机器人开发笔记之ros-pcl学习(4)
前言
本文主要为ROS中使用体素滤波的相关内容,一些ros-pcl基础操作请见前几篇。
一、代码:
#include <ros/ros.h>
#include <tf/transform_listener.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include<pcl/io/pcd_io.h>
//filters specific includes
#include <pcl/PCLPointCloud2.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/filters/conditional_removal.h>
#include <pcl/filters/statistical_outlier_removal.h>
//publisher
ros::Publisher pub;
//callback function
void
cloud_cb (const sensor_msgs::PointCloud2ConstPtr& cloud_msg)
{
// ROS_INFO("hahahahah");
// 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);
pcl::PCLPointCloud2 cloud_filtered; //存储滤波后的数据格式
pcl_conversions::toPCL(*cloud_msg, *cloud); //采集的点云数据转化为PCL中的点云的数据格式
std::cout << cloud->header.frame_id << std::endl;
pcl::VoxelGrid<pcl::PCLPointCloud2> filter; //创建滤波对象
filter.setInputCloud (cloudPtr); //设置输入的滤波,将需要过滤的点云给滤波对象
filter.setLeafSize(0.1,0.1,0.1); //设置滤波时创建的体素大小为xxxm的立方体
filter.filter (cloud_filtered); //执行滤波处理,存储输出cloud_filtered
//再将滤波后的点云的数据格式转换为ROS下的数据格式发布出去
sensor_msgs::PointCloud2 output; //声明的输出的点云的格式
pcl_conversions::moveFromPCL(cloud_filtered, output);//第一个参数是输入,后面的是输出
pub.publish (output);
}
int main (int argc, char **argv)
{
ros::init (argc, argv, "pcl_voxel");
ros::NodeHandle nh;
ros::Subscriber bat_pub = nh.subscribe ("/camera/depth/color/points", 10,cloud_cb);
pub =nh.advertise<sensor_msgs::PointCloud2>("pcl_output_filtered", 1);
ros::spin ();
return 0;
}
二、注意:
1.更改自己的topic。
2.如果你没有写Tf坐标转换的话,应该在代码中直接加入对于输出点云的坐标系定义。
output.header.frame_id = "odom";
上面这个是定义了发布使用全局坐标系。
3.补充一个后期遇到的问题,后面在使用tf建立坐标系树的时候出现了如下报错,会导致tf树在rviz里灰掉。
Leaf size is too small for the input dataset. Integer indices would overflow
此问题是因为点云数据量过大导致数据溢出。通过修改滤波参数得以解决。如下:
filter.setLeafSize(0.1,0.1,0.1); //设置滤波时创建的体素大小为xxxm的立方体
之前是0.02f改为了0.1。
总结
ros-pcl中的操作主要分为以下几步:
1.添加相关头文件。
2.订阅与发布相关话题。
3.收到与处理完成分别有一次数据类型转换,其他基本就是和pcl中的操作一样。