17.4. TB3 Automatic Parking Vision 自動停車(使用攝影機)

備註：

• turtlebot3_automatic_parking_vision 使用 Raspberry pi 攝影機，因此此展示使用的預設平台是 TurtleBot3 Waffle Pi 鬆餅 Pi 款。由於它依一些在牆上找到的 AR marker 標記來停車，因此 AR marker 標記需要列印出來。整個過程使用從攝影機獲取的影像，因此如果停車過程不順利，請配置參數來調整，例如亮度，對比度等。

• turtlebot3_automatic_parking_vision 使用基於 image_proc 節點的矯正影像。為了獲得矯正的影像，TB3 應該取得 Raspberry pi 攝影機的光學校準數據。(每個下載的 turtlebot3 套件，已經將 Raspberry pi v2 攝影機校準數據，當作是預設的數據設置。)

• turtlebot3_automatic_parking_vision 套件需要 ar_track_alvar 套件。

[Remote PC 端] 執行 roscore

$ roscore

[TB3 SBC 端] 啟用基本套件來開始 TB3 展示

$ roslaunch turtlebot3_bringup turtlebot3_robot.launch

[TB3 SBC 端] 開始 Raspberry pi 攝影機節點

$ roslaunch turtlebot3_bringup turtlebot3_rpicamera.launch

[Remote PC 端] Raspberry pi 套件會發布壓縮的影像以加速通訊。然而，在 image_proc 節點中的影像校正所需要的是 raw 原始影像。因此，壓縮影像應該轉換為 raw 原始影像。

$ rosrun image_transport republish compressed in:=raspicam_node/image raw out:=raspicam_node/image

[Remote PC 端] 接著進行影像矯正

$ ROS_NAMESPACE=raspicam_node rosrun image_proc image_proc image_raw:=image _approximate_s=true _queue_size:=20

[Remote PC 端] 現在應該開始 AR marker 標記的偵測。在執行相關的啟動文件之前，應該先導出此展示將使用的 TB3 模型。運行啟動文件後，RViz 將自動在預設環境下運行。

$ export TURTLEBOT3_MODEL=waffle_pi
$ roslaunch turtlebot3_automatic_parking_vision turtlebot3_automatic_parking_vision.launch

• Youtube TB3 Automatics Parking Vision 影片