相机相当于机器人的眼睛。从相机获得的图像对于识别机器人周围的环境非常有用。 例如，利用相机图像的对象识别和脸部识别；使用两台相机（立体相机）从两个不同图像 之间的差异获得的距离值；利用距离值生成3维地图的Visual-SLAM；单眼相机VisualSLAM；利用从彩色图像获得的颜色信息的颜色识别；跟踪特定对象的对象跟踪。
由于没有外带的USB摄像机，采用的的笔记本自带的！
首先要做的事；查看虚拟机的摄像头是否开启；也就是USB是否连接：
然后到虚拟机设置里面，更改usb;如果是USB2.0，就改为USB3.0，如果是USB3.0，就变为USB2.0；
成功之后，开启虚拟机；会在虚拟机出现如下标志：
相机连接信息: 打开一个新的终端窗口，并按如下所示使用“lsusb”命令检查连接是否正确；具体名字是USB的名字：
这里可以查看一下，笔记本自带的摄像头是否正常工作：
cheese
出现图像之后；进行安装uvc camera功能包：
sudo apt-get install ros-kinetic-uvc-camera
安装image相关功能包：
sudo apt-get install ros-kinetic-image-*
sudo apt-get install ros-kinetic-rqt-image-view运行uvc_camera节点 如果您运行uvc_camera节点，将收到关于相机校准的警告，例如“[WARN][1423194481.257752159]: Camera calibration file /home/xxx/.ros/camera_info/ camera.yamlnot found.”。可以先忽略它：
roscore打开另外一个终端：
rosrun uvc_camera uvc_camera_node
没有出现问题，在打开另外一个终端；查看话题消息：
rostopic list使用image_view节点查看图像：
rosrun image_view image_view image:=/image_raw
我最开始出现问题，忙乎了大半天，也查询了许多资料，当然每个人问题不一样，我就出现问题在于没有，连接好USB，更换USB之后，最好还是在去看看这，是否连接成功了的：
推介一个链接，解决大部分遇到的问题：
最后成功使用image_view节点查看图像：
再用rqt_image_view节点检查：
rqt_image_view image:=/image_raw
RViz运行后，先更改“Displays”选项。单击RViz左下方的[Add]，在[By display type]选项卡中选择[Image]，以此加载图像显示功能，然后将[Image] → [Image Topic]的值更改为“/image_raw”。则会如图8-7所示显示 图像。如果图像看起来很小，则可以用鼠标调整该image视图的边缘，以增加视图尺寸。
rviz
远程传输图像;只有一台计算机，选择本机：
gedit ~/.bashrc #打开之后，在文章末尾添加，下面两句
export ROS_MASTER_URI =http://localhost:11311
export ROS_HOSTNAME =192.168.1.100
然后运行roscore，并在另一个终端窗口中运行uvc_camera_node节点；以前的窗口没有关闭，可以直接运行：
每台相机的镜头和图像传感器彼此不同，并且由于相机的硬件结构不同，镜头 和图像传感器之间的距离也各不相同。并且，在相机制作过程中，镜头和图像传感器必须水平组装，但由于细微的偏差，图像中心（image center）与主点（principalpoint） 会有细微的偏离，且图像传感器的倾度也会略有差异。 校准这些部件的过程称为相机校准（Calibration），目的是查找相机的固有参数。
相机校准；安装相机校准功能包；
sudo apt-get install ros-kinetic-camera-calibration
rosrun uvc_camera uvc_camera_node
准备棋盘 摄像机的校准是以一个由黑白方块组成的棋盘为基准进行的，
进行校正：
rosrun camera_calibration cameracalibrator.py --size 8x6 --square 0.024 image:=/image_raw camera:=/camera用相机对准棋盘，校准将立即 开始。在GUI屏幕的右侧，可以看到一个标有X、Y、Size和Skew的条形控件。这是校准 的进展状态，都以绿色填满意味着校准完成。在校准过程中需要将棋盘对着相机朝着左/ 右/上/下/前/后移动，还需要倾斜棋盘。
校准所需的所有图像都记录下来之后，CALIBRATE按钮会被激活。 点击这个按钮后会进行实际的校准计算，这需要大约1到5分钟。计算完成后，点击SAVE 按钮保存校准信息。存储的地址显示在执行校准的终端窗口中，是存储在某一个/tmp目录（如“/tmp/calibrationdata.tar.gz”）中。
创建相机参数文件；解压缩calibrationdata.tar.gz文件以查看图像文件（*.png）和记录了校准中使用 的校准参数的ost.txt文件：
cd /tmp
tar -xvzf calibrationdata.tar.gz
接下来，将ost.txt文件改名为ost.ini，并使用camera_calibration_parsers功能包的convert节点创建相机参数文件（camera.yaml）。创建完成后，将其保存在~/.ros/ camera_info/目录中，则ROS中使用的相机相关功能包会引用此信息：
mv ost.txt ost.ini
rosrun camera_calibration_parsers convert ost.ini camera.yaml
mkdir ~/.ros/camera_info
mv camera.yaml ~/.ros/camera_info/最后再次运行uvc_camera_node节点；这一次，确保 您目前没有出现关于校准文件的警告。
rosrun uvc_camera uvc_camera_node
查看/camera_info话题，则可以看到D、K、R和P参数已被填充：
rostopic echo /camera_info
到此，也就基本上结束了，结果虽然很简单，但过程中所遇到的问题，以及解决的方法，就是最好的收获！
