一、摄像头（ROS）
1.1 ROS摄像头驱动
在linux系统中，可以直接在终端中输入ls /dev/video*，查看是否有可用的摄像头设备。一般只有一个摄像头的系统会返回/dev/video0。
在检测到摄像头设备后，用三条语句进行相机的测试，
sudo apt-get install ros-kinetic-usb-cam //开始安装ROS摄像头的驱动
roslaunch usb_cam usb_cam-test.launch //启动摄像头
rqt_image_view //显示摄像机画面1.2 相机标定
只有经过标定后的摄像头才能进行后续的操作，摄像头参数的标定可以借助标定功能包，安装方式如下，
sudo apt-get install ros-kinetic-camera-calibration //标定功能包安装标定的具体操作参考官网。
此外除了普通的RGB相机，其它类型的相机也有相对应的驱动和标定功能包，这视情况而定。
二、物体识别
2.1 人脸识别
本案例中，人脸识别借助OpenCV中的人脸识别接口，一种基于Haar特征的级联分类器对象检测算法。OpenCV的安装如下，
sudo apt-get install ros-kinetic-vision-opencv libopencv-dev python-opencv这里需要注意的是，OpenCV中的图片格式和ROS中的图片格式是不同的，需要通过cv_bridge库进行转换，即
from cv_bridge import CvBridge
#ros_imag为ROS中的图像数据，cv_image为opencv可以处理的格式
cv_image = CvBridge().imgmsg_to_cv2(ros_imag, "bgr8")
ros_image = CvBridge().cv2_to_imgmsg(cv_image, "bgr8")2.2 水杯识别
通过基于tensorflow框架的SSD_MobileNet，来进行水杯的识别。tensorflow的环境，可以借助virtualenv工具配置完成。virtualenv的安装如下，
sudo apt-get install python-pip python-dev python-virtualenvtensorflow环境配置，首先创建一个包含系统环境的空间virtualenv --system-site-packages ~/tensorflow，接着激活新创建的虚拟环境source ~/tensorflow/bin/activate,然后就是更新下pip版本easy_install -U pip，最后便是tensorflow环境的安装，而关于tensorflow的安装要注意和ROS环境相匹配，如果直接pip install --upgrade tensorflow，会出现依赖包因为版本不匹配的错误，因此需要事先限制依赖包的版本。
比如kinetic版本的ROS，各依赖包的版本如下，
Flask==0.11.1
attrdict==2.0.0
eventlet==0.19.0
python-socketio==1.6.1
numpy==1.13.1
Pillow==2.2.1
scipy==0.19.1
keras==2.0.8
tensorflow==1.3.0
h5py==2.6.0可以将这些依赖保存为一个txt文件，然后通过pip install -r requirements.txt 安装，这里如果网速不好的话，可以设置镜像源安装，比如添加ustc的镜像源，
pip install -r requirements.txt -i https://mirrors.ustc.edu.cn/pypi/web/simple通过摄像头识别水杯可以参考SSD_MobileNet中的usb_cam_detector.launch和detect_ros.py文件。
三、遥控四轮车
3.1 思路
物体的识别后会得到物体在图片中的中心点(x, y)和识别物体大小的矩形宽(w)和高(h)，我们可以借助(x, y)处于图片的什么区域对小车转向进行控制，而识别物体的矩形框的大小可以控制小车的前进后退。
3.2 实现方式
假设摄像机采集的图片分辨率为$W \times H$，则有小车的控制规则如下，
if ( w > W/2 and h > H/2):
小车前进
else:
小车后退
if (x > W/2):
小车右转
else:
小车左转这样就基本实现了通过识别物体的状态来遥控小车，控制小车的运行方式。
基于检测水杯控制小车
