Linux SDK 예제

문서 버전: V1.0, 개정일: 2024-10-12.

개요

Linux용 MRDVS Camera SDK에는 C/C++, Java(HTTP 서비스), ROS 및 ROS 2 예제가 포함되어 있습니다. 예제는 기본 SDK 작업 흐름을 보여주므로 프로젝트에 맞는 로직과 오류 처리를 추가하세요. 먼저 환경 설정, 설치 스크립트 및 샘플 디렉터리 확인을 완료하세요. 그런 다음 대상 언어의 컴파일 및 실행 섹션을 따르세요. 부록에는 일반 종속성과 테스트 패키지의 설치 방법이 정리되어 있습니다.

시스템 및 환경

호환 시스템 및 종속성 버전

다음 Linux 시스템을 지원합니다. 기본 프로그램 버전은 아래와 같습니다.

시스템 버전	CMake/GCC	OpenCV	PCL	ROS	ROS2
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 시스템 및 애플리케이션 버전 확인

2.2.1 시스템 버전 확인

uname -a

결과:

운영체제 릴리스 버전 번호: 5.15.0

주 버전 번호: 5
버전 번호: 15 [홀수는 개발 버전이고 짝수는 안정 버전입니다]
개정 번호: 0 [수정 횟수]
이 버전의 N번째 개정: 97
커널 버전: #107~20.0.4.1, 일반적으로 시스템 버전은 커널 버전입니다

2.2.2 CMake 버전 확인

cmake --version

결과:

CMake 버전은 3.16.3

2.2.3 GCC 버전 확인

gcc -v

결과:

버전 번호는 왼쪽 아래 파란색 상자에 표시됩니다. 여기 표시된 버전은 9.4.0

2.2.4 OpenCV 버전 확인

pkg-config --modversion opencv

결과:

여기 표시된 버전은 3.2.0

2.2.5 PCL 버전 확인

dpkg -l libpcl-dev

결과: 여기 표시된 버전은 1.8.1

2.2.6 ROS 버전 확인

rosversion -d

결과:

여기 표시된 버전은 eloquent (Ubuntu18.04에 해당하는 ROS 2 버전)

여기 표시된 버전은 noetic (Ubuntu20에 해당하는 ROS 1 버전)

2.3 기본 개발 환경 구성

설치하기 전에 설치 목록을 업데이트해야 합니다.

sudo apt update

결과는 다음과 같습니다.

2.3.1 CMake 설치

sudo apt install cmake

2.3.2 GCC 설치

sudo apt install build-essential

2.4 선택적 개발 환경 구성

2.4.1 OpenCV 설치 [카메라 이미지를 표시할 수 있음]

sudo apt-get install libopencv-dev

2.4.2 PCL 설치 [포인트 클라우드를 표시할 수 있음]

sudo apt-get install libpcl-dev

샘플 코드 준비

3.1 설치 스크립트 실행

Lanxin-MRDVS 파일의 압축을 풀고 Lanxin-MRDVS 폴더로 이동하세요.

마우스 오른쪽 버튼을 클릭하여 콘솔을 여세요.
install.sh 스크립트를 실행하세요.

/opt/ 디렉터리로 이동하여 설치가 성공했는지 확인하세요.

폴더를 찾을 수 있으면 설치가 성공한 것입니다.
설치에 실패하면 opt 디렉터리에 수동으로 추가해야 합니다.
set_socket_buffer_size.sh 스크립트를 실행하세요.

이제 설치 스크립트 실행이 완전히 완료되었습니다!

3.2 샘플 코드 소개

Sample 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

C 폴더에는 C 및 C++ 관련 코드가 들어 있습니다.
Java 폴더에는 SDK를 간접적으로 호출하기 위한 HTTP 서버가 들어 있습니다.
ROS 폴더에는 ROS 예제가 들어 있습니다.
ROS2 폴더에는 ROS 2 예제가 들어 있습니다.

3.2.1 C 및 C++ 샘플 코드

C 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

폴더 9개와 CMakeLists 파일 1개가 있으며 각 폴더에 cpp 파일이 들어 있습니다. 각 cpp의 주요 기능은 다음과 같습니다.

application_obstacle: 카메라 스트림 데이터를 가져와 장애물 회피 알고리즘을 활성화하고 알고리즘 결과를 출력합니다.
application_pallet: 카메라 스트림 데이터를 가져와 팔레트 알고리즘을 활성화하고 알고리즘 결과를 출력합니다.
arm_local_camera: 카메라 [ARM]에서 SDK를 호출하고 스트림 데이터를 가져옵니다.
frame_callback: 콜백 방식으로 카메라 스트림 데이터를 가져옵니다.
multi_cameras: 여러 카메라를 열고 스트리밍 데이터를 가져옵니다.
single_camera: 단일 카메라를 열고 스트리밍 데이터를 가져옵니다.
single_camera2: 구조체를 통해 프레임 데이터를 가져옵니다.

필요에 따라 다양한 샘플 코드를 선택하여 테스트하고 수정할 수 있습니다.

3.2.2 Java 샘플 코드

Java 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

디렉터리에는 폴더 2개, postman.json 파일 및 README가 있습니다.

Config: 서버 관련 구성이 저장된 폴더
Middleware: 서버 토픽
LxCamera.postman_collection.json: Postman 구성 파일
README: Java 가상 서버 사용 안내

3.2.3 ROS 샘플 코드

ros 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

lx_camera_node_ws: 표준 ROS 드라이버가 들어 있는 폴더
README.EN: 노드를 컴파일하고 새 노드를 만드는 방법을 영어로 설명합니다.

3.2.4 ROS 2 샘플 코드

ros2 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

lx_camera_node_ws: 표준 ROS 2 드라이버가 들어 있는 폴더
README.EN: 노드를 컴파일하고 새 노드를 만드는 방법을 영어로 설명합니다.

3.2.5 ros-v1pro 샘플 코드

ros-v1pro 디렉터리로 이동하세요. 디렉터리 내용은 다음과 같습니다.

src: 표준 ROS 드라이버가 들어 있는 폴더
README: 이 노드의 사용 방법을 설명합니다.
README.pdf: 이 노드의 사용 방법을 설명합니다.

샘플 컴파일 및 실행

4.1 C 및 C++ 샘플 코드 컴파일 및 실행

예제의 C 폴더로 이동하세요.

C 폴더에서 터미널을 열고 다음을 실행하세요.

mkdir build
cd build
cmake ..
make

실행이 성공하면 build 폴더로 이동하세요. 내용은 다음과 같습니다.

실행 파일은 bin 디렉터리에 있습니다. bin 디렉터리의 내용은 다음과 같습니다.

arm 예제를 제외한 모든 예제가 컴파일됩니다. 실행 파일 이름은 예제 폴더 이름과 같으며 바로 실행할 수 있습니다.

4.2 Java 샘플 실행 절차

Java는 다른 샘플 코드와 다릅니다. 소스 코드를 직접 제공하지 않고 HTTP 서버와 Postman 예제를 제공합니다. HTTP를 통해 카메라를 간접적으로 제어하려면 Java 예제를 선택하고 Java 폴더로 이동하세요. 폴더 내용은 다음과 같습니다.

실행 절차는 다음과 같습니다.

config 폴더로 이동하여 Configs.json 파일의 http_sever_host 필드와 http_sever_port 필드를 수정하세요.
middleware 폴더로 이동하여 start.sh 스크립트를 실행하고 전송 서버를 활성화하세요.

Postman으로 LxCamera.postman_collection.json 파일을 열어 샘플 포트로 데이터를 보내세요.

4.3 ROS 샘플 코드 컴파일 및 실행

ROS 폴더로 이동하여 콘솔을 열고 다음을 실행하세요.

roscore

마우스 오른쪽 버튼을 클릭하여 콘솔을 열고 lx_camera_node_ws 폴더로 이동한 다음 다음을 실행하세요.

catkin_make

실행이 성공하면 다음과 같이 표시됩니다.

이제 폴더에 devel 및 build가 컴파일되어 생성됩니다.

다음 명령을 실행하여 환경을 로드하고 roslaunch로 노드를 시작하세요.

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

위에서부터 일반 노드, 장애물 회피 알고리즘 2 노드, 장애물 회피 알고리즘 노드, 팔레트 알고리즘 노드입니다. 각 노드는 동시에 활성화할 수 없습니다.

4.4 ROS 2 샘플 코드 컴파일 및 실행

ros2 폴더로 이동하세요. 폴더 내용은 다음과 같습니다.

ROS 노드 예제는 colcon으로 컴파일합니다. 먼저 컴파일 도구를 설치하세요.

sudo apt install python3-colcon-common-extensions

그런 다음 ros-pcl 종속 패키지를 설치하세요. foxy를 시스템에 설치된 ROS 2 배포판 이름으로 바꾸세요.

sudo apt-get install ros-foxy-pcl*

설치 후 lx_camera_node_ws 디렉터리로 이동하여 프로젝트를 빌드하세요.

colcon build

컴퓨터 성능에 따라 컴파일에는 보통 30~120초가 걸립니다. 컴파일이 성공하면 다음과 같이 표시됩니다.

일부 경고는 버전 호환성 문제로 발생하므로 처리하지 않아도 됩니다. 컴파일이 완료되면 폴더 내용은 다음과 같습니다.

다음 명령을 실행하여 환경을 로드하고 ros2 launch로 노드를 시작하세요.

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 ros-v1pro 샘플 코드 컴파일 및 실행

ros-v1pro는 V1PRO 카메라 전용 ROS 드라이버입니다. ros-v1pro 폴더의 README.pdf에서 드라이버를 자세히 설명합니다. 이 문서에서는 간단한 소개만 제공합니다. ros-v1pro 폴더로 이동하여 컴파일하세요.

catkin_make

환경을 로드하세요.

source devel/setup.bash

마지막으로 노드를 실행하세요.

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

위에서부터 위치 지정 노드, 맵 생성 노드, 가상 데이터 노드를 실행합니다. 각 노드는 동시에 활성화할 수 없습니다.

샘플 코드 참고

이 섹션에서는 모든 코드와 의사 코드를 여러 부분으로 나눕니다. 일반적으로 한 섹션의 내용은 같은 파일에 속합니다. 자세한 설명이 있는 특수 파일을 제외하면 소스 코드 파일에는 일반 모듈만 설명되어 있으며 세부 설명은 코드 주석으로 제공됩니다.

5.1 C 및 C++

5.1.1 CMakeLists

5.1.2 application_obstacle 및 application_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

Java 예제는 HTTP 서버만 제공하므로 여기서는 인터페이스와 메시지 형식만 설명합니다. 아래와 같이 Postman으로 샘플 파일을 여세요. 모든 메시지는 POST 방식입니다. 보내기 전에 IP를 서버 IP로 변경하되 URL은 수정하지 마세요. URL은 서버 내부에 하드 코딩되어 있습니다. 응답 메시지 형식과 내용은 모두 body에 있습니다. 예제에서 제공하는 인터페이스는 다음과 같습니다.

1.DcGetApiVersion: SDK 버전 번호를 가져오며 입력 파라미터는 없습니다.

2.DcSetInfoOutput: SDK 로그 출력 경로를 설정합니다. 매개변수는 다음과 같습니다.

log_path: 로그 출력 경로
print_level: 로그 출력 수준
enable_screen_print: 콘솔에 로그를 출력할지 여부

3.DcLog: SDK 로그에 로그를 출력합니다. 입력한 내용은 모두 SDK 로그에 표시됩니다. 4.DcGetDeviceList: 장치 목록을 가져옵니다. 입력은 없으며 출력은 JSON입니다. 5.DcOpenDevice: 장치를 열고 다음과 같이 입력합니다.

open_mode: 카메라를 여는 모드
param: 카메라를 열기 위한 매개변수

6.DcStartStream: 특정 카메라가 스트리밍 데이터를 전송하기 시작하도록 합니다. 입력 매개변수는 다음과 같습니다.

handle: 카메라 핸들입니다. DcOpenDevice에서 반환됩니다.

7.DcSetCmd: 카메라에 명령을 전달합니다. 다음과 같이 입력합니다.

handle: 설정할 카메라의 핸들
cmd: 명령 번호

8.DcGetPtrValue: 포인터 데이터(이미지, 매개변수 등)를 가져옵니다. 다음과 같이 입력합니다.

handle: 설정할 카메라의 핸들
cmd: 명령 번호

9.DcSetIntValue: 카메라의 int 형식 매개변수를 설정합니다. 다음과 같이 입력합니다.

handle: 설정할 카메라의 핸들
cmd: 명령 번호
value: 설정할 값

10.DcGetIntValue: 장치의 int 형식 매개변수를 가져옵니다. 다음과 같이 입력합니다.

handle: 설정할 카메라의 핸들
cmd: 명령 번호

기타 관련 지침은 다음 표를 참고하세요.

전송	`{"log_path" : "./", "print_level" : 2, "enable_screen_print" : 0 }`	수신	`{"errCode" : 0 }`
전송	`{"open_mode" : 0, "param" : "0"<br />}`	수신	`{"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 />}`
전송	`{"handle" :174539057817<br />095,<br />"cmd" : 6001<br />}`	수신	`{"errCode" : 0,<br />"value" :"\u0011\u0001\u0014\u0001..." }`

5.3 ROS1 및 ROS2

ROS 설명에서는 드라이버 소스 코드 자체보다 launch 파일의 구성에 해당하는 내용, 구성 조정 방법, 메시지 송수신 및 구독 방법을 다룹니다. 제공되는 ROS 노드에는 대부분의 기능이 이미 포함되어 있으므로 드라이버 소스 코드를 직접 수정하지 않는 것이 좋습니다. 특별한 요구 사항이 있다면 먼저 C++ 예제의 코드 흐름을 이해한 후 드라이버 소스 코드를 수정하세요. ROS 드라이버를 실행할 때는 시스템 기본 경로에 있는 OpenCV와 PCL 버전이 각각 하나만 존재하는지 확인해야 합니다. 그렇지 않으면 ROS 라이브러리를 링크할 때 오류가 발생하여 컴파일이 실패하거나 실행 중 충돌이 발생할 수 있습니다.

5.3.1 ROS1 launch 파일 설명

5.3.1.1 모든 launch 파일

src/launch 폴더에는 다음 파일이 있습니다.

localization.launch: 시각 위치 추정 노드 실행 파일
lx_camera_ros.launch: 일반 노드 실행 파일
mapping.launch: 시각 위치 추정 매핑 실행 파일
obstacle.launch: 장애물 회피 알고리즘 실행 파일
obstacleV2.launch: 장애물 회피 알고리즘 V2 실행 파일
pallet.launch: 팔레트 알고리즘 실행 파일
sensor_sim.launch: 위치 추정 데이터를 시뮬레이션하는 실행 파일

서로 다른 launch 파일을 실행하면 노드의 다른 기능을 실행할 수 있습니다. localization, mapping 및 sensor를 제외하면 모든 노드의 매개변수 내용은 같지만 구성은 다릅니다. 자세한 내용은 다음 섹션에서 설명합니다. localization, mapping 및 sensor 세 launch 파일의 매개변수에 대한 자세한 설명은 ros-v1pro 노드 설명을 참고하세요.

5.3.1.2 카메라 IP, 스트림 구성, 작동 모드 구성, 포인트 클라우드 단위 등

ip: 연결할 카메라의 IP입니다. 0으로 설정하면 기본적으로 첫 번째 카메라에 연결합니다.
log_path: SDK 로그 저장 경로이며 절대 경로를 입력해야 합니다.
is_xyz: 포인트 클라우드 데이터를 전송할지 여부
is_depth: 깊이 데이터를 전송할지 여부
is_amp: 강도 맵 데이터를 전송할지 여부
is_rgb: RGB 이미지 데이터를 전송할지 여부
lx_work_mode: 작동 모드
lx_application: 알고리즘 활성화 여부. 0: 끔, 1: 장애물 회피 알고리즘, 2: 팔레트 알고리즘, 3: 위치 추정 알고리즘, 4: 장애물 회피 알고리즘 V2
lx_tof_unit: 포인트 클라우드 단위. 1은 미터, 0은 밀리미터이며 rviz에서 확인할 때는 1로 변경해야 합니다.

5.3.1.3 카메라 자세 구성

포인트 클라우드의 회전 각도와 변환 벡터를 구성할 수 있습니다.

X: 포인트 클라우드 중심을 기준으로 한 카메라의 X축 변환량
Y: 포인트 클라우드 중심을 기준으로 한 카메라의 Y축 변환량
Z: 포인트 클라우드 중심을 기준으로 한 카메라의 Z축 변환량
Yaw: Z축을 기준으로 한 포인트 클라우드의 회전 각도
Roll: X축을 기준으로 한 포인트 클라우드의 회전 각도
Pitch: Y축을 기준으로 한 포인트 클라우드의 회전 각도

5.3.1.4 launch 구성 사용 여부

launch 파일의 카메라 매개변수 구성을 사용할지 선택할 수 있습니다.

raw_param: 0: 카메라의 구성 사용, 1: launch 파일의 구성 사용

이 매개변수를 0 또는 1로 설정하더라도 이 매개변수보다 앞선 모든 매개변수는 설정됩니다. 0과 1은 이 매개변수 뒤의 매개변수에만 적용됩니다.

5.3.1.5 2D 매개변수 구성

lx_2d_binning：0：1x1，1：2x2，2：4x4
lx_2d_undistort: 2D 왜곡 보정, 0: 끔, 1: 켬
lx_2d_undistort_scale: 2D 왜곡 보정 계수
lx_2d_auto_exposure: 2D 자동 노출, 0: 끔, 1: 켬
lx_2d_auto_exposure_value: 2D 자동 노출 목표 강도
lx_2d_exposure: 2D 노출 값
lx_2d_gain: 2D 게인

5.3.1.6 3D 매개변수 구성

lx_rgb_to_tof: RGB 정렬
lx_3d_binning：0：1x1，1：2x2，2：4x4
lx_mulit_mode: 다중 장치 모드. 다중 장치 간섭을 제거할 수 있으며 0: 끔, 1: 켬
lx_3d_undistort: 3D 왜곡 보정, 0: 끔, 1: 켬
lx_3d_undistort_scale: 3D 왜곡 보정 계수
lx_hdr: HDR, 0: 끔, 1: 켬
lx_3d_auto_exposure: 3D 자동 노출, 0: 끔, 1: 켬
lx_3d_auto_exposure_value: 3D 자동 노출 목표 강도
lx_3d_first_exposure: 3D 고점
lx_3d_second_exposure: 3D 저점
lx_3d_gain: 3D 게인

5.3.1.7 최대 및 최소 깊이

lx_min_depth: 최소 깊이
lx_max_depth: 최대 깊이

5.3.2 ROS2 launch 파일 설명

5.3.2.1 모든 launch 파일

src/launch 폴더에는 다음 파일이 있습니다.

localization.launch.py: 시각 위치 추정 노드 실행 파일
lx_camera_ros.launch.py: 일반 노드 실행 파일
mapping.launch.py: 시각 위치 추정 매핑 실행 파일
obstacle.launch.py: 장애물 회피 알고리즘 실행 파일
obstacleV2.launch.py: 장애물 회피 알고리즘 V2 실행 파일
pallet.launch.py: 팔레트 알고리즘 실행 파일
sensor_sim.launch.py: 위치 추정 데이터를 시뮬레이션하는 실행 파일

서로 다른 launch 파일을 실행하면 노드의 다른 기능을 실행할 수 있습니다. localization, mapping 및 sensor를 제외하면 모든 노드의 매개변수 내용은 같지만 구성은 다릅니다. 자세한 내용은 다음 섹션에서 설명합니다. localization, mapping 및 sensor 세 launch 파일의 매개변수에 대한 자세한 설명은 ros-v1pro 노드 설명을 참고하세요.

5.3.2.2 카메라 IP, 스트림 구성, 작동 모드 구성, 포인트 클라우드 단위 등

ip: 연결할 카메라의 IP입니다. 0으로 설정하면 기본적으로 첫 번째 카메라에 연결합니다.
log_path: SDK 로그 저장 경로이며 절대 경로를 입력해야 합니다.
is_xyz: 포인트 클라우드 데이터를 전송할지 여부
is_depth: 깊이 데이터를 전송할지 여부
is_amp: 강도 맵 데이터를 전송할지 여부
is_rgb: RGB 이미지 데이터를 전송할지 여부
lx_work_mode: 작동 모드
lx_application: 알고리즘 활성화 여부. 0: 끔, 1: 장애물 회피 알고리즘, 2: 팔레트 알고리즘, 3: 위치 추정 알고리즘, 4: 장애물 회피 알고리즘 V2
lx_tof_unit: 포인트 클라우드 단위. 1은 미터, 0은 밀리미터이며 rviz에서 확인할 때는 1로 변경해야 합니다.

5.3.2.3 카메라 자세 구성

포인트 클라우드의 회전 각도와 변환 벡터를 구성할 수 있습니다.

X: 포인트 클라우드 중심을 기준으로 한 카메라의 X축 변환량
Y: 포인트 클라우드 중심을 기준으로 한 카메라의 Y축 변환량
Z: 포인트 클라우드 중심을 기준으로 한 카메라의 Z축 변환량
Yaw: Z축을 기준으로 한 포인트 클라우드의 회전 각도
Roll: X축을 기준으로 한 포인트 클라우드의 회전 각도
Pitch: Y축을 기준으로 한 포인트 클라우드의 회전 각도

5.3.2.4 launch 구성 사용 여부

launch 파일의 카메라 매개변수 구성을 사용할지 선택할 수 있습니다.

raw_param: 0: 카메라의 구성 사용, 1: launch 파일의 구성 사용

이 매개변수를 0 또는 1로 설정하더라도 이 매개변수보다 앞선 모든 매개변수는 설정됩니다. 0과 1은 이 매개변수 뒤의 매개변수에만 적용됩니다.

5.3.2.5 2D 매개변수 구성

lx_2d_binning：0：1x1，1：2x2，2：4x4
lx_2d_undistort: 2D 왜곡 보정, 0: 끔, 1: 켬
lx_2d_undistort_scale: 2D 왜곡 보정 계수
lx_2d_auto_exposure: 2D 자동 노출, 0: 끔, 1: 켬
lx_2d_auto_exposure_value: 2D 자동 노출 목표 강도
lx_2d_exposure: 2D 노출 값
lx_2d_gain: 2D 게인

5.3.2.6 3D 매개변수 구성

lx_rgb_to_tof: RGB 정렬
lx_3d_binning：0：1x1，1：2x2，2：4x4
lx_mulit_mode: 다중 장치 모드. 다중 장치 간섭을 제거할 수 있으며 0: 끔, 1: 켬
lx_3d_undistort: 3D 왜곡 보정, 0: 끔, 1: 켬
lx_3d_undistort_scale: 3D 왜곡 보정 계수
lx_hdr: HDR, 0: 끔, 1: 켬
lx_3d_auto_exposure: 3D 자동 노출, 0: 끔, 1: 켬
lx_3d_auto_exposure_value: 3D 자동 노출 목표 강도
lx_3d_first_exposure: 3D 고점
lx_3d_second_exposure: 3D 저점
lx_3d_gain: 3D 게인

5.3.2.7 최대 및 최소 깊이

lx_min_depth: 최소 깊이
lx_max_depth: 최대 깊이

5.3.3 고유 토픽 설명

ROS1과 ROS2의 고유 토픽 형식은 같으므로 여기서는 ROS1을 예로 사용합니다. src/msg 폴더에는 다음 파일이 있습니다.

5.3.3.1 FrameRate.msg

이 노드는 프레임 속도 정보를 출력합니다. 메시지 형식은 다음과 같습니다.

header: 현재 데이터의 프레임 정보 및 타임스탬프
depth: 깊이 맵을 켜면 깊이 맵의 프레임 속도를 출력합니다.
amp: 강도 맵을 켜면 강도 맵의 프레임 속도를 출력합니다.
rgb: RGB를 켜면 RGB 프레임 속도를 출력합니다.
temperature: 카메라 온도를 출력합니다.

노드가 실행되기 시작하면(시각 위치 추정 관련 노드는 제외) LxCamera_FrameRate 노드를 구독하여 관련 정보를 가져올 수 있습니다. 출력은 다음과 같습니다.

5.3.3.2 Obstacle.msg

obstacle은 장애물 회피 알고리즘 결과와 관련된 정보를 출력합니다. obstacle 메시지 형식은 다음과 같습니다.

header: 현재 데이터의 프레임 정보 및 타임스탬프
status: 장애물 회피에서 반환한 상태 정보

0: 정상적인 장애물 회피 -1: 지면이 설정되지 않음 -2: 입력이 설정되지 않음 -3: 범위 내에 포인트 클라우드가 없음 -4: 지면을 필터링한 후 포인트 클라우드가 비어 있음 -5: 반경 필터링 후 포인트 클라우드가 비어 있음 -6: 세분화 결과를 가져오지 못함 -99: 정의되지 않은 오류

io_output: IO 인터페이스에서 출력하는 장애물 회피 정보

0: 정상 1: 경고 2: 종료

box_number: 장애물 수
box: 장애물 정보. 가변 길이 배열이며 길이는 box_number로 결정됩니다.

노드가 실행되기 시작하면(장애물 회피 알고리즘을 켜야 함) LxCamera_Obstacel 노드를 구독하여 관련 정보를 가져올 수 있습니다. 출력은 다음과 같습니다(그림의 데이터는 시뮬레이션 데이터입니다).

5.3.3.3 Obstacle_box.msg

obstacle_box는 장애물 관련 정보를 출력하며 obstacle_box 메시지 형식은 다음과 같습니다.

center: 포인트 클라우드에서 장애물의 질량 중심
rotation: 장애물 포인트 클라우드의 회전 행렬
translation: 장애물 포인트 클라우드의 변환 벡터
width: 장애물 프레임의 너비
height: 장애물 프레임의 높이
depth: 장애물 프레임의 깊이

실행을 시작하면(장애물 회피 알고리즘을 켜야 함) LxCamera_Obstacel 노드를 구독하여 관련 정보를 가져올 수 있습니다. 출력은 다음과 같습니다.

5.3.3.4 Result.msg

노드의 service에 명령 메시지를 보낸 후 반환되는 값은 Result에 저장됩니다.

ret: SDK 실행으로 가져온 반환 값
msg: SDK 실행으로 가져온 반환 값에 대한 설명

5.3.3.5 Pallet.msg

팔레트는 팔레트 알고리즘 결과와 관련된 정보를 출력합니다. 팔레트 메시지 형식은 다음과 같습니다.

header: 현재 데이터의 프레임 정보 및 타임스탬프
status: 팔레트 인식에서 반환한 상태 정보:

0: 감지 성공 -1: 지면이 감지되지 않음 -2: 팔레트 다리가 감지되지 않음 -3: 팔레트 사이의 거리가 너무 멂 -4: 알 수 없는 오류

x: 트레이와 카메라 광학 중심 사이의 X 거리
y: 트레이와 카메라 광학 중심 사이의 Y 거리
yaw: 트레이 중심과 카메라 광학 중심 사이의 세타 각도

노드가 실행되기 시작하면(팔레트 알고리즘을 켜야 함) LxCamera_Pallet 노드를 구독하여 관련 정보를 가져올 수 있습니다. 출력은 다음과 같습니다.

5.3.4 고유 서비스 설명

ROS1과 ROS2의 고유 서비스 형식은 같으므로 여기서는 ROS1을 예로 사용합니다. src/srv 폴더에는 다음 파일이 있습니다.

이 메시지는 카메라의 특정 매개변수 값을 설정하거나 가져오는 데 사용됩니다. 위쪽 [---]는 전송 데이터이고 아래쪽 [---]는 반환 데이터입니다.

5.3.4.1 LxBool.srv

cmd: 가져오거나 설정할 매개변수 번호
val: 설정할 때 입력하는 값
is_set: 매개변수를 설정할지 여부입니다. true이면 val의 값이 카메라에 설정되고, false이면 카메라에서 이 매개변수의 값을 읽어 표시합니다.
val: 가져오기 또는 설정 작업 후 반환되는 카메라의 현재 매개변수 값
결과: SDK 인터페이스 호출로 반환되는 값과 정보

5.3.4.2 LxCmd.srv

cmd: 가져오거나 설정할 매개변수 번호입니다. 0이면 모든 매개변수 번호를 반환합니다.
결과: SDK 인터페이스 호출로 반환되는 값과 정보입니다. cmd는 여러 값을 반환할 수 있습니다.

5.3.4.3 LxFloat.srv

cmd: 가져오거나 설정할 매개변수 번호
val: 설정할 때 입력하는 값
is_set: 매개변수를 설정할지 여부입니다. true이면 val의 값이 카메라에 설정되고, false이면 카메라에서 이 매개변수의 값을 읽어 표시합니다.
max_value: 이 매개변수에 설정할 수 있는 최대값
min_value: 이 매개변수에 설정할 수 있는 최소값
cur_value: 카메라에 설정된 이 매개변수의 현재 값
available: 이 매개변수를 설정할 수 있는지 여부
결과: SDK 인터페이스 호출로 반환되는 값과 정보

5.3.4.4 LxInt.srv

cmd: 가져오거나 설정할 매개변수 번호
val: 설정할 때 입력하는 값
is_set: 매개변수를 설정할지 여부입니다. true이면 val의 값이 카메라에 설정되고, false이면 카메라에서 이 매개변수의 값을 읽어 표시합니다.
max_value: 이 매개변수에 설정할 수 있는 최대값
min_value: 이 매개변수에 설정할 수 있는 최소값
cur_value: 카메라에 설정된 이 매개변수의 현재 값
available: 이 매개변수를 설정할 수 있는지 여부
결과: SDK 인터페이스 호출로 반환되는 값과 정보

5.3.4.5 LxString.srv

cmd: 가져오거나 설정할 매개변수 번호
val: 설정할 때 입력하는 값
is_set: 매개변수를 설정할지 여부입니다. true이면 val의 값이 카메라에 설정되고, false이면 카메라에서 이 매개변수의 값을 읽어 표시합니다.
val: 가져오기 또는 설정 작업 후 반환되는 카메라의 현재 매개변수 값
결과: SDK 인터페이스 호출로 반환되는 값과 정보

5.3.5 토픽 구독 방식 설명

5.3.5.1 프레임 속도, 팔레트 알고리즘, 장애물 회피 알고리즘 출력 데이터 구독

프레임 속도 구독 lx_camera_node_ws 디렉터리에서 다음을 입력합니다: bash rate.sh

lx_camera_node 노드 이미지가 정상적으로 실행되고 갱신되면 다음 정보를 확인할 수 있습니다.

팔레트 알고리즘 출력 구독 lx_camera_node_ws 디렉터리에서 다음을 입력합니다: bash pallet.sh

lx_camera_node 노드 이미지가 정상적으로 실행되고 갱신되면 다음 정보를 확인할 수 있습니다.

장애물 회피 알고리즘 출력 구독 lx_camera_node_ws 디렉터리에서 다음을 입력합니다: bash obstacle.sh

lx_camera_node 노드 이미지가 정상적으로 실행되고 갱신되면 다음 정보를 확인할 수 있습니다.

5.3.5.2 이미지 데이터 구독(ROS1)

ROS에 포함된 이미지 도구를 사용하여 노드가 출력하는 이미지 정보를 확인할 수 있습니다. 콘솔에 다음 명령을 입력합니다: rqt_image_view 명령을 입력하면 다음 창이 표시됩니다.

빨간색 상자에서 모든 노드의 이미지를 선택할 수 있습니다. 그림에는 MRDVS 카메라의 RGB 이미지가 표시되어 있습니다. 스트림을 켠 경우 깊이 맵이나 강도 맵도 선택할 수 있습니다.

그림에서 첫 번째 빨간색 상자는 위치 추정 알고리즘 노드가 출력한 RGB 정보이고, 나머지 세 항목은 일반 노드가 출력한 이미지 정보입니다. amp는 강도 맵, depth는 깊이 맵, rgb는 RGB 맵입니다. 항목을 선택하여 서로 다른 이미지를 확인하거나 rviz를 사용하여 이미지 데이터를 확인할 수 있습니다. 콘솔에 rviz 명령을 입력하면 다음 창이 표시됩니다.

왼쪽 아래의 Add(추가) 버튼을 클릭하면 창이 표시됩니다.

원하는 이미지 토픽을 선택하고 Image를 선택한 다음 오른쪽 아래의 OK를 클릭하세요. 아래 그림처럼 기본 화면 왼쪽에서 이미지 데이터를 확인할 수 있습니다.

5.3.5.3 이미지 데이터 구독(ROS2)

ROS2에 포함된 이미지 도구를 사용하여 노드가 출력하는 이미지 정보를 확인할 수 있습니다. 콘솔에 rqt 명령을 입력하세요. 명령을 입력하면 다음 창이 표시됩니다.

메뉴 막대 아래쪽의 두 번째 항목에서 첫 번째 Image View(이미지 보기)를 선택하세요. 선택하면 다음 화면이 표시됩니다.

그림에서 첫 번째 빨간색 상자는 위치 추정 알고리즘 노드가 출력한 RGB 정보이고, 나머지 세 항목은 일반 노드가 출력한 이미지 정보입니다. amp는 강도 맵, depth는 깊이 맵, rgb는 RGB 맵입니다. 항목을 선택하여 서로 다른 이미지를 확인하거나 rviz2를 사용하여 이미지 데이터를 확인할 수 있습니다. 콘솔에 rviz2 명령을 입력하면 다음 창이 표시됩니다.

왼쪽 아래의 Add(추가) 버튼을 클릭하면 창이 표시됩니다.

일부 시스템에서는 이미지를 보려면 위 그림의 [map]에 [mrdvs]를 입력해야 합니다.

5.3.5.4 포인트 클라우드 데이터 구독

노드가 출력하는 포인트 클라우드 정보는 ROS 또는 ROS2에서 제공하는 포인트 클라우드 도구로 확인할 수 있습니다. 명령: rviz【ROS1】, rviz2【ROS2】 명령을 입력하면 다음 창이 표시됩니다.

아래 빨간색 상자의 버튼을 클릭하면 다음 상자가 표시됩니다.

두 번째 탭을 선택하면 lx_camera_node라는 노드가 표시됩니다. 이 노드에는 LxCamera_Cloud라는 토픽이 있고, 토픽에는 PointCloud2라는 메시지가 있습니다. 선택한 후 OK를 클릭하세요. 완료 후 화면은 다음과 같습니다.

(ROS1 인터페이스)

(ROS2 인터페이스) 이때 포인트 클라우드가 정상적으로 표시되지 않으면 위 그림의 빨간색 및 초록색 상자에 있는 map에 mrdvs를 입력하세요. 결과는 다음과 같습니다.

ROS의 기본 포인트 클라우드 단위는 미터입니다. 따라서 rviz로 확인할 때는 launch 파일의 lx_tof_unit을 1로 변경해야 합니다 [기본값은 1].

5.3.6 서비스 통신 방식 설명

ROS1에서는 Tab 키를 사용하여 모든 명령을 자동 완성할 수 있지만 ROS2에서는 토픽만 자동 완성할 수 있으며 메시지 부분은 직접 입력해야 합니다. ROS1에서 데이터를 입력할 때는 자동 완성 형식으로 입력할 수 있습니다. ROS2에서 데이터를 입력할 때는 YAML 파일 형식으로 입력해야 합니다. 노드가 실행되면 lx_camera_node_ws 폴더에서 터미널을 열고 터미널의 환경을 구성한 후 다음 명령을 입력합니다: source devel/setup.bash

5.3.6.1 모든 매개변수 번호 목록 가져오기(Lx_Cmd)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxCmd “cmd: 0”

출력을 확인할 수 있습니다.

ret는 매개변수 번호입니다. msg에는 매개변수 형식과 설명이 포함됩니다. 예를 들어 1001은 int 형식이며 첫 번째 노출 값을 가져오고 수정하는 데 사용됩니다. ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxCmd lx_camera_ros/srv/LxCmd ‘cmd: 0’

다음 출력을 확인할 수 있습니다.

ROS2에서는 매개변수 세부 정보를 확인하기가 불편하므로 모든 매개변수의 번호, 형식 및 설명을 다음 표에도 정리했습니다.

번호	형식	ROS 설명	상세 설명
1001	INT	FIRST_EXPOSURE	기본 고점 적분 노출 값
1002	INT	SECOND_EXPOSURE	기본 저점 적분 노출 값
1003	INT	THIRD_EXPOSURE	기본 중간점 적분 노출 값
1004	INT	FOURTH_EXPOSURE	네 번째 포인트
1005	INT	GAIN	게인
1011	INT	MIN_DEPTH	최소 깊이 값
1012	INT	MAX_DEPTH	최대 깊이 값
1013	INT	MIN_AMPLITUDE	최소 유효 신호 강도 값
1014	INT	MAX_AMPLITUDE	최대 유효 신호 강도 값
1016	INT	CODE_MODE	코딩 모드
1018	INT	WORK_MODE	작동 모드
1019	INT	LINK_SPEED	네트워크 카드 속도
1021	INT	3D_IMAGE_WIDTH	3D 이미지 해상도 너비
1022	INT	3D_IMAGE_HEIGHT	3D 이미지 해상도 높이
1023	INT	3D_IMAGE_OFFSET_X	ROI 가로 오프셋 픽셀
1024	INT	3D_IMAGE_OFFSET_Y	ROI 세로 오프셋 픽셀
1025	INT	3D_BINNING_MODE	3D 이미지 비닝
1026	INT	3D_DEPTH_DATA_TYPE	깊이 이미지 데이터 형식
1031	INT	3D_AMPLITUDE_CHANNEL	3D 강도 이미지 채널 번호
1032	INT	3D_AMPLITUDE_GET_TYPE	강도 이미지를 가져오는 방법
1033	INT	3D_AMPLITUDE_EXPOSURE	3D 수동 노출 값
1034	INT	3D_AMPLITUDE_INTENSITY	3D 자동 목표 조명 강도
1035	INT	3D_AMPLITUDE_DATA_TYPE	강도 이미지 데이터 형식
1036	INT	3D_AUTO_EXPOSURE_LEVEL	3D 자동 노출 수준
1041	INT	2D_IMAGE_WIDTH	2D 이미지 해상도 너비
1042	INT	2D_IMAGE_HEIGHT	2D 이미지 해상도 높이
1043	INT	2D_IMAGE_OFFSET_X	2D 이미지 ROI 가로 오프셋
1044	INT	2D_IMAGE_OFFSET_Y	2D 이미지 ROI 세로 오프셋
1045	INT	2D_BINNING_MODE	2D 이미지 비닝
1046	INT	2D_IMAGE_CHANNEL	2D 이미지 채널 수
1047	INT	2D_IMAGE_DATA_TYPE	2D 이미지 데이터 형식
1051	INT	2D_MANUAL_EXPOSURE	수동 노출 중 2D 노출 값
1052	INT	2D_MANUAL_GAIN	수동 노출 중 2D 게인
1053	INT	2D_ENCODE_TYPE	2D 이미지 압축 형식
1054	INT	2D_AUTO_EXPOSURE_LEVEL	2D 이미지 자동 노출 등
1061	INT	TOF_GLOBAL_OFFSET	ToF 깊이 데이터 오프셋
1062	INT	3D_UNDISTORT_SCALE	ToF 이미지 왜곡 보정 계수
1065	INT	ALGORITHM_MODE	내장 애플리케이션 알고리즘 설정
1066	INT	MODBUS_ADDR	Modbus 주소
1067	INT	HEART_TIME	장치와의 하트비트 주기
1068	INT	GVSP_PACKET_SIZE	GVSP 단일 패킷 데이터 크기
1069	INT	TRIGGER_MODE	트리거 모드
1070	INT	CALCULATE_UP	알고리즘 상하 이동
1072	INT	CAN_BAUD_RATE	CAN 보드레이트 값
1073	INT	MAX_3D_AUTO_EXPOSURE	3D 자동 노출 상한
1074	INT	CUSTOM_PARAM_GROUP	사용자 정의 매개변수 그룹
2001	FLOAT	FILTER_LEVEL	필터 수준
2002	FLOAT	EST_OUT_EXPOSURE	과다 노출 데이터를 평가할지 여부
2003	FLOAT	LIGHT_INTENSITY	광도
2004	FLOAT	3D_DEPTH_FPS	현재 깊이 맵 프레임 속도
2005	FLOAT	3D_AMPLITUDE_FPS	현재 강도 맵 프레임 속도
2006	FLOAT	2D_IMAGE_FPS	현재 RGB 이미지 프레임 속도
2007	FLOAT	DEVICE_TEMPERATURE	현재 카메라 온도
3001	BOOL	CONNECT_STATE	현재 연결 상태
3002	BOOL	ENABLE_3D_DEPTH_STREAM	깊이 데이터 스트림 켜기/끄기
3003	BOOL	ENABLE_3D_AMP_STREAM	강도 데이터 스트림 켜기/끄기
3006	BOOL	ENABLE_3D_AUTO_EXPOSURE	3D 자동 노출 활성화
3007	BOOL	ENABLE_3D_UNDISTORT	3D 왜곡 보정 활성화
3008	BOOL	ENABLE_ANTI_FLICKER	플리커 방지 활성화
3011	BOOL	ENABLE_2D_STREAM	2D 데이터 스트림 켜기/끄기
3012	BOOL	ENABLE_2D_AUTO_EXPOSURE	2D 자동 노출 활성화
3015	BOOL	ENABLE_2D_UNDISTORT	2D 이미지 왜곡 보정 활성화
3016	BOOL	ENABLE_2D_TO_DEPTH	2D-3D 이미지 정렬 활성화
3017	BOOL	ENABLE_BACKGROUND_AMP	강도 배경광 활성화
3018	BOOL	ENABLE_MULTI_MACHINE	다중 장치 모드 활성화
3019	BOOL	ENABLE_MULTI_EXPOSURE_HDR	HDR
3020	BOOL	ENABLE_SYNC_FRAME	강제 프레임 동기화 활성화 여부
4001	STRING	DEVICE_VERSION	장치 버전 번호
4002	STRING	DEVICE_LOG_NAME	로그 파일 이름
4003	STRING	FIRMWARE_NAME	펌웨어 파일 이름
4004	STRING	FILTER_PARAMS	필터 알고리즘 매개변수
4005	STRING	ALGORITHM_PARAMS	내장 알고리즘 매개변수
4006	STRING	ALGORITHM_VERSION	내장 알고리즘 버전 번호
4007	STRING	DEVICE_OS_VERSION	장치 시스템 이미지 버전 번호
0	CMD	GET_PARAM_LIST	모든 매개변수 번호 가져오기
1	CMD	START_STREAM	장치 스트림 시작
2	CMD	STOP_STREAM	장치 스트림 중지
5001	CMD	GET_NEW_FRAME	현재 최신 데이터 업데이트
5002	CMD	RETURN_VERSION	이전 버전으로 되돌리기
5003	CMD	RESTART_DEVICE	카메라 다시 시작
5004	CMD	WHITE_BALANCE	자동 화이트 밸런스
5007	CMD	RESET_PARAM	기본 매개변수 복원

일부 매개변수는 스트림을 중지해야 설정할 수 있거나 설정 순서가 정해져 있습니다. 구체적인 요구 사항은 기술 지원 담당자에게 문의하세요.

5.3.6.2 Int 매개변수 가져오기(Lx_Int)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxInt “cmd: 1001 val: 0 is_set: false”

출력을 확인할 수 있습니다.

빨간색 상자 안의 값은 반환 값입니다. 그림에서 가져온 값은 고점 적분 시간입니다. 반환 결과에 따르면 최대값은 3600, 최소값은 1, 현재 값은 1010, 설정 지원 여부는 지원됨, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxInt lx_camera_ros/srv/LxInt '{cmd: 1001,val: 0,is_set: false}'

출력 결과를 확인할 수 있습니다.

그림에서 가져온 값은 고점 적분 시간입니다. 반환 결과에 따르면 최대값은 3600, 최소값은 1, 현재 값은 1010, 설정 지원 여부는 지원됨, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.

5.3.6.3 Int 매개변수 설정(Lx_Int)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxInt “cmd: 1001 val: 2000 is_set: true”

출력 결과를 확인할 수 있습니다.

빨간색 상자 안의 값은 반환 값입니다. 그림에서는 고점 적분 시간을 설정했습니다. 반환 결과에 따르면 최대값은 3600, 최소값은 1, 현재 값은 2000 으로 변경되었고, 설정 지원 여부는 지원됨, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxInt lx_camera_ros/srv/LxInt '{cmd: 1001,val: 3000,is_set: true}'

출력 결과를 확인할 수 있습니다.

그림에서 가져온 값은 고점 적분 시간입니다. 반환 결과에 따르면 최대값은 3600, 최소값은 1, 현재 값은 3000 으로 변경되었고, 설정 지원 여부는 지원됨, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.

5.3.6.4 Float 매개변수 가져오기(Lx_Float)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxFloat “cmd: 2007 val: 0.0 is_set: false”

출력 결과를 확인할 수 있습니다.

빨간색 상자 안의 값은 반환 값입니다. 그림에서 가져온 값은 카메라 온도입니다. 반환 결과에 따르면 최대값은 120, 최소값은 -40, 현재 값은 49.6875, 설정 지원 여부는 지원되지 않음, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxFloat lx_camera_ros/srv/LxFloat '{cmd: 2007,val: 0,is_set: false}'

출력 결과를 확인할 수 있습니다.

그림에서 가져온 값은 카메라 온도입니다. 반환 결과에 따르면 최대값은 120, 최소값은 -40, 현재 값은 50.4375, 설정 지원 여부는 지원되지 않음, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.

5.3.6.5 Float 매개변수 설정(Lx_Float)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxFloat “cmd: 2007 val: 5.0 is_set: true”

출력 결과를 확인할 수 있습니다.

빨간색 상자에 반환 값이 표시됩니다. 그림에서 카메라 온도를 설정했습니다. 반환 결과에 따르면 최댓값은 120, 최솟값은 -40, 현재 값은 50.9375 이며 설정 지원 여부는 지원되지 않음, 인터페이스 호출 반환 값은 -2, 반환 정보는 지원되지 않음 입니다. 여기서 설정한 값은 5이지만 이 파라미터는 설정을 지원하지 않으므로 현재 값과 설정 값이 다릅니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxFloat lx_camera_ros/srv/LxFloat '{cmd: 2007,val: 5.0,is_set: true}'

출력 결과를 확인할 수 있습니다.

그림에서 카메라 온도를 설정했습니다. 반환 결과에 따르면 최댓값은 120, 최솟값은 -40, 현재 값은 51.125 이며 설정 지원 여부는 지원되지 않음, 인터페이스 호출 반환 값은 -2, 반환 정보는 지원되지 않음 입니다. 여기서 설정한 값은 5이지만 이 파라미터는 설정을 지원하지 않으므로 현재 값과 설정 값이 다릅니다.

5.3.6.6 Bool 파라미터 가져오기 (Lx_Bool)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxBool “cmd: 3012 val: false is_set: false”

출력 결과를 확인할 수 있습니다.

빨간색 상자에 반환 값이 표시됩니다. 그림은 2D 자동 노출을 보여줍니다. 반환 결과에 따르면 현재 값은 false, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxBool lx_camera_ros/srv/LxBool '{cmd: 3012,val: false,is_set: false}'

출력 결과를 확인할 수 있습니다.

그림은 2D 자동 노출을 보여줍니다. 반환 결과에 따르면 현재 값은 false, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.

5.3.6.7 Bool 파라미터 설정 (Lx_Bool)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxBool “cmd: 3012 val: true is_set: true”

출력 결과를 확인할 수 있습니다.

빨간색 상자에 반환 값이 표시됩니다. 그림에서 2D 자동 노출을 설정했습니다. 반환 결과에 따르면 현재 값은 true, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 이며 현재 값은 설정 값과 일치합니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxBool lx_camera_ros/srv/LxBool '{cmd: 3012,val: true,is_set: true}'

출력 결과를 확인할 수 있습니다.

그림의 설정 항목은 2D 자동 노출입니다. 반환 결과에 따르면 현재 값은 true, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 이며 현재 값은 설정 값과 일치합니다.

5.3.6.8 String 매개변수 가져오기(Lx_String)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxString “cmd: 4001 val: ” is_set: false”

출력 결과를 확인할 수 있습니다.

빨간색 상자 안의 값은 반환 값입니다. 그림에서 가져온 값은 장치 버전 번호입니다. 반환 결과에 따르면 현재 값은 V1.1.33_231201, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxString lx_camera_ros/srv/LxString '{cmd: 4001,val: '',is_set: false}'

출력 결과를 확인할 수 있습니다.

그림에서 가져온 값은 장치 버전 번호입니다. 반환 결과에 따르면 현재 값은 V1.1.33_231201, 인터페이스 호출 반환 값은 0, 반환 정보는 성공 입니다.

5.3.6.9 String 매개변수 설정(Lx_String)

ROS1 터미널에 다음을 입력합니다: rosservice call /lx_camera_node/LxCamera_LxString “cmd: 4001 val: ‘put:\“123\”’ is_set: true”

출력 결과를 확인할 수 있습니다.

빨간색 상자 안의 값은 반환 값입니다. 그림에서는 장치 버전 번호를 설정했습니다. 반환 결과에 따르면 현재 값은 V1.1.33_231201, 인터페이스 호출 반환 값은 -2, 반환 정보는 지원되지 않음 입니다. 이 매개변수는 설정을 지원하지 않으므로 현재 값과 설정 값이 일치하지 않습니다.
ROS2 터미널에 다음을 입력합니다: ros2 service call /LxCamera_LxString lx_camera_ros/srv/LxString '{cmd: 4001,val: "put:\\"123\\"",is_set: true}'

출력 결과를 확인할 수 있습니다.

그림에서는 장치 버전 번호를 설정했습니다. 반환 결과에 따르면 현재 값은 V1.1.33_231201, 인터페이스 호출 반환 값은 -2, 반환 정보는 지원되지 않음 입니다. 이 매개변수는 설정을 지원하지 않으므로 현재 값과 설정 값이 일치하지 않습니다. String 형식 값을 설정할 때는 ROS2의 처음 큰따옴표와 ROS1의 처음 작은따옴표를 제외하고 작은따옴표와 큰따옴표에 이스케이프 문자를 추가해야 합니다. 예를 들어 문자열 [PUT”123”]을 입력하려면 이스케이프 문자를 추가하여 [PUT\”123\”]로 입력해야 합니다.

ROS 권장 하드웨어 및 리소스 사용량

6.1 권장 하드웨어 구성

권장 하드웨어 구성은 CPU 코어 수, CPU 사용량 및 메모리 크기를 기준으로 분석합니다. 이는 권장 구성이지 최소 요구 사항이 아닙니다. 하드웨어가 권장 사양보다 낮아도 스트림 출력을 줄이거나 포인트 클라우드 계산을 끄거나 알고리즘 부하를 낮추면 안정적으로 작동할 수 있습니다. 사용 가능한 구성보다 높은 부하를 실행하면 ROS 코어 또는 Ubuntu가 충돌할 수 있습니다. 이 장의 두 번째 및 세 번째 섹션에서는 자세한 사용량 데이터를 제공합니다. 시스템에 가장 적합한 실행 환경과 스트림 구성을 선택하세요. 여기 제시된 모든 데이터는 M4 Pro 카메라를 사용하는 VM에서 수집했습니다. Ubuntu16.04

ROS 버전	CPU	메모리	대역폭
ros	AMD64 [쿼드 코어]	4G	1000M

Ubuntu18.04

ROS 버전	CPU	메모리	대역폭
ros	AMD64 [쿼드 코어]	4G	1000M
ros2	AMD64 [쿼드 코어]	4G	1000M

Ubuntu20.04

ROS 버전	CPU	메모리	대역폭
ros	AMD64 [쿼드 코어]	4G	1000M
ros2	AMD64 [쿼드 코어]	4G	1000M

Ubuntu22.04

ROS 버전	CPU	메모리	대역폭
ros	AMD64 [쿼드 코어]	4G	1000M

6.2 CPU 세부 정보

CPU 세부 정보에는 다양한 작동 조건에서 노드가 사용하는 CPU 리소스가 표시됩니다. 테스트는 AMD64 [8코어], 8G 메모리 하드웨어 환경을 기준으로 하며, 테스트 카메라는 M4 Pro, 테스트 알고리즘은 팔레트 알고리즘 입니다. 2D 너비와 높이는 1280*960, 3D 너비와 높이는 640*480이고, 2D 왜곡 보정은 켜짐, 3D 왜곡 보정은 꺼짐, 적분 시간 110–3000, 깊이 0–8000, ToF 프레임 속도 14, 스트리밍 모드, 평활화 수준 1, 노이즈 수준 1, 시간 영역 수준 0 으로 설정했습니다. 통계 명령은 TOP 입니다. 테스트 소프트웨어 환경이 VM 가상 머신 이므로 실제 장치에서 표시되는 데이터가 문서의 값과 비교해 변동하는 것은 정상입니다. S2와 같은 일부 카메라는 호스트 컴퓨터에서 알고리즘을 계산하므로 리소스 사용량이 많을 수 있으며 이는 정상입니다.
1. 일부 용어는 다음과 같이 설명합니다.

단일 스트림: RGB, 깊이 및 강도 중 하나의 스트림을 켠 경우
듀얼 스트림: RGB, 깊이 및 강도 중 두 스트림을 켠 경우
세 스트림: RGB, 깊이 및 강도 세 스트림을 모두 켠 경우
네 스트림: RGB, 깊이, 강도 및 포인트 클라우드를 모두 켠 경우

2. 알고리즘은 일부 스트림과 종속 관계가 있습니다. 종속 관계는 다음과 같습니다.

팔레트 알고리즘을 켜려면 깊이를 활성화해야 합니다.
장애물 회피 알고리즘을 켜려면 깊이를 켜야 합니다.
위치 추정 알고리즘을 켜려면 RGB를 켜야 합니다.

표에서 연한 파란색 배경은 포인트 클라우드를 활성화한 실행 구성이며, 배경색이 없는 행은 포인트 클라우드를 활성화하지 않은 실행 구성입니다. 아래의 모든 테스트 데이터는 기본적으로 알고리즘을 아래쪽으로 이동한 상태를 기준으로 하므로 S2 시리즈 카메라에서는 일부 테스트 값이 너무 작을 수 있습니다 [S2 시리즈 카메라의 일부 알고리즘은 강제로 위쪽으로 이동함]. Ubuntu16.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	10.59	0.0~26.7
듀얼 스트림	14.13	0.0~60.0
3개 스트림	16.56	0.0~37.5
4개 스트림	108.25	93.8~162.5
포인트 클라우드 + 깊이	105.13	93.8~153.3
알고리즘 + 깊이	5.44	0.0~43.0
알고리즘 + 깊이 + 포인트 클라우드	104.39	93.8~120.0
알고리즘 + 깊이 + RGB	13.15	6.2~40.0
알고리즘 + 깊이 + RGB + 포인트 클라우드	105.96	93.8~146.7
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	109.29	93.8~162.5

Ubuntu18.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	10.31	0.0~27.5
듀얼 스트림	12.81	5.9~27.8
3개 스트림	16.23	5.9~37.5
4개 스트림	105.95	88.2~131.2
포인트 클라우드 + 깊이	103.55	88.2~156.2
알고리즘 + 깊이	56.32	0.0~43.8
알고리즘 + 깊이 + 포인트 클라우드	104.07	78.3~43.8
알고리즘 + 깊이 + RGB	15.22	5.9~70.6
알고리즘 + 깊이 + RGB + 포인트 클라우드	104.56	93.8~125.0
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	105.52	61.5~204.8

ROS2
실행 구성	평균 %	범위 %
단일 스트림	19.19	5.9~88.2
듀얼 스트림	23.17	6.2~109.1
3개 스트림	30.59	9.1~125.0
4개 스트림	108.44	44.4~158.6
포인트 클라우드 + 깊이	102.19	37.5~143.9
알고리즘 + 깊이	6.44	0.0~26.7
알고리즘 + 깊이 + 포인트 클라우드	104.45	79.2~176.5
알고리즘 + 깊이 + RGB	14.82	5.9~50.0
알고리즘 + 깊이 + RGB + 포인트 클라우드	106.89	94.1~137.5
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	108.41	94.1~162.5

Ubuntu20.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	11.46	0.0~50.0
듀얼 스트림	14.62	6.2~66.7
3개 스트림	18.46	6.2~50.0
4개 스트림	43.64	25.0~143.8
포인트 클라우드 + 깊이	28.37	12.5~75.0
알고리즘 + 깊이	6.53	0.0~43.8
알고리즘 + 깊이 + 포인트 클라우드	29.28	13.3~100
알고리즘+깊이+RGB	13.79	0.0~50.0
알고리즘 + 깊이 + RGB + 포인트 클라우드	40.64	25.0~81.2
알고리즘+깊이+인텐시티+RGB+포인트 클라우드	44.44	25.0~75.0

ROS2
실행 구성	평균 %	범위 %
단일 스트림	8.07	0.0~20.0
듀얼 스트림	11.25	0.0~33.3
3개 스트림	16.18	6.2~62.5
4개 스트림	33.77	0.0~86.7
포인트 클라우드 + 깊이	27.45	12.5~81.2
알고리즘 + 깊이	6.13	0.0~68.8
알고리즘 + 깊이 + 포인트 클라우드	31.11	12.5~56.2
알고리즘+깊이+RGB	11.75	0.0~68.8
알고리즘 + 깊이 + RGB + 포인트 클라우드	38.04	6.2~75.0
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	40.85	18.8~106.2

Ubuntu22.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	8.05	0.0~23.5
듀얼 스트림	11.99	0.0~75.0
3개 스트림	18.08	0.0~100
4개 스트림	50.06	6.2~200
포인트 클라우드 + 깊이	33.92	0.0~106.2
알고리즘 + 깊이	7.70	0.0~43.8
알고리즘 + 깊이 + 포인트 클라우드	36.20	6.2~131.2
알고리즘 + 깊이 + RGB	14.46	6.2~37.5
알고리즘 + 깊이 + RGB + 포인트 클라우드	39.07	18.8~94.1
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	45.61	12.5~93.8

6.3 메모리 세부 정보

메모리 세부 정보에는 다양한 작동 조건에서 노드가 사용하는 메모리 리소스가 표시됩니다. 테스트는 AMD64 [8코어], 8G 메모리 하드웨어 환경을 기준으로 하며, 테스트 카메라는 M4 Pro, 테스트 알고리즘은 팔레트 알고리즘 입니다. 2D 너비와 높이는 1280*960, 3D 너비와 높이는 640*480이고, 2D 왜곡 보정은 켜짐, 3D 왜곡 보정은 꺼짐, 포인트 110–3000, 깊이 0–8000, ToF 프레임 속도 14, 스트리밍 모드, 평활화 수준 1, 노이즈 수준 1, 시간 영역 수준 0 으로 설정했습니다. 통계 명령은 TOP 입니다. 테스트 소프트웨어 환경이 VM 가상 머신 이므로 실제 장치에서 표시되는 데이터가 문서의 값과 비교해 변동하는 것은 정상입니다. S2와 같은 일부 카메라는 호스트 컴퓨터에서 알고리즘을 계산하므로 리소스 사용량이 많을 수 있으며 이는 정상입니다.
1. 일부 용어는 다음과 같이 설명합니다.

단일 스트림: RGB, 깊이 및 인텐시티 중 하나의 스트림을 켠 경우
듀얼 스트림: RGB, 깊이 및 인텐시티 중 두 스트림을 켠 경우
3개 스트림: RGB, 깊이 및 인텐시티 세 스트림을 모두 켠 경우
4개 스트림: RGB, 깊이, 인텐시티 및 포인트 클라우드를 모두 켠 경우

2. 알고리즘은 일부 스트림과 종속 관계가 있습니다. 종속 관계는 다음과 같습니다.

팔레트 알고리즘을 활성화하려면 깊이를 켜야 합니다.
장애물 회피 알고리즘을 켜려면 깊이를 켜야 합니다.
로컬라이제이션 알고리즘을 켜려면 RGB를 켜야 합니다.

표에서 연한 파란색 배경은 포인트 클라우드를 켠 실행 구성이고, 색상이 없는 배경은 포인트 클라우드를 켜지 않은 실행 구성입니다. 아래의 모든 테스트 데이터는 기본적으로 알고리즘을 아래쪽으로 이동한 상태이므로 S2 시리즈 카메라에서는 모든 테스트 값이 너무 작을 수 있습니다 [S2 시리즈 카메라의 일부 알고리즘은 강제로 위쪽으로 이동합니다].

Ubuntu16.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	0.60	0.6~0.7
듀얼 스트림	0.61	0.6~0.8
3개 스트림	0.66	0.6~0.8
4개 스트림	0.79	0.7~0.9
포인트 클라우드 + 깊이	0.60	0.5~0.7
알고리즘 + 깊이	0.50	0.5~0.5
알고리즘 + 깊이 + 포인트 클라우드	0.60	0.5~0.7
알고리즘 + 깊이 + RGB	0.62	0.6~0.8
알고리즘 + 깊이 + RGB + 포인트 클라우드	0.71	0.6~0.9
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	0.79	0.7~0.9

Ubuntu18.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	1.01	1.1~1.2
듀얼 스트림	1.10	1.1~1.2
3개 스트림	1.10	1.1~1.2
4개 스트림	1.19	1.1~1.3
포인트 클라우드 + 깊이	1.09	0.9~1.2
알고리즘 + 깊이	0.90	0.9~1.0
알고리즘 + 깊이 + 포인트 클라우드	1.09	0.9~1.2
알고리즘 + 깊이 + RGB	1.10	1.1~1.2
알고리즘 + 깊이 + RGB + 포인트 클라우드	1.19	1.1~1.3
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	1.20	1.1~1.4

ROS2
실행 구성	평균 %	범위 %
단일 스트림	1.19	1.1~1.2
듀얼 스트림	1.27	1.1~1.3
3개 스트림	1.29	1.2~1.3
4개 스트림	1.57	1.3~1.6
포인트 클라우드 + 깊이	1.20	1.1~1.3
알고리즘 + 깊이	0.90	0.9~0.9
알고리즘 + 깊이 + 포인트 클라우드	1.10	1.0~1.2
알고리즘 + 깊이 + RGB	1.10	1.1~1.2
알고리즘 + 깊이 + RGB + 포인트 클라우드	1.30	1.3~1.4
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	1.41	1.3~1.6

Ubuntu20.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	1.21	1.2~1.4
듀얼 스트림	1.30	1.3~1.4
3개 스트림	1.30	1.3~1.4
4개 스트림	1.33	1.3~1.5
포인트 클라우드 + 깊이	1.21	1.2~1.4
알고리즘 + 깊이	1.19	1.1~1.2
알고리즘 + 깊이 + 포인트 클라우드	1.22	1.2~1.4
알고리즘 + 깊이 + RGB	1.30	1.3~1.4
알고리즘 + 깊이 + RGB + 포인트 클라우드	1.32	1.3~1.5
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	1.33	1.3~1.5

ROS2
실행 구성	평균 %	범위 %
단일 스트림	1.20	1.2~1.3
듀얼 스트림	1.20	1.2~1.3
3개 스트림	1.30	1.3~1.4
4개 스트림	1.64	1.4~1.7
포인트 클라우드 + 깊이	1.36	1.1~1.4
알고리즘 + 깊이	1.10	1.1~1.1
알고리즘 + 깊이 + 포인트 클라우드	1.19	1.1~1.3
알고리즘 + 깊이 + RGB	1.40	1.4~1.4
알고리즘 + 깊이 + RGB + 포인트 클라우드	1.58	1.4~1.7
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	1.60	1.5~1.7

Ubuntu22.04

ROS1
실행 구성	평균 %	범위 %
단일 스트림	1.28	1.1~1.3
듀얼 스트림	1.29	1.2~1.3
3개 스트림	1.20	1.2~1.3
4개 스트림	1.49	1.4~1.6
포인트 클라우드 + 깊이	1.11	1.1~1.2
알고리즘 + 깊이	1.00	1.0~1.0
알고리즘 + 깊이 + 포인트 클라우드	1.11	1.1~1.2
알고리즘 + 깊이 + RGB	1.20	1.2~1.3
알고리즘 + 깊이 + RGB + 포인트 클라우드	1.55	1.3~1.6
알고리즘 + 깊이 + 인텐시티 + RGB + 포인트 클라우드	1.51	1.3~1.7

부록

이 부록에서는 일부 도구의 설치 방법을 제공합니다. 이 방법을 사용하려면 Linux에 대한 기본 지식이 필요합니다. 이 문서의 부록에 소개된 방법으로 모든 컴퓨터에 성공적으로 설치할 수 있다고 보장할 수는 없습니다. 컴퓨터 환경마다 다르고 발생하는 문제도 다를 수 있습니다. 부록에 없는 문제가 발생하면 직접 해결 방법을 검색하세요.

1. Cmake 지정 버전 설치 방법

https://cmake.org/download/로 이동하여 필요한 CMake 버전을 다운로드하세요. tar -zxvf cmake-XXX.tar.gz로 다운로드한 패키지의 압축을 풀고 압축 해제된 디렉터리로 이동한 다음 컴파일하고 구성합니다. ./bootstrap make sudo make install CMake 버전을 확인하여 설치가 성공했는지 확인하세요. cmake —version

2. OpenCV 지정 버전 설치 방법

필요한 OpenCV 버전을 다운로드하세요: Releases-OpenCV

환경을 구성하고 다음 명령을 순서대로 실행하세요.

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

새 opencv 폴더를 만들고 다운로드한 소스 코드를 opencv 폴더에 압축 해제하세요.
다음 명령을 순서대로 실행하세요.
cd opencv
mkdir build && cd build
sudocmake-DCMAKE_BUILD_TYPE=Release-D
CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make -j4
sudo make install을 실행하고 설치가 완료될 때까지 기다리세요.

3. PCL 지정 버전 설치 방법

지원되는 PCL 버전을 확인하세요:

apt-cache madison libpcl-dev

지정한 PCL 버전 설치 (1.10.0은 필요한 버전 번호로 바꿔야 합니다):

sudo apt-get install libpcl-dev=1.10.0

4. ROS 설치

Ubuntu16.04

소프트웨어 저장소와 비밀 키를 추가하세요:

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

비밀 키 추가:

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

저장소 업데이트:

sudo apt-get update

ROS 설치 완료:

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

환경 변수 구성:

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

ROS 관련 도구 설치:

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

ROS 1 설치가 완료되면 ROS와 함께 제공되는 예제를 실행하여 설치가 올바른지 확인하세요.

터미널을 열고 입력하세요: roscore 다른 터미널을 열고 입력하세요: rosrun turtlesim turtlesim_node 다른 터미널을 여세요: rosrun turtlesim turtle_teleop_key 세 번째 터미널에서 화살표 키로 작은 거북이를 제어할 수 있습니다. 아래와 같이 정상 실행되면 ROS가 올바르게 설치된 것입니다:

Ubuntu18.04

소프트웨어 저장소 설정:

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

소프트웨어 목록 업데이트:

sudo apt update

Ubuntu18.04용 ROS 1 설치:

sudo apt install ros-melodic-desktop-full

환경 변수 설정:

echo “source /opt/ros/melodic/setup.bash” >> ~/.bashrc zsh를 사용하는 경우: source ~/.bashrc echo “source /opt/ros/melodic/setup.bash” >> ~/.zshrc source ~/.zshrc

ROS 관련 도구 설치:

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

ROS 1 설치가 완료되면 ROS와 함께 제공되는 예제를 실행하여 설치가 올바른지 확인하세요.

Ubuntu20.04

공개 키를 구성하세요.

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

서버에 연결할 수 없거나 시간이 초과되면 먼저 소프트웨어 저장소 목록을 업데이트하세요.

sudo apt-get update sudo apt-get upgrade

공개 키를 구성한 후 소프트웨어 목록을 다시 업데이트하세요.

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

환경 변수 설정:

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

ROS 설치 도구:

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

ROS 1 설치가 완료되면 ROS와 함께 제공되는 예제를 실행하여 설치가 올바른지 확인하세요.

Ubuntu22.04 Ubuntu22.04에 ROS 1을 설치하는 것은 권장하지 않습니다. 공식적으로 지원되지 않으며 설치하면 많은 종속성 문제가 발생할 수 있습니다.

5. ROS에서 새 테스트 패키지 만들기

ws 폴더를 만들고 ws 폴더 안에 src 폴더를 만든 다음 src 폴더로 이동하여 다음을 실행하세요.

catkin_create_pkg example std_msgs rospy roscpp

이렇게 하면 std_msgs, rospy, roscpp에 의존하는 example이라는 새 패키지가 생성됩니다.
그런 다음 새 패키지를 컴파일하세요: catkin_make. 이 패키지는 실행 프로그램이 없는 빈 패키지입니다.
이제 ‘Hellow world’를 출력하는 패키지를 만드는 방법을 보여줍니다.
방금 만든 패키지에서 src 폴더(패키지 안의 src)로 이동하여 아래와 같이 새 main.cpp를 만드세요(경로에 유의하세요).

main.cpp에 다음 코드를 입력하세요.

그런 다음 외부 CMakeLists.txt를 수정하고 맨 아래에 다음 줄을 추가하세요: add_executable(example src/main.cpp)

그런 다음 ws 디렉터리로 돌아가 컴파일 명령을 실행하세요: catkin_make

이 화면이 표시되면 컴파일이 성공한 것입니다.
다음으로 환경을 구성하세요.

source devel/setup.bash

그런 다음 프로그램을 실행하면 출력 결과를 확인할 수 있습니다.

rosrun example example

6. ROS2 설치

Ubuntu16.04

비밀 키 추가:

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

권한 추가:

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

이 단계에서 오류가 발생하면 VPN으로 네트워크 제한을 우회한 후 브라우저에서 URL을 열어 내용을 복사하고 새 ros.asc 파일에 붙여 넣으세요. 복사가 완료되면 다음과 같습니다.
3단계를 다시 실행하세요: sudo apt-key add ros.asc
계속 실행하세요:

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

ROS2 설치:

sudo apt update sudo apt install ros-ardent-desktop

환경 변수 구성:

source /opt/ros/ardent/setup.bash

기능 패키지를 설치하세요.

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

예제 프로그램을 실행해 보세요. 터미널을 열고 다음을 실행합니다.

source ~/.bashrc ros2 run demo_nodes_cpp talker

다른 터미널에서 실행하세요.

source~/.bashrc ros2 run demo_nodes_cpp talker

다음 터미널 출력이 설치 성공을 확인해 줍니다.

Ubuntu18.04：

소프트웨어 저장소를 추가하세요.

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

이 단계에서 다음과 같은 오류가 발생하면:
VPN으로 네트워크 제한을 우회한 후 브라우저에서 URL을 열어 내용을 복사하고 새 ros.asc 파일에 붙여 넣으세요. 복사가 완료되면 다음과 같습니다.
3단계를 다시 실행하세요: sudo apt-key add ros.asc
계속 실행하세요:

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

완료되면 ROS2 다운로드를 시작하세요. 빨간색으로 표시된 버전은 위 표의 해당 버전으로 바꿔야 합니다.

sudo apt update sudo apt install ros-eloquent-desktop

설치가 완료될 때까지 기다린 후 Python 라이브러리를 계속 설치하세요. 다음을 실행합니다: sudo apt install -y libpython3-dev python3-pip pip3 install -U argcomplete

그런 다음 환경 변수를 구성하세요. echo “source /opt/ros/eloquent/setup.bash” >> ~/.bashrc source ~/.bashrc

샘플 프로그램을 실행해 보세요. 터미널을 열고 다음을 실행합니다.

source ~/.bashrc ros2 run demo_nodes_cpp talker

다른 터미널에서 실행하세요.

source ~/.bashrc ros2 run demo_nodes_py listener

다음 터미널 출력이 설치 성공을 확인해 줍니다.

Ubuntu20.04

소프트웨어 저장소를 추가하세요.

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

다음 오류가 발생하면 “ailed to connect to raw.githubusercontent.com port 443 after 13 ms: connection refused”

sudo vi /etc/hosts

다음 항목을 추가하세요.

185.199.108.133raw.githubusercontent.com

추가된 파일은 다음과 같습니다.

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

계속 실행하세요:

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

완료되면 ROS2 다운로드를 시작하세요:

sudo apt update sudo apt install ros-foxy-desktop

설치가 완료될 때까지 기다린 후 Python 라이브러리를 계속 설치하세요. 다음을 실행합니다: sudo apt install -y libpython3-dev python3-pip pip3 install -U argcomplete
그런 다음 환경 변수를 구성하세요:

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

샘플 프로그램을 실행해 보세요. 터미널을 열고 다음을 실행합니다:

source ~/.bashrc ros2 run demo_nodes_cpp talker

다른 터미널에서 실행하세요.

source ~/.bashrc ros2 run demo_nodes_py listener

다음 터미널 출력이 설치 성공을 확인해 줍니다.

Ubuntu22.04

소프트웨어 저장소를 추가하세요.

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

다음 오류가 발생하면 “ailed to connect to raw.githubusercontent.com port 443 after 13 ms: connection refused”

sudo vi /etc/hosts를 실행하고 다음 항목을 추가하세요. 185.199.108.133raw.githubusercontent.com 추가된 파일은 다음과 같습니다:

완료되면 ROS2 다운로드를 시작하세요: sudo apt update

sudo apt install ros-humble-desktop

설치가 완료될 때까지 기다린 후 Python 라이브러리를 계속 설치하세요. 다음을 실행합니다: sudo apt install -y libpython3-dev python3-pip pip3 install -U argcomplete
그런 다음 환경 변수를 구성하세요.

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

샘플 프로그램을 실행해 보세요. 터미널을 열고 다음을 실행합니다.

source ~/.bashrc ros2 run demo_nodes_cpp talker

다른 터미널에서 실행하세요.

source ~/.bashrc ros2 run demo_nodes_py listener

다음 터미널 출력이 설치 성공을 확인해 줍니다.

7. ROS2에서 새 테스트 패키지 만들기

다음 명령을 실행하세요.

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

example_p라는 새 패키지와 example_n이라는 노드를 만들 수 있습니다. 실행하면 hello world example_p package가 출력됩니다.

​개요

​시스템 및 환경

​호환 시스템 및 종속성 버전

​2.2 시스템 및 애플리케이션 버전 확인

​2.2.1 시스템 버전 확인

​2.2.2 CMake 버전 확인

​2.2.3 GCC 버전 확인

​2.2.4 OpenCV 버전 확인

​2.2.5 PCL 버전 확인

​2.2.6 ROS 버전 확인

​2.3 기본 개발 환경 구성

​2.3.1 CMake 설치

​2.3.2 GCC 설치

​2.4 선택적 개발 환경 구성

​2.4.1 OpenCV 설치 [카메라 이미지를 표시할 수 있음]

​2.4.2 PCL 설치 [포인트 클라우드를 표시할 수 있음]

​샘플 코드 준비

​3.1 설치 스크립트 실행

​3.2 샘플 코드 소개

​3.2.1 C 및 C++ 샘플 코드

​3.2.2 Java 샘플 코드

​3.2.3 ROS 샘플 코드

​3.2.4 ROS 2 샘플 코드

​3.2.5 ros-v1pro 샘플 코드

​샘플 컴파일 및 실행

​4.1 C 및 C++ 샘플 코드 컴파일 및 실행

​4.2 Java 샘플 실행 절차

​4.3 ROS 샘플 코드 컴파일 및 실행

​4.4 ROS 2 샘플 코드 컴파일 및 실행

​4.5 ros-v1pro 샘플 코드 컴파일 및 실행

​샘플 코드 참고

​5.1 C 및 C++

​5.1.1 CMakeLists

​5.1.2 application_obstacle 및 application_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 및 ROS2

​5.3.1 ROS1 launch 파일 설명

5.3.1.1 모든 launch 파일

5.3.1.2 카메라 IP, 스트림 구성, 작동 모드 구성, 포인트 클라우드 단위 등

5.3.1.3 카메라 자세 구성

5.3.1.4 launch 구성 사용 여부

5.3.1.5 2D 매개변수 구성

5.3.1.6 3D 매개변수 구성

5.3.1.7 최대 및 최소 깊이

​5.3.2 ROS2 launch 파일 설명

5.3.2.1 모든 launch 파일

5.3.2.2 카메라 IP, 스트림 구성, 작동 모드 구성, 포인트 클라우드 단위 등

5.3.2.3 카메라 자세 구성

5.3.2.4 launch 구성 사용 여부

5.3.2.5 2D 매개변수 구성

5.3.2.6 3D 매개변수 구성

5.3.2.7 최대 및 최소 깊이

​5.3.3 고유 토픽 설명

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 고유 서비스 설명

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 토픽 구독 방식 설명

5.3.5.1 프레임 속도, 팔레트 알고리즘, 장애물 회피 알고리즘 출력 데이터 구독

5.3.5.2 이미지 데이터 구독(ROS1)

5.3.5.3 이미지 데이터 구독(ROS2)

5.3.5.4 포인트 클라우드 데이터 구독

​5.3.6 서비스 통신 방식 설명

5.3.6.1 모든 매개변수 번호 목록 가져오기(Lx_Cmd)

5.3.6.2 Int 매개변수 가져오기(Lx_Int)

5.3.6.3 Int 매개변수 설정(Lx_Int)

5.3.6.4 Float 매개변수 가져오기(Lx_Float)

5.3.6.5 Float 매개변수 설정(Lx_Float)

개요

시스템 및 환경

호환 시스템 및 종속성 버전

2.2 시스템 및 애플리케이션 버전 확인

2.2.1 시스템 버전 확인

2.2.2 CMake 버전 확인

2.2.3 GCC 버전 확인

2.2.4 OpenCV 버전 확인

2.2.5 PCL 버전 확인

2.2.6 ROS 버전 확인

2.3 기본 개발 환경 구성

2.3.1 CMake 설치

2.3.2 GCC 설치

2.4 선택적 개발 환경 구성

2.4.1 OpenCV 설치 [카메라 이미지를 표시할 수 있음]

2.4.2 PCL 설치 [포인트 클라우드를 표시할 수 있음]

샘플 코드 준비

3.1 설치 스크립트 실행

3.2 샘플 코드 소개

3.2.1 C 및 C++ 샘플 코드

3.2.2 Java 샘플 코드

3.2.3 ROS 샘플 코드

3.2.4 ROS 2 샘플 코드

3.2.5 ros-v1pro 샘플 코드

샘플 컴파일 및 실행

4.1 C 및 C++ 샘플 코드 컴파일 및 실행

4.2 Java 샘플 실행 절차

4.3 ROS 샘플 코드 컴파일 및 실행

4.4 ROS 2 샘플 코드 컴파일 및 실행

4.5 ros-v1pro 샘플 코드 컴파일 및 실행

샘플 코드 참고

5.1 C 및 C++

5.1.1 CMakeLists

5.1.2 application_obstacle 및 application_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 및 ROS2

5.3.1 ROS1 launch 파일 설명

5.3.2 ROS2 launch 파일 설명

5.3.3 고유 토픽 설명

5.3.4 고유 서비스 설명

5.3.5 토픽 구독 방식 설명

5.3.6 서비스 통신 방식 설명

ROS 권장 하드웨어 및 리소스 사용량

6.1 권장 하드웨어 구성

6.2 CPU 세부 정보

6.3 메모리 세부 정보

부록

1. Cmake 지정 버전 설치 방법

2. OpenCV 지정 버전 설치 방법

3. PCL 지정 버전 설치 방법

4. ROS 설치

5. ROS에서 새 테스트 패키지 만들기

6. ROS2 설치

7. ROS2에서 새 테스트 패키지 만들기