详解 ROS 近似时间戳同步 ApproximateTime

2024-04-29 02:36
文章标签 详解 时间 近似 同步 ros approximatetime

本文主要是介绍详解 ROS 近似时间戳同步 ApproximateTime，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！

ApproximateTime

功能介绍

message_filters::sync_policies::ApproximateTime 策略使用自适应算法根据时间戳来匹配多个Topic消息。

ApproximateTime根据时间戳来进行匹配，因此Topic的消息类型必须包含Header字段【C++】。

以下补充属性

  1. 以同步两个Topic为例，ApproximateTime至少会保证其中一个Topic中的消息不会被丢失。另一个Topic的消息可能会被丢失。
  2. 匹配完全按照Header字段中的stamp时间戳进行同步，和消息到来的时间顺序无关。
  3. 同步的一组Topic不能有重复

使用案例

示例代码

GitHup : https://github.com/SeekyChan/ApproximateTime_demo.git

创建两个ROS Node（time_01_node time_02_node），发布两个Topic分别为 : "timestamp_02_topic" 和 "timestamp_02_topic"，两个Topic间隔 1 s 发送一次 sensor_msgs::PointCloud2 消息，时间戳为当前系统的时间戳。

创建ROS Node（sync_node） 订阅并同步两个topic的消息，同时打印信息。

三个节点的代码如下：

time_01_node

#include "ros/ros.h"
#include "std_msgs/Header.h"
#include <sensor_msgs/PointCloud2.h>
#include <ctime>int main(int argc, char **argv)
{// 初始化ROS节点ros::init(argc, argv, "timestamp_publisher");// 创建节点句柄ros::NodeHandle n;ros::Publisher pub = n.advertise<sensor_msgs::PointCloud2>("timestamp_01_topic", 10);// 设置发布频率，这里设定为每秒1次ros::Rate loop_rate(1);int count = 0;while (ros::ok()){// 获取当前系统时间戳sensor_msgs::PointCloud2 cloud_msg;// 设置消息的元数据cloud_msg.header.frame_id = "time_01_node"; cloud_msg.header.stamp = ros::Time::now(); // 设置时间戳cloud_msg.header.seq = count;// 发布消息pub.publish(cloud_msg);// 输出当前时间戳//ROS_INFO("time_01_node publishing timestamp: %f", cloud_msg.header.stamp.toSec());// 递增count值count++;// 延时以达到指定的发布频率loop_rate.sleep();}return 0;
}

time_02_node

#include "ros/ros.h"
#include "std_msgs/Header.h"
#include <sensor_msgs/PointCloud2.h>
#include <ctime>int main(int argc, char **argv)
{// 初始化ROS节点ros::init(argc, argv, "timestamp_publisher");// 创建节点句柄ros::NodeHandle n;ros::Publisher pub = n.advertise<sensor_msgs::PointCloud2>("timestamp_02_topic", 10);// 设置发布频率，这里设定为每秒1次ros::Rate loop_rate(1);int count = 0;while (ros::ok()){// 获取当前系统时间戳sensor_msgs::PointCloud2 cloud_msg;// 设置消息的元数据cloud_msg.header.frame_id = "time_02_node"; cloud_msg.header.stamp = ros::Time::now(); // 设置时间戳cloud_msg.header.seq = count;// 发布消息pub.publish(cloud_msg);// 输出当前时间戳//ROS_INFO("time_02_node publishing timestamp: %f", cloud_msg.header.stamp.toSec());// 递增count值count++;// 延时以达到指定的发布频率loop_rate.sleep();}return 0;
}

sync_node

#include "ros/ros.h"
#include "std_msgs/Header.h"
#include <sensor_msgs/PointCloud2.h>#include <message_filters/subscriber.h>
#include <message_filters/time_synchronizer.h>
#include <message_filters/sync_policies/approximate_time.h>void callback(const sensor_msgs::PointCloud2::ConstPtr& msg1, const sensor_msgs::PointCloud2::ConstPtr& msg2) {// 打印消息的时间戳ROS_INFO("Received timestamps: topic1: %f, topic2: %f", msg1->header.stamp.toSec(), msg2->header.stamp.toSec());// 计算时间戳的差值（绝对值）double timestamp_diff = fabs(msg1->header.stamp.toSec() - msg2->header.stamp.toSec());ROS_INFO("Timestamp difference: %f seconds ,node_1 seq : %d , node_1 seq : %d", timestamp_diff,msg1->header.seq,msg2->header.seq);
}int main(int argc, char **argv) {// 初始化 ROS 节点ros::init(argc, argv, "timestamp_sync_node");// 创建节点句柄ros::NodeHandle nh;//订阅两个话题message_filters::Subscriber<sensor_msgs::PointCloud2> sub1(nh, "timestamp_01_topic", 5);message_filters::Subscriber<sensor_msgs::PointCloud2> sub2(nh, "timestamp_02_topic", 5);typedef message_filters::sync_policies::ApproximateTime<sensor_msgs::PointCloud2,sensor_msgs::PointCloud2> syncPolicy; //近似同步策略message_filters::Synchronizer<syncPolicy> sync(syncPolicy(10), sub1, sub2);// 同步sync.registerCallback(boost::bind(&callback, _1, _2));// 循环等待回调ros::spin();return 0;
}

运行结果

从结果可以看到，两个Topic的消息都一一同步并都打印出来了。因为我们两个节点发布的消息都是每隔一秒发送一个当前时间戳的消息，因此两个Topic的消息的时间戳几乎是完全一致的，因此全部一一匹配也在意料之中。

设置匹配下限

假设我们此时更改 time_02_node 节点，将每隔 1 s 发送 的时间戳改为 当前时间戳 + 5s，其他节点代码保持不变。

cloud_msg.header.frame_id = "time_02_node"; 
cloud_msg.header.stamp = ros::Time::now() + ros::Duration(5); // 设置时间戳

运行结果

此时我们看到，time_01_node 的前5s的消息被丢弃了，从time_01_node的第 6 个消息开始与 time_02_node 的第一个消息进行匹配。

如果我们更改需求，设time_01_node 和 time_02_node 两个节点的消息时间相差时间不超过5s就算作匹配，那么time_01_node的第一个消息与time_02_node的第一个消息时间戳上就是匹配的，不应该被丢弃。此时我们可以使用 setInterMessageLowerBound 来设置匹配允许的误差。

更改sync_node的代码如下：

    sync.setInterMessageLowerBound(ros::Duration(10,0));sync.registerCallback(boost::bind(&callback, _1, _2));

此时观察运行结果

消息再次一一对应了。

消息同步的队列大小

例程中Synchronizer的queue_size 设为 10

message_filters::Synchronizer<syncPolicy> sync(syncPolicy(10), sub1, sub2);// 同步

具体的含义是什么呢？

上图中两条线分别代表两个Topic ， queue_size 指的是 每一个Topic最多进来多少个点作为匹配的集合。如果在消息进入的点的数量达到设置定的队列大小数量还没有相应时间戳匹配成功，那么则丢弃当前的点进行下一轮匹配。以上文示例代码的程序为例，如果设为syncPolicy(5),而 time_02_node 节点每隔 1 s 发送 的时间戳为 当前时间戳 + 5s，在不设置匹配下限的情况下，意味着在Topic的消息队列的集合为 5 的范围内则时间戳永不匹配。

这篇关于详解 ROS 近似时间戳同步 ApproximateTime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/944904。

相关文章

Spring Security基于数据库验证流程详解

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明（认真看哦） AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证，则会调用 #attemptAuthentica
阅读更多...
基于MySQL Binlog的Elasticsearch数据同步实践

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展，我们的业务数据越来越多，单纯使用 MySQL 已经不能满足我们的数据查询需求，例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后，随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步，我们目前的解决方案是建立数据中间表。把需要检索的业务数据，统一放到一张M
阅读更多...
服务器集群同步时间手记

服务器集群同步时间手记

1.时间服务器配置（必须root用户） （1）检查ntp是否安装 [root@node1 桌面]# rpm -qa|grep ntpntp-4.2.6p5-10.el6.centos.x86_64fontpackages-filesystem-1.41-1.1.el6.noarchntpdate-4.2.6p5-10.el6.centos.x86_64 （2）修改ntp配置文件 [r
阅读更多...
OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

OpenHarmony鸿蒙开发（ Beta5.0）无感配网详解

1、简介 无感配网是指在设备联网过程中无需输入热点相关账号信息，即可快速实现设备配网，是一种兼顾高效性、可靠性和安全性的配网方式。 2、配网原理 2.1 通信原理 手机和智能设备之间的信息传递，利用特有的NAN协议实现。利用手机和智能设备之间的WiFi 感知订阅、发布能力，实现了数字管家应用和设备之间的发现。在完成设备间的认证和响应后，即可发送相关配网数据。同时还支持与常规Sof
阅读更多...
csu1328（近似回文串）

csu1328（近似回文串）

题意：求近似回文串的最大长度，串长度为1000。 解题思路：以某点为中心，向左右两边扩展，注意奇偶分开讨论，暴力解即可。时间复杂度O(n^2); 代码如下： #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring>#include<string>#inclu
阅读更多...
6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

6.1.数据结构-c/c++堆详解下篇（堆排序，TopK问题）

上篇：6.1.数据结构-c/c++模拟实现堆上篇（向下，上调整算法，建堆，增删数据）-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小)： 2.2 C语言代码（手写堆） 2.3 C++代码（使用优先级队列 priority_queue）
阅读更多...
K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）开源的容器编排平台安装步骤详解

K8S（Kubernetes）是一个开源的容器编排平台，用于自动化部署、扩展和管理容器化应用程序。以下是K8S容器编排平台的安装步骤、使用方式及特点的概述： 安装步骤： 安装Docker：K8S需要基于Docker来运行容器化应用程序。首先要在所有节点上安装Docker引擎。 安装Kubernetes Master：在集群中选择一台主机作为Master节点，安装K8S的控制平面组件，如AP
阅读更多...
嵌入式Openharmony系统构建与启动详解

嵌入式Openharmony系统构建与启动详解

大家好，今天主要给大家分享一下，如何构建Openharmony子系统以及系统的启动过程分解。 第一：OpenHarmony系统构建      首先熟悉一下，构建系统是一种自动化处理工具的集合，通过将源代码文件进行一系列处理，最终生成和用户可以使用的目标文件。这里的目标文件包括静态链接库文件、动态链接库文件、可执行文件、脚本文件、配置文件等。      我们在编写hellowor
阅读更多...
LabVIEW FIFO详解

LabVIEW FIFO详解

在LabVIEW的FPGA开发中，FIFO（先入先出队列）是常用的数据传输机制。通过配置FIFO的属性，工程师可以在FPGA和主机之间，或不同FPGA VIs之间进行高效的数据传输。根据具体需求，FIFO有多种类型与实现方式，包括目标范围内FIFO（Target-Scoped）、DMA FIFO以及点对点流（Peer-to-Peer）。 FIFO类型 **目标范围FIFO（Target-Sc
阅读更多...
019、JOptionPane类的常用静态方法详解

019、JOptionPane类的常用静态方法详解

目录 JOptionPane类的常用静态方法详解 1. showInputDialog()方法 1.1基本用法 1.2带有默认值的输入框 1.3带有选项的输入对话框 1.4自定义图标的输入对话框 2. showConfirmDialog()方法 2.1基本用法 2.2自定义按钮和图标 2.3带有自定义组件的确认对话框 3. showMessageDialog()方法 3.1
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2