车载软件开发基础

这篇具有很好参考价值的文章主要介绍了车载软件开发基础。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

开启小车的激光雷达、深度相机等传感器,显示移动过程中,各类传感器数据:

  • 命令行窗口显示小车的线速度和角速度

1、开启各类传感器:

开启小车的激光雷达:

roslaunch scout_bringup open_rslidar.launch

开启深度相机:

roslaunch realsense2_camera rs_camera.launch

开启imu单元:

roslaunch imu_launch imu_msg.launch

 上面为本人学习时的启动launch包方法(提供的松灵小车),写在这里纯粹以便自己回顾。

2、查找需要订阅的线速度和角速度的节点或话题是什么 

我在这里最开始一点也不了解,在看了autolabo教程2.5.2 实操02_话题订阅 · Autolabor-ROS机器人入门课程《ROS理论与实践》零基础教程和一些实践后发现灵活使用rostopic rosmsg 等ros命令的重要性:

先列出常见常用的ros命令:

$ roscd [功能包名称] //移动到保存有功能包的目录
$ rosls [功能包名称] //查看指定的ROS功能包的文件列表 

$ rostopic list: 显示当前正在发送和接收的所有话题的列表 
$ rostopic echo [话题名称]: 实时显示指定话题的消息内容
$ rostopic find [类型名称]: 显示使用指定类型的消息的话题 
$ rostopic type [话题名称]: 显示指定话题的消息类型 
rosservice rosparam 也是一样的使用,有一点点区别;service对应服务通信机制,topic对应话题(发布者订阅者)机制,Param对应参数服务器通信机制;

$ rosmsg list // 显示所有消息
$ rosmsg show [消息名称] // 显示指定消息

$ rosbag record [选项][话题名称]:记录指定话题的消息
    -a表示录制所有话题;-o [filename]表示输出到filename的bag文件;例:rosbag record -a -o all表示将录制all_xxx.bag的bag文件到当前目录,xxx是自动生成的日期序列;
$ rosbag info [bag文件名]:查看bag文件的信息 
$ rosbag play [bag文件名]:回放指定的bag文件 

$ rospack //显示与ROS功能包相关的信息

rosclean:检查或删除ROS日志文件
$ rosclean check        ->检查命令
$ rosclean purge        ->删除命令

$ rosnode list //查看活动的节点列表
$ rosnode info [节点名称] 

再回到我们的任务来:首先我们需要录制一段会发布 "/odom" 话题的bag包(为什么是/odom话题,这个就得自己摸索着看每个话题的消息类型是不是你想要订阅的消息),这里我们小车启动雷达会发布该里程计话题,所以我们启动雷达,录制一段bag包保存为odom.bag:

车载软件开发基础,自动驾驶,c++,机器人,opencv

使用rosbag play odom.bag来进行包的回放:

车载软件开发基础,自动驾驶,c++,机器人,opencv

回放的过程中我们使用rostopic list 查看当前的话题:

 车载软件开发基础,自动驾驶,c++,机器人,opencv

 车载软件开发基础,自动驾驶,c++,机器人,opencv

 这里就验证了在/odom话题中使用的消息类型是nav_msgs/Odometry ,该消息中包含了我们需要的linear angular 线速度和角速度;我们接下来就订阅这个消息,编写订阅者程序(这里在ros创建工作空间,初始化等工作就不演示了):

#include "ros/ros.h"
// #include "sensor_msgs/Imu.h"
#include "nav_msgs/Odometry.h"

void doPose(const nav_msgs::Odometry::ConstPtr& p){
    ROS_INFO("linear.x=%.2f,angular.z=%.2f",
        p->twist.twist.linear.x,p->twist.twist.angular.z
    );
}

int main(int argc, char *argv[])
{
    setlocale(LC_ALL,"");
    // 2.初始化 ROS 节点
    ros::init(argc,argv,"sub_pose");
    // 3.创建 ROS 句柄
    ros::NodeHandle nh;
    // 4.创建订阅者对象
    ros::Subscriber sub = nh.subscribe<nav_msgs::Odometry>("/odom",1000,doPose);
    // 5.回调函数处理订阅的数据
    // 6.spin
    ros::spin();
    return 0;
}

注意在CMakeLists.txt中完成nav_msgs依赖导入,然后完成相关配置;运行编译,rosrun该订阅节点,如下:

车载软件开发基础,自动驾驶,c++,机器人,opencv

 由此完成该问题;该任务主要是达到熟练编写理解订阅者程序、掌握ros相关常用命令、以及熟悉我们实验的小车。

小结:对于我这种小白来说需要这样的复盘来回顾我做的任务背后的含义,其中的代码也需要进一步理解,有错误望指正。另外对于小车的各部分结构及之间的通信还需要了解熟悉,时常感觉不清楚为什么该消息类型中会有这样那样的数据,这些数据是怎么来的,是根据其他传感器元件的数据计算而来还是自身的传感器自带的,这些数据得来后在哪里又需要用到它?这些问题虽然查过,但现阶段还是没有形成体系,后面和队友继续加油!

  • OpenCV显示深度相机的RGB图像和深度图

1、同样先打开深度相机;

2、查看需要订阅的深度相机话题:

这里我们事先录制了一个开启小车所有传感器下的all.bag;运行查看需要订阅的话题,根据话题名称可以大概的知道需要订阅的是/camera/color/image_raw 和 /camera/depth/image_rect_raw,分别对应任务要求的rgb彩色图像和深度图像;程序如下(借鉴的官网程序cv_bridge/Tutorials/UsingCvBridgeToConvertBetweenROSImagesAndOpenCVImages - ROS Wiki):

#include <ros/ros.h>
#include <image_transport/image_transport.h>
#include <cv_bridge/cv_bridge.h>
#include <sensor_msgs/image_encodings.h>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
 
static const std::string OPENCV_WINDOW_COLOR = "Image color window";
static const std::string OPENCV_WINDOW_DEPTH = "Image depth window";
 
class ImageConverter
{
  ros::NodeHandle nh_;
  image_transport::ImageTransport it_;
  image_transport::Subscriber image_sub_color;
  image_transport::Subscriber image_sub_depth;
  image_transport::Publisher image_pub_color;
  image_transport::Publisher image_pub_depth;
 
public:
  ImageConverter()
    : it_(nh_)
  {
    // Subscrive to input video feed and publish output video feed
    image_sub_color = it_.subscribe("/camera/color/image_raw", 1, &ImageConverter::imageCb, this);
    image_sub_depth = it_.subscribe("/camera/depth/image_rect_raw",1,&ImageConverter::depthCb, this);
    image_pub_color = it_.advertise("/image_converter/output_video/color", 1);
    image_pub_depth = it_.advertise("/image_converter/output_video/depth", 1);

 
    cv::namedWindow(OPENCV_WINDOW_COLOR);
    cv::namedWindow(OPENCV_WINDOW_DEPTH);
  }
 
  ~ImageConverter()
  {
    cv::destroyWindow(OPENCV_WINDOW_COLOR);
    cv::destroyWindow(OPENCV_WINDOW_DEPTH);
  }
 
  void imageCb(const sensor_msgs::ImageConstPtr& msg)
  {
    cv_bridge::CvImagePtr cv_ptr;
    try
    {
      cv_ptr = cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::BGR8);
    }
    catch (cv_bridge::Exception& e)
    {
      ROS_ERROR("cv_bridge exception: %s", e.what());
      return;
    }
 
    // Draw an example circle on the video stream
    if (cv_ptr->image.rows > 60 && cv_ptr->image.cols > 60)
      cv::circle(cv_ptr->image, cv::Point(50, 50), 10, CV_RGB(255,0,0));
 
    // Update GUI Window
    cv::imshow(OPENCV_WINDOW_COLOR, cv_ptr->image);
    cv::waitKey(3);
 
    // Output modified video stream
    image_pub_color.publish(cv_ptr->toImageMsg());
  }

  void depthCb(const sensor_msgs::ImageConstPtr &msg)
  {
    cv_bridge::CvImagePtr cv_ptr;
    try
    {
      cv_ptr = cv_bridge::toCvCopy(msg, sensor_msgs::image_encodings::TYPE_32FC1);
    }
    catch (cv_bridge::Exception& e)
    {
      ROS_ERROR("cv_bridge exception: %s", e.what());
      return;
    }

     // Draw an example circle on the video stream
    if (cv_ptr->image.rows > 60 && cv_ptr->image.cols > 60)
      cv::circle(cv_ptr->image, cv::Point(50, 50), 10, CV_RGB(255,0,0));

    // Update GUI Window
    cv::imshow(OPENCV_WINDOW_DEPTH, cv_ptr->image);
    cv::waitKey(3);
 
    // Output modified video stream
    image_pub_depth.publish(cv_ptr->toImageMsg());

  }
};
 
int main(int argc, char** argv)
{
  ros::init(argc, argv, "image_converter");
  ImageConverter ic;
  ros::spin();
  return 0;
}

 阅读教程后修改自己要订阅的节点。效果如下(深度图像有的也是黑色,这里有疑惑的地方,待会查查): 

车载软件开发基础,自动驾驶,c++,机器人,opencv

小结: 多学多练。。。把代码功能,原理搞懂。。。

  • PCL显示激光雷达的点云数据

参考:(16条消息) 使用ros订阅点云并在pcl::visualization中实时显示_拔萝卜的小白TWO的博客-CSDN博客_ros订阅点云数据

#include <iostream>
#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <string.h>
#include <pcl/io/pcd_io.h>
// #include <pcl/point_types.h>
#include <pcl/io/io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
// #include <pcl/filters/statistical_outlier_removal.h>   //统计滤波
// #include <pcl/filters/random_sample.h>    //随机采样
// #include <pcl/filters/voxel_grid.h>      //体素滤波
// #include <pcl/filters/passthrough.h>     //直通滤波
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

#include <pcl_conversions/pcl_conversions.h>
using namespace std;
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("realtime pcl"));

ros::Publisher pub;

typedef pcl::PointCloud<pcl::PointXYZ> PointCloud;

void cloud_cb (const sensor_msgs::PointCloud2ConstPtr& input)
{
   // 声明存储原始数据与滤波后的数据的点云的格式
  pcl::PCLPointCloud2* cloud = new pcl::PCLPointCloud2;    //原始的点云的数据格式
  pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
  // 转化为PCL中的点云的数据格式
  pcl_conversions::toPCL(*input, *cloud);

  pub.publish (*cloud);

  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud1;
  cloud1.reset (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::fromROSMsg (*input, *cloud1);

//  pcl::visualization::CloudViewer viewer ("Simple Cloud Viewer");
//  viewer.showCloud(cloud1,"Simple Cloud Viewer");

  viewer1->removeAllPointClouds();  // 移除当前所有点云
  viewer1->addPointCloud(cloud1, "realtime pcl");
  viewer1->updatePointCloud(cloud1, "realtime pcl");
  viewer1->spinOnce(0.001);

}

int main (int argc, char** argv)
{
  // Initialize ROS
  ros::init (argc, argv, "pcl");
  ros::NodeHandle nh;

  // Create a ROS subscriber for the input point cloud
  //"/camera/depth/color/points"realsense发布的点云数据
  ros::Subscriber sub = nh.subscribe ("/rslidar_points", 10, cloud_cb);
  // Create a ROS publisher for the output point cloud
  pub = nh.advertise<pcl::PCLPointCloud2> ("output", 10);
  // Spin
  ros::spin ();
}

效果:

车载软件开发基础,自动驾驶,c++,机器人,opencv

小结:自己找代码方法和编程能力都亟待提高,背后还有这些实验的原理。以上真实记录了自己完成任务的过程,目前的博客都是自己的一些记录和问题分析,方便自己回顾。

任务二:

编程实现用里程计(odometry)计算小车移动距离

  • 小车靜止不动,读取里程计数据,记为a控制小车前进n米距离(n=1、2、3均可),读取里程计数据,记为b
  • 建立小车移动距离与里程计读数a、b之间的关系模型( 前两步应进行多次以拟合更精确的模型)
  • 控制小车移动,利用上一步构建的模型,计算小车移动的距离,并将计算结果与实际值进行对比

实现逻辑:订阅里程计里面的线速度,针对线速度波动进行一定的修正,然后根据发布频率来实现积分中的时间间隔,进行积分,得到距离;代码:

#include <ros/ros.h>
#include <nav_msgs/Odometry.h>
#include <math.h>
float distance = 0.0;
void doMsg(const nav_msgs::Odometry::ConstPtr& msg)
{
    float speed_x=0;    
    speed_x = msg->twist.twist.linear.x;    
    if(fabs(speed_x)<0.05)
    {
        speed_x=0;
    }
    ROS_INFO("X_速度:%.3f ", speed_x);
    distance += 0.1 * speed_x;
    ROS_INFO("里程计的距离为:%.6f",distance );
}
int main(int argc, char  *argv[])
{
    setlocale(LC_ALL,"");
    ros::init(argc, argv, "odom_sub");
    ros::NodeHandle nh;
    ros::Subscriber sub = nh.subscribe("/odom",1000,doMsg);
    ros::spin();
    return 0;
}

效果(下图是之前的程序跑的,之前的代码中把y,z的线速度也订阅了,然后进行三个方向的平方和求总速度,但是这样由于静止时速度会有波动(为什么呢?它的测速原理是什么呢?还有y,z方向的速度一直都为0,没有波动是为什么呢?在寻找了一番后发现里程计的速度是根据imu的加速度算的(这里可能得看源代码再次确认一下),但是还是不太理解为什么会波动???),导致我们在静止时也会不断的增加里程计读数;所以我们进行了修改,就直接订阅x轴的速度,以为它自身正负的波动会自动抵消,然鹅并没有什么用,还是会增加,所以我们又进一步直接粗暴的设置一个误差下限,假设速度小于0.05的都是误差不计,这样在短距离里面比较准,同时静止时也不会存在里程计增加的情况,但是在远距离下误差会很大,不同测次误差都很大,有时候接近实际值,有时候又偏离很远,这一部分的原因也还不是很清楚???后继继续搞懂):车载软件开发基础,自动驾驶,c++,机器人,opencv文章来源地址https://www.toymoban.com/news/detail-719709.html

到了这里,关于车载软件开发基础的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • chatgpt模拟机器人软件开发

        ChatGPT的参数取决于具体的模型和实现方式,但以下是一些常见的ChatGPT参数:     模型深度:指模型中神经网络的层数。通常情况下,层数越多,模型的表达能力也就越强。     隐藏单元大小:指在模型中每个隐藏层中神经元的数量。通常情况下,隐藏单元数量越多,模

    2024年02月01日
    浏览(43)
  • 量化策略交易软件开发 智能量化机器人 量化高频交易app开发

    美团秋招意向 某量化私募-社会招聘/校园招聘/应届生招聘-C++开发工程师 上海农商行Fintech的Offer到底值不值得?不完全指北 周六加班..-_-(来自dogsbody的怨气,呜呜呜) 【字节跳动】抖音支付实习生| 流程快 8月就20万简历了,还能投递吗焦虑啊 小米正式批 快手秋招今年大动

    2024年02月07日
    浏览(47)
  • 易语言软件定制开发爬虫模拟协议填写自动化办公软件开发多人团队

    在当今快速发展的信息化时代,企业对于高效、自动化的软件需求日益增长。而易语言软件定制开发爬虫模拟协议填写自动化办公软件开发多人团队,正是为了满足这一需求而诞生的。 一、团队背景 技术顾问、维:Daxiami6789 易语言软件定制开发爬虫模拟协议填写自动化办公

    2024年02月05日
    浏览(65)
  • 软件测试 | 测试开发 | Django+Celery框架自动化定时任务开发

    ** 本章介绍使用DjCelery即Django+Celery框架开发定时任务功能,在Autotestplat平台上实现单一接口自动化测试脚本、业务场景接口自动化测试脚本、App自动化测试脚本、Web自动化测试脚本等任务的定时执行、调度、管理等,从而取代Jenkins上的定时执行脚本和发送邮件等功能。** 自动

    2023年04月08日
    浏览(51)
  • 鸿蒙软件开发0基础入门

    今天,万众瞩目的纯血版鸿蒙星河HarmonyOS NEXT发布了,鸿蒙操作系统(HarmonyOS)作为华为开发的面向全场景分布式智能终端的操作系统,对于初学者入门开发,以下是一些基本步骤和要点: 1. 开发环境准备 安装DevEco Studio :首先需要下载并安装华为提供的集成开发环境(IDE)

    2024年01月21日
    浏览(56)
  • 软件测试/测试开发丨使用ChatGPT自动进行需求分析

    在实际工作过程中,常常需要拿到产品的PRD文档或者原型图进行需求分析,为产品的功能设计和优化提供建议。 而使用ChatGPT可以很好地帮助分析和整理用户需求。 接下来,需要使用ChatGPT 辅助我们完成需求分析的任务 注意:为了方便展示,所有GPT的回复都将使用文本格式展

    2024年02月09日
    浏览(48)
  • 软件测试/测试开发丨利用人工智能自动找Bug

    在程序员编程的过程中,产生Bug是一件平常的事情,以前在编码的过程中提前找出Bug,需要通过单元测试、CodeReview等各种方式。 当今,人工智能技术的发展给软件开发和测试带来了许多机会。利用人工智能技术,可以开发出自动化的 Bug 检测工具,从而提高软件质量和可靠性

    2024年02月07日
    浏览(46)
  • WinFrom、C# 学习记录五 开发一个鼠标自动点击小软件

            经常会被问到需要点击软件的,主要都是玩游戏的盆友,但是也有其它用途的。所以简单弄了一个,打算每当有时间,有需求,就加一些小功能。         这里主要是要记录一下相关开发工作,也记录一些使用/更新的信息。         【2022/08/22】版本v1.0(初始版

    2024年02月16日
    浏览(48)
  • 软件测试/测试开发丨利用ChatGPT自动生成架构图

    架构图通过图形化的表达方式,用于呈现系统、软件的结构、组件、关系和交互方式。一个明确的架构图可以更好地辅助业务分析、技术架构分析的工作。架构图的设计是一个有难度的任务,设计者必须要对业务、相关技术栈都非常清晰才能设计出来符合需求的架构图。 1.有

    2024年02月06日
    浏览(55)
  • 软件测试/测试开发丨测试用例自动录入 学习笔记

    本文为霍格沃兹测试开发学社学员学习笔记分享 原文链接:https://ceshiren.com/t/topic/27139 省略人工同步的步骤,节省时间 兼容代码版本的自动化测试用例 用例的执行与调度统一化管理 收集用例 录入平台 通过命令行提供的收集用例功能,获取用例信息后,编写解析算法–比较

    2024年02月09日
    浏览(65)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包