根据要求及参考案例，帮我写一个视觉功能调试的实验

### 实验六：视觉功能调试

#### 实验目的
1. 熟悉摄像头的工作原理及其在ROS中的使用；
2. 掌握基本的图像处理技术，包括图像采集、显示和保存；
3. 学会使用OpenCV进行图像预处理，如灰度化、边缘检测等；
4. 利用OpenCV实现目标检测，例如检测车道线或障碍物。

#### 实验内容
1. 搭建摄像头与ROS的连接，获取图像流；
2. 使用OpenCV对图像进行预处理，如灰度化、边缘检测等；
3. 实现目标检测，例如车道线检测或障碍物检测；
4. 显示处理后的图像，并保存关键帧。

#### 实验器材
- ROS智能车
- USB摄像头
- 计算机（安装ROS和OpenCV）
- 终端设备

#### 实验原理
1. **摄像头与ROS的连接**：使用ROS的`usb_cam`包可以方便地将USB摄像头接入ROS系统，获取图像流。
2. **图像预处理**：使用OpenCV库对图像进行预处理，常见的预处理操作包括灰度化、高斯模糊、Canny边缘检测等。
3. **目标检测**：通过图像处理技术，提取出感兴趣的目标区域，例如车道线或障碍物。常用的方法包括霍夫变换、轮廓检测等。
4. **结果显示与保存**：使用OpenCV库显示处理后的图像，并保存关键帧以便后续分析。

#### 实验步骤
1. **启动摄像头**

   $ roslaunch usb_cam usb_cam-test.launch

这将启动摄像头节点，并发布图像流到`/usb_cam/image_raw`话题。

2. **编写ROS节点**
创建一个新的ROS节点，订阅摄像头发布的图像流，并进行图像处理。

   import rospy
   import cv2
   from sensor_msgs.msg import Image
   from cv_bridge import CvBridge, CvBridgeError

   def image_callback(msg):
       try:
           bridge = CvBridge()
           frame = bridge.imgmsg_to_cv2(msg, "bgr8")
           
           # 图像预处理
           gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
           blurred = cv2.GaussianBlur(gray, (5, 5), 0)
           edges = cv2.Canny(blurred, 50, 150)
           
           # 目标检测
           lines = cv2.HoughLinesP(edges, 1, cv2.cv.CV_PI/180, 30, minLineLength=10, maxLineGap=50)
           if lines is not None:
               for line in lines:
                   x1, y1, x2, y2 = line[0]
                   cv2.line(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
           
           # 显示处理后的图像
           cv2.imshow("Processed Image", frame)
           cv2.waitKey(1)
           
           # 保存关键帧
           if cv2.waitKey(1) & 0xFF == ord('s'):
               cv2.imwrite("key_frame.png", frame)

       except CvBridgeError as e:
           print(e)

   def main():
       rospy.init_node('image_processor', anonymous=True)
       rospy.Subscriber("/usb_cam/image_raw", Image, image_callback)
       rospy.spin()

   if __name__ == '__main__':
       main()

3. **运行ROS节点**
在新的终端窗口中运行上述Python脚本。

   $ python your_script_name.py

4. **观察结果**
- 打开一个新的终端窗口，运行以下命令查看图像流：

     $ rosrun image_view image_view image:=/usb_cam/image_raw

- 观察处理后的图像，确保车道线或障碍物被正确检测并标记出来。
- 按下键盘上的`s`键保存当前的关键帧图像。

#### 总结
通过本实验，你将能够熟悉摄像头在ROS中的使用，掌握基本的图像处理技术和目标检测方法。这些技能对于无人驾驶自行车的视觉感知模块至关重要，有助于提高系统的鲁棒性和准确性。