Ultralytics YOLO27:
Get Started

ROS(机器人操作系统)快速入门指南#

本指南介绍如何将 Ultralytics YOLO 与 ROS1(rospy)或 ROS2(rclpy)集成,以便对 RGB 图像、深度图像和点云执行实时目标检测和分割。

跳转至设置 YOLO 与 ROS,然后处理RGB 图像、深度图像或点云。

什么是 ROS?#

机器人操作系统(ROS)是一个开源框架,广泛用于机器人研究和工业领域。ROS 提供一系列库和工具,帮助开发者构建机器人应用。ROS 专为适配各种机器人平台而设计,是一种灵活且强大的机器人开发工具。若要快速了解 ROS,请观看 Open Robotics 制作的三分钟ROS 介绍视频。

ROS 的主要特性#

  1. 模块化架构:ROS 采用模块化架构,开发者可以通过组合称为节点的小型可复用组件来构建复杂系统。每个节点通常执行特定功能,节点之间通过话题或服务传递消息进行通信。

  2. 通信中间件:ROS 提供了可靠的通信基础设施,支持进程间通信和分布式计算。它通过用于数据流(话题)的发布-订阅模型,以及用于服务调用的请求-应答模型来实现这些功能。

  3. 硬件抽象:ROS 在硬件之上提供了一层抽象,使开发者能够编写与设备无关的代码。因此,同一份代码可以用于不同的硬件配置,从而更容易进行集成和实验。

  4. 工具与实用程序:ROS 提供丰富的可视化、调试和仿真工具。例如,RViz 用于可视化传感器数据和机器人状态信息,而 Gazebo 提供了强大的仿真环境,可用于测试算法和机器人设计。

  5. 丰富的生态系统:ROS 生态系统规模庞大且持续发展,为导航、操控、感知等各种机器人应用提供了大量软件包。社区积极参与这些软件包的开发和维护。

ROS 版本的演进

自 2007 年开发以来,ROS 经历了多个版本的演进,并分为 ROS 1 和 ROS 2。以下现有示例使用 ROS1 Noetic;使用 ROS2一节中的精简适配器展示了当前 ROS2 版本对应的 rclpy 接口。

ROS 1 与 ROS 2#

ROS 1 为机器人开发提供了坚实的基础,而 ROS 2 通过以下方式弥补了它的不足:

  • 实时性能:增强了对实时系统和确定性行为的支持。
  • 安全性:增强了安全功能,确保在各种环境中安全可靠地运行。
  • 可扩展性:更好地支持多机器人系统和大规模部署。
  • 跨平台支持:扩展了与 Linux 以外各种操作系统的兼容性,包括 Windows 和 macOS。
  • 灵活通信:使用 DDS 实现更灵活、高效的进程间通信。

ROS 消息与话题#

在 ROS 中,节点之间通过消息和话题进行通信。消息是一种数据结构,用于定义节点之间交换的信息;话题则是一个命名通道,消息通过该通道发送和接收。节点可以向话题发布消息,也可以订阅话题中的消息,从而彼此通信。这种发布-订阅模型支持异步通信,并使节点彼此解耦。在机器人系统中,每个传感器或执行器通常都会向话题发布数据,其他节点随后可以使用这些数据进行处理或控制。本指南将重点介绍 Image、Depth 和 PointCloud 消息以及相机话题。

使用 ROS 设置 Ultralytics YOLO#

ROS1 示例使用此 ROS 环境进行了测试,该环境是 ROSbot ROS 仓库的一个分支。在 ROS2 中,YOLO 和 NumPy 处理流程相同;不同之处仅在于节点生命周期和消息转换。

Husarion ROSbot 2 PRO autonomous robot platform

安装依赖项#

除了 ROS 环境,你还需要安装以下依赖项:

  • ROS NumPy 软件包:这是在 ROS Image 消息与 NumPy 数组之间快速转换所必需的。

    pip install ros_numpy
  • Ultralytics 软件包:

    pip install ultralytics

使用 ROS2#

ROS2 使用 rclpy 替代 rospy,并使用 cv_bridge 进行 ros_numpy 图像转换。以下节点是下方 RGB 检测流程的完整 ROS2 对应实现;请只实例化一次模型,并在各个回调中重复使用。

import cv_bridge
import rclpy
from rclpy.node import Node
from rclpy.qos import qos_profile_sensor_data
from sensor_msgs.msg import Image

from ultralytics import YOLO

class UltralyticsNode(Node):
    """Run YOLO detection on ROS2 image messages."""

    def __init__(self):
        """Initialize the ROS2 node, model, and image interfaces."""
        super().__init__("ultralytics")
        self.bridge = cv_bridge.CvBridge()
        self.model = YOLO("yolo26m.pt")
        self.publisher = self.create_publisher(Image, "/ultralytics/detection/image", 5)
        self.create_subscription(Image, "/camera/color/image_raw", self.callback, qos_profile_sensor_data)

    def callback(self, message):
        """Publish the annotated camera frame."""
        image = self.bridge.imgmsg_to_cv2(message, desired_encoding="bgr8")
        annotated = self.model(image)[0].plot(show=False)
        self.publisher.publish(self.bridge.cv2_to_imgmsg(annotated, encoding="bgr8"))

def main(args=None):
    """Start the ROS2 node."""
    rclpy.init(args=args)
    node = UltralyticsNode()
    rclpy.spin(node)
    node.destroy_node()
    rclpy.shutdown()

if __name__ == "__main__":
    main()

对于深度图像,请重复使用下方的深度处理代码,只替换消息获取和转换部分:

self.create_subscription(Image, "/camera/color/image_raw", self.rgb_callback, qos_profile_sensor_data)
self.create_subscription(Image, "/camera/depth/image_raw", self.depth_callback, qos_profile_sensor_data)

def rgb_callback(self, message):
    self.rgb_image = self.bridge.imgmsg_to_cv2(message, desired_encoding="bgr8")

def depth_callback(self, message):
    depth_image = self.bridge.imgmsg_to_cv2(message, desired_encoding="passthrough")
    # 应用下方深度示例中的 NumPy 掩码和距离计算。

对于点云,ROS2 提供 sensor_msgs_py.point_cloud2;将有序点云转换一次,然后重复使用下方的 NumPy 分割和 3D 映射代码:

from sensor_msgs_py import point_cloud2

points = point_cloud2.read_points_numpy(message, field_names=("x", "y", "z", "rgb"))
points = points.reshape(message.height, message.width, 4)

在 ROS 中使用 Ultralytics 和 sensor_msgs/Image#

sensor_msgs/Image 消息类型常用于 ROS 中表示图像数据。它包含编码、高度、宽度和像素数据等字段,适合传输由相机或其他传感器采集的图像。图像消息广泛应用于机器人任务,例如视觉感知、目标检测和导航。

Detection and Segmentation in ROS Gazebo

图像分步使用指南#

以下代码片段演示如何在 ROS 中使用 Ultralytics YOLO 软件包。在此示例中,我们订阅一个相机话题,使用 YOLO 处理接收到的图像,并将检测到的目标发布到用于检测和分割的新话题。

首先,导入所需的库并实例化两个模型:一个用于分割,另一个用于检测。初始化一个 ROS 节点(名称为 ultralytics),以便与 ROS 主节点通信。为确保连接稳定,我们会短暂暂停,让节点有足够时间建立连接,然后再继续。

import time

import rospy

from ultralytics import YOLO

detection_model = YOLO("yolo26m.pt")
segmentation_model = YOLO("yolo26m-seg.pt")
rospy.init_node("ultralytics")
time.sleep(1)

初始化两个 ROS 话题:一个用于检测,另一个用于分割。这些话题用于发布带注释的图像,方便后续处理。节点之间通过 sensor_msgs/Image 消息进行通信。

from sensor_msgs.msg import Image

det_image_pub = rospy.Publisher("/ultralytics/detection/image", Image, queue_size=5)
seg_image_pub = rospy.Publisher("/ultralytics/segmentation/image", Image, queue_size=5)

最后,创建一个订阅器,监听 /camera/color/image_raw 话题上的消息,并为每条新消息调用一个回调函数。此回调函数接收 sensor_msgs/Image 类型的消息,使用 ros_numpy 将其转换为 NumPy 数组,使用之前实例化的 YOLO 模型处理图像,为图像添加注释,然后将图像分别发布回相应话题:检测结果发布到 /ultralytics/detection/image,分割结果发布到 /ultralytics/segmentation/image。

import ros_numpy

def callback(data):
    """Callback function to process image and publish annotated images."""
    array = ros_numpy.numpify(data)
    if det_image_pub.get_num_connections():
        det_result = detection_model(array)
        det_annotated = det_result[0].plot(show=False)
        det_image_pub.publish(ros_numpy.msgify(Image, det_annotated, encoding="rgb8"))

    if seg_image_pub.get_num_connections():
        seg_result = segmentation_model(array)
        seg_annotated = seg_result[0].plot(show=False)
        seg_image_pub.publish(ros_numpy.msgify(Image, seg_annotated, encoding="rgb8"))

rospy.Subscriber("/camera/color/image_raw", Image, callback)

while True:
    rospy.spin()
完整代码
import time

import ros_numpy
import rospy
from sensor_msgs.msg import Image

from ultralytics import YOLO

detection_model = YOLO("yolo26m.pt")
segmentation_model = YOLO("yolo26m-seg.pt")
rospy.init_node("ultralytics")
time.sleep(1)

det_image_pub = rospy.Publisher("/ultralytics/detection/image", Image, queue_size=5)
seg_image_pub = rospy.Publisher("/ultralytics/segmentation/image", Image, queue_size=5)

def callback(data):
    """Callback function to process image and publish annotated images."""
    array = ros_numpy.numpify(data)
    if det_image_pub.get_num_connections():
        det_result = detection_model(array)
        det_annotated = det_result[0].plot(show=False)
        det_image_pub.publish(ros_numpy.msgify(Image, det_annotated, encoding="rgb8"))

    if seg_image_pub.get_num_connections():
        seg_result = segmentation_model(array)
        seg_annotated = seg_result[0].plot(show=False)
        seg_image_pub.publish(ros_numpy.msgify(Image, seg_annotated, encoding="rgb8"))

rospy.Subscriber("/camera/color/image_raw", Image, callback)

while True:
    rospy.spin()
调试

由于系统具有分布式特性,调试 ROS(机器人操作系统)节点可能颇具挑战。以下工具可以帮助你完成调试:

  1. rostopic echo <TOPIC-NAME>:此命令可让你查看特定话题上发布的消息,帮助你检查数据流。
  2. rostopic list:使用此命令列出 ROS 系统中所有可用的话题,了解当前活动数据流的概况。
  3. rqt_graph:此可视化工具会显示节点之间的通信图,帮助你了解节点如何相互连接和交互。
  4. 对于更复杂的可视化需求,例如 3D 表示,你可以使用 RViz。RViz(ROS 可视化)是一款强大的 ROS 3D 可视化工具。它可以让你实时查看机器人及其环境的状态。使用 RViz,你可以查看传感器数据(例如 sensor_msgs/Image)、机器人模型状态以及各种其他类型的信息,从而更轻松地调试和了解机器人系统的行为。

使用 std_msgs/String 发布检测到的类别#

ROS 标准消息还包括 std_msgs/String 消息。在许多应用中,无需重新发布整张带注释的图像;只需发布机器人视野中出现的类别即可。以下示例演示如何使用 std_msgs/String 消息,将检测到的类别重新发布到 /ultralytics/detection/classes 话题。这些消息更轻量,只提供必要的信息,因此适用于各种应用。

示例用例#

想象一台配有相机和目标检测模型的仓库机器人。机器人无需通过网络发送大型的带注释图像,而是可以将检测到的类别列表作为 std_msgs/String 消息发布。例如,当机器人检测到“箱子”、“托盘”和“叉车”等目标时,它会将这些类别发布到 /ultralytics/detection/classes 话题。中央监控系统可以使用这些信息实时跟踪库存、优化机器人的路径规划以避开障碍物,或触发特定操作,例如拾取检测到的箱子。这种方法可以减少通信所需的带宽,并将重点放在传输关键数据上。

字符串分步使用指南#

此示例演示如何在 ROS 中使用 Ultralytics YOLO 软件包。在此示例中,我们订阅一个相机话题,使用 YOLO 处理接收到的图像,并使用 std_msgs/String 消息将检测到的目标发布到新话题 /ultralytics/detection/classes。ros_numpy 软件包用于将 ROS Image 消息转换为 NumPy 数组,以便使用 YOLO 进行处理。

import time

import ros_numpy
import rospy
from sensor_msgs.msg import Image
from std_msgs.msg import String

from ultralytics import YOLO

detection_model = YOLO("yolo26m.pt")
rospy.init_node("ultralytics")
time.sleep(1)
classes_pub = rospy.Publisher("/ultralytics/detection/classes", String, queue_size=5)

def callback(data):
    """Callback function to process image and publish detected classes."""
    array = ros_numpy.numpify(data)
    if classes_pub.get_num_connections():
        det_result = detection_model(array)
        classes = det_result[0].boxes.cls.cpu().numpy().astype(int)
        names = [det_result[0].names[i] for i in classes]
        classes_pub.publish(String(data=str(names)))

rospy.Subscriber("/camera/color/image_raw", Image, callback)
while True:
    rospy.spin()

在 ROS 中使用 Ultralytics 处理深度图像#

除了 RGB 图像,ROS 还支持深度图像,可提供目标与相机之间的距离信息。深度图像对于避障、3D 映射和定位等机器人应用至关重要。

深度图像中的每个像素都表示相机到某个目标的距离。与捕捉颜色的 RGB 图像不同,深度图像捕捉的是空间信息,使机器人能够感知环境的 3D 结构。

获取深度图像

可以使用各种传感器获取深度图像:

  1. 双目相机:使用两个相机根据图像视差计算深度。
  2. 飞行时间(ToF)相机:测量光线从目标反射返回所需的时间。
  3. 结构光传感器:投射图案,并测量图案在表面上的变形。

将 YOLO 用于深度图像#

在 ROS 中,深度图像由 sensor_msgs/Image 消息类型表示,其中包含编码、高度、宽度和像素数据等字段。深度图像的编码字段通常使用类似“16UC1”的格式,表示每个像素是一个 16 位无符号整数,每个值代表到目标的距离。深度图像通常与 RGB 图像结合使用,以提供更全面的环境视图。

使用 YOLO 可以提取并结合 RGB 图像和深度图像中的信息。例如,YOLO 可以检测 RGB 图像中的目标,然后利用检测结果在深度图像中定位对应区域。这样就能提取检测目标的精确深度信息,增强机器人对周围环境 3D 结构的理解能力。

RGB-D 相机

处理深度图像时,务必确保 RGB 图像和深度图像正确对齐。像 Intel RealSense 系列这样的 RGB-D 相机可以提供同步的 RGB 图像和深度图像,从而更容易结合两个来源的信息。如果使用独立的 RGB 相机和深度相机,则必须对它们进行校准,以确保准确对齐。

深度图像分步使用指南#

在此示例中,我们使用 YOLO 分割图像,并将提取的掩码应用于深度图像,以分割其中的目标。这样就能确定目标中每个像素到相机焦点中心的距离。获取这些距离信息后,我们可以计算相机与场景中特定目标之间的距离。首先,导入所需的库、创建 ROS 节点,并实例化一个分割模型和一个 ROS 话题。

import time

import rospy
from std_msgs.msg import String

from ultralytics import YOLO

rospy.init_node("ultralytics")
time.sleep(1)

segmentation_model = YOLO("yolo26m-seg.pt")

classes_pub = rospy.Publisher("/ultralytics/detection/distance", String, queue_size=5)

接下来,定义一个回调函数来处理接收到的深度图像消息。该函数会等待深度图像和 RGB 图像消息,将它们转换为 NumPy 数组,并对 RGB 图像应用分割模型。随后,它会提取每个检测目标的分割掩码,并使用深度图像计算目标与相机之间的平均距离。大多数传感器都有一个最大距离,称为截断距离;超过该距离的值会表示为 inf(np.inf)。处理之前,务必过滤掉这些空值,并将其设为 0。最后,将检测到的目标及其平均距离发布到 /ultralytics/detection/distance 话题。

import numpy as np
import ros_numpy
from sensor_msgs.msg import Image

def callback(data):
    """Callback function to process depth image and RGB image."""
    image = rospy.wait_for_message("/camera/color/image_raw", Image)
    image = ros_numpy.numpify(image)
    depth = ros_numpy.numpify(data)
    result = segmentation_model(image, retina_masks=True)  # masks at the original image resolution

    all_objects = []
    for index, cls in enumerate(result[0].boxes.cls):
        class_index = int(cls.cpu().numpy())
        name = result[0].names[class_index]
        mask = result[0].masks.data.cpu().numpy()[index, :, :].astype(int)
        obj = depth[mask == 1]
        obj = obj[~np.isnan(obj)]
        avg_distance = np.mean(obj) if len(obj) else np.inf
        all_objects.append(f"{name}: {avg_distance:.2f}m")

    classes_pub.publish(String(data=str(all_objects)))

rospy.Subscriber("/camera/depth/image_raw", Image, callback)

while True:
    rospy.spin()
完整代码
import time

import numpy as np
import ros_numpy
import rospy
from sensor_msgs.msg import Image
from std_msgs.msg import String

from ultralytics import YOLO

rospy.init_node("ultralytics")
time.sleep(1)

segmentation_model = YOLO("yolo26m-seg.pt")

classes_pub = rospy.Publisher("/ultralytics/detection/distance", String, queue_size=5)

def callback(data):
    """Callback function to process depth image and RGB image."""
    image = rospy.wait_for_message("/camera/color/image_raw", Image)
    image = ros_numpy.numpify(image)
    depth = ros_numpy.numpify(data)
    result = segmentation_model(image, retina_masks=True)  # masks at the original image resolution

    all_objects = []
    for index, cls in enumerate(result[0].boxes.cls):
        class_index = int(cls.cpu().numpy())
        name = result[0].names[class_index]
        mask = result[0].masks.data.cpu().numpy()[index, :, :].astype(int)
        obj = depth[mask == 1]
        obj = obj[~np.isnan(obj)]
        avg_distance = np.mean(obj) if len(obj) else np.inf
        all_objects.append(f"{name}: {avg_distance:.2f}m")

    classes_pub.publish(String(data=str(all_objects)))

rospy.Subscriber("/camera/depth/image_raw", Image, callback)

while True:
    rospy.spin()

在 ROS 中使用 Ultralytics 和 sensor_msgs/PointCloud2#

Detection and Segmentation in ROS Gazebo

sensor_msgs/PointCloud2 消息类型是一种用于在 ROS 中表示 3D 点云数据的数据结构。这种消息类型是机器人应用的重要组成部分,可支持 3D 映射、目标识别和定位等任务。

点云是在三维坐标系中定义的一组数据点。这些数据点表示通过 3D 扫描技术捕获的目标或场景外表面。点云中的每个点都有 X、Y 和 Z 坐标,对应其空间位置,还可能包含颜色和强度等其他信息。

参考坐标系

处理 sensor_msgs/PointCloud2 时,必须考虑获取点云数据的传感器参考坐标系。点云最初是在传感器的参考坐标系中采集的。你可以通过监听 /tf_static 话题来确定该参考坐标系。不过,根据具体应用需求,你可能需要将点云转换到另一个参考坐标系。可以使用 tf2_ros 软件包完成此转换,该软件包提供了管理坐标系以及在坐标系之间转换数据的工具。

获取点云

可以使用各种传感器获取点云:

  1. 激光雷达(光探测与测距):利用激光脉冲测量目标距离并创建高精度的 3D 地图。
  2. 深度相机:捕捉每个像素的深度信息,以便对场景进行 3D 重建。
  3. 双目相机:利用两个或更多相机,通过三角测量获取深度信息。
  4. 结构光扫描仪:将已知图案投射到表面上,并测量图案的变形以计算深度。

将 YOLO 用于点云#

要将 YOLO 与 sensor_msgs/PointCloud2 类型的消息集成,我们可以采用与处理深度图类似的方法。利用点云中包含的颜色信息,我们可以提取 2D 图像,使用 YOLO 对该图像进行分割,然后将生成的掩码应用于 3D 点,从而分离出关注的 3D 目标。

对于点云处理,我们建议使用 Open3D(pip install open3d),这是一个易于使用的 Python 库。Open3D 提供了强大的工具,可用于管理点云数据结构、进行可视化以及无缝执行复杂操作。该库可以大大简化处理流程,并增强我们结合基于 YOLO 的分割来操作和分析点云的能力。

点云分步使用指南#

导入所需的库,并实例化用于分割的 YOLO 模型。

import time

import rospy

from ultralytics import YOLO

rospy.init_node("ultralytics")
time.sleep(1)
segmentation_model = YOLO("yolo26m-seg.pt")

创建一个函数 pointcloud2_to_array,将 sensor_msgs/PointCloud2 消息转换为两个 NumPy 数组。sensor_msgs/PointCloud2 消息包含 n 个点,这些点依据采集图像的 width 和 height 生成。例如,480 x 640 图像将包含 307,200 个点。每个点都包含三个空间坐标(xyz)以及对应的颜色(RGB 格式)。它们可以视为两个独立的信息通道。

该函数以原始相机分辨率格式(width x height)返回 xyz 坐标和 RGB 值。大多数传感器都有一个最大距离,称为截断距离;超过该距离的值会表示为 inf(np.inf)。处理之前,务必过滤掉这些空值,并将其设为 0。

import numpy as np
import ros_numpy

def pointcloud2_to_array(pointcloud2: PointCloud2) -> tuple:
    """Convert a ROS PointCloud2 message to a numpy array.

    Args:
        pointcloud2 (PointCloud2): the PointCloud2 message

    Returns:
        (tuple): tuple containing (xyz, rgb)
    """
    pc_array = ros_numpy.point_cloud2.pointcloud2_to_array(pointcloud2)
    split = ros_numpy.point_cloud2.split_rgb_field(pc_array)
    rgb = np.stack([split["b"], split["g"], split["r"]], axis=2)
    xyz = ros_numpy.point_cloud2.get_xyz_points(pc_array, remove_nans=False)
    xyz = np.array(xyz).reshape((pointcloud2.height, pointcloud2.width, 3))
    nan_rows = np.isnan(xyz).all(axis=2)
    xyz[nan_rows] = [0, 0, 0]
    rgb[nan_rows] = [0, 0, 0]
    return xyz, rgb

接下来,订阅 /camera/depth/points 话题以接收点云消息,并使用 pointcloud2_to_array 函数将 sensor_msgs/PointCloud2 消息转换为包含 XYZ 坐标和 RGB 值的 NumPy 数组。使用 YOLO 模型处理 RGB 图像,以提取分割后的目标。对于每个检测到的目标,提取分割掩码,并将其应用于 RGB 图像和 XYZ 坐标,从而分离出 3D 空间中的目标。

处理掩码很简单,因为掩码由二进制值组成,其中 1 表示目标存在,0 表示目标不存在。应用掩码时,只需将原始通道与掩码相乘。此操作可以有效地从图像中分离出关注的目标。最后,创建一个 Open3D 点云对象,并在 3D 空间中可视化分割后的目标及其对应颜色。

import sys

import open3d as o3d

ros_cloud = rospy.wait_for_message("/camera/depth/points", PointCloud2)
xyz, rgb = pointcloud2_to_array(ros_cloud)
result = segmentation_model(rgb, retina_masks=True)  # 原始图像分辨率下的掩码

if not len(result[0].boxes.cls):
    print("No objects detected")
    sys.exit()

classes = result[0].boxes.cls.cpu().numpy().astype(int)
for index, class_id in enumerate(classes):
    mask = result[0].masks.data.cpu().numpy()[index, :, :].astype(int)
    mask_expanded = np.stack([mask, mask, mask], axis=2)

    obj_rgb = rgb * mask_expanded
    obj_xyz = xyz * mask_expanded

    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(obj_xyz.reshape((ros_cloud.height * ros_cloud.width, 3)))
    pcd.colors = o3d.utility.Vector3dVector(obj_rgb.reshape((ros_cloud.height * ros_cloud.width, 3)) / 255)
    o3d.visualization.draw_geometries([pcd])
完整代码
import sys
import time

import numpy as np
import open3d as o3d
import ros_numpy
import rospy
from sensor_msgs.msg import PointCloud2

from ultralytics import YOLO

rospy.init_node("ultralytics")
time.sleep(1)
segmentation_model = YOLO("yolo26m-seg.pt")

def pointcloud2_to_array(pointcloud2: PointCloud2) -> tuple:
    """Convert a ROS PointCloud2 message to a numpy array.

    Args:
        pointcloud2 (PointCloud2): the PointCloud2 message

    Returns:
        (tuple): tuple containing (xyz, rgb)
    """
    pc_array = ros_numpy.point_cloud2.pointcloud2_to_array(pointcloud2)
    split = ros_numpy.point_cloud2.split_rgb_field(pc_array)
    rgb = np.stack([split["b"], split["g"], split["r"]], axis=2)
    xyz = ros_numpy.point_cloud2.get_xyz_points(pc_array, remove_nans=False)
    xyz = np.array(xyz).reshape((pointcloud2.height, pointcloud2.width, 3))
    nan_rows = np.isnan(xyz).all(axis=2)
    xyz[nan_rows] = [0, 0, 0]
    rgb[nan_rows] = [0, 0, 0]
    return xyz, rgb

ros_cloud = rospy.wait_for_message("/camera/depth/points", PointCloud2)
xyz, rgb = pointcloud2_to_array(ros_cloud)
result = segmentation_model(rgb, retina_masks=True)  # 原始图像分辨率下的掩码

if not len(result[0].boxes.cls):
    print("No objects detected")
    sys.exit()

classes = result[0].boxes.cls.cpu().numpy().astype(int)
for index, class_id in enumerate(classes):
    mask = result[0].masks.data.cpu().numpy()[index, :, :].astype(int)
    mask_expanded = np.stack([mask, mask, mask], axis=2)

    obj_rgb = rgb * mask_expanded
    obj_xyz = xyz * mask_expanded

    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(obj_xyz.reshape((ros_cloud.height * ros_cloud.width, 3)))
    pcd.colors = o3d.utility.Vector3dVector(obj_rgb.reshape((ros_cloud.height * ros_cloud.width, 3)) / 255)
    o3d.visualization.draw_geometries([pcd])

Point Cloud Segmentation with Ultralytics

结论#

将 Ultralytics YOLO 集成到 ROS 后,你的机器人就能对 RGB 图像、深度图像和点云进行目标检测和分割,将原始传感器数据流转化为可用于行动的感知结果。接下来,你可以探索预测模式以了解更多推理选项,也可以按照计算机视觉项目的步骤,将机器人应用从原型推进到生产环境。

常见问题#

  • 机器人操作系统(ROS)是一个在机器人领域广泛使用的开源框架,可帮助开发者创建可靠的机器人应用。它提供了一系列用于构建机器人系统并与之交互的库和工具,让复杂应用的开发更加轻松。ROS 支持节点之间通过话题或服务传递消息进行通信。

  • 将 Ultralytics YOLO 与 ROS 集成,需要设置 ROS 环境并使用 YOLO 处理传感器数据。首先,安装所需的依赖项,例如 ros_numpy 和 Ultralytics YOLO:

    pip install ros_numpy ultralytics

    接下来,创建一个 ROS 节点并订阅图像话题,以处理接收到的数据并进行目标检测。以下是一个最简示例:

    import ros_numpy
    import rospy
    from sensor_msgs.msg import Image
    
    from ultralytics import YOLO
    
    detection_model = YOLO("yolo26m.pt")
    rospy.init_node("ultralytics")
    det_image_pub = rospy.Publisher("/ultralytics/detection/image", Image, queue_size=5)
    
    def callback(data):
        array = ros_numpy.numpify(data)
        det_result = detection_model(array)
        det_annotated = det_result[0].plot(show=False)
        det_image_pub.publish(ros_numpy.msgify(Image, det_annotated, encoding="rgb8"))
    
    rospy.Subscriber("/camera/color/image_raw", Image, callback)
    rospy.spin()
  • ROS 话题通过发布-订阅模型促进 ROS 网络中节点之间的通信。话题是一个命名通道,节点使用它异步发送和接收消息。在 Ultralytics YOLO 中,你可以让节点订阅图像话题,使用 YOLO 处理图像以执行检测或分割等任务,然后将结果发布到新话题。

    例如,订阅一个相机话题,并对接收到的图像进行检测处理:

    rospy.Subscriber("/camera/color/image_raw", Image, callback)
  • ROS 中由 sensor_msgs/Image 表示的深度图像可提供目标与相机之间的距离,这对避障、3D 映射和定位等任务至关重要。通过将 RGB 图像与深度信息结合使用,机器人可以更好地理解其 3D 环境。

    使用 YOLO,你可以从 RGB 图像中提取分割掩码,并将这些掩码应用于深度图像,以获取精确的 3D 目标信息,从而提升机器人在周围环境中导航和交互的能力。

  • 要在 ROS 中使用 YOLO 可视化 3D 点云:

    1. 将 sensor_msgs/PointCloud2 消息转换为 NumPy 数组。
    2. 使用 YOLO 分割 RGB 图像。
    3. 将分割掩码应用于点云。

    以下是使用 Open3D 进行可视化的示例:

    import sys
    
    import numpy as np
    import open3d as o3d
    import ros_numpy
    import rospy
    from sensor_msgs.msg import PointCloud2
    
    from ultralytics import YOLO
    
    rospy.init_node("ultralytics")
    segmentation_model = YOLO("yolo26m-seg.pt")
    
    def pointcloud2_to_array(pointcloud2):
        pc_array = ros_numpy.point_cloud2.pointcloud2_to_array(pointcloud2)
        split = ros_numpy.point_cloud2.split_rgb_field(pc_array)
        rgb = np.stack([split["b"], split["g"], split["r"]], axis=2)
        xyz = ros_numpy.point_cloud2.get_xyz_points(pc_array, remove_nans=False)
        xyz = np.array(xyz).reshape((pointcloud2.height, pointcloud2.width, 3))
        return xyz, rgb
    
    ros_cloud = rospy.wait_for_message("/camera/depth/points", PointCloud2)
    xyz, rgb = pointcloud2_to_array(ros_cloud)
    result = segmentation_model(rgb, retina_masks=True)  # 原始图像分辨率下的掩码
    
    if not len(result[0].boxes.cls):
        print("No objects detected")
        sys.exit()
    
    classes = result[0].boxes.cls.cpu().numpy().astype(int)
    for index, class_id in enumerate(classes):
        mask = result[0].masks.data.cpu().numpy()[index, :, :].astype(int)
        mask_expanded = np.stack([mask, mask, mask], axis=2)
    
        obj_rgb = rgb * mask_expanded
        obj_xyz = xyz * mask_expanded
    
        pcd = o3d.geometry.PointCloud()
        pcd.points = o3d.utility.Vector3dVector(obj_xyz.reshape((-1, 3)))
        pcd.colors = o3d.utility.Vector3dVector(obj_rgb.reshape((-1, 3)) / 255)
        o3d.visualization.draw_geometries([pcd])

    这种方法可以 3D 可视化分割后的目标,适用于机器人应用中的导航和操作等任务。

评论