实现ROS中两个里程计数据的转换到同一坐标系下

2024-06-19 02:44

本文主要是介绍实现ROS中两个里程计数据的转换到同一坐标系下,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

        在多传感器融合的场景中,不同传感器可能会提供不同的位置信息。这段代码的目标是将来自两个不同来源的里程计数据转换到同一个参考坐标系(在这里,选择 odom0 的坐标系作为参考)下进行对齐,以便于后续的融合和处理。

核心步骤解析

  1. 读取和订阅里程计数据:

    • 代码首先从ROS参数服务器读取里程计数据的订阅话题名称。
    • 然后,订阅来自两个不同来源的里程计数据,并通过回调函数来更新全局变量 odom0odom1
  2. 计算修正变换:

    • 当第一次接收到 odom0odom1 数据时,计算一个初始的修正变换 transform_correction
    • 这个修正变换用于将 odom1 的数据转换到 odom0 的坐标系下。
  3. 应用修正变换:

    • 对于后续接收到的 odom1 数据,代码会应用这个修正变换,将 odom1 的姿态和位置转换到 odom0 的坐标系中。
    • 转换后的数据会被发布到带有后缀的修正话题上。

详细的代码注释

下面是原代码,加上了更详细的中文注释,帮助理解每一步的目的和操作:

#include <ros/ros.h>
#include <tf/transform_datatypes.h>
#include <tf/transform_broadcaster.h>
#include "nav_msgs/Odometry.h"// 定义全局变量来存储里程计消息
nav_msgs::Odometry odom0;
nav_msgs::Odometry odom1;
bool has_new_odom0_received = false;
bool has_new_odom1_received = false;// odom0的回调函数,当接收到odom0的里程计数据时调用
void odometry0_callback(const nav_msgs::Odometry::ConstPtr& odom_msg)
{odom0 = *odom_msg; // 更新全局变量odom0if (!has_new_odom0_received) has_new_odom0_received = true; // 标记为已接收新数据
}// odom1的回调函数,当接收到odom1的里程计数据时调用
void odometry1_callback(const nav_msgs::Odometry::ConstPtr& odom_msg)
{odom1 = *odom_msg; // 更新全局变量odom1if (!has_new_odom1_received) has_new_odom1_received = true; // 标记为已接收新数据
}int main(int argc, char *argv[])
{ros::init(argc, argv, "odometry_fusion_correction"); // 初始化ROS节点ros::NodeHandle n("~"); // 创建私有节点句柄// 从参数服务器获取里程计话题名称和修正话题的后缀std::string odom0_topic = "/odom0";n.getParam("odom0_topic", odom0_topic);std::string odom1_topic = "/odom1";n.getParam("odom1_topic", odom1_topic);std::string correction_suffix = "/corrected";n.getParam("correction_suffix", correction_suffix);// 订阅odom0和odom1话题ros::Subscriber sub_0 = n.subscribe(odom0_topic, 1, odometry0_callback);ros::Subscriber sub_1 = n.subscribe(odom1_topic, 1, odometry1_callback);// 创建修正后的odom0和odom1话题的发布者ros::Publisher pub_0 = n.advertise<nav_msgs::Odometry>(odom0_topic + correction_suffix, 1);ros::Publisher pub_1 = n.advertise<nav_msgs::Odometry>(odom1_topic + correction_suffix, 1);// 从参数服务器获取里程计和子坐标系的名称std::string odom_frame_id = "odom";n.getParam("odom_frame_id", odom_frame_id);std::string child_frame_id = "base_link";n.getParam("child_frame_id", child_frame_id);// 获取协方差的对角线值,用于里程计的姿态不确定性float odom0_covariance_diag_value = -1;n.getParam("odom0_covariance_diag_value", odom0_covariance_diag_value);float odom1_covariance_diag_value = -1;n.getParam("odom1_covariance_diag_value", odom1_covariance_diag_value);bool initialization_done = false; // 初始化标志ros::Rate loop_rate(10); // 循环频率设为10Hztf::TransformBroadcaster br; // 创建TF广播器tf::Transform transform_correction; // 修正变换while (ros::ok()){nav_msgs::Odometry odom_corrected; // 用于存储修正后的里程计消息// 当接收到足够的数据后,计算初始的修正变换if (!initialization_done && has_new_odom0_received && has_new_odom1_received){// 将odom0的四元数消息转换为TF四元数tf::Quaternion odom0_orientation;tf::quaternionMsgToTF(odom0.pose.pose.orientation, odom0_orientation);// 基于odom0的姿态和位置,计算修正变换transform_correction = tf::Transform(odom0_orientation, tf::Vector3(odom0.pose.pose.position.x, odom0.pose.pose.position.y, odom0.pose.pose.position.z));initialization_done = true; // 设置初始化完成标志}if (initialization_done){if (has_new_odom1_received){// 将odom1的四元数消息转换为TF四元数tf::Quaternion odom1_orientation;tf::quaternionMsgToTF(odom1.pose.pose.orientation, odom1_orientation);// 基于odom1的姿态和位置,构造TF变换对象tf::Transform odom1_transform(odom1_orientation, tf::Vector3(odom1.pose.pose.position.x, odom1.pose.pose.position.y, odom1.pose.pose.position.z));// 应用修正变换,将odom1的坐标转换到odom0的坐标系下odom1_transform = transform_correction * odom1_transform;// 修正后的odom1数据odom_corrected = odom1;odom_corrected.pose.pose.position.x = odom1_transform.getOrigin().getX();odom_corrected.pose.pose.position.y = odom1_transform.getOrigin().getY();odom_corrected.pose.pose.position.z = odom1_transform.getOrigin().getZ();tf::quaternionTFToMsg(odom1_transform.getRotation(), odom_corrected.pose.pose.orientation); // 将修正后的姿态转换为ROS消息格式// 发布修正后的odom1消息odom_corrected.header.frame_id = odom_frame_id;odom_corrected.child_frame_id = child_frame_id;if (odom1_covariance_diag_value != -1){// 设置修正后的协方差矩阵(对角线值)odom_corrected.pose.covariance = {odom1_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom1_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom1_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom1_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom1_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom1_covariance_diag_value};}pub_1.publish(odom_corrected); // 发布修正后的odom1消息}if (has_new_odom0_received){// 设置修正后的odom0数据odom0.header.frame_id = odom_frame_id;odom0.child_frame_id = child_frame_id;if (odom0_covariance_diag_value != -1){// 设置修正后的协方差矩阵(对角线值)odom0.pose.covariance = {odom0_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom0_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom0_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom0_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom0_covariance_diag_value, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, odom0_covariance_diag_value};}pub_0.publish(odom0); // 发布修正后的odom0消息}}has_new_odom0_received = false; // 重置odom0接收标志has_new_odom1_received = false; // 重置odom1接收标志ros::spinOnce(); // 处理回调函数的未处理消息loop_rate.sleep(); // 控制循环频率}return 0;
}

修正变换的计算与应用示例

        让我们假设 odom0odom1 的初始位置和姿态如下:

  • odom0 的位置为 (1, 2, 0),姿态为四元数 (0, 0, 0, 1)。
  • odom1 的位置为 (2, 3, 0),姿态为四元数 (0, 0, 0.7071, 0.7071)(旋转90度)。

        当 transform_correction 被计算时,它会将 odom1 的坐标转换到 odom0 的坐标系下。

        在计算了 transform_correction 之后,如果 odom1 的新数据为位置 (2, 4, 0),姿态为四元数 (0, 0, 0.7071, 0.7071),应用 transform_correction 后,转换到 odom0 的坐标系中可能会得到修正后的数据,确保 odom1 的数据在 odom0 的坐标系下是对齐和一致的。

        这个转换过程会调整 odom1 的位置和姿态,使得它们在 odom0 的坐标系下具有一致的表示。通过这种方式,可以实现不同来源的里程计数据的对齐和融合。

这篇关于实现ROS中两个里程计数据的转换到同一坐标系下的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1073783

相关文章

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py

Python利用ElementTree实现快速解析XML文件

《Python利用ElementTree实现快速解析XML文件》ElementTree是Python标准库的一部分,而且是Python标准库中用于解析和操作XML数据的模块,下面小编就来和大家详细讲讲... 目录一、XML文件解析到底有多重要二、ElementTree快速入门1. 加载XML的两种方式2.

Java的栈与队列实现代码解析

《Java的栈与队列实现代码解析》栈是常见的线性数据结构,栈的特点是以先进后出的形式,后进先出,先进后出,分为栈底和栈顶,栈应用于内存的分配,表达式求值,存储临时的数据和方法的调用等,本文给大家介绍J... 目录栈的概念(Stack)栈的实现代码队列(Queue)模拟实现队列(双链表实现)循环队列(循环数组

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Android实现在线预览office文档的示例详解

《Android实现在线预览office文档的示例详解》在移动端展示在线Office文档(如Word、Excel、PPT)是一项常见需求,这篇文章为大家重点介绍了两种方案的实现方法,希望对大家有一定的... 目录一、项目概述二、相关技术知识三、实现思路3.1 方案一:WebView + Office Onl

C# foreach 循环中获取索引的实现方式

《C#foreach循环中获取索引的实现方式》:本文主要介绍C#foreach循环中获取索引的实现方式,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录一、手动维护索引变量二、LINQ Select + 元组解构三、扩展方法封装索引四、使用 for 循环替代

Spring Security+JWT如何实现前后端分离权限控制

《SpringSecurity+JWT如何实现前后端分离权限控制》本篇将手把手教你用SpringSecurity+JWT搭建一套完整的登录认证与权限控制体系,具有很好的参考价值,希望对大家... 目录Spring Security+JWT实现前后端分离权限控制实战一、为什么要用 JWT?二、JWT 基本结构

Java实现优雅日期处理的方案详解

《Java实现优雅日期处理的方案详解》在我们的日常工作中,需要经常处理各种格式,各种类似的的日期或者时间,下面我们就来看看如何使用java处理这样的日期问题吧,感兴趣的小伙伴可以跟随小编一起学习一下... 目录前言一、日期的坑1.1 日期格式化陷阱1.2 时区转换二、优雅方案的进阶之路2.1 线程安全重构2

Android实现两台手机屏幕共享和远程控制功能

《Android实现两台手机屏幕共享和远程控制功能》在远程协助、在线教学、技术支持等多种场景下,实时获得另一部移动设备的屏幕画面,并对其进行操作,具有极高的应用价值,本项目旨在实现两台Android手... 目录一、项目概述二、相关知识2.1 MediaProjection API2.2 Socket 网络