跳到主要内容

5.4.5 小车手势控制

功能介绍

小车手势控制 App 功能为通过手势控制机器人小车运动,包括左右旋转和前后平移运动。App 由 MIPI 图像采集、人体检测和跟踪、人手关键点检测、手势识别、手势控制策略、图像编解码、Web 展示端组成,流程如下图:

小车手势控制 App 从图像采集到控制策略的流程图

支持的控制手势,对应的手势功能定义和手势动作举例如下:

控制手势手势功能手势动作举例
666 手势/Awesome前进666/Awesome 手势动作示例(控制小车前进)
yeah/Victory后退Yeah/Victory 手势动作示例(控制小车后退)
大拇指向右/ThumbRight右转大拇指向右/ThumbRight 手势动作示例(控制小车右转)
大拇指向左/ThumbLeft左转大拇指向左/ThumbLeft 手势动作示例(控制小车左转)

App 以 PC 端 Gazebo 仿真环境下的虚拟小车举例,发布的控制指令也可以直接用于控制实物小车。

代码仓库: (https://github.com/D-Robotics/gesture_control)

支持平台

平台运行方式示例功能
RDK X3, RDK X3 ModuleUbuntu 20.04 (Foxy), Ubuntu 22.04 (Humble)启动 MIPI/USB 摄像头获取图像,并进行手势识别以及手势控制,最后通过 Gazebo 展示控制效果
RDK X5, RDK X5 ModuleUbuntu 22.04 (Humble)启动 MIPI/USB 摄像头获取图像,并进行手势识别以及手势控制,最后通过 Gazebo 展示控制效果

准备工作

RDK 平台

  1. RDK 已烧录好 Ubuntu 系统镜像。

  2. RDK 已成功安装 TogetheROS.Bot。

  3. RDK 已安装 MIPI 或者 USB 摄像头。

  4. 和 RDK 在同一网段(有线或者连接同一无线网,IP 地址前三段需保持一致)的 PC,PC 端需要安装的环境包括:

  • Ubuntu 20.04 系统和ROS2 Foxy 桌面版
  • Gazebo 和 Turtlebot3 相关的功能包,安装方法:
sudo apt-get install ros-foxy-gazebo-*
sudo apt install ros-foxy-turtlebot3
sudo apt install ros-foxy-turtlebot3-simulations

使用介绍

RDK 平台

运行小车手势控制 App 后,通过 “666 手势/Awesome” 手势控制小车前进,“yeah/Victory” 手势控制小车后退,“大拇指向右/ThumbRight” 手势控制小车右转,“大拇指向左/ThumbLeft” 手势控制小车左转。其中左转/右转分别是向人的左/右方向(大拇指的指向)转动。

App 启动后可以在 PC 端浏览器上渲染显示 sensor 发布的图片和对应的算法结果(浏览器输入 http://IP:8000 ,IP 为 RDK 的 IP 地址)。

PC 端启动仿真环境:

source /opt/ros/foxy/setup.bash
export TURTLEBOT3_MODEL=burger
ros2 launch turtlebot3_gazebo empty_world.launch.py

启动成功后,仿真环境中小车效果如下:

Gazebo 仿真环境中小车启动后的场景效果

使用 mipi 摄像头发布图片

# 配置tros.b环境
source /opt/tros/setup.bash
# 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
cp -r /opt/tros/${TROS_DISTRO}/lib/hand_gesture_detection/config/ .

# 配置MIPI摄像头
export CAM_TYPE=mipi

# 启动launch文件
ros2 launch gesture_control gesture_control.launch.py

使用 USB 摄像头发布图片

# 配置tros.b环境
source /opt/tros/setup.bash
# 从tros.b的安装路径中拷贝出运行示例需要的配置文件。
cp -r /opt/tros/${TROS_DISTRO}/lib/mono2d_body_detection/config/ .
cp -r /opt/tros/${TROS_DISTRO}/lib/hand_lmk_detection/config/ .
cp -r /opt/tros/${TROS_DISTRO}/lib/hand_gesture_detection/config/ .

# 配置USB摄像头
export CAM_TYPE=usb

# 启动launch文件
ros2 launch gesture_control gesture_control.launch.py

结果分析

在 RDK 运行终端输出如下信息:

[gesture_control-7] [WARN] [1652965757.159500951] [GestureControlEngine]: frame_ts_ms: 3698315358, track_id: 2, tracking_sta: 1, gesture: 14
[gesture_control-7] [WARN] [1652965757.159660358] [GestureControlEngine]: do move, direction: 0, step: 0.500000
[gesture_control-7] [WARN] [1652965757.211420964] [GestureControlEngine]: frame_ts_ms: 3698315425, track_id: 2, tracking_sta: 1, gesture: 14
[gesture_control-7] [WARN] [1652965757.211624899] [GestureControlEngine]: do move, direction: 0, step: 0.500000
[gesture_control-7] [WARN] [1652965757.232051230] [GestureControlEngine]: frame_ts_ms: 3698315457, track_id: 2, tracking_sta: 1, gesture: 14
[gesture_control-7] [WARN] [1652965757.232207513] [GestureControlEngine]: do move, direction: 0, step: 0.500000

以上 log 截取了一段通过手势控制小车运动的处理结果。其中 tracking_sta 值为 1,表示处于手势控制状态,tracking_sta 值为 0 表示识别到手势。

从时间戳 frame_ts_ms: 3698315358 开始通过 666 手势(gesture: 14)控制小车以 0.5m/s 的速度前进运动(do move, direction: 0, step: 0.500000)。

PC 端在终端使用 ros2 topic list 命令可以查询到 RDK 的 topic 信息:

$ ros2 topic list
/camera_info
/cmd_vel
/hbmem_img04054242060426080500012020112713
/hobot_hand_gesture_detection
/hobot_hand_lmk_detection
/hobot_mono2d_body_detection
/image
/parameter_events
/rosout

其中 /image 是 RDK 发布的从 MIPI sensor 采集图像后经过 JPEG 格式编码的图片, /hobot_hand_gesture_detection 是 RDK 发布的包含手势识别信息的算法 msg, /cmd_vel 是 RDK 发布的运动控制指令。

PC 端在终端使用 ros2 topic echo /cmd_vel 命令可以查看到 RDK 发布的运动控制指令:

linear:
x: -0.5
y: 0.0
z: 0.0
angular:
x: 0.0
y: 0.0
z: 0.0
---
linear:
x: 0.0
y: 0.0
z: 0.0
angular:
x: 0.0
y: 0.0
z: -0.5
---

PC 端仿真环境中小车按照手势动作运动,仿真小车运动效果如下:

仿真小车按手势动作运动的效果动图