1.【ROS博客】基于ROS的费源分析自动驾驶数据集可视化项目(附源代码)
2.rosbag相关源码解析
3.Cartographer源码详解|(2)Cartographer_ros
4.ROS中MPC局部路径规划器使用方法及源码流程解读
5.怎么在github上找到对应ros版本的Gmapping源代码?
6.ROS2测试源码编译安装cartographer
【ROS博客】基于ROS的自动驾驶数据集可视化项目(附源代码)
项目简介
基于加州大学伯克利分校 MSC Lab的自动驾驶数据集,本项目旨在进行数据集的源码可视化。项目源代码已上传至 GitHub,费源分析英文版文章与演示视频也已准备就绪。源码
数据集展示
左侧展示了GPS信号的费源分析可视化,通过 Mapviz 工具,源码易语言 登录源码将行驶过程中走过的费源分析路径显示出来,左上角则呈现了车前摄像头的源码视角。右侧是费源分析自定义的可视化,利用绿色代表 y 轴正方向,源码蓝色表示 x 轴正方向。费源分析紫色圆点表示汽车行驶过程中各个方向的源码加速度信息,天蓝色箭头指示汽车前进方向,费源分析绿色则代表不同强度的源码加速度。
问题与解决方案
在使用 Mapviz 可视化 GPS 信号时,费源分析遇到了数据格式不匹配的问题。通过在自定义的 package 中编写 `trans_GPS.cpp` 文件,成功实现了数据格式转换,解决了数据可视化的问题。同时,还撰写了关于 Mapviz 的基础使用教程。
加速度信息的可视化涉及确定坐标轴方向、避免信息跳动以及直观显示加速度大小。通过在 RVIZ 中绘制 x 和 y 轴,并使用平滑器处理频繁读取的时空隧道指标源码 IMU 数据,成功解决了这些问题。极坐标系的引入使得加速度大小的显示更为直观。
汽车前进方向的可视化涉及到姿态信息的获取与 RVIZ 显示角度的调整。通过分析 IMU 的 orientation 数据,并设置 marker 的 orientation 值,实现了方向的正确显示。
相机信息的可视化面临格式转换问题。通过使用 `image_transport` 包装解决了传感器数据格式不兼容的问题。
总结
在本项目中,通过学习与实践 ROS 相关知识,成功实现了自动驾驶数据集的可视化。接下来,将集中精力深入学习 OSM 的使用,并着手进行 GPS 定位与搜索的小项目开发。
rosbag相关源码解析
rosbag核心功能解析
rosbag主要由rosbag包和rosbag_storage包构成,其常用功能包括play、record和view。下面逐一探讨它们的实现流程。Record功能
记录过程如下:指定要订阅的topic,通过subscribe函数进行订阅。
subscribe函数关联doQueue回调,关键代码如下:
... (doQueue函数内容省略)执行doRecord函数保存数据,涉及doWrite函数,主要调用writeMessageDataRecord:
... (doWrite和writeMessageDataRecord函数内容省略)Play功能
播放过程包括:通过Bag类打开并解析.bag文件。财经门户网站源码
初始化view对象,用于有条件地显示数据。
发布bag内消息并进行广告。
消息的发布。
Bag类与View类
Bag类用于打开并解析.bag文件,解析工作主要在startReadingVersion函数内进行。而View类在Bag类的基础上,对解析结果进行筛选和展示,它负责迭代bag内消息数据,流程如下:构造View类时,通过updateQueries函数处理消息迭代器。
初始化iters_,根据消息时间进行排序。
每次输出时间最早的message_instance_并补充后续消息,保持时间顺序。
对iters_内的实体持续更新并排序。
Cartographer源码详解|(2)Cartographer_ros
上一篇文章深入分析了传感器数据的流向,接下来让我们继续探讨传感器格式的转换与类型变换。这部分内容在sensor_bridge.cc文件中。在处理传感器的坐标变换时,我们需要运用三维空间刚体运动的知识,先进行简要回顾,以助于理解代码。
三维空间刚体运动涉及向量内积与外积。自媒体盈利平台源码向量内积的计算公式如下,表示两个向量的点乘。向量外积则是一个向量,其方向垂直于两个向量,大小为两向量张成四边形的有向面积,计算公式如下。
旋转和平移是欧氏变换的两个关键部分。旋转涉及单位正交基的变换,形成旋转矩阵(Rotation matrix),该矩阵的各分量由两组基之间的内积组成,反映了旋转前后同一向量坐标的变化关系。平移则通过向旋转后的坐标中加入平移向量t实现。通过旋转矩阵R和平移向量t,我们可以完整描述欧氏空间中的坐标变换关系。
为了简化变换过程,引入齐次坐标和变换矩阵。在三维向量末尾添加1形成四维向量,进行线性变换。变换矩阵T能够将两次变换叠加简化为一个操作,便于后续计算。
Cartographer的坐标转换程序位于transform文件夹下的rigid_transform中,用于求解变换矩阵的逆。
在sensor_bridge类中,构造函数将传入配置参数,机房环境监控系统源码对里程计数据进行处理。首先将ros时间转换为ICU时间,然后利用tf_bridge_.LookupToTracking函数找到tracking坐标系与里程计child_frame_id之间的坐标变换。在ToOdometryData函数中,将里程计的footprint的pose转换为tracking_frame的pose,并最终将结果转换为carto::sensor::OdometryData的数据类型。
HandleOdometryMessage函数将传感器数据类型与坐标系转换完成后,调用trajectory_builder_->AddSensorData进行数据处理。对于雷达数据,首先转换为点云格式,然后对点云进行坐标变换,并调用trajectory_builder_->AddSensorData进行数据处理。
IMU数据处理中,要求平移分量小于1e-5,然后调用trajectory_builder_->AddSensorData对数据进行处理。
在雷达数据处理部分,首先将点云数据分段,然后传给HandleRangefinder处理,将点云坐标变换到tracking_frame坐标系下,调用trajectory_builder_->AddSensorData函数进行数据处理。
总结本章内容,我们详细解析了SensorBridge类,对传感器数据进行了转换和传输。通过Node类、MapBuilderBridge类和SensorBridge类,我们对Cartographer_ros部分的代码有了基本了解。接下来,我们将深入学习cartographer。
ROS中MPC局部路径规划器使用方法及源码流程解读
本文将详细介绍ROS导航框架中MPC局部路径规划器mpc_local_planner的使用方法,并对其源码进行解读,梳理其规划流程。内容分为MPC模型预测控制算法简介、mpc_local_planner使用方法、mpc_local_planner源码解读与规划流程梳理三个部分。
一、MPC模型预测控制算法简介
MPC的设计和实施包含三个步骤。首先在k时刻,需要估计/测量出系统当前状态。MPC的优点在于处理多变量、多约束系统,适应动态环境,并提供优化性能。但它的计算复杂度较高,适用于需要高精度控制的应用。
二、mpc_local_planner使用方法
在ROS现有开源MPC模型预测控制算法的局部路径规划器插件中,mpc_local_planner功能包广受欢迎。它与teb_local_planner出自同一研究机构,因此在流程及上有许多相似之处。以下是mpc_local_planner的使用步骤:
1. 下载mpc_local_planner功能包并将其放置在ROS工作空间的src文件夹下。
2. 配置环境,执行以下指令安装所需依赖和环境。
3. 使用catkin_make对mpc_local_planner功能包进行编译。
4. 可根据需要执行以下语句中的一个或多个,来使用功能包自带的示例,对功能包是否能够正常工作,并可对其性能进行测试。
5. 在启动move_base的launch文件中,配置局部路径规划器插件为mpc_local_planner/MpcLocalPlannerROS,并根据机器人的实际情况,设定参数clearing_rotation_allowed的值来设定在规划时是否允许机器人旋转。
6. 在上述move_base节点配置中调用mpc_local_planner的参数配置文件mpc_local_planner_params.yaml。
7. 进行效果测试,并根据测试效果对参数进行调节。
怎么在github上找到对应ros版本的Gmapping源代码?
在 GitHub 上找到对应 ROS 版本的 Gmapping 源代码,可以按照以下步骤进行操作:打开 GitHub 网站,并在搜索栏中输入 "Gmapping",按下回车键进行搜索。
在搜索结果中,找到 Gmapping 的官方仓库,通常是 "ros-gmapping/gmapping"。
打开 Gmapping 仓库页面后,找到 "Releases" 或者 "Tags" 选项,通常在仓库的右侧。
在 "Releases" 或 "Tags" 页面中,可以看到 Gmapping 的版本列表。找到与你使用的 ROS 版本相对应的 Gmapping 版本。
点击所需版本的标签或链接,进入该版本的源代码页面。
在该页面中,你可以浏览 Gmapping 的源代码,包括 package.xml、CMakeLists.txt、src 目录等。
如果你需要下载源代码,可以点击 "Clone or download" 按钮,并选择 "Download ZIP" 选项来下载整个仓库的源代码。
请注意,不同版本的 ROS 可能对应不同的 Gmapping 版本。在查找 Gmapping 源代码时,请确保选择与你使用的 ROS 版本兼容的 Gmapping 版本。
ROS2测试源码编译安装cartographer
Cartographer是一个跨平台、传感器配置提供实时同步定位和绘图(SLAM)的系统,具有回环检测优势,资源占用适中。
选择源码编译安装方式,以适应后期项目修改和移植需求。首先,使用Ubuntu虚拟机测试验证。
若国内访问github受限,可选择Gitee上的备份仓库进行下载。尝试多个版本,确认在Ubuntu humble版本下能够成功下载和安装。
在安装过程中,需要下载依赖项。在Ubuntu上,首先安装libabsl-dev、libceres-dev以及liblua5.3-dev等包。对于ceres-solver,需确保CUDA、显卡加速和TBB指令集优化选项已配置。
在开发板上,通过源码编译安装三方依赖。确保所有依赖包均正确安装,包括protobuf版本为v3.4.1分支。
完成所有依赖安装后,开始编译Cartographer源码。首先下载官方数据集,注意ROS2格式的rosbag转换,使用rosbags工具进行转换。
介绍ROSbag格式,ROS1的.rosbag文件为二进制存储格式,而ROS2使用SQLite数据库格式,支持跨平台和扩展性。两种格式转换方法,推荐使用rosbags工具,无需依赖ROS环境。
测试Cartographer时,使用ros2命令启动示例launch文件,输入特定的bag文件名以加载数据集。测试3D数据集时,使用相应的launch文件和bag文件名。
资源占用情况分析将后续进行。