区域 &#xff08;2&#xff09;常量池&#xff1a;常量池是方法区的一部分&#x…
阅读更多...
C语言------数组思维导图

C语言------数组思维导图

阅读更多...
TensorFlow实现逻辑回归模型

TensorFlow实现逻辑回归模型

逻辑回归是一种经典的分类算法&#xff0c;广泛应用于二分类问题。本文将介绍如何使用TensorFlow框架实现逻辑回归模型&#xff0c;并通过动态绘制决策边界和损失曲线来直观地观察模型的训练过程。 数据准备 首先&#xff0c;我们准备两类数据点&#xff0c;分别表示两个不同…
阅读更多...
《十七》浏览器基础

《十七》浏览器基础

浏览器&#xff1a;是安装在电脑里面的一个软件&#xff0c;能够将页面内容渲染出来呈现给用户查看&#xff0c;并让用户与网页进行交互。 常见的主流浏览器&#xff1a; 常见的主流浏览器有&#xff1a;Chrome、Safari、Firefox、Opera、Edge 等。 输入 URL&#xff0c;浏览…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023