V-rep（CoppeliaSim）添加相机，与python联合仿真，并使用python读取V-rep中的RGB图与深度图

前言

本文主要介绍了如何使用python与V-rep联合仿真，并用OpenCV可视化V-rep中视觉传感器所能看到的 RGB图和深度图，效果图如下。
在这里插入图片描述

在V-rep中构建场景

本文使用的V-rep版本是3.5：

打开V-rep，并将任意一个目标（如机械臂）拖入到场景中。
添加视觉传感器，在场景的空白处点击右键–>Add–>Vision Sensor–> Perspective projection,并将相机旋转合适的角度，使其能够看到机械臂，此时视觉传感器的名称为Vision_sensor。
点击最右侧竖直工具栏图标按钮的脚本配置按钮，点击右上角Insert new script按钮，点击Child script(non-threaded)按钮创建脚本。点击Scripts中的Associated object，在下拉菜单中选择Vision_sensor，将脚本与相机关联。
双击场景层次结构菜单栏中Vision_sensor的图标，注意不要点击文字。在弹窗中设计图像分辨率大小，如512*512（一定要是2的幂次方）。
点击Vision_sensor后面的书签按钮，弹出Lua脚本，添加simRemoteApi.start(19997)，此处的19997为端口号。

建立python与V-rep通信

将sim.py , simConst.py , remoteApi.dll(Windows),或 remoteApi.dylib(Mac os) 或 remoteApi.so(Linux) 复制到python项目文件夹中。

其中，sim.py , simConst.py在vrep的安装目录中，具体在“programming/remoteApiBindings/python”下。 **remoteApi.dll(Windows)**在“programming/remoteApiBindings/lib/lib/Windows”下。

python与vrep通信

① 调用import sim加载库；
② 利用sim.simxStart()建立客户端；
③ 调用以"simx"为前缀的vrep远程API函数；
④ 停止仿真：sim.simxFinish().

下面是以上面场景为例，写的python脚本，该脚本实现了与vrep的通信，并用OpenCV将vrep相机数据的RGB图和depth图进行了可视化显示：

import sim
import time
import sys
import cv2
import numpy as np#关闭之前的连接
sim.simxFinish(-1)# 获得客户端ID
clientID = sim.simxStart('127.0.0.1',19997,True,True,5000,5)
print("Connection success!!!")if clientID != -1:print('Connected to remote API server')
else:print('Connection not successful')sys.exit('Could not connect')# 启动仿真
sim.simxStartSimulation(clientID,sim.simx_opmode_blocking)
print("Simulation start")# 使能同步模式
sim.simxSynchronous(clientID,True)# 获得对象的句柄
ret, targetObj = sim.simxGetObjectHandle(clientID,'target',sim.simx_opmode_blocking)
errorCode,visionSensorHandle = sim.simxGetObjectHandle(clientID,'Vision_sensor',sim.simx_opmode_oneshot_wait)
errprCode,resolution,rawimage = sim.simxGetVisionSensorImage(clientID,visionSensorHandle,0,sim.simx_opmode_streaming)def readVisionSensor():global resolutionerrprCode, resolution, rawimage = sim.simxGetVisionSensorImage(clientID, visionSensorHandle, 0, sim.simx_opmode_buffer)sensorImage = []sensorImage = np.array(rawimage, dtype=np.uint8)    #transform the raw image to uint8sensorImage.resize([resolution[1], resolution[0], 3])        # Process the image to the format (256,128,3)cv2.flip(sensorImage, 0, sensorImage)  # image upside downimage = sensorImage# print("image.shape: ", image.shape)return imagedef readDepthSensor():global resolution# 获取 Depth Infosim_ret, resolution, depth_buffer = sim.simxGetVisionSensorDepthBuffer(clientID, visionSensorHandle, sim.simx_opmode_blocking)depth_img = np.asarray(depth_buffer)depth_img.shape = (resolution[1], resolution[0])zNear = 0.01zFar = 2depth_img = depth_img * (zFar - zNear) + zNeardepth_img = cv2.flip(depth_img, 0)return depth_imgwhile True:# 获得对象的位置，并输出ret, arr = sim.simxGetObjectPosition(clientID,targetObj,-1,sim.simx_opmode_blocking)image = readVisionSensor()depth = readDepthSensor()print(depth)cv2.imshow("image", image)cv2.imshow("depth", depth)cv2.waitKey(1)saveFile = ".\image.jpg"  # 保存文件的路径cv2.imwrite(saveFile, depth)  # 保存图像文件if ret == sim.simx_return_ok:print(arr)# time.sleep(2)# 退出
sim.simxFinish(clientID)
print('Program end')