Linux-SDK-Beispiele

Dokumentversion: V1.0; Änderungsdatum: 2024-10-12.

Übersicht

Das MRDVS Camera SDK für Linux enthält Beispiele für C/C++, Java (HTTP-Service), ROS und ROS 2. Die Beispiele zeigen den grundlegenden SDK-Ablauf. Ergänzen Sie projektspezifische Logik und Fehlerbehandlung. Schließen Sie zuerst die Einrichtung der Umgebung, die Ausführung des Installationsskripts und die Prüfung der Beispielverzeichnisse ab. Folgen Sie anschließend dem Abschnitt zum Kompilieren und Ausführen für die gewünschte Sprache. Der Anhang enthält Installationsmethoden für häufig verwendete Abhängigkeiten und Testpakete.

System und Umgebung

Kompatible Systeme und Abhängigkeitsversionen

Die folgenden Linux-Systeme werden unterstützt. Die Standardversionen der Programme sind unten aufgeführt:

Systemversion	CMake/GCC	OpenCV	PCL	ROS	ROS 2
Ubuntu16.04	3.5/Gcc-5	3.2.0	1.7.2	Kinetic	Ardent、Bouncy
Ubuntu18.04	3.18/Gcc-7	4.5.1	1.9.1	Melodic	Dashing、Eloquent、Crystal
Ubuntu20.04	3.22/9.3.0	4.5.1	1.12.1	Noetic	Foxy、Galactic
Ubuntu22.04	3.22/11.3.0	4.6.0	1.12.1	Ninjemys	Humble、lron

2.2 System- und Anwendungsversion prüfen

2.2.1 Systemversion prüfen

uname -a

Ergebnis:

Versionsnummer des Betriebssystems: 5.15.0

Hauptversionsnummer: 5
Versionsnummer: 15 [Ungerade Zahlen sind Entwicklungsversionen, gerade Zahlen stabile Versionen]
Revisionsnummer: 0 [Anzahl der Änderungen]
N-te Revision dieser Version: 97
Kernelversion: #107~20.0.4.1; normalerweise entspricht die Systemversion der Kernelversion

2.2.2 CMake-Version prüfen

cmake --version

Ergebnis:

Dies ist die CMake-Version 3.16.3.

2.2.3 GCC-Version prüfen

gcc -v

Ergebnis:

Die Versionsnummer steht im blauen Feld unten links. Die Version ist 9.4.0.

2.2.4 OpenCV-Version anzeigen

pkg-config --modversion opencv

Ergebnis:

Die Version ist 3.2.0

2.2.5 PCL-Version prüfen

dpkg -l libpcl-dev

Ergebnis: Die Version ist 1.8.1

2.2.6 ROS-Version anzeigen

rosversion -d

Ergebnis:

ROS-Version anzeigen zugehörig Abbildungen

Die Version ist Eloquent, die zu Ubuntu 18.04 gehörende ROS-2-Version.

Die Version ist Noetic, die zu Ubuntu 20.04 gehörende ROS-1-Version.

2.3 Grundlegende Entwicklungsumgebung einrichten

Aktualisieren Sie vor der Installation die Paketliste:

sudo apt update

Das Ergebnis sieht wie folgt aus:

Abbildungen zum Einrichten einer grundlegenden Entwicklungsumgebung

2.3.1 CMake installieren

sudo apt install cmake

2.3.2 GCC installieren

sudo apt install build-essential

2.4 Optionale Entwicklungsumgebung einrichten

2.4.1 OpenCV installieren [kann Kamerabilder anzeigen]

sudo apt-get install libopencv-dev

2.4.2 PCL installieren [kann Punktwolken anzeigen]

sudo apt-get install libpcl-dev

Beispielcode vorbereiten

3.1 Installationsskript ausführen

Entpacken Sie die Lanxin-MRDVS-Datei und öffnen Sie den Ordner Lanxin-MRDVS.

Abbildungen zur Ausführung des Installationsskripts

Klicken Sie mit der rechten Maustaste, um die Konsole zu öffnen.
Führen Sie das Skript install.sh aus.

Öffnen Sie das Verzeichnis /opt/, um zu prüfen, ob die Installation erfolgreich war.

Illustration zugehörig zu executing die Installation Skript 3

Wenn der Ordner gefunden wird, war die Installation erfolgreich.
Wenn die Installation fehlschlägt, müssen Sie die Dateien manuell zum Verzeichnis opt hinzufügen.
Führen Sie das Skript set_socket_buffer_size.sh aus.

Damit ist das Installationsskript vollständig ausgeführt.

3.2 Einführung in den Beispielcode

Öffnen Sie das Verzeichnis Sample. Der Inhalt des Verzeichnisses ist wie folgt:

Illustrations zugehörig zu Beispiel Code introduction

Der Ordner C enthält C- und C++-bezogenen Code.
Die Java Ordner enthält an http Server für indirectly calling die sdk
Die Ros Ordner enthält an Beispiel von ros
Die Ros2 Ordner enthält an Beispiel von ros2

3.2.1 C und C++ Beispiel Code

Enter die C Verzeichnis. Die Verzeichnis Inhalt sind wie folgt:

Illustrations zugehörig zu C und C++ Beispiel Code

Contains 9 Ordner und 1 Cmakelist Datei, each Ordner enthält a cpp Datei Die roughly implemented functions von each cpp sind wie folgt:

Anwendung_obstacle: Obtain Kamera Stream Daten und enable obstacle avoidance algorithm, Ausgabe algorithm Ergebnisse
Anwendung_pallet: Obtain Kamera Stream Daten und enable die pallet algorithm, Ausgabe algorithm Ergebnisse
arm_local_camera: Call die SDK in die Kamera [ARM] und obtain die Stream Daten
frame_callback: Use callback method zu obtain Kamera Stream Daten
multi_cameras: öffnen multiple Kameras und abrufen streaming Daten
single_camera: Open a single Kamera und abrufen streaming Daten
single_camera2: Get frame Daten through structure

Je nach Bedarf können unterschiedliche Beispiele zum Testen und Anpassen ausgewählt werden.

3.2.2 Java Beispiel Code

Enter die java Verzeichnis. Die Verzeichnis Inhalt sind wie folgt:

Illustrations zugehörig zu Java Beispiel Code

Die Verzeichnis enthält 2 Ordner und a postman.json Datei und README

Config: Server-zugehörig configurations sind stored in die Ordner
Middleware: Server theme
LxCamera.Postman_collection.json: Postman Konfiguration Datei
README: java virtual Server usage tutorial

3.2.3 ROS Beispiel Code

Enter die ros Verzeichnis. Die Verzeichnis Inhalt sind wie folgt:

Illustrations zugehörig zu ROS Beispiel Code

lx_camera_node_ws: Die Ordner enthält a standard ros driver
README.EN: explains in English how zu kompilieren a node und create a new node

3.2.4 ROS2 Beispiel Code

Enter die ros2 Verzeichnis. Die Verzeichnis Inhalt sind wie folgt:

lx_camera_node_ws: Die Ordner enthält a standard ros2 driver
README.EN: explains in English how zu kompilieren a node und create a new node

3.2.5 ros-v1pro Beispiel Code

Enter die ros-v1pro Verzeichnis. Die Verzeichnis Inhalt sind wie folgt:

Illustrations zugehörig zu ros-v1pro Beispiel Code

src: Die Ordner enthält a standard ros driver
README: explains how zu verwenden dies node
README.pdf: explains how zu verwenden dies node

Beispiele kompilieren und ausführen

4.1 Compiling und Ausführung C und C++ Beispiel Code

Go zu die C Ordner in die Beispiel:

Illustrations zugehörig zu Kompilieren und Ausführung C und C++ Beispiel Code

Open a terminal in die C Ordner und ausführen:

mkdir build
cd build
cmake ..
make

After erfolgreich Ausführung, öffnen die build Ordner und it should be wie folgt:

Illustrations zugehörig zu Kompilieren und Ausführung C und C++ Beispiel Code 2

Die ausführbare Datei befindet sich im Verzeichnis bin. Entering die bin Verzeichnis should be wie folgt:

Illustrations zugehörig zu Kompilieren und Ausführung C und C++ Beispiel Code 3

Except für die arm Beispiel, alle andere Beispiele wird be compiled. Die executable Datei Name ist die gleich wie die Beispiel Ordner Name. You kann ausführen it directly.

4.2 Ablauf zum Ausführen des Java-Beispiels

Java ist unterschiedlich aus andere Beispiel codes. It does not directly provide Quelle Code. It provides an http Server und a Postman Beispiel. Wenn you müssen zu control die Kamera indirectly through http, you kann select die java Beispiel und öffnen die java Ordner. Die Ordner content ist wie folgt:

Illustrations zugehörig zu die Ablauf zum Ausführen des Java-Beispiels

Die Ausführung process ist wie folgt:

Enter die config Ordner und modify die http_sever_host Feld und http_sever_port Feld in die Configs.json Datei:
Enter die middleware Ordner und execute die start.sh Skript zu enable die transfer Server

Illustrations zugehörig zu die Ablauf zum Ausführen des Java-Beispiels 3

Use Postman zu öffnen die LxCamera.Postman_collection.json Datei zu send Daten zu die Beispiel port

4.3 ROS-Beispielcode kompilieren und ausführen

Enter die ROS Ordner, öffnen a console, und ausführen:

roscore

Illustrations zugehörig zu Kompilieren und Ausführung ROS Beispiel Code

Right-click zu öffnen a console, öffnen die lx_camera_node_ws Ordner, und ausführen:

catkin_make

Illustrations zugehörig zu Kompilieren und Ausführung ROS Beispiel Code 3

Nach erfolgreicher Ausführung wird Folgendes angezeigt:

Illustrations zugehörig zu Kompilieren und Ausführung ROS Beispiel Code 4

At dies time devel und build in die Ordner sind compiled und generated:

Illustrations zugehörig zu Kompilieren und Ausführung ROS Beispiel Code 5

Run die folgende Befehle zu Quelle die Umgebung und starten a node mit roslaunch:

source devel/setup.bash
roslaunch lx_camera_ros lx_camera_ros.launch
roslaunch lx_camera_ros obstacleV2.launch
roslaunch lx_camera_ros obstacle.launch
roslaunch lx_camera_ros pallet.launch

From top zu bottom, they sind: Ausführung ordinary nodes, Ausführung obstacle avoidance algorithm 2 nodes, Ausführung obstacle avoidance algorithm nodes, Ausführung pallet algorithm nodes. Die Nodes können nicht gleichzeitig aktiviert werden.

4.4 ROS2-Beispielcode kompilieren und ausführen

Enter die ros2 Ordner. Die Inhalt von die Ordner sind wie folgt:

Illustrations zugehörig zu Kompilieren und Ausführung ROS2 Beispiel Code

Example ros node ist compiled using colcon Installieren Sie zuerst die Kompilierungswerkzeuge:

sudo apt install python3-colcon-common-extensions

Anschließend installieren die ros-pcl dependency package. Replace foxy mit die ROS 2 distribution installed on Ihr System:

sudo apt-get install ros-foxy-pcl*

After Installation, öffnen die lx_camera_node_ws Verzeichnis und build die Projekt:

colcon build

Depending on die computer performance, Kompilierung normalerweise takes 30 seconds zu 120 seconds. After erfolgreich Kompilierung, it wird be displayed wie folgt:

Illustrations zugehörig zu Kompilieren und Ausführung ROS2 Beispiel Code 3

Einige Warnungen sind auf Versionskompatibilitätsprobleme zurückzuführen und müssen nicht behandelt werden. After Kompilierung ist completed, die Inhalt von die Ordner sind wie folgt:

Illustrations zugehörig zu Kompilieren und Ausführung ROS2 Beispiel Code 4

Run die folgende Befehle zu Quelle die Umgebung und starten a node mit ros2 launch:

source install/setup.bash
ros2 launch lx_camera_ros lx_camera_ros_launch.py
ros2 launch lx_camera_ros obstacleV2.launch.py
ros2 launch lx_camera_ros obstacle.launch.py
ros2 launch lx_camera_ros pallet.launch.py

4.5 Kompilieren und Ausführen des ros-v1pro-Beispielcodes

ros-v1pro ist a dedicated ros driver für die V1PRO Kamera. There ist a README.pdf in die ros-v1pro Ordner that describes die driver in detail. Dies document nur gives a brief introduction zu it: Enter die ros-v1pro Ordner und kompilieren it:

catkin_make

Laden Sie die Umgebung:

source devel/setup.bash

Illustrations zugehörig zu Kompilieren und Ausführung die ros-v1pro Beispiel Code 3

Führen Sie abschließend den Node aus:

roslaunch lx_camera_ros localization.launch
roslaunch lx_camera_ros mapping.launch
roslaunch lx_camera_ros sensor_sim.launch

From top zu bottom: ausführen die positioning node, ausführen die mapping node, und ausführen die virtual Daten node. Die Nodes können nicht gleichzeitig aktiviert werden.

Referenz zum Beispielcode

In dies Abschnitt, alle codes und pseudocode wird be divided into several parts. Generally speaking, everything in a Abschnitt belongs zu die gleich Datei. Except für special Dateien mit detailed explanations, die Quelle Code Dateien nur explain die general modules. Detailed explanations sind commented in die Code.

5.1 C und C++

5.1.1 CMakeLists

5.1.2 Anwendung_obstacle und Anwendung_pallet

5.1.3 arm_local_camera

5.1.4 frame_callback

5.1.5 multi_cameras

5.1.6 single_camera

5.1.7 single_camera2

5.2 java

Die Java Beispiel provides nur an HTTP Server, so die Beschreibung ist nur a Beschreibung von die interface und Nachricht format. Use Postman zu öffnen die Beispiel Datei wie shown below: Die Nachrichten sind alle in post mode. Before sending, remember zu change die IP zu die Server’s IP, but do not modify die URL. Die URL ist hard-coded internally in die Server. Die response Nachricht format und content sind both in die body. Die interface provided in die Beispiel ist wie folgt:

1.DcGetApiVersion: Get die Version Nummer von die SDK, no Parameter Eingabe

2.DcSetInfoOutput: Set die Pfad für SDK log Ausgabe. Die Parameter sind wie folgt:

log_path: Pfad von log Ausgabe
print_level: log printing level
enable_screen_print: whether die log ist printed on die console

3.DcLog: Output die log zu die SDK log. Any Eingabe content wird be printed zu die SDK log. 4.DcGetDeviceList: Get die Gerät Liste, no Eingabe, Eingabe ist JSON 5.DcOpenDevice: Open die Gerät und öffnen die folgende:

öffnen_mode: öffnen die Kamera mode
param: Parameter für opening die Kamera

6.DcStartStream: Let a certain Kamera starten pushing streaming Daten. Die Eingabe Parameter sind wie folgt:

handle: Die handle von die Kamera, which wird be returned in DcOpenDevice

7.DcSetCmd: Issue Befehle zu die Kamera, öffnen wie folgt:

handle: die handle von die Kamera zu be festlegen
cmd: Befehl Nummer

8.DcGetPtrValue: Get pointer Daten (Bild, Parameter, etc.), öffnen wie folgt:

handle: die handle von die Kamera zu be festlegen
cmd: Befehl Nummer

9.DcSetIntValue: Set die Kamera int Typ Parameter, Eingabe wie folgt:

handle: die handle von die Kamera zu be festlegen
cmd: Befehl Nummer
Wert: die Wert zu be festlegen

10.DcGetIntValue: Get die int Typ Parameter von die Gerät, Eingabe wie folgt:

handle: die handle von die Kamera zu be festlegen
cmd: Befehl Nummer

Please see die table below für andere relevant instructions:

Send	`{"log_path" : "./", "print_level" : 2, "enable_screen_print" : 0 }`	Receive	`{"errCode" : 0 }`
Send	`{"open_mode" : 0, "param" : "0"<br />}`	Receive	`{"algor_ver" : "VER_1.0.2.230315", "dev_type" : "M4 camera", "errCode" : 0,<br />"firmware_ver" : "V1.0.0.3_230315",<br />"handle" : 174539057817095, "id" : "f13141144bb1",<br />"ip" : "192.168.100.16:3956",<br />"mac" : "9e:be:0a:8a:66:07",<br />"name" :"camera_M4_192.168.100.16_3956",<br />"sn" : "9a5ed62d22b34bb1"<br />}`
Send	`{"handle" :174539057817<br />095,<br />"cmd" : 6001<br />}`	Receive	`{"errCode" : 0,<br />"value" :"\u0011\u0001\u0014\u0001..." }`

5.3 ROS1 & ROS2

In die ros Beschreibung, we wird not talk about die driver Quelle Code, but about die content entsprechend zu die Konfiguration in die launch Datei, how zu adjust die Konfiguration, und how zu send und subscribe zu Nachrichten. Die provided ros node already enthält most von die functions, so it ist not empfohlen zu directly modify die driver Quelle Code. Wenn you have special needs, you kann zuerst understand die Code flow in die C++ Beispiel und then modify die driver Quelle Code. When executing die ros driver, you muss ensure that die Versionen von opencv und pcl in die System Standard Pfad sind unique, otherwise an Fehler wird occur wenn linking die ros library, which may cause Kompilierung Fehler oder runtime crash.

5.3.1 ROS1 launch Datei Beschreibung

5.3.1.1 All launch Dateien

There sind die folgende Dateien in die src/launch Ordner:

localization.launch: Run Datei für visual positioning nodes
lx_camera_ros.launch: Ausführung Datei von ordinary nodes
mapping.launch: Ausführung Datei für visual positioning mapping
obstacle.launch: Ausführung Datei von obstacle avoidance algorithm
obstacleV2.launch: Ausführung Datei von obstacle avoidance algorithm V2
pallet.launch: pallet algorithm Ausführung Datei
sensor_sim.launch: Ausführung Datei für simulating positioning Daten

You kann execute unterschiedlich functions von die node durch Ausführung unterschiedlich launch Dateien. Except für localization, mapping und sensor, die Parameter Inhalt sind die gleich in alle nodes, but die Konfiguration ist unterschiedlich. Dies wird be introduced in detail in die folgende sections. For a detailed introduction zu die Parameter von die three launch Dateien von localization, mapping und sensor, please see die introduction in die ros-v1pro node.

5.3.1.2 Camera IP, Stream Konfiguration, working mode Konfiguration, Punkt Wolke unit, etc.

ip: Die Kamera IP that needs zu be connected. Wenn it ist 0, die zuerst one wird be connected durch Standard.
log_path: SDK log storage Pfad, die absolute Pfad needs zu be filled in
ist_xyz: whether zu push Punkt Wolke Daten
ist_depth: whether zu push Tiefe Daten
ist_amp: whether zu push Intensität map Daten
ist_rgb: whether zu push RGB Bild Daten
lx_work_mode: work mode
lx_application: whether zu enable die algorithm, 0: off, 1: obstacle avoidance algorithm, 2: pallet algorithm, 3: positioning algorithm, 4: obstacle avoidance algorithm V2
lx_tof_unit: Punkt Wolke unit, 1 ist meter, 0 ist millimeter, needs zu be changed zu 1 wenn viewing mit rviz

5.3.1.3 Camera pose Konfiguration

Die rotation angle und translation vector von die Punkt Wolke kann be configured.

X: X translation amount von die Kamera aus die center von die Punkt Wolke
Y: Y translation amount von die Kamera aus die center von die Punkt Wolke
Z: Z translation amount von die Kamera aus die center von die Punkt Wolke
Yaw: die angle von rotation von die Punkt Wolke around die Z axis
Roll: Die angle von rotation von die Punkt Wolke around die X-axis
Pitch: Die angle von rotation von die Punkt Wolke around die Y axis

5.3.1.4 Whether zu verwenden launch Konfiguration

You kann choose whether zu verwenden die Kamera Parameter Konfiguration in die launch Datei.

raw_param: 0: verwenden die Konfiguration in die Kamera, 1: verwenden die Konfiguration in die launch Datei

Regardless von whether dies Parameter ist festlegen zu 0 oder 1, alle Parameter vor dies Parameter wird be festlegen, 0 und 1 sind nur valid für Parameter nach dies Parameter.

5.3.1.5 2D Parameter Konfiguration

lx_2d_binning：0：1x1，1：2x2，2：4x4
lx_2d_undistort: 2d anti-distortion, 0: off, 1: on
lx_2d_undistort_scale: 2D anti-distortion coefficient
lx_2d_auto_exposure: 2D automatic exposure, 0: off, 1: on
lx_2d_auto_exposure_value: 2D automatic exposure Ziel Intensität
lx_2d_exposure: 2D exposure Wert
lx_2d_gain: 2D gain

5.3.1.6 3D Parameter Konfiguration

lx_rgb_to_tof: RGB alignment
lx_3d_binning：0：1x1，1：2x2，2：4x4
lx_mulit_mode: multi-machine mode, which kann eliminate multi-machine interference, 0: off, 1: on
lx_3d_undistort: 3d anti-distortion, 0: off, 1: on
lx_3d_undistort_scale: 3D anti-distortion coefficient
lx_hdr: hdr, 0: off, 1: on
lx_3d_auto_exposure: 3D automatic exposure, 0: off, 1: on
lx_3d_auto_exposure_value: 3D automatic exposure Ziel Intensität
lx_3d_first_exposure: 3D high points
lx_3d_second_exposure: 3D low points
lx_3d_gain: 3D gain

5.3.1.7 Maximum und minimal Tiefe

lx_min_depth: minimal Tiefe
lx_max_depth: maximal Tiefe

5.3.2 ROS2 launch Datei Beschreibung

5.3.2.1 All launch Dateien

There sind die folgende Dateien in die src/launch Ordner:

localization.launch.py: Ausführung Datei von visual positioning node
lx_camera_ros.launch.py: Ausführung Datei von ordinary node
mapping.launch.py: Ausführung Datei für visual positioning mapping
obstacle.launch.py: Ausführung Datei von obstacle avoidance algorithm
obstacleV2.launch.py: Ausführung Datei von obstacle avoidance algorithm V2
pallet.launch.py: pallet algorithm Ausführung Datei
sensor_sim.launch.py: Ausführung Datei für simulating positioning Daten

You kann execute unterschiedlich functions von die node durch Ausführung unterschiedlich launch Dateien. Except für localization, mapping und sensor, die Parameter content ist die gleich in alle nodes, but die Konfiguration ist unterschiedlich. It wird be introduced in detail in die folgende sections. For a detailed introduction zu die Parameter von die three launch Dateien von localization, mapping und sensor, please see die introduction in die ros-v1pro node.

5.3.2.2 Camera IP, Stream Konfiguration, working mode Konfiguration, Punkt Wolke unit, etc.

ip: Die Kamera IP that needs zu be connected. Wenn it ist 0, die zuerst one wird be connected durch Standard.
log_path: SDK log storage Pfad, die absolute Pfad needs zu be filled in
ist_xyz: whether zu push Punkt Wolke Daten
ist_depth: whether zu push Tiefe Daten
ist_amp: whether zu push Intensität map Daten
ist_rgb: whether zu push RGB Bild Daten
lx_work_mode: work mode
lx_application: whether zu enable die algorithm, 0: off, 1: obstacle avoidance algorithm, 2: pallet algorithm, 3: positioning algorithm, 4: obstacle avoidance algorithm V2
lx_tof_unit: Punkt Wolke unit, 1 ist meter, 0 ist millimeter, needs zu be changed zu 1 wenn viewing mit rviz

5.3.2.3 Camera pose Konfiguration

Die rotation angle und translation vector von die Punkt Wolke kann be configured.

X: X translation amount von die Kamera aus die center von die Punkt Wolke
Y: Y translation amount von die Kamera aus die center von die Punkt Wolke
Z: Z translation amount von die Kamera aus die center von die Punkt Wolke
Yaw: die angle von rotation von die Punkt Wolke around die Z axis
Roll: Die angle von rotation von die Punkt Wolke around die X-axis
Pitch: Die angle von rotation von die Punkt Wolke around die Y axis

5.3.2.4 Whether zu verwenden launch Konfiguration

You kann choose whether zu verwenden die Kamera Parameter Konfiguration in die launch Datei.

raw_param: 0: verwenden die Konfiguration in die Kamera, 1: verwenden die Konfiguration in die launch Datei

Regardless von whether dies Parameter ist festlegen zu 0 oder 1, alle Parameter vor dies Parameter wird be festlegen, 0 und 1 sind nur valid für Parameter nach dies Parameter.

5.3.2.5 2D Parameter Konfiguration

lx_2d_binning：0：1x1，1：2x2，2：4x4
lx_2d_undistort: 2d anti-distortion, 0: off, 1: on
lx_2d_undistort_scale: 2D anti-distortion coefficient
lx_2d_auto_exposure: 2D automatic exposure, 0: off, 1: on
lx_2d_auto_exposure_value: 2D automatic exposure Ziel Intensität
lx_2d_exposure: 2D exposure Wert
lx_2d_gain: 2D gain

5.3.2.6 3D Parameter Konfiguration

lx_rgb_to_tof: RGB alignment
lx_3d_binning：0：1x1，1：2x2，2：4x4
lx_mulit_mode: multi-machine mode, which kann eliminate multi-machine interference, 0: off, 1: on
lx_3d_undistort: 3d anti-distortion, 0: off, 1: on
lx_3d_undistort_scale: 3D anti-distortion coefficient
lx_hdr: hdr, 0: off, 1: on
lx_3d_auto_exposure: 3D automatic exposure, 0: off, 1: on
lx_3d_auto_exposure_value: 3D automatic exposure Ziel Intensität
lx_3d_first_exposure: 3D high points
lx_3d_second_exposure: 3D low points
lx_3d_gain: 3D gain

5.3.2.7 Maximum und minimal Tiefe

lx_min_depth: minimal Tiefe
lx_max_depth: maximal Tiefe

5.3.3 Unique theme Beschreibung

Since die unique topic types von ROS1 und ROS2 sind die gleich, ROS1 ist used wie an Beispiel here. There sind die folgende Dateien in die src/msg Ordner:

Illustrations zugehörig zu unique theme descriptions

5.3.3.1 FrameRate.msg

Dies node outputs frame rate Informationen. Die Nachricht format ist wie folgt:

header: frame Informationen und timestamp von die aktuell Daten
Tiefe: When die Tiefe map ist turned on, Ausgabe die Tiefe map frame rate
amp: When die Intensität map ist turned on, Ausgabe die Intensität map frame rate
rgb: When rgb ist on, Ausgabe rgb frame rate
temperature: Ausgabe Kamera temperature

After die node starts Ausführung (except für nodes zugehörig zu visual positioning), you kann subscribe zu die LxCamera_FrameRate node zu obtain relevant Informationen. Die Ausgabe ist wie folgt:

5.3.3.2 Obstacle.msg

obstacle outputs Informationen zugehörig zu die obstacle avoidance algorithm Ergebnisse. Die obstacle Nachricht format ist wie folgt:

header: frame Informationen und timestamp von die aktuell Daten
Status: Status Informationen returned durch obstacle avoidance

0: Normal obstacle avoidance -1: No ground festlegen -2: Input not festlegen -3: No Punkt Wolke within die range -4: Die Punkt Wolke ist empty nach filtering die ground -5: Die Punkt Wolke ist empty nach radius filtering -6: No segmentation Ergebnis was obtained -99: undefined Fehler

io_output: Obstacle avoidance Informationen Ausgabe durch die io interface

0: normal 1: warning 2: Shutdown

Feld_number: Nummer von obstacles
Feld: obstacle Informationen, variable length array, die length ist determined durch Feld_number

After die node starts Ausführung (die obstacle avoidance algorithm needs zu be turned on), you kann subscribe zu die LxCamera_Obstacel node zu obtain relevant Informationen. Die Ausgabe ist wie folgt (die Daten in die picture ist simulated Daten):

5.3.3.3 Obstacle_box.msg

obstacle_box outputs obstacle-zugehörig Informationen, und die obstacle_box Nachricht format ist wie folgt:

center: die center von mass von die obstacle in die Punkt Wolke
rotation: rotation matrix von obstacle Punkt Wolke
translation: translation vector von obstacle Punkt Wolke
Breite: Breite von die obstacle frame
Höhe: Höhe von obstacle frame
Tiefe: die Tiefe von die obstacle frame

After starting die operation (die obstacle avoidance algorithm needs zu be turned on), you kann subscribe zu die LxCamera_Obstacel node zu obtain relevant Informationen. Die Ausgabe ist wie folgt:

5.3.3.4 Result.msg

Die return Wert obtained nach sending die Befehl Nachricht zu die servic in die node ist stored in Result:

ret: die return Wert obtained durch executing die SDK
msg: Description von die return Wert obtained durch executing die SDK

5.3.3.5 Pallet.msg

Die pallet outputs Informationen zugehörig zu die pallet algorithm Ergebnisse. Die pallet Nachricht format ist wie folgt:

header: frame Informationen und timestamp von die aktuell Daten
Status: Status Informationen returned durch pallet recognition:

0: Detection erfolgreich -1: No ground detected -2: Pallet legs not detected -3: Die distance between die pallets ist too far -4: unknown Fehler

x: X distance between die tray und die optical center von die Kamera
y: Y distance between die tray und die optical center von die Kamera
yaw: theta angle between die center von die tray und die optical center von die Kamera

After die node starts Ausführung (die pallet algorithm needs zu be turned on), you kann subscribe zu die LxCamera_Pallet node zu obtain relevant Informationen. Die Ausgabe ist wie folgt:

5.3.4 Unique Service Description

Since die unique Service types von ROS1 und ROS2 sind die gleich, ROS1 ist used wie an Beispiel here. There sind die folgende Dateien in die src/srv Ordner:

Illustrations zugehörig zu unique Service descriptions

These Nachrichten sind used zu festlegen oder obtain certain Parameter Werte von die Kamera. Above [---] ist die sent Daten, below [---] ist die returned Daten

5.3.4.1 LxBool.srv

cmd: die Parameter Nummer that needs zu be obtained oder festlegen
val: die Wert festlegen wenn setting
ist_set: Whether zu festlegen die Parameter. When it ist true, die Wert in val wird be festlegen zu die Kamera. When it ist false, die Wert von dies Parameter wird be read aus die Kamera und displayed.
val: Die Wert von die Kamera’s aktuell Parameter returned wenn getting oder setting it
Ergebnis: die Wert und Informationen returned durch calling die SDK interface

5.3.4.2 LxCmd.srv

cmd: Die Parameter Nummer that needs zu be obtained oder festlegen. When it ist 0, alle Parameter Zahlen wird be returned.
Ergebnis: die Wert und Informationen returned durch calling die SDK interface, cmd may have multiple return Werte

5.3.4.3 LxFloat.srv

cmd: die Parameter Nummer that needs zu be obtained oder festlegen
val: die Wert festlegen wenn setting
ist_set: Whether zu festlegen die Parameter. When it ist true, die Wert in val wird be festlegen zu die Kamera. When it ist false, die Wert von dies Parameter wird be read aus die Kamera und displayed.
max_value: die maximal Wert that kann be festlegen für dies Parameter
min_value: die minimal Wert that kann be festlegen für dies Parameter
cur_value: die aktuell Wert von dies Parameter in die Kamera
verfügbar: whether dies Parameter supports setting
Ergebnis: die Wert und Informationen returned durch calling die SDK interface

5.3.4.4 LxInt.srv

cmd: die Parameter Nummer that needs zu be obtained oder festlegen
val: die Wert festlegen wenn setting
ist_set: Whether zu festlegen die Parameter. When it ist true, die Wert in val wird be festlegen zu die Kamera. When it ist false, die Wert von dies Parameter wird be read aus die Kamera und displayed.
max_value: die maximal Wert that kann be festlegen für dies Parameter
min_value: die minimal Wert that kann be festlegen für dies Parameter
cur_value: die aktuell Wert von dies Parameter in die Kamera
verfügbar: whether dies Parameter supports setting
Ergebnis: die Wert und Informationen returned durch calling die SDK interface

5.3.4.5 LxString.srv

cmd: die Parameter Nummer that needs zu be obtained oder festlegen
val: die Wert festlegen wenn setting
ist_set: Whether zu festlegen die Parameter. When it ist true, die Wert in val wird be festlegen zu die Kamera. When it ist false, die Wert von dies Parameter wird be read aus die Kamera und displayed.
val: Die Wert von die Kamera’s aktuell Parameter returned wenn getting oder setting it
Ergebnis: die Wert und Informationen returned durch calling die SDK interface

5.3.5 Description von topic subscription Methoden

5.3.5.1 Subscription frame rate, tray algorithm, obstacle avoidance algorithm Ausgabe Daten

Subscribe Frame Rate In die lx_camera_node_ws Verzeichnis, öffnen: bash rate.sh

After die lx_camera_node node Bild runs normally und ist refreshed, you kann see die folgende Informationen:

Subscribe zu pallet algorithm Ausgabe In die lx_camera_node_ws Verzeichnis, öffnen: bash pallet.sh

After die lx_camera_node node Bild runs normally und ist refreshed, you kann see die folgende Informationen:

Subscribe zu obstacle avoidance algorithm Ausgabe In die lx_camera_node_ws Verzeichnis, öffnen: bash obstacle.sh

After die lx_camera_node node Bild runs normally und ist refreshed, you kann see die folgende Informationen:

5.3.5.2 Subscribe zu Bild Daten (ROS1)

You kann view die Bild Informationen Ausgabe durch die node through die Bild tool that comes mit ros: Console Eingabe Befehl: rqt_image_view After entering die Befehl, die folgende window wird pop up:

Illustrations zugehörig zu subscribing Bild Daten (ROS1)

Die red Feld kann select die Bilder in alle nodes. Die picture shows die MRDVS Kamera RGB Bild. You kann auch select die Tiefe map oder Intensität map (provided that die Stream has been turned on):

In die figure, die zuerst red Feld ist die RGB Informationen Ausgabe durch die positioning algorithm node, und die remaining three sind Bild Informationen Ausgabe durch die ordinary nodes. amp ist die Intensität map, Tiefe ist die Tiefe map, und rgb ist die rgb map. Select unterschiedlich items zu view unterschiedlich Bilder oder verwenden rviz zu view Bild Daten. Enter die Befehl on die console: rviz wird pop up die folgende window:

After clicking die Add button at die bottom links, a window wird pop up:

Select die desired Bild topic und select Image und click OK in die unten right Ecke. You kann see die Bild Daten on die links side von die main interface, wie shown below:

5.3.5.3 Subscribe zu Bild Daten (ROS2)

You kann view die Bild Informationen Ausgabe durch die node through die Bild tool that comes mit ros2: Enter die Befehl on die console: rqt After entering die Befehl, die folgende window wird pop up:

Illustrations zugehörig zu subscribing Bild Daten (ROS2)

Select die zuerst Image View von die second option at die bottom von die menu bar. After selection, die folgende interface wird pop up:

Die red Feld kann select die Bilder in alle nodes. Die picture shows die MRDVS Kamera RGB Bild. You kann auch select die Tiefe map oder Intensität map (provided that die Stream has been turned on):

In die figure, die zuerst red Feld ist die RGB Informationen Ausgabe durch die positioning algorithm node, und die remaining three sind Bild Informationen Ausgabe durch die ordinary nodes. amp ist die Intensität map, Tiefe ist die Tiefe map, und rgb ist die rgb map. Select unterschiedlich items zu view unterschiedlich Bilder oder verwenden rviz2 zu view Bild Daten. Enter die Befehl on die console: rviz2 wird pop up die folgende window:

After clicking die Add button at die bottom links, a window wird pop up:

Select die desired Bild topic und select Image und click OK in die unten right Ecke. You kann see die Bild Daten on die links side von die main interface, wie shown below:

Some Systeme müssen zu fill in [mrdvs] in die [map] in die above picture zu see die Bild

5.3.5.4 Subscribe zu Punkt Wolke Daten

Die Punkt Wolke Informationen Ausgabe durch die node kann be viewed through die Punkt Wolke tool provided durch ros oder ros2: Command: rviz【ROS1】, rviz2【ROS2】 After entering die Befehl, die folgende window wird pop up:

Illustrations zugehörig zu subscribing zu Punkt Wolke Daten

Click die button in die red Feld below und die folgende Feld wird pop up:

Illustration zugehörig zu subscribing zu Punkt Wolke Daten 2

Select die second tab, und there wird be a node named lx_camera_node. There ist a topic named LxCamera_Cloud in die node. There ist a Nachricht named PointCloud2 in die topic. After selecting, click OK. Die interface nach completion ist wie folgt:

Illustrations zugehörig zu subscribing zu Punkt Wolke Daten 3

(ROS1 interface)

Illustrations zugehörig zu subscribing zu Punkt Wolke Daten 4

(ROS2 interface) At dies time, die Punkt Wolke cannot be displayed normally. Fill in mrdvs in die red und green Feld map above zu see die Punkt Wolke. Die effect ist wie folgt:

Illustrations zugehörig zu subscribing zu Punkt Wolke Daten 5

Die Standard Punkt Wolke unit in ROS ist meters, so wenn viewing using rviz, you müssen zu modify lx_tof_unit in die launch Datei zu 1 [die Standard ist 1]

5.3.6 Description von Service communication Methoden

In ROS1, alle Befehle kann be completed using die Tab key, but in ROS2, nur topics kann be completed, und die Nachricht part needs zu be entered manuell. When inputting Daten in ROS1, you kann Eingabe it in die completion format. When inputting Daten in ROS2, you müssen zu Eingabe it in die format von die yaml Datei. After die node ist Ausführung, öffnen a terminal under die lx_camera_node_ws Ordner, configure die Umgebung in die terminal, und öffnen die Befehl: Quelle devel/Einrichtung.bash

5.3.6.1 Get die Liste von alle Parameter Zahlen (Lx_Cmd)

ros1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxCmd “cmd: 0”

You kann see die Ausgabe:

Get alle Parameter Nummer Liste (Lx\_Cmd) zugehörig icon 2

ret ist die Nummer von die Parameter. Die msg describes die Parameter Typ und Beschreibung, für Beispiel: 1001. Dies Parameter ist von Typ int. Die Parameter ist used zu obtain und modify die zuerst exposure Wert. ros2 Enter in die terminal: ros2 Service call /LxCamera_LxCmd lx_camera_ros/srv/LxCmd ‘cmd: 0’

You kann see die folgende Ausgabe:

Get alle Parameter Nummer Liste (Lx\_Cmd) zugehörig icon 4

Since it ist not convenient zu view Parameter Details in ROS2, die Zahlen, types und descriptions von alle Parameter sind auch listed in die folgende table:

Nummer	Type	Description in ROS	Detailed Beschreibung
1001	INT	FIRST_EXPOSURE	Default high integral exposure Wert
1002	INT	SECOND_EXPOSURE	Default low integral exposure Wert
1003	INT	THIRD_EXPOSURE	Default medium integral exposure Wert
1004	INT	FOURTH_EXPOSURE	Die fourth Punkt
1005	INT	GAIN	Gain
1011	INT	MIN_DEPTH	Minimum Tiefe Wert
1012	INT	MAX_DEPTH	Maximum Tiefe Wert
1013	INT	MIN_AMPLITUDE	Minimum effective signal strength Wert
1014	INT	MAX_AMPLITUDE	Maximum effective signal strength Wert
1016	INT	CODE_MODE	Coding mode
1018	INT	WORK_MODE	Working mode
1019	INT	LINK_SPEED	Network card network speed
1021	INT	3D_IMAGE_WIDTH	3D Bild resolution Breite
1022	INT	3D_IMAGE_HEIGHT	3D Bild resolution Höhe
1023	INT	3D_IMAGE_OFFSET_X	ROI horizontal offset pixels
1024	INT	3D_IMAGE_OFFSET_Y	ROI vertical offset pixels
1025	INT	3D_BINNING_MODE	3D Bild binnin
1026	INT	3D_DEPTH_DATA_TYPE	Depth Bild Daten format
1031	INT	3D_AMPLITUDE_CHANNEL	3D Intensität Bild channel Nummer
1032	INT	3D_AMPLITUDE_GET_TYPE	How zu abrufen Intensität Bild
1033	INT	3D_AMPLITUDE_EXPOSURE	3D manual exposure Wert
1034	INT	3D_AMPLITUDE_INTENSITY	3D automatic Ziel lighting
1035	INT	3D_AMPLITUDE_DATA_TYPE	Intensity Bild Daten format
1036	INT	3D_AUTO_EXPOSURE_LEVEL	3D automatic exposure level
1041	INT	2D_IMAGE_WIDTH	2D Bild resolution Breite
1042	INT	2D_IMAGE_HEIGHT	2D Bild high resolution
1043	INT	2D_IMAGE_OFFSET_X	2D Bild ROI horizontal offset
1044	INT	2D_IMAGE_OFFSET_Y	2D Bild ROI vertical offset
1045	INT	2D_BINNING_MODE	2D Bild binnin
1046	INT	2D_IMAGE_CHANNEL	Nummer von 2D Bild channels
1047	INT	2D_IMAGE_DATA_TYPE	2D Bild Daten format
1051	INT	2D_MANUAL_EXPOSURE	2D exposure Wert during manual exposure
1052	INT	2D_MANUAL_GAIN	2D gain during manual exposure
1053	INT	2D_ENCODE_TYPE	2D Bild compression format
1054	INT	2D_AUTO_EXPOSURE_LEVEL	2D Bild automatic exposure, etc.
1061	INT	TOF_GLOBAL_OFFSET	ToF Tiefe Daten offset
1062	INT	3D_UNDISTORT_SCALE	ToF Bild anti-distortion coefficient
1065	INT	ALGORITHM_MODE	Set built-in Anwendung algorithm
1066	INT	MODBUS_ADDR	modbus address
1067	INT	HEART_TIME	Heartbeat time mit die Gerät
1068	INT	GVSP_PACKET_SIZE	GVSP single packet Daten packet size
1069	INT	TRIGGER_MODE	Trigger mode
1070	INT	CALCULATE_UP	Algorithm shift up und down
1072	INT	CAN_BAUD_RATE	baud rate Wert von kann
1073	INT	MAX_3D_AUTO_EXPOSURE	3d automatic exposure limit
1074	INT	CUSTOM_PARAM_GROUP	User-defined Parameter group
2001	FLOAT	FILTER_LEVEL	Filter level
2002	FLOAT	EST_OUT_EXPOSURE	Whether zu evaluate overexposure Daten
2003	FLOAT	LIGHT_INTENSITY	light Intensität
2004	FLOAT	3D_DEPTH_FPS	Current frame rate von Tiefe map
2005	FLOAT	3D_AMPLITUDE_FPS	Intensity map aktuell frame rate
2006	FLOAT	2D_IMAGE_FPS	RGB Bild aktuell frame rate
2007	FLOAT	DEVICE_TEMPERATURE	Current Kamera temperature
3001	BOOL	CONNECT_STATE	Current connection Status
3002	BOOL	ENABLE_3D_DEPTH_STREAM	Turn on/off Tiefe Daten Stream
3003	BOOL	ENABLE_3D_AMP_STREAM	Turn on/off Intensität Daten Stream
3006	BOOL	ENABLE_3D_AUTO_EXPOSURE	3D automatic exposure enable
3007	BOOL	ENABLE_3D_UNDISTORT	3D anti-distortion enable
3008	BOOL	ENABLE_ANTI_FLICKER	Anti-flicker enable
3011	BOOL	ENABLE_2D_STREAM	Turn on/off 2D Daten Stream
3012	BOOL	ENABLE_2D_AUTO_EXPOSURE	2D automatic exposure enable
3015	BOOL	ENABLE_2D_UNDISTORT	2D Bild anti-distortion enabler
3016	BOOL	ENABLE_2D_TO_DEPTH	2D3D Bild alignment enable
3017	BOOL	ENABLE_BACKGROUND_AMP	Intensity background light enable
3018	BOOL	ENABLE_MULTI_MACHINE	Multi-machine mode enable
3019	BOOL	ENABLE_MULTI_EXPOSURE_HDR	HDR
3020	BOOL	ENABLE_SYNC_FRAME	Whether zu enable forced frame synchronization
4001	STRING	DEVICE_VERSION	Device Version Nummer
4002	STRING	DEVICE_LOG_NAME	Log Datei Name
4003	STRING	FIRMWARE_NAME	Firmware Datei Name
4004	STRING	FILTER_PARAMS	Filter algorithm Parameter
4005	STRING	ALGORITHM_PARAMS	Built-in algorithm Parameter
4006	STRING	ALGORITHM_VERSION	Built-in algorithm Version Nummer
4007	STRING	DEVICE_OS_VERSION	Device System Bild Version Nummer
0	CMD	GET_PARAM_LIST	Get alle Parameter Zahlen
1	CMD	START_STREAM	Device startup
2	CMD	STOP_STREAM	Equipment stops flowing
5001	CMD	GET_NEW_FRAME	Update aktuell latest Daten
5002	CMD	RETURN_VERSION	Roll back zu die previous Version
5003	CMD	RESTART_DEVICE	Restart Kamera
5004	CMD	WHITE_BALANCE	Auto white balance
5007	CMD	RESET_PARAM	Restore Standard Parameter

Some Parameter müssen zu stoppen die flow vor they kann be festlegen, oder there ist a sequence von settings. Please contact die technical support staff für specific needs.

5.3.6.2 Get Int Parameter (Lx_Int)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxInt “cmd: 1001 val: 0 ist_set: false”

You kann see die Ausgabe:

Get die zugehörig icon von Int Parameter (Lx\_Int) 2

What ist in die red Feld ist die return Wert. What ist obtained in die figure ist die high integration time. According zu die return Ergebnis, you kann see that die maximal Wert ist 3600, die minimal Wert ist 1, die aktuell Wert ist 1010, whether die setting ist unterstützt ist unterstützt, die interface call return Wert ist 0, und die return Wert Informationen ist Erfolg.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxInt lx_camera_ros/srv/LxInt '{cmd: 1001,val: 0,is_set: false}'

You kann see die Ausgabe:

Get die zugehörig icon von Int Parameter (Lx\_Int) 4

What ist obtained in die figure ist die high integration time. According zu die returned Ergebnisse, we kann see that die maximal Wert ist 3600, die minimal Wert ist 1, die aktuell Wert ist 1010, whether die setting ist unterstützt ist unterstützt, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.

5.3.6.3 Set Int Parameter (Lx_Int)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxInt “cmd: 1001 val: 2000 ist_set: true”

Illustrations zugehörig zu setting Int Parameter (Lx\_Int)

You kann see die Ausgabe:

Illustration 2 zugehörig zu setting Int Parameter (Lx\_Int)

What ist in die red Feld ist die return Wert. Die high integration time ist festlegen in die figure. According zu die return Ergebnis, you kann see that die maximal Wert ist 3600, die minimal Wert ist 1, die aktuell Wert has been modified zu 2000, whether die support setting ist unterstützt, die interface call return Wert ist 0, und die return Wert Informationen ist Erfolg.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxInt lx_camera_ros/srv/LxInt '{cmd: 1001,val: 3000,is_set: true}'

You kann see die Ausgabe:

Illustration 4 zugehörig zu setting Int Parameter (Lx\_Int)

What ist obtained in die figure ist die high integration time. According zu die returned Ergebnisse, we kann see that die maximal Wert ist 3600, die minimal Wert ist 1, die aktuell Wert has been modified zu 3000, whether die setting ist unterstützt ist unterstützt, die interface call return Wert ist 0, und die return Wert Informationen ist Erfolg.

5.3.6.4 Get Float Parameter (Lx_Float)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxFloat “cmd: 2007 val: 0.0 ist_set: false”

You kann see die Ausgabe:

Get die zugehörig icon von Float Parameter (Lx\_Float) 2

What ist in die red Feld ist die return Wert. What ist obtained in die picture ist die Kamera temperature. According zu die return Ergebnis, you kann see that die maximal Wert ist 120, die minimal Wert ist -40, die aktuell Wert ist 49.6875, whether die setting ist unterstützt ist not unterstützt, die interface call return Wert ist 0, und die return Wert Informationen ist Erfolg.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxFloat lx_camera_ros/srv/LxFloat '{cmd: 2007,val: 0,is_set: false}'

You kann see die Ausgabe:

Get die zugehörig icon von Float Parameter (Lx\_Float) 4

What ist obtained in die picture ist die Kamera temperature. According zu die returned Ergebnisse, you kann see that die maximal Wert ist 120, die minimal Wert ist -40, die aktuell Wert ist 50.4375, whether die setting ist unterstützt ist not unterstützt, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.

5.3.6.5 Set Float Parameter (Lx_Float)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxFloat “cmd: 2007 val: 5.0 ist_set: true”

Illustrations zugehörig zu setting Float Parameter (Lx\_Float)

You kann see die Ausgabe:

Illustration 2 zugehörig zu setting Float Parameter (Lx\_Float)

Die red Feld ist die return Wert. Die Kamera temperature ist festlegen in die picture. According zu die return Ergebnis, you kann see that die maximal Wert ist 120, die minimal Wert ist -40, die aktuell Wert ist 50.9375, whether die setting ist unterstützt ist not unterstützt, die interface call return Wert ist -2, die return Wert Informationen ist not unterstützt, die Wert festlegen here ist 5, die aktuell Wert und die festlegen Wert sind inconsistent because die Parameter does not support setting.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxFloat lx_camera_ros/srv/LxFloat '{cmd: 2007,val: 5.0,is_set: true}'

You kann see die Ausgabe:

Illustrations zugehörig zu setting Float Parameter (Lx\_Float) 4

Die Kamera temperature ist festlegen in die picture. According zu die returned Ergebnisse, you kann see that die maximal Wert ist 120, die minimal Wert ist -40, die aktuell Wert ist 51.125, whether die setting ist unterstützt ist not unterstützt, die return Wert von die interface call ist -2, die return Wert Informationen ist not unterstützt, die Wert festlegen here ist 5, die aktuell Wert und die festlegen Wert sind inconsistent because die Parameter does not support setting.

5.3.6.6 Get Bool Parameter (Lx_Bool)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxBool “cmd: 3012 val: false ist_set: false”

Get zugehörig Abbildungen von Bool Parameter (Lx\_Bool)

You kann see die Ausgabe:

Get Bool Parameter (Lx\_Bool) zugehörig icon 2

What ist in die red Feld ist die return Wert. What ist obtained in die picture ist 2D automatic exposure. According zu die return Ergebnis, we kann see that die aktuell Wert ist false, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxBool lx_camera_ros/srv/LxBool '{cmd: 3012,val: false,is_set: false}'

You kann see die Ausgabe:

Get Bool Parameter (Lx\_Bool) zugehörig icon 4

What ist obtained in die figure ist 2D automatic exposure. According zu die return Ergebnis, we kann see that die aktuell Wert ist false, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.

5.3.6.7 Set Bool Parameter (Lx_Bool)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxBool “cmd: 3012 val: true ist_set: true”

Illustrations zugehörig zu setting Bool Parameter (Lx\_Bool)

You kann see die Ausgabe:

Illustration 2 zugehörig zu setting Bool Parameter (Lx\_Bool)

What ist in die red Feld ist die return Wert. Die 2D automatic exposure ist festlegen in die picture. According zu die return Ergebnis, we kann see that die aktuell Wert ist true, die return Wert von die interface call ist 0, die return Wert Informationen ist Erfolg, und die aktuell Wert ist consistent mit die festlegen Wert.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxBool lx_camera_ros/srv/LxBool '{cmd: 3012,val: true,is_set: true}'

You kann see die Ausgabe:

Illustrations zugehörig zu setting Bool Parameter (Lx\_Bool) 4

Die setting in die picture ist 2D automatic exposure. According zu die return Ergebnis, we kann see that die aktuell Wert ist true, die return Wert von die interface call ist 0, die return Wert Informationen ist Erfolg, und die aktuell Wert ist consistent mit die festlegen Wert.

5.3.6.8 Get String Parameter (Lx_String)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxString “cmd: 4001 val: ” ist_set: false”

Get zugehörig Abbildungen von String Parameter (Lx\_String)

You kann see die Ausgabe:

Obtain String Parameter (Lx\_String) zugehörig icon 2

What ist in die red Feld ist die return Wert. What ist obtained in die figure ist die Gerät Version Nummer. According zu die return Ergebnis, we kann see that die aktuell Wert ist V1.1.33_231201, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxString lx_camera_ros/srv/LxString '{cmd: 4001,val: '',is_set: false}'

You kann see die Ausgabe:

Get die zugehörig icon von String Parameter (Lx\_String) 4

What ist obtained in die figure ist die Gerät Version Nummer. According zu die return Ergebnis, we kann see that die aktuell Wert ist V1.1.33_231201, die return Wert von die interface call ist 0, und die return Wert Informationen ist Erfolg.

5.3.6.9 Set String Parameter (Lx_String)

ROS1 Enter in die terminal: rosservice call /lx_camera_node/LxCamera_LxString “cmd: 4001 val: ‘put:\“123\”’ ist_set: true”

Illustrations zugehörig zu setting String Parameter (Lx\_String)

You kann see die Ausgabe:

Illustration 2 zugehörig zu setting String Parameter (Lx\_String)

Die red Feld ist die return Wert. Die Gerät Version Nummer ist festlegen in die figure. According zu die return Ergebnis, we kann see that die aktuell Wert ist V1.1.33_231201, die return Wert von die interface call ist -2, und die return Wert Informationen ist not unterstützt. Die aktuell Wert und die festlegen Wert sind inconsistent because dies Parameter does not support setting.
ROS2 Enter in die terminal: ros2 service call /LxCamera_LxString lx_camera_ros/srv/LxString '{cmd: 4001,val: "put:\\"123\\"",is_set: true}'

You kann see die Ausgabe:

Illustrations zugehörig zu setting String Parameter (Lx\_String) 4

Die Gerät Version Nummer ist festlegen in die figure. According zu die returned Ergebnis, we kann see that die aktuell Wert ist V1.1.33_231201, die return Wert von die interface call ist -2, und die return Wert Informationen ist not unterstützt. Die aktuell Wert ist inconsistent mit die festlegen Wert because dies Parameter does not support setting. When setting a Wert von String Typ, escape characters muss be added zu single quotes und double quotes, except für die initial double quotes in ROS2 und die initial single quotes in ROS1. For Beispiel, if you want zu Eingabe die string [PUT”123”], you muss ergänzen escape characters zu become: [PUT\”123\”].

Empfohlene ROS-Hardware und Ressourcenverbrauch

6.1 Empfohlene Hardware-Konfiguration

In die empfohlen hardware Konfiguration, die analysis ist based on CPU core count, CPU usage, und Speicher size. These sind empfohlen configurations, not minimal requirements. Wenn Ihr hardware ist below die recommendation, stabil operation may still be possible durch reducing Stream Ausgabe, disabling Punkt-Wolke computation, oder lowering die algorithm load. Running a workload above die verfügbar Konfiguration may crash die ROS core oder Ubuntu. Die second und third sections von dies chapter provide detailed usage Daten. Choose die operating Umgebung und Stream Konfiguration that best fits Ihr System. All Daten here was collected in a VM using an M4 Pro Kamera. Ubuntu16.04

ROS Version	CPU	Memory	Bandwidth
ros	AMD64 [Quad-core]	4G	1000M

Ubuntu18.04

ROS Version	CPU	Memory	Bandwidth
ros	AMD64 [Quad-core]	4G	1000M
ros2	AMD64 [Quad-core]	4G	1000M

Ubuntu20.04

ROS Version	CPU	Memory	Bandwidth
ros	AMD64 [Quad-core]	4G	1000M
ros2	AMD64 [Quad-core]	4G	1000M

Ubuntu22.04

ROS Version	CPU	Memory	Bandwidth
ros	AMD64 [Quad-core]	4G	1000M

6.2 CPU-Details

Die CPU-Details wird zeigen die amount von CPU resources occupied durch die node under unterschiedlich operating conditions. Die Test ist based on AMD64 [8 cores], 8G Speicher hardware Umgebung, die Test Kamera ist M4 Pro, die Test algorithm ist tray algorithm, 2D Breite und Höhe sind 1280*960, und 3D Breite und Höhe sind 640*480, 2D anti-distortion ist on, 3D anti-distortion ist off, und integration 110 - 3000, Tiefe 0 - 8000, ToF frame rate 14, streaming mode, smoothing level 1, noise level 1, time domain level 0, statistics Befehl ist TOP. Because die Test soft Umgebung ist VM virtual machine, it ist normal für die Daten displayed durch die physical machine zu fluctuate compared mit that in die document. For some Kameras, such wie S2, some algorithms sind calculated on die host computer, which Ergebnisse in a large amount von resource usage, which ist normal.
1. Some nouns sind explained wie folgt: -Single Stream: refers zu turning on any Stream von RGB, Tiefe, und Intensität

Dual Stream: refers zu turning on any two streams von RGB, Tiefe und Intensität

-Three streams: refers zu RGB, Tiefe, und Intensität alle three streams sind turned on

Four streams: means RGB, Tiefe, Intensität, und Punkt Wolke sind alle turned on

2. Die algorithm has a binding relationship mit some streams. Die binding relationship ist wie folgt:

To enable die pallet algorithm, die Tiefe muss be enabled
To turn on die obstacle avoidance algorithm, you muss turn on Tiefe
To turn on die positioning algorithm, you muss turn on RGB

Die light blau background in die table ist die Ausführung Konfiguration mit Punkt Wolke enabled, und die colorless background ist die Ausführung Konfiguration ohne Punkt Wolke enabled. All die Test Daten below have die algorithm shifted down durch Standard, so für S2 series Kameras, alle Test Werte may be too small [some algorithms von S2 series Kameras sind forced zu move up]. Ubuntu16.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	10.59	0.0~26.7
Dual Stream	14.13	0.0~60.0
Third rate	16.56	0.0~37.5
Fourth rate	108.25	93.8~162.5
Point Wolke + Tiefe	105.13	93.8~153.3
Algorithm + Depth	5.44	0.0~43.0
Algorithm + Depth + Point Cloud	104.39	93.8~120.0
Algorithm + Depth + RGB	13.15	6.2~40.0
Algorithm + Tiefe + RGB + Punkt Wolke	105.96	93.8~146.7
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	109.29	93.8~162.5

Ubuntu18.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	10.31	0.0~27.5
Dual Stream	12.81	5.9~27.8
Third rate	16.23	5.9~37.5
Fourth rate	105.95	88.2~131.2
Point Wolke + Tiefe	103.55	88.2~156.2
Algorithm + Depth	56.32	0.0~43.8
Algorithm + Depth + Point Cloud	104.07	78.3~43.8
Algorithm + Depth + RGB	15.22	5.9~70.6
Algorithm + Tiefe + RGB + Punkt Wolke	104.56	93.8~125.0
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	105.52	61.5~204.8

ROS2
Run Configuration	Mean %	Interval %
Single Stream	19.19	5.9~88.2
Dual Stream	23.17	6.2~109.1
Third rate	30.59	9.1~125.0
Fourth rate	108.44	44.4~158.6
Point Wolke + Tiefe	102.19	37.5~143.9
Algorithm + Depth	6.44	0.0~26.7
Algorithm + Depth + Point Cloud	104.45	79.2~176.5
Algorithm + Depth + RGB	14.82	5.9~50.0
Algorithm + Tiefe + RGB + Punkt Wolke	106.89	94.1~137.5
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	108.41	94.1~162.5

Ubuntu20.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	11.46	0.0~50.0
Dual Stream	14.62	6.2~66.7
Third rate	18.46	6.2~50.0
Fourth rate	43.64	25.0~143.8
Point Wolke + Tiefe	28.37	12.5~75.0
Algorithm + Depth	6.53	0.0~43.8
Algorithm + Depth + Point Cloud	29.28	13.3~100
Algorithm+Depth+RGB	13.79	0.0~50.0
Algorithm + Tiefe + RGB + Punkt Wolke	40.64	25.0~81.2
Algorithm+Depth+Intensity+RGB+Point Cloud	44.44	25.0~75.0

ROS2
Run Configuration	Mean %	Interval %
Single Stream	8.07	0.0~20.0
Dual Stream	11.25	0.0~33.3
Third rate	16.18	6.2~62.5
Fourth rate	33.77	0.0~86.7
Point Wolke + Tiefe	27.45	12.5~81.2
Algorithm + Depth	6.13	0.0~68.8
Algorithm + Tiefe + Punkt Wolke	31.11	12.5~56.2
Algorithm+Depth+RGB	11.75	0.0~68.8
Algorithm + Depth + RGB + Point Cloud	38.04	6.2~75.0
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	40.85	18.8~106.2

Ubuntu22.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	8.05	0.0~23.5
Dual Stream	11.99	0.0~75.0
Third rate	18.08	0.0~100
Fourth rate	50.06	6.2~200
Point Wolke + Tiefe	33.92	0.0~106.2
Algorithm + Depth	7.70	0.0~43.8
Algorithm + Depth + Point Cloud	36.20	6.2~131.2
Algorithm + Depth + RGB	14.46	6.2~37.5
Algorithm + Depth + RGB + Point Cloud	39.07	18.8~94.1
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	45.61	12.5~93.8

6.3 Speicher-Details

Die Speicher Details wird zeigen die amount von Speicher resources occupied durch die node under unterschiedlich operating conditions. Die Test ist based on AMD64 [8 cores], 8G Speicher hardware Umgebung, die Test Kamera ist M4 Pro, die Test algorithm ist tray algorithm, 2D Breite und Höhe sind 1280*960, und 3D Breite und Höhe sind 640*480, 2D anti-distortion ist on, 3D anti-distortion ist off, points 110 - 3000, Tiefe 0 - 8000, ToF frame rate 14, streaming mode, smoothing level 1, noise level 1, time domain level 0, statistics Befehl ist TOP. Because die Test soft Umgebung ist VM virtual machine, it ist normal für die Daten displayed durch die physical machine zu fluctuate compared mit that in die document. For some Kameras, such wie S2, some algorithms sind calculated on die host computer, which Ergebnisse in a large amount von resource usage, which ist normal.
1. Some nouns sind explained wie folgt: -Single Stream: refers zu turning on any Stream von RGB, Tiefe, und Intensität

Dual Stream: refers zu turning on any two streams von RGB, Tiefe und Intensität

-Three streams: refers zu RGB, Tiefe, und Intensität alle three streams sind turned on

Four streams: means RGB, Tiefe, Intensität, und Punkt Wolke sind alle turned on

2. Die algorithm has a binding relationship mit some streams. Die binding relationship ist wie folgt:

To enable die pallet algorithm, die Tiefe muss be enabled
To turn on die obstacle avoidance algorithm, you muss turn on Tiefe
To turn on die positioning algorithm, you muss turn on RGB

Die light blau background in die table ist die Ausführung Konfiguration mit Punkt Wolke enabled, und die colorless background ist die Ausführung Konfiguration ohne Punkt Wolke enabled. All die Test Daten below have die algorithm shifted down durch Standard, so für S2 series Kameras, alle Test Werte may be too small [some algorithms von S2 series Kameras sind forced zu move up].

Ubuntu16.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	0.60	0.6~0.7
Dual Stream	0.61	0.6~0.8
Third rate	0.66	0.6~0.8
Fourth rate	0.79	0.7~0.9
Point Wolke + Tiefe	0.60	0.5~0.7
Algorithm + Depth	0.50	0.5~0.5
Algorithm + Tiefe + Punkt Wolke	0.60	0.5~0.7
Algorithm + Depth + RGB	0.62	0.6~0.8
Algorithm + Tiefe + RGB + Punkt Wolke	0.71	0.6~0.9
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	0.79	0.7~0.9

Ubuntu18.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	1.01	1.1~1.2
Dual Stream	1.10	1.1~1.2
Third rate	1.10	1.1~1.2
Fourth rate	1.19	1.1~1.3
Point Wolke + Tiefe	1.09	0.9~1.2
Algorithm + Depth	0.90	0.9~1.0
Algorithm + Tiefe + Punkt Wolke	1.09	0.9~1.2
Algorithm + Depth + RGB	1.10	1.1~1.2
Algorithm + Tiefe + RGB + Punkt Wolke	1.19	1.1~1.3
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	1.20	1.1~1.4

ROS2
Run Configuration	Mean %	Interval %
Single Stream	1.19	1.1~1.2
Dual Stream	1.27	1.1~1.3
Third rate	1.29	1.2~1.3
Fourth rate	1.57	1.3~1.6
Point Wolke + Tiefe	1.20	1.1~1.3
Algorithm + Depth	0.90	0.9~0.9
Algorithm + Tiefe + Punkt Wolke	1.10	1.0~1.2
Algorithm + Depth + RGB	1.10	1.1~1.2
Algorithm + Tiefe + RGB + Punkt Wolke	1.30	1.3~1.4
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	1.41	1.3~1.6

Ubuntu20.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	1.21	1.2~1.4
Dual Stream	1.30	1.3~1.4
Third rate	1.30	1.3~1.4
Fourth rate	1.33	1.3~1.5
Point Wolke + Tiefe	1.21	1.2~1.4
Algorithm + Depth	1.19	1.1~1.2
Algorithm + Tiefe + Punkt Wolke	1.22	1.2~1.4
Algorithm + Depth + RGB	1.30	1.3~1.4
Algorithm + Tiefe + RGB + Punkt Wolke	1.32	1.3~1.5
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	1.33	1.3~1.5

ROS2
Run Configuration	Mean %	Interval %
Single Stream	1.20	1.2~1.3
Dual Stream	1.20	1.2~1.3
Third rate	1.30	1.3~1.4
Fourth rate	1.64	1.4~1.7
Point Wolke + Tiefe	1.36	1.1~1.4
Algorithm + Depth	1.10	1.1~1.1
Algorithm + Depth + Point Cloud	1.19	1.1~1.3
Algorithm + Depth + RGB	1.40	1.4~1.4
Algorithm + Tiefe + RGB + Punkt Wolke	1.58	1.4~1.7
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	1.60	1.5~1.7

Ubuntu22.04

ROS1
Run Configuration	Mean %	Interval %
Single Stream	1.28	1.1~1.3
Dual Stream	1.29	1.2~1.3
Third rate	1.20	1.2~1.3
Fourth rate	1.49	1.4~1.6
Point Wolke + Tiefe	1.11	1.1~1.2
Algorithm + Depth	1.00	1.0~1.0
Algorithm + Depth + Point Cloud	1.11	1.1~1.2
Algorithm + Depth + RGB	1.20	1.2~1.3
Algorithm + Tiefe + RGB + Punkt Wolke	1.55	1.3~1.6
Algorithm + Tiefe + Intensität + RGB + Punkt Wolke	1.51	1.3~1.7

Anhang

Dies Anhang provides Installation Methoden für some tools. When using these Methoden, you müssen zu have at least some grundlegenden knowledge von Linux. There ist no guarantee that every computer kann be successfully installed through die Methoden shown in die Anhang von dies document. Die Umgebung von each computer ist unterschiedlich, und die problems encountered may not be consistent. Wenn you encounter problems not shown in dies Anhang, please search für solutions yourself.

1. Cmake specified Version Installation method

Öffnen Sie https://cmake.org/download/, laden Sie die erforderliche CMake-Version herunter und entpacken Sie das Paket mit tar -zxvf cmake-XXX.tar.gz. Wechseln Sie in das entpackte Verzeichnis und kompilieren und konfigurieren Sie CMake: ./bootstrap make sudo make install Check die Cmake Version zu see if die Installation ist erfolgreich: cmake —version

2. Opencv specified Version Installation method

Download die erforderlich Version von opencv: Releases-OpenCV

Illustrations zugehörig zu die Installation method von die specified Version von Opencv

Environment Konfiguration, execute die folgende Befehle in sequence:

sudo apt-get install build-essential sudo apt-getinstallcmake gitlibgtk2.0-devpkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

Create a new opencv Ordner und extract die downloaded Quelle Code into die opencv Ordner.
Ausführen die folgende Befehle in sequence:
cd opencv
mkdir build && cd build
sudocmake-DCMAKE_BUILD_TYPE=Release-D
CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make -j4
sudo make installieren und wait für die Installation zu complete

3. Pcl specified Version Installation method

Check die unterstützt pcl Version:

apt-cache madison libpcl-dev

Installieren die specified pcl Version (where 1.10.0 needs zu be replaced mit die erforderlich Version Nummer):

sudo apt-get install libpcl-dev=1.10.0

4. ROS installieren

Ubuntu16.04

Add die software Quelle und festlegen die secret key:

sudo sh -c ‘echo “deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main” > /etc/apt/sources.list.d/ros-latest.list’ sudoapt-keyadv—keyserver’hkp://keyserver.ubuntu.com:80’—recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

Add secret key:

curl -sSL ‘http://keyserver.ubuntu.com/pks/lookup?op=get&search=0xC1CF6E31E6BADE8868B172B4F42ED6FBAB17C654’ | sudo apt-key add -

Update Quelle:

sudo apt-get update

Installieren complete ros:

sudo apt-get install ros-kinetic-desktop-full

Configure Umgebung variables:

echo “Quelle /opt/ros/kinetic/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc

Schließen Sie ab ROS-zugehörig tools:

sudoaptinstallpython-rosinstallpython-rosinstall-generatorpython-wstool build-essential

Now that die Installation von ROS1 ist complete, ausführen die Beispiel that comes mit ROS zu prüfen whether die Installation ist correct:

Open a terminal und öffnen: roscore Open another terminal und öffnen: rosrun turtlesim turtlesim_node Open another terminal: rosrun turtlesim turtle_teleop_key In die third terminal, you kann control die little turtle through die arrow keys Wenn it kann ausführen normally wie shown below, it means that ros has been installed correctly:

Ubuntu18.04

Set up die software Quelle:

sudo sh -c ’. /etc/lsb-release && echo “deb http://mirrors.ustc.edu.cn/ros/ubuntu/ `lsb_release -cs` main” > /etc/apt/sources.Liste.d/ros-latest.Liste’ 2.Set die public key: sudoapt-keyadv—keyserver’hkp://keyserver.ubuntu.com:80’—recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

Update software Liste:

sudo apt update

Installieren Ubuntu18.04 Version von ROS1:

sudo apt install ros-melodic-desktop-full

Set Umgebung variables:

echo “Quelle /opt/ros/melodic/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc if it is zsh: echo “Quelle /opt/ros/melodic/Einrichtung.bash” >> ~/.zshrc source ~/.zshrc

Schließen Sie ab ROS-zugehörig tools:

sudoaptinstallpython-rosdeppython-rosinstallpython-rosinstall-generator python-wstool build-essential

Now that die Installation von ROS1 ist complete, ausführen die Beispiel that comes mit ROS zu prüfen whether die Installation ist correct:

Installation ROS zugehörig Abbildungen 2

Ubuntu20.04

Configure die public key:

sudoapt-keyadv—keyserver’hkp://keyserver.ubuntu.com:80’—recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

Wenn it shows that it cannot connect zu die Server oder times out, please aktualisieren die software Quelle Liste zuerst:

sudo apt-get update sudo apt-get upgrade

After configuring die public key, aktualisieren die software Liste again:

sudo apt-get update install ros: sudo apt install ros-noetic-desktop-full

Set Umgebung variables:

echo “Quelle /opt/ros/noetic/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc

ROS installieren tools:

sudo apt install python3-rosinstall python3-rosinstall-generator python3-wstool build-essential

Now that die Installation von ROS1 ist complete, ausführen die Beispiel that comes mit ROS zu prüfen whether die Installation ist correct:

Installation ROS zugehörig Abbildungen 3

Ubuntu22.04 It ist not empfohlen zu installieren ros1 in Ubuntu22.04. It ist not officially unterstützt. Wenn you want zu installieren it, you wird encounter a lot von dependency problems.

5. Neues Testpaket in ROS erstellen

Create a new Ordner ws, create a new src Ordner in die ws Ordner, öffnen die src Ordner und execute:

catkin_create_pkg example std_msgs rospy roscpp

Dies creates a new package named Beispiel, which depends on std_msgs rospy roscpp
Anschließend kompilieren dies new package: catkin_make Dies ist an empty package, there wird not be any executable program, it ist just a package
Next, we wird demonstrate how zu create a package that kann Ausgabe ‘Hellow world’
Based on die package just now, we öffnen die src Ordner (src in die package) und create a new main.cpp, wie shown below (pay attention zu die Pfad):

Illustration von how zu create a new Test package in Ros

In main.cpp, we öffnen some codes:

Ros How zu Create a New Test Package Related Illustration 2

Anschließend we change die outside CMakeLists.txt und ergänzen a line at die bottom: ergänzen_executable(Beispiel src/main.cpp)

Ros How zu Create a New Test Package Related Illustration 3

Anschließend return zu die ws Verzeichnis zu kompilieren und execute die Befehl: catkin_make

Ros How zu Create a New Test Package Related Illustration 4

Seeing these means die Kompilierung ist erfolgreich.
Next we configure die Umgebung:

source devel/setup.bash

Ros How zu Create a New Test Package Related Illustrations 5

Anschließend execute die program und you kann see die Ausgabe:

rosrun example example

Ros How zu Create a New Test Package Related Illustrations 6

6. ROS installieren2

Ubuntu16.04

Add secret key:

sudo apt-get update && sudo apt-get install curl curl http://repo.ros2.org/repos.key | sudo apt-key add -

Add permissions:

sudo apt update && sudo apt install curl gnupg2 lsb-release curl-shttps://raw.githubusercontent.com/ros/rosdistro/master/ros.asc|sudo apt-key add -

Wenn an Fehler ist reported in dies step, verwenden VPN zu bypass die wall und then öffnen die browser, öffnen die URL, und copy die content, then create a new ros.asc und copy die content zu die Datei. After die copy ist completed, die folgende ist wie folgt:
Anschließend re-execute step 3: sudo apt-key ergänzen ros.asc
Continue Ausführung:

sudo sh -c ‘echo “deb [arch=amd64] http://packages.ros.org/ros2/ubuntu bionic main” > /etc/apt/sources.list.d/ros2-latest.list’

ROS installieren2:

sudo apt update sudo apt install ros-ardent-desktop

Configure Umgebung variables:

source /opt/ros/ardent/setup.bash

Installieren die Funktion package:

sudo apt-get update sudo apt-get install ros-ardent-ros1-bridge sudo apt-get install ros-ardent-turtlebot2-*

Try Ausführung die Beispiel program, öffnen a terminal und ausführen:

source ~/.bashrc ros2 run demo_nodes_cpp talker

Open another interrupt zu ausführen:

source~/.bashrc ros2 run demo_nodes_cpp talker

Die folgende terminal Ausgabe proves that die Installation ist erfolgreich:

Ubuntu18.04：

Add software Quelle

sudo apt update && sudo apt install curl gnupg2 lsb-release curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc sudo apt-key add ros.asc

Wenn dies step reports an Fehler wie folgt:
Use VPN zu bypass die wall, then öffnen die browser, öffnen die URL, und copy die content, then create a new ros.asc und copy die content zu die Datei. After die copy ist completed, it ist wie folgt:
Anschließend re-execute step 3: sudo apt-key ergänzen ros.asc
Continue Ausführung:

sudo sh -c ‘echo “deb [arch=amd64] http://packages.ros.org/ros2/ubuntu bionic main” > /etc/apt/sources.list.d/ros2-latest.list’

After completion, starten downloading ros2, in which die red fonts müssen zu be replaced mit unterschiedlich Versionen (see die table above):

sudo apt update sudo apt install ros-eloquent-desktop

Wait für die Installation zu complete und continue zu installieren die python library. Ausführen: sudo apt installieren -y libpython3-dev python3-pip pip3 installieren -U argcomplete

Anschließend configure die Umgebung variables: echo “Quelle /opt/ros/eloquent/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc

Try Ausführung die Beispiel program, öffnen a terminal und ausführen:

source ~/.bashrc ros2 run demo_nodes_cpp talker

Open another interrupt zu ausführen:

source ~/.bashrc ros2 run demo_nodes_py listener

Die folgende terminal Ausgabe proves that die Installation ist erfolgreich:

Ubuntu20.04

Add software Quelle

sudo apt update && sudo apt install curl gnupg2 lsb-release sudo curl -sSL [https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o](https://raw.githubusercontent.com/ros/rosdistro/master/ros.key -o) /usr/share/keyrings/ros-archive-keyring.gpg

Wenn you encounter die Fehler “ailed zu connect zu raw.githubusercontent.com port 443 nach 13 ms: connection refused”

sudo vi /etc/hosts

Add die folgende analysis

185.199.108.133raw.githubusercontent.com

Die added Dateien sind wie folgt:

Installation ROS2 zugehörig Abbildungen 7

echo”deb[arch=(Quelle/etc/os-Veröffentlichungs&&echo$UBUNTU_CODENAME) main” | sudo tee /etc/apt/sources.Liste.d/ros2.Liste > /dev/null

Continue Ausführung:

sudo sh -c ‘echo “deb [arch=amd64] http://packages.ros.org/ros2/ubuntu bionicmain” > /etc/apt/sources.list.d/ros2-latest.list’

After completion, starten downloading ros2:

sudo apt update sudo apt install ros-foxy-desktop

Wait für die Installation zu complete und continue zu installieren die python library. Ausführen: sudo apt installieren -y libpython3-dev python3-pip pip3 installieren -U argcomplete
Anschließend configure die Umgebung variables:

echo “Quelle /opt/ros/foxy/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc

Try Ausführung die Beispiel program, öffnen a terminal und ausführen:

source ~/.bashrc ros2 run demo_nodes_cpp talker

Open another interrupt zu ausführen:

source ~/.bashrc ros2 run demo_nodes_py listener

Die folgende terminal Ausgabe proves that die Installation ist erfolgreich:

Ubuntu22.04

Add software Quelle

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.gpgecho”deb[arch=(source/etc/os-release&&echo$UBUNTU_CODENAME) main” | sudo tee /etc/apt/sources.list.d/ros2.list > /dev/null

Wenn you encounter die Fehler “ailed zu connect zu raw.githubusercontent.com port 443 nach 13 ms: connection refused”

sudo vi /etc/hosts adds the following analysis 185.199.108.133raw.githubusercontent.com Die added Dateien sind wie folgt:

Installation ROS2 zugehörig Abbildungen 10

After completion, starten downloading ros2: sudo apt aktualisieren

sudo apt install ros-humble-desktop

Wait für die Installation zu complete und continue zu installieren die python library. Ausführen: sudo apt installieren -y libpython3-dev python3-pip pip3 installieren -U argcomplete
Anschließend configure die Umgebung variables:

echo “Quelle /opt/ros/humble/Einrichtung.bash” >> ~/.bashrc source ~/.bashrc

Try Ausführung die Beispiel program, öffnen a terminal und ausführen:

source ~/.bashrc ros2 run demo_nodes_cpp talker

Open another interrupt zu ausführen:

source ~/.bashrc ros2 run demo_nodes_py listener

Die folgende terminal Ausgabe proves that die Installation ist erfolgreich:

7. Neues Testpaket in ROS erstellen2

Ausführen die Befehl:

mkdir example_ws && cd example_ws ros2 pkg create —build-type ament_cmake —node-name example_n example_p colcon build source install/setup.bash ros2 run example_p example_n

You kann create a new package named Beispiel_p und a node named Beispiel_n. After Ausführung, it wird Ausgabe: hello world Beispiel_p package

​Übersicht

​System und Umgebung

​Kompatible Systeme und Abhängigkeitsversionen

​2.2 System- und Anwendungsversion prüfen

​2.2.1 Systemversion prüfen

​2.2.2 CMake-Version prüfen

​2.2.3 GCC-Version prüfen

​2.2.4 OpenCV-Version anzeigen

​2.2.5 PCL-Version prüfen

​2.2.6 ROS-Version anzeigen

​2.3 Grundlegende Entwicklungsumgebung einrichten

​2.3.1 CMake installieren

​2.3.2 GCC installieren

​2.4 Optionale Entwicklungsumgebung einrichten

​2.4.1 OpenCV installieren [kann Kamerabilder anzeigen]

​2.4.2 PCL installieren [kann Punktwolken anzeigen]

​Beispielcode vorbereiten

​3.1 Installationsskript ausführen

​3.2 Einführung in den Beispielcode

​3.2.1 C und C++ Beispiel Code

​3.2.2 Java Beispiel Code

​3.2.3 ROS Beispiel Code

​3.2.4 ROS2 Beispiel Code

​3.2.5 ros-v1pro Beispiel Code

​Beispiele kompilieren und ausführen

​4.1 Compiling und Ausführung C und C++ Beispiel Code

​4.2 Ablauf zum Ausführen des Java-Beispiels

​4.3 ROS-Beispielcode kompilieren und ausführen

​4.4 ROS2-Beispielcode kompilieren und ausführen

​4.5 Kompilieren und Ausführen des ros-v1pro-Beispielcodes

​Referenz zum Beispielcode

​5.1 C und C++

​5.1.1 CMakeLists

​5.1.2 Anwendung_obstacle und Anwendung_pallet

​5.1.3 arm_local_camera

​5.1.4 frame_callback

​5.1.5 multi_cameras

​5.1.6 single_camera

​5.1.7 single_camera2

​5.2 java

​5.3 ROS1 & ROS2

​5.3.1 ROS1 launch Datei Beschreibung

5.3.1.1 All launch Dateien

5.3.1.2 Camera IP, Stream Konfiguration, working mode Konfiguration, Punkt Wolke unit, etc.

5.3.1.3 Camera pose Konfiguration

5.3.1.4 Whether zu verwenden launch Konfiguration

5.3.1.5 2D Parameter Konfiguration

5.3.1.6 3D Parameter Konfiguration

5.3.1.7 Maximum und minimal Tiefe

​5.3.2 ROS2 launch Datei Beschreibung

5.3.2.1 All launch Dateien

5.3.2.2 Camera IP, Stream Konfiguration, working mode Konfiguration, Punkt Wolke unit, etc.

5.3.2.3 Camera pose Konfiguration

5.3.2.4 Whether zu verwenden launch Konfiguration

5.3.2.5 2D Parameter Konfiguration

5.3.2.6 3D Parameter Konfiguration

5.3.2.7 Maximum und minimal Tiefe

​5.3.3 Unique theme Beschreibung

5.3.3.1 FrameRate.msg

5.3.3.2 Obstacle.msg

5.3.3.3 Obstacle_box.msg

5.3.3.4 Result.msg

5.3.3.5 Pallet.msg

​5.3.4 Unique Service Description

5.3.4.1 LxBool.srv

5.3.4.2 LxCmd.srv

5.3.4.3 LxFloat.srv

5.3.4.4 LxInt.srv

5.3.4.5 LxString.srv

​5.3.5 Description von topic subscription Methoden

5.3.5.1 Subscription frame rate, tray algorithm, obstacle avoidance algorithm Ausgabe Daten

5.3.5.2 Subscribe zu Bild Daten (ROS1)

5.3.5.3 Subscribe zu Bild Daten (ROS2)

5.3.5.4 Subscribe zu Punkt Wolke Daten

​5.3.6 Description von Service communication Methoden

5.3.6.1 Get die Liste von alle Parameter Zahlen (Lx_Cmd)

5.3.6.2 Get Int Parameter (Lx_Int)

5.3.6.3 Set Int Parameter (Lx_Int)

5.3.6.4 Get Float Parameter (Lx_Float)

5.3.6.5 Set Float Parameter (Lx_Float)

Übersicht

System und Umgebung

Kompatible Systeme und Abhängigkeitsversionen

2.2 System- und Anwendungsversion prüfen

2.2.1 Systemversion prüfen

2.2.2 CMake-Version prüfen

2.2.3 GCC-Version prüfen

2.2.4 OpenCV-Version anzeigen

2.2.5 PCL-Version prüfen

2.2.6 ROS-Version anzeigen

2.3 Grundlegende Entwicklungsumgebung einrichten

2.3.1 CMake installieren

2.3.2 GCC installieren

2.4 Optionale Entwicklungsumgebung einrichten

2.4.1 OpenCV installieren [kann Kamerabilder anzeigen]

2.4.2 PCL installieren [kann Punktwolken anzeigen]

Beispielcode vorbereiten

3.1 Installationsskript ausführen

3.2 Einführung in den Beispielcode

3.2.1 C und C++ Beispiel Code

3.2.2 Java Beispiel Code

3.2.3 ROS Beispiel Code

3.2.4 ROS2 Beispiel Code

3.2.5 ros-v1pro Beispiel Code

Beispiele kompilieren und ausführen

4.1 Compiling und Ausführung C und C++ Beispiel Code

4.2 Ablauf zum Ausführen des Java-Beispiels

4.3 ROS-Beispielcode kompilieren und ausführen

4.4 ROS2-Beispielcode kompilieren und ausführen

4.5 Kompilieren und Ausführen des ros-v1pro-Beispielcodes

Referenz zum Beispielcode

5.1 C und C++

5.1.1 CMakeLists

5.1.2 Anwendung_obstacle und Anwendung_pallet

5.1.3 arm_local_camera

5.1.4 frame_callback

5.1.5 multi_cameras

5.1.6 single_camera

5.1.7 single_camera2

5.2 java

5.3 ROS1 & ROS2

5.3.1 ROS1 launch Datei Beschreibung

5.3.2 ROS2 launch Datei Beschreibung

5.3.3 Unique theme Beschreibung

5.3.4 Unique Service Description

5.3.5 Description von topic subscription Methoden

5.3.6 Description von Service communication Methoden

Empfohlene ROS-Hardware und Ressourcenverbrauch

6.1 Empfohlene Hardware-Konfiguration

6.2 CPU-Details

6.3 Speicher-Details

Anhang

1. Cmake specified Version Installation method

2. Opencv specified Version Installation method

3. Pcl specified Version Installation method

4. ROS installieren

5. Neues Testpaket in ROS erstellen

6. ROS installieren2

7. Neues Testpaket in ROS erstellen2