物体分析在ROS中的实现与封装

背景

随着AI 技术的引入，机器人对世界的认知越来越深刻，上一讲中介绍了Movidius NCS物体识别开发包，而实际生活中，对物体的认知远远超出“这是什么”，还需要回答“这个物体离我有多远”， “这是前面看到的那个物体么”，等等。在物体识别的基础上，本文将向您介绍对物体进行进一步分析的ROS开发包的功能及其使用方法，您可以利用它进一步开发机器人的智能应用，比如智能蔽障，构建语义地图等。ROS物体识别项目就是为了解决这个问题而出现的。

项目介绍

1. 软件架构设计

 本项目主体由三个ROS发布节点组成，以提供不同方面的分析结果。物体检测节点（Object Detection Node）提供被检测物体的类型和在视觉框图中的2D位置， 物体跟踪节点（Object Tracking Node）提供物体ID来表征当前检测到的物体是不是持续被跟踪的同一物体，物体3D定位节点（Object 3D Localization Node）提供物体在3D空间中的位置信息。下面这张图展示了物体分析模块和其他相关的视觉采集节点（RealSense Node）以及物体检测后端节点的关系。

图1. ROS 物体识别架构

2. 运行条件

· 运行Ubuntu16.04的x86_64计算机

· ROS Kinetic

· 可深度学习进行物体识别的ROS节点 （二选一）

·Intel Movidius 神经计算棒节点

·基于OpenCl Caffe的物体识别节点

· RGBD相机

3. 编译与安装

下载源码到本地ROS工作区，切换到最新发布，编译、安装。

4. 运行演示程序

在rviz 中看到的物体识别，跟踪和定位信息如下：

图2. 演示截屏

应用领域

本项目提供的物体检测，跟踪和定位的能力，可以运用于多种机器人使用场景，例如：

1. 3D物体识别与追踪

基于物体在三维空间中的位置，从而对物体进行3D识别与跟踪。

2. 机器人智能避障

传统的机器人采用雷达来检测障碍物，而在高速情况下，对雷达的检测距离和精度要求非常高，高精度的雷达价格动辄上万，基于3D摄像头的方案成本将大大降低。基于物体识别的避障，还能通过指定不同的策略来应对不断变化的场景，使机器人避障更加智能。

3. 基于语义的同步定位与建图(SLAM)

通过将识别出的物体及位置信息，标注在SLAM得到的地图上，可以极好地提高地图的可读性和人机交互的便利性。

展望

本项目目前开发到v0.3.0版本，我们将持续优化计算方案，以达到更好的性能，满足应用中实时性的要求。另一方面，由于ROS2相对ROS具有更好的安全性和实时性，我们计划移植项目到ROS2中。

Intel开源软件技术中心（Open Source Technology Center）将不断推出更多的基于ROS/ROS2开发的新技术，除了介绍过的Movidius神经计算棒，本章介绍的物体识别、跟踪、定位技术，还将陆续推出带有物体信息的语义地图，移动物体检测及避障，Intel 3D RealSense 摄像头的应用，以及ROS到ROS2 的演进，ROS2 的实时及安全性等课题。希望我们在这一领域的工作能给您的项目带来更大的可能性，也希望能得到大家的反馈与建议，甚至发扬开源精神协同开发，使我们能更好地服务于开源社区，推动人工智能技术的发展和应用。