崇信县门户网站留言首页,中国保险行业协会网站,wordpress 切换主题,在线设计平台现状分析【 声明#xff1a;版权所有#xff0c;欢迎转载#xff0c;请勿用于商业用途。 联系信箱#xff1a;feixiaoxing 163.com】 3d 点云设备现在汽车上用的很多。之前3d lidar这种高端传感器#xff0c;只能被少部分智能汽车使用。后来很多国产厂家也开始研发3d lidar之后版权所有欢迎转载请勿用于商业用途。 联系信箱feixiaoxing 163.com】 3d 点云设备现在汽车上用的很多。之前3d lidar这种高端传感器只能被少部分智能汽车使用。后来很多国产厂家也开始研发3d lidar之后它的价格快速下跌下来部分3d lidar的价格已经降到了几千元左右实用性一下子就提升上来了。不管用它来做slam还是用来检测物体、识别物体、避障检测都是很方便的。所以对于slam的同学来说除了轮速编码器、imu、camera、单线lidar这些传统传感器之外对多线lidar、深度摄像机一定要多加关注它们肯定是未来发展的方向。 和图像主要采用opencv库一样目前3d lidar数据主要采用的库是pcl。 1、编写pc_node.cpp #include ros/ros.h
#include sensor_msgs/PointCloud2.h
#include pcl_ros/point_cloud.hvoid PointcloudCB(const sensor_msgs::PointCloud2ConstPtr msg)
{pcl::PointCloudpcl::PointXYZ pointCloudIn;pcl::fromROSMsg(*msg, pointCloudIn);int cloudSize pointCloudIn.points.size();for(int i 0; i cloudSize; i){ROS_INFO([i%d] (%.2f, %.2f, %.2f),i,pointCloudIn.points[i].x,pointCloudIn.points[i].y,pointCloudIn.points[i].z);}
}int main(int argc, char* argv[])
{ros::init(argc, argv, pc_node);ROS_WARN(pc_node start);ros::NodeHandle nh;ros::Subscriber pc_sub nh.subscribe(/kinect2/sd/points, 1, PointcloudCB);ros::spin();return 0;
}代码不复杂。首先我们创建一个pc_sub订阅器它订阅了话题/kinect2/sd/points并且为这个话题准备了回调函数PointcloudCB。在这个回调函数里面代码对收到的点云数据进行了打印分别显示它们的x/y/z浮点数值。一般来说点云还会有一个反光强度的值但这里没有提及。 多线激光雷达和单线激光雷达很相似只不过多了一个z方向的数值。也正是因为这个z数值让我们知道了周围环境的深度信息这也是它最有价值的地方。 2、准备CMakeLists.txt 因为pc_node.cpp依赖于pcl库所以这里有两件事情要解决。第一件事情查找一下当前的依赖库里面有没有pcl
## Find catkin and any catkin packages
find_package(catkin REQUIRED COMPONENTS message_generation roscpp rospy std_msgs genmsg tf cv_bridge pcl_ros)
find_package(PCL REQUIRED) 第二件事情就是添加编译规则告诉CMakeLists.txtpc_node.cpp应该怎么编译
add_executable(pc_node src/pc_node.cpp)
target_link_libraries(pc_node ${catkin_LIBRARIES})
add_dependencies(pc_node beginner_tutorials_generate_messages_cpp) 3、catkin_make编译 pc_node.cpp和CMakeLists.txt都准备好了那么就可以开始编译了。编译的方法就是在catkin_ws目录下面直接输入catkin_make即可。 4、测试和验证 测试的方法其实和camera是一样的。第一步需要一个仿真环境输入roslaunch wpr_simulation wpb_pointcloud.launch即可。 仿真环境准备好之后第二步就可以输入rosrun beginner_tutorials pc_node这个时候会看到很多的数据打印。这些数据就是看到的3d数据。
[ INFO] [1696920724.029184374, 77.884000000]: [i16505] (-0.82, -1.09, 2.22)
[ INFO] [1696920724.029235237, 77.884000000]: [i16506] (-0.81, -1.09, 2.22)
[ INFO] [1696920724.029306573, 77.884000000]: [i16507] (-0.81, -1.09, 2.22)
[ INFO] [1696920724.029391593, 77.884000000]: [i16508] (-0.80, -1.09, 2.22)
[ INFO] [1696920724.029448090, 77.884000000]: [i16509] (-0.79, -1.09, 2.22)
[ INFO] [1696920724.029506356, 77.884000000]: [i16510] (-0.79, -1.10, 2.24)
[ INFO] [1696920724.029556718, 77.884000000]: [i16511] (-0.79, -1.11, 2.25)
[ INFO] [1696920724.029606507, 77.884000000]: [i16512] (-0.79, -1.12, 2.27)
[ INFO] [1696920724.029656374, 77.884000000]: [i16513] (-0.79, -1.12, 2.29)
[ INFO] [1696920724.029706286, 77.884000000]: [i16514] (-0.79, -1.13, 2.31)
[ INFO] [1696920724.029756426, 77.884000000]: [i16515] (-0.79, -1.14, 2.33)
[ INFO] [1696920724.029805764, 77.884000000]: [i16516] (-0.79, -1.15, 2.35)
[ INFO] [1696920724.029855296, 77.884000000]: [i16517] (-0.79, -1.16, 2.37)
[ INFO] [1696920724.029904895, 77.884000000]: [i16518] (-0.79, -1.17, 2.38)
[ INFO] [1696920724.029954521, 77.884000000]: [i16519] (-0.79, -1.18, 2.40)
[ INFO] [1696920724.030003954, 77.884000000]: [i16520] (-0.79, -1.19, 2.42)
[ INFO] [1696920724.030053707, 77.884000000]: [i16521] (-0.79, -1.20, 2.45)
[ INFO] [1696920724.030103470, 77.884000000]: [i16522] (-0.79, -1.21, 2.47)
[ INFO] [1696920724.030152928, 77.884000000]: [i16523] (-0.79, -1.22, 2.49)
[ INFO] [1696920724.030202438, 77.884000000]: [i16524] (-0.79, -1.23, 2.51)
[ INFO] [1696920724.030251816, 77.884000000]: [i16525] (-0.79, -1.24, 2.53)5、后续的工作 拿到点云数据只是第一步后续可以通过x/y/z限制、滤波、分割、识别、统计等方法估算出物体的具体位置。拿到这些位置信息之后就可以进一步通知机器人去进行后续任务的处理这个是之前传感器无法实现的效果。 当然现在用3d lidar做slam的开源代码也很多特别是室外靠gmapping根本是不可能的。只能靠3d lidar、gps、imu这些传感器去处理也是未来发展一个很重要的方向。
