发布时间:2023-11-16 16:00
网上所有的资料都是基于
catkin
工具进行的,而且在编译时会发现只支持opencv3,不支持opencv4,所以无法使用。博主这里使用catkin_make
工具成功编译python3的cv_bridge,这篇博客应该是全网唯一一个用catkin_make
工具编译cv_bridge
而且最终运行成功的博客了,也希望能帮到各位小伙伴开发ROS python3的项目!
这里我将介绍两种方式编译cv_bridge,一种是本机环境,另一种是conda环境。
sudo apt-get install python3-dev python3-numpy python3-yaml ros-melodic-cv-bridge python3-rospkg-modules
pip3 install pip --update
pip3 install rosdep rosinstall catkin_pkg
mkdir -p cv_bridge_ws/src && cd cv_bridge_ws/src
catkin_init_workspace
git clone https://github.com/ros-perception/vision_opencv.git
cd ../
catkin_make install -DPYTHON_EXECUTABLE=/usr/bin/python3
解决方法:
1. 查看你的libbost_python*
文件(我这里的arm
的ubuntu
,如果你的是x86
,就在/usr/lib/x86-64-linux-gnu
这个文件夹)
cd /usr/lib/aarch64-linux-gnu/
ls libboost_python*
2. 进入报错文件vision_opencv/cv_bridge/CMakeLists.txt
,将11行和14行的python37
改成python3
,然后重新编译即可。
使我们在使用python3时可以,默认调用:(这里一定要改成自己的编译后的路径!!!将下边直接复制过去一定报错!!)
source /home/xxx/cv_bridge_ws/install/setup.bash --extend
重新打开一个终端:运行python3
import cv_bridge
from cv_bridge.boost.cv_bridge_boost import getCvType
都import
成功说明已经成功编译了基于python3的cv_bridge
,现在就可以直接在ROS中编写python3的代码即可,节点会自动调用对应python版本的cv_bridge
!
需要注意点是,如果使用conda创建的python3环境运行代码,那么需要将终端默认启动的环境改为你ros编译的环境!!
conda create -n ros python=3.6
conda activate ros
pip install --upgrade pip
pip install rosdep rosinstall catkin_pkg rospkg numpy pyyaml opencv-python
vim ~/.bashrc
将之前的conda activate
改为conda activate ros
vision_opencv
mkdir -p ros_cv_bridge/src && cd ros_cv_bridge/src
catkin_init_workspace
git clone https://gitee.com/irvingao/vision_opencv.git
whereis python
查询一下:我的python解析器路径为:/home/innox/anaconda3/bin/python
将下边命令中的解释器路径改为你的路径:
cd ../
export CPLUS_INCLUDE_PATH=/home/innox/anaconda3/include/python3.7m
catkin_make install -DCMAKE_BUILD_TYPE=Release -DSETUPTOOLS_DEB_LAYOUT=OFF -DPYTHON_EXECUTABLE=/home/innox/anaconda3/bin/python
vim ~/.bashrc
在最后添加:
source ~/ros_cv_bridge/install/setup.bash --extend
退出,然后source一下:
source ~/.bashrc
检查是否安装成功:
python
import cv_bridge
from cv_bridge.boost.cv_bridge_boost import getCvType
参考文章:
A Comprehensive Survey on Graph Neural Networks论文阅读笔记
[Kubernetes]PV,PVC,StorageClass实战----|||
论文解读(KP-GNN)《How Powerful are K-hop Message Passing Graph Neural Networks》
python保存h264格式视频(linux和windows)
C++ CreateFileMapping 内存映射实现快速读取文件
【云原生】3.2 Kubernetes 实战之多租户系统实战
通过 railway 和 code-server 搭建网页版的 visual studio code
Python连接数据库用matplotlib画柱形图(bar())
Linux ARM平台开发系列讲解(网络篇)1.1 SMI 接口(MDIO)及其协议讲解