kitti-b站教程

Kittidata处理-B站教程

一，kitti资料介绍与可视化

1，所用数据集

2011_09_26_drive_0005_sync

2,使用kitti2bag，把kitti数据集转换为ros的bag文件，可供ros读取。

　　1，安装kitti2bag

　　 pip install kitti2bag

　　2，用kitti2bag命令把数据转换为包

　　在下面放着三个标定文件

　　kitti2bag -t 2011_09_26 -r 0005 raw_synced

　　上面的数据参考数据集的序号：2011_09_26_drive_0005_sync

　　生成以下的话题

3,执行生成的bag文件

rqt_bag kitti_2011_09_26_drive_0005_synced.bag

　　选中一个话题，右键可以查看相关的图像

4,也可以用rviz查看

roscore

rviz

rosbag play -l kitti_2011_10_03_drive_0042_synced.bag

只转化lidar数据为bag文件：

KITTI数据集bin转化为bag

二，发布照片

使用自己写的程序来publish照片，并用rviz可视化

1,建立功能包kitti_tutorial 依赖于rospy

python代码如下

# coding=UTF-8
#! /usr/bin/env python
import  rospy
from sensor_msgs.msg import Image
import cv2 #图片以opencv的形式展现,导入opencv的包
import os #文件拼接要用这个
from cv_bridge import CvBridge

"""
    1,导入包
    2,创建节点
    3,创建发布者
    4,发布者循环发布数据
"""

DATA_PATH = "/home/l/kittidata/1kittiros/RawData/2011_09_26/2011_09_26_drive_0005_sync"

if __name__ == "__main__":
    frame = 0
    # 1,导入包
    rospy.init_node("kitti_node", anonymous=True)
    cam_pub = rospy.Publisher("kitti_cam", Image, queue_size=10)
    brideg = CvBridge() #cv的图片格式转换为ros图片格式的桥梁
    rate = rospy.Rate(10)

    while not rospy.is_shutdown():
        #文件路径拼接,%010d 是一个十位的整数,%0是第零号,0000000000
        # img = cv2.imread(os.path.join(DATA_PATH, "image_02/data/%010d.png"%0))
        img = cv2.imread(os.path.join(DATA_PATH, "image_02/data/%010d.png"%frame))
        #把cv和ros的图片格式进行相互的转换
        cam_pub.publish(brideg.cv2_to_imgmsg(img,"bgr8"))
        rospy.loginfo("left color camera published")
        frame += 1
        #frame最大为153,过了153后,不会出错,然后循环,从零开始
        frame %=154
        rate.sleep()

三，发布点云资料

发布点云资料，在rviz中

# coding=UTF-8
#! /usr/bin/env python
import  rospy
from std_msgs.msg import Header
from sensor_msgs.msg import Image, PointCloud2 #ros里专门用来发布点云的格式
import sensor_msgs.point_cloud2 as pcl2
import cv2 #图片以opencv的形式展现,导入opencv的包
import os #文件拼接要用这个
from cv_bridge import CvBridge
import numpy as np #导入处理数据的资料库
"""
    1,导入包
    2,创建节点
    3,创建发布者
    4,发布者循环发布数据
"""

DATA_PATH = "/home/l/kittidata/1kittiros/RawData/2011_09_26/2011_09_26_drive_0005_sync"

if __name__ == "__main__":
    frame = 0
    # 1,导入包
    rospy.init_node("kitti_node", anonymous=True)
    cam_pub = rospy.Publisher("kitti_cam", Image, queue_size=10)
    pcl_pub = rospy.Publisher("kitti_point_cloud", PointCloud2, queue_size=10)
    brideg = CvBridge() #cv的图片格式转换为ros图片格式的桥梁
    rate = rospy.Rate(10)

    while not rospy.is_shutdown():
        #文件路径拼接,%010d 是一个十位的整数,%0是第零号,0000000000
        # img = cv2.imread(os.path.join(DATA_PATH, "image_02/data/%010d.png"%0))
        img = cv2.imread(os.path.join(DATA_PATH, "image_02/data/%010d.png"%frame))
        #把cv和ros的图片格式进行相互的转换
        cam_pub.publish(brideg.cv2_to_imgmsg(img,"bgr8"))

        #用numpy来读取数据,并转换为numpy的格式,从bin里读取数据,必须告诉他是浮点数float32的数据格式,读取的数据是一维的阵列,把他变成n行4列的矩阵格式
        #point__cloud是n*4的矩阵
        point_cloud = np.fromfile(os.path.join(DATA_PATH, "velodyne_points/data/%010d.bin"%frame),dtype=np.float32).reshape(-1,4)
        #将点云正确的以PointCloud2的格式发布出去,用sensor_msgs.point_cloud2的资料库
        #建立Header,告诉他现在的资讯
        header = Header()
        header.stamp = rospy.Time.now() #时间点
        header.frame_id = "map" #坐标系的名称,可以随便改
        #读取的点云的xyz坐标都是float32的形态,并把它转换为ros里的pointcloud2的格式
        #pcl2.create_cloud_xyz32,只接受xyz三个坐标,不接受反射率的资料,因此point_cloud[:, :3],第一个:指导入所有的点,第二个:指的是取这个资料的前三列
        pcl_pub.publish(pcl2.create_cloud_xyz32(header, point_cloud[:, :3]))
        rospy.loginfo("published,第%d帧",frame)
        rate.sleep()
        frame += 1
        #frame最大为153,过了153后,不会出错,然后循环,从零开始
        frame %=154