天天看點
傳回

kitti之ros可視化_學習筆記--第7課：釋出gps資料

環境：ubuntu16.04，ros-kinetic，python2，vscode，opencv，rviz

概要：這節課筆記，新增展示的是，讀取kitti資料集的gps資料，釋出到ros裡面，并在終端顯示。

資料準備及預處理可參考部落格，

https://blog.csdn.net/qq_45701501/article/details/116447770

1、源碼及解析

包建立不了解的，可以百度一下或者檢視個人之前的部落格。

這裡為了便于檔案的編寫，我們把

讀取

kitti資料檔案，

釋出函數

定義檔案，

執行

檔案分成三個檔案，分别對應

data_utils.py，publish_utils.py，p6_kitti.py

。

這裡和上一節課筆記對比，最大差別就是在

publish_utils.py

檔案中增加一個釋出gps資料的函數。

對于讀取資料檔案，

data_utils.py

：

#!/usr/bin/env python
# -*- coding:utf8 -*-

import cv2
import numpy as np
import os
import pandas as pd #用于讀取imu資料

IMU_COLUMN_NAMES = ['lat','lon','alt','roll','pitch','yaw','vn','ve','vf','vl','vu',
                    'ax','ay','az','af','al','au','wx','wy','wz','wf','wl','wu',
                    'posacc','velacc','navstat','numsats','posmode','velmode','orimode'
                    ]#根據kitti資料集中的名稱進行定義的，個人了解是對照c裡面的宏定義

#讀取圖檔路徑函數
def read_camera(path):
    return cv2.imread(path)

#讀取點雲路徑函數
def read_point_cloud(path):
    return np.fromfile(path,dtype=np.float32).reshape(-1,4)

#讀取imu資料
def read_imu(path):
    df=pd.read_csv(path,header=None,sep=' ')#讀取資料
    df.columns=IMU_COLUMN_NAMES#給資料賦予機關
    return df

對于釋出函數定義檔案，

publish_utils.py

：

#!/usr/bin/env python
# -*- coding:utf8 -*-

import rospy
from std_msgs.msg import Header
from visualization_msgs.msg import Marker,MarkerArray#Marker繪制相機視野訓示線子產品,MarkerArray解決Marker帶來釋出的不同步問題
from sensor_msgs.msg import Image,PointCloud2,Imu,NavSatFix
from geometry_msgs.msg import Point#Point來自ros包定義，是以需要定義;若不清楚，則需要到ros官網上面檢視具體那個包
import sensor_msgs.point_cloud2 as pcl2
from cv_bridge import CvBridge
import numpy as np
import tf

FRAME_ID='map'

#釋出圖檔函數
def publish_camera(cam_pub,bridge,image):
    cam_pub.publish(bridge.cv2_to_imgmsg(image,"bgr8"))

#釋出點雲函數
def publish_point_cloud(pcl_pub,point_clond):
    header=Header()
    header.stamp=rospy.Time.now()
    header.frame_id=FRAME_ID
    pcl_pub.publish(pcl2.create_cloud_xyz32(header,point_clond[:,:3]))

#釋出相機視野以及車子模型marker函數
def publish_ego_car(ego_car_pub):
#publish left and right 45 degree FOV lines and ego car model mesh
    
    marker_array=MarkerArray()#解決marker釋出不同步問題

    marker=Marker()
    marker.header.frame_id=FRAME_ID
    marker.header.stamp=rospy.Time.now()

    marker.id=0#每個marker隻能有一個id，有重複的id，隻會顯示一個
    marker.action=Marker.ADD#表示添加marker
    marker.lifetime=rospy.Duration()#lifetime表示marker在畫面中顯示的時長;Duration()函數，不給任何參數時，表示一直存在
    marker.type=Marker.LINE_STRIP#所釋出marker的類型

    #設定訓示線顔色
    marker.color.r=0.0
    marker.color.g=1.0
    marker.color.b=0.0
    marker.color.a=1.0#透明度，1表示完全不透明
    marker.scale.x=0.2#大小，這裡表示線的粗細

    #根據雷射點雲的坐标系來定義2号相機的視野範圍
    marker.points=[]
    marker.points.append(Point(10,-10,0))#Point,屬于ros的資料包裡面的定義，是以需要導入
    marker.points.append(Point(0,0,0))
    marker.points.append(Point(10,10,0))

    marker_array.markers.append(marker)#将訓示線marker放到MarkerArray中

    #釋出車子外形函數
    mesh_marker=Marker()
    mesh_marker.header.frame_id=FRAME_ID
    mesh_marker.header.stamp=rospy.Time.now()

    mesh_marker.id=-1#id隻能設定整數，不能設定帶有小數的
    mesh_marker.lifetime=rospy.Duration()
    mesh_marker.type=Marker.MESH_RESOURCE#這裡的MESH_RESOURCE表示導入的是3d模型
    mesh_marker.mesh_resource="package://kitti_tutorial/Audi R8/Models/Audi R8.dae"#下載下傳的dae模型存在問題，隻是顯示部分

    #設定模型位置
    mesh_marker.pose.position.x=0.0
    mesh_marker.pose.position.y=0.0
    mesh_marker.pose.position.z=-1.73#這裡負數，是因為以雷射雷達坐标系而定義的，1.73是根據官方釋出的位置定義所取的

    #設計車子模型的旋轉量
    q=tf.transformations.quaternion_from_euler(0,0,np.pi/2)#(np.pi/2,0,np.pi)這裡根據下載下傳的車子模型進行調整
    mesh_marker.pose.orientation.x=q[0]
    mesh_marker.pose.orientation.y=q[1]
    mesh_marker.pose.orientation.z=q[2]
    mesh_marker.pose.orientation.w=q[3]

    #設定車子模型的顔色
    mesh_marker.color.r=1.0
    mesh_marker.color.g=1.0
    mesh_marker.color.b=1.0
    mesh_marker.color.a=1.0

    #設定車子模型的大小
    mesh_marker.scale.x=0.6
    mesh_marker.scale.y=0.6
    mesh_marker.scale.z=0.6

    marker_array.markers.append(mesh_marker)#将車子marker放到MarkerArray中

    ego_car_pub.publish(marker_array)

#釋出imu資料函數
def publish_imu(imu_pub,imu_data):
    imu=Imu()#ros,imu 進行google可以檢視文檔說明
    imu.header.frame_id=FRAME_ID
    imu.header.stamp=rospy.Time.now()

    #旋轉角度、加速度，角速度
    q=tf.transformations.quaternion_from_euler(float(imu_data.roll),float(imu_data.pitch),float(imu_data.yaw))#(np.pi/2,0,np.pi)這裡根據下載下傳的車子模型進行調整
    imu.orientation.x=q[0]#以下四個表示旋轉角，将讀取的資料轉為四元數表示
    imu.orientation.y=q[1]
    imu.orientation.z=q[2]
    imu.orientation.w=q[3]
    imu.linear_acceleration.x=imu_data.af#根據雷達坐标系，确定x方向線性加速度
    imu.linear_acceleration.y=imu_data.al#根據雷達坐标系，确定y方向線性加速度
    imu.linear_acceleration.z=imu_data.au#根據雷達坐标系，确定z方向線性加速度
    imu.angular_velocity.x=imu_data.wf#這三個表示不同方向的角速度
    imu.angular_velocity.y=imu_data.wl
    imu.angular_velocity.z=imu_data.wu

    imu_pub.publish(imu)

#釋出gps資料函數
def publish_gps(gps_pub,imu_data):
    gps=NavSatFix()#ros裡面對于gps資料識别包
    gps.header.frame_id=FRAME_ID
    gps.header.stamp=rospy.Time.now()

    gps.latitude=imu_data.lat#緯度
    gps.longitude=imu_data.lon#經度
    gps.altitude=imu_data.alt#海拔

    gps_pub.publish(gps)

對于執行檔案，

p7_kitti.py

：

#!/usr/bin/env python
# -*- coding:utf8 -*-

from data_utils import *
from publish_utils import *

DATA_PATH='/home/ylh/data/kitti/RawData/2011_09_26/2011_09_26_drive_0005_sync'

if __name__=='__main__':
    frame = 0
    rospy.init_node('kitti_node',anonymous=True)
    cam_pub=rospy.Publisher('kitti_cam',Image,queue_size=10)#建立釋出圖檔topic
    pcl_pub=rospy.Publisher('kitti_point_cloud',PointCloud2,queue_size=10)#建立釋出點雲topic
    #ego_pub=rospy.Publisher('kitti_ego_car',Marker,queue_size=10)#建立釋出訓示線marker的topic
    ego_pub=rospy.Publisher('kitti_ego_car',MarkerArray,queue_size=10)#MarkerArray方式釋出
    #model_pub=rospy.Publisher('kitti_car_model',Marker,queue_size=10)#建立釋出車子模型的marker的topic
    imu_pub=rospy.Publisher('kitti_imu',Imu,queue_size=10)#建立釋出imu資料的topic
    gps_pub=rospy.Publisher('kitti_gps',NavSatFix,queue_size=10)#建立釋出gps資料的topic，NavSatFix,ros裡面固定衛星偵測

    bridge=CvBridge()

    rate=rospy.Rate(10)
    while not rospy.is_shutdown():
        #讀取圖檔
        image=read_camera(os.path.join(DATA_PATH,'image_02/data/%010d.png'%frame))
        
        #釋出圖檔
        publish_camera(cam_pub,bridge,image)        
        
        #讀取點雲
        point_clond=read_point_cloud(os.path.join(DATA_PATH,'velodyne_points/data/%010d.bin'%frame))

        #釋出點雲
        publish_point_cloud(pcl_pub,point_clond)

        #釋出訓示線marker;由于不需要讀取資料，是以直接釋出即可
        #當采用markerarray釋出方式，則車子和訓示線都放在這個topic
        #進行釋出即可。故下面的釋出車子模型marker可以删除。這樣子，可以解決不同marker釋出不同步問題
        publish_ego_car(ego_pub)

        #釋出車子模型marker;由于不需要讀取資料，是以直接釋出即可
        #publish_car_model(model_pub)

        #讀取imu資料，這裡也包含了gps資料了
        imu_data=read_imu(os.path.join(DATA_PATH,'oxts/data/%010d.txt'%frame))

        #釋出imu資料
        publish_imu(imu_pub,imu_data)

        #釋出gps資料
        publish_gps(gps_pub,imu_data)
        
        #釋出
        rospy.loginfo("published")
        rate.sleep()
        frame+=1
        frame%=154

2、檢視gps消息

終端啟動roscore，rosrun [packeageName] px_kitti.py啟動執行檔案,這些可以參考個人之前部落格，如果繼續這麼寫這裡的話，系統判斷重複了，稽核不通過。

這次釋出的gps資料，并不能在rviz裡面檢視的，但是，可以使用終端，使用指令

rostopic echo [topicName]

，如

[email protected]:~$ rostopic echo /kitti_gps

效果樣式：

header: 
  seq: 24
  stamp: 
    secs: 1620545823
    nsecs: 297415018
  frame_id: "map"
status: 
  status: 0
  service: 0
latitude: 49.0109308153
longitude: 8.42329153526
altitude: 112.629547119
position_covariance: [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
position_covariance_type: 0
---
header: 
  seq: 25
  stamp: 
    secs: 1620545823
    nsecs: 414661884
  frame_id: "map"
status: 
  status: 0
  service: 0
latitude: 49.0109258936
longitude: 8.42329260277
altitude: 112.623275757
position_covariance: [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]
position_covariance_type: 0
---

3、注意點

1）這節課重點關注在于

publish_utils.py

裡面釋出gps資料函數

2）源碼注釋，有些可以參考之前課程筆記部落格。

#####################

學習課程來源up主，AI葵：

https://www.youtube.com/watch?v=TBdcwwr5Wyk

緻謝AI葵老師

不積矽步，無以至千裡

好記性不如爛筆頭

感覺有點收獲的話，麻煩大大們點贊收藏哈

KITTI
上一篇: 資料可視化 資訊可視化_第4課（第2部分）–資料管理和可視化
下一篇: 量子模型可視化dwave-inspector

繼續閱讀