前视声呐目标识别定位(五)-代码解析之修改声呐参数

前视声呐目标识别定位(一)-基础知识

前视声呐目标识别定位(二)-目标识别定位模块

前视声呐目标识别定位(三)-部署至机器人

前视声呐目标识别定位(四)-代码解析之启动识别模块

前视声呐目标识别定位(五)-代码解析之修改声呐参数

前视声呐目标识别定位(六)-代码解析之目标截图并传输

前视声呐目标识别定位(七)-代码解析之录制数据包

前视声呐目标识别定位(八)-代码解析之各模块通信

前视声呐目标识别定位(九)-声呐驱动

修改声呐参数,以将声呐量程修改为10m为例,其余参数修改可参照协议文件。

1、client_test.py

python3 clien_test.py 13 10

python 复制代码
elif cmd == str(13):
    print("set sonar range: " + str(value))
    arrBuff = b'\xee\xbb\xee\x03'
    arrBuff += struct.pack('i', int(value))
    arrBuff += b'\xee\xaa\xee\xff'

在协议文件中,修改声呐量程的协议为:

故模块将该数据包发送至auv_server。

2、auv_server.py

python 复制代码
# cmd callback state msg
if pkg_head == b'\xee\xff\xee\xff':
    print(self.cmd_callback_state[recv_msg[4:8]])

直接将指令转发至center_server

3、center_sever.py

python 复制代码
# send the control_center cmd from auv to the control_center module on nx
def recv_control_center_msg(self):
    #self.sonar_param_socket, self.sonar_param_addr = self.sonar_param_server.accept()  
    while True:          
        cmd_msg = self.nx_client.recv(1024)
        if len(cmd_msg) > 3:
            # send the control_center cmd to the control_center module
            if cmd_msg[-4:] == b'\xee\xff\xee\xff':
                self.control_center_socket.send(cmd_msg)
            # send the sonar parameters cmd to the sonar module
            elif cmd_msg[-4:] == b'\xee\xaa\xee\xff':
                self.sonar_param_socket.send(cmd_msg)
            else:
                print("cmd from auv error, no such cmd...")

根据'\ee\aa\ee\ff'判断为带参数的指令,转sonar_node

4、sonar_node(此处以ros1版本中的驱动代码举例)

python 复制代码
# receive tcp cmd msg from center server, set the sonar parameter
def recv_tcp_cmd(self):
...
# set the sonar_range, 1~120
elif sonar_msg[0:4] == b'\xee\xbb\xee\x03':
    sonar_range = struct.unpack('i', sonar_msg[4:8])[0]
    sonar_range_cmd = 'rosrun dynamic_reconfigure dynparam set sonar_imager range_m ' + str(sonar_range)
    sonar_subprocess = subprocess.Popen(sonar_range_cmd, shell=True, executable="/bin/bash")

完成设置

数据包通过网口传输至声呐,声呐解码后进行参数调整。

相关推荐
CoookeCola1 小时前
MovieNet(A holistic dataset for movie understanding) :面向电影理解的多模态综合数据集与工具链
数据仓库·人工智能·目标检测·计算机视觉·数据挖掘
禾昂.9 小时前
从 YOLO V1 到 V2:目标检测领域的一次关键技术迭代
yolo·目标检测·目标跟踪
应用市场12 小时前
OpenCV深度学习:目标检测、人脸识别与智能视频分
深度学习·opencv·目标检测
OAFD.1 天前
YOLOv3 详解:核心改进、网络架构与目标检测实践
网络·yolo·目标检测
AI浩1 天前
基于信息保留与细粒度特征聚合的无人机目标检测
人工智能·目标检测·无人机
ReinaXue1 天前
大模型【进阶】(六)QWen2.5-VL视觉语言模型详细解读
图像处理·人工智能·神经网络·目标检测·计算机视觉·语言模型·transformer
CoookeCola1 天前
Google Landmarks Dataset v2 (GLDv2):面向实例级识别与检索的500万图像,200k+类别大规模地标识别基准
图像处理·人工智能·学习·目标检测·计算机视觉·视觉检测
尤超宇1 天前
YOLOv3 目标检测算法核心技术
算法·yolo·目标检测
Y_Chime1 天前
从AAAI2025中挑选出对目标检测有帮助的文献——第二期
人工智能·目标检测·计算机视觉
OAFD.2 天前
YOLO-V1 与 YOLO-V2 技术详解:从经典到优化的目标检测演进
yolo·目标检测·目标跟踪