cartographer [ WARN]

已于 2022-06-04 12:37:07 修改
阅读量821 收藏
点赞数
于 2022-06-04 12:33:23 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jimmy71131/article/details/125120563
版权

ubuntu

[ WARN] [1654315841.976521281]: W0604 12:10:41.000000 9136 range_data_collator.cc:82] Dropped 79 earlier points.

解決方法：重設時間

 

jimmy71131
关注
Ros cartographer 搭载 landmark 保姆级操作上手教程(2)
weixin_44025389的博客
08-29 359
最近接到很多小伙伴的私信，问代码工作的流程和实现原理，这里特别开一篇帖子扫清其中的一些盲点，承接上一篇文章，在上一篇文章中，我们已经完成了相机的标定，和二维码信息的读取，那么恭喜进行到这里我们的工作已经完成了一半。Ros cartographer 搭载 landmark 保姆级操作上手教程(1)_ros2 landmark-CSDN博客思路：AprilTag识别------识别成功-----读出二维码 ----获取二维码信息-----计算当前小车的位置。
cartographer运行错误集合
Studying……
11-26 1814
播放bag的时候错误 Check failed: sensor_to_tracking->translation().norm() < 1e-5 The IMU frame must be colocated with the tracking frame. Transforming linear acceleration into the tracking frame will otherwise be imprecise tracking frame不是imu的link 修改lua文件中的.
使用二维激光雷达和cartographer_ros实现实时SLAM
hxlanu的专栏
04-03 4986
在前面已经完成了cartographer_ros的安装和demo的运行了。接下来，就要放到机器人上，实时进行SLAM了。 开始时基本的思路就是修改demo的文件。当时用的就是offline_backpack_2d.launch这个文件。这个能做到，但是要修改的很多，下面就来解决。（更推荐基于demo_revo_lds.launch这个文件进行修改，这个可以看后面问题部分。） cartographer_ros的官方教程里提供了录制的二维激光雷达和IMU的bag包，如果像替换成其他雷达的数据，还需要做一些修
cartographer 源码解析 (四)
To be a better man
07-27 1357
这一章主要内容是多激光的数据同步 首先看一下global_trajectory_builder.cc里面的添加传感器数据AddSensorData() 废话不多数，上代码 void AddSensorData( const std::string& sensor_id, const sensor::TimedPointCloudData& timed_point_cloud_data) override { CHECK(local_trajectory_bui
cartographer_learn_10
weixin_41855642的博客
08-12 451
cartographer_learn_10续接上一篇LocalTrajectoryBuilder2D::AddRangeDataRangeDataCollator 续接上一篇 上一篇讨论到了说把数据TimedPointCloudData扔给了GlobalTrajectoryBuilder<LocalTrajectoryBuilder2D, mapping::PoseGraph2D>>的AddSensorData。这个函数调用了很多功能，我们来一点点的讨论。先进入这个函数查看 void Ad
用自己的雷达进行Cartographer建图或仿真
weixin_44492854的博客
11-20 5146
cartographer使用说明
Cartographer源码阅读2D&3D-前端根据时间戳滤波-RangeDataCollator
yeluohanchan的博客
09-18 855
Cartographer源码阅读-2D前端-根据时间戳滤波-RangeDataCollator 基本原理： 根据当前激光帧的时间戳和上一帧激光帧的时间戳，找到当前激光帧和上一帧激光帧时间重叠的激光点，滤除时间重复的点。 class RangeDataCollator { public: explicit RangeDataCollator( const std::vector<std::string>& expected_range_sensor_ids)
cartographer_ros 命令行参数解析和日志打印
itfanr的博客
03-19 1362
/* * Copyright 2016 The Cartographer Authors * * Licensed under the Apache License, Version 2.0 (the "License"); * you may not use this file except in compliance with the License. * You may obtai...
cartographer_ros ros_log_sink
weixin_39061796的博客
07-12 803
简述 本次主要针对ros_log_sink.h和ros_log_sin.cc文件进行讲解。在这个类中主要完成了对于Google glog消息的封装，使用ROS自带的日志消息输出宏来输出使用Google glog中消息宏接受的消息。关于Google glog的详细介绍请参考我的另外一篇文章google glog使用指南。 ros_log_sink.h #ifndef CARTOGRAPHER_ROS_CARTOGRAPHER_ROS_ROS_LOG_SINK_H #define CARTOGRAPHER_RO
cartographer建图时报Could not compute submap fading: Could not find a connection between ‘map‘ and ‘base
苏凯的博客
03-06 1617
可以看到map与base_link直接缺少tf链接。这里需要在配置文件中把这个 “provide_odom_frame = true,--是否提供里程坐标系 “ 参数设置为true；：这个错误表明在TF (Transform)树中，'map' 和 'base_link' 之间缺少连接。这可能是由于 TF 树的配置问题导致的，或者可能是由于传感器配置问题导致的。具体配置文件：a_ros1_backpack_2d_imu_odom.lua。
local costmap empty using move_base_node|turtlebot_stage
昔风不起，唯有努力生存！
10-25 3986
local costmap empty using move_base_node|turtlebot_stage 在我运行roslaunch turtlebot_stage turtlebot_in_stage.launch时查看local_costmap时，发现地图是空的。 这是因为，单线激光的高度在0.4米，而costmap_common_params.yaml的所选/scan数据的高度范围...
重学C++笔记之（五）函数的使用
非晚非晚的博客
01-09 438
1. 函数的基础知识 2. 函数和数组 2.1 数组属于值传递(指针) 2.2 使用const来保护数组 2.3 指针和const （1）第一种情况 （2）第二种情况 3. 函数和二维数组 4. 函数和C-风格字符串 5. 函数和结构 5.1 值传递 5.2 传递结构的地址 6. 函数和string对象 7. 函数和array对象 8. 函数递归 8.1 一个递归 8.2 包含多个递归调用 9. 函数指针 9.1 函数指针的基础知识 9.2 使用举例 9.3 使用typedef进行简化
cartograph编译警告导致无法运行
qq_40113966的博客
12-09 1027
存在问题： [ WARN] [1587979390.750571170, 567.000000000]: W0427 17:23:10.000000 8793 sensor_bridge.cc:207] Ignored subdivision of a LaserScan message from sensor scan because previous subdivision time 621355973669980000 is not before current subdivision time 6
cartographer-ros阅读梳理（三）定位部分-关于LocalTrajectoryBuilder
qq_46480449的博客
10-04 787
Cartographer的LocalTrajectoryBuilder部分进行分析，以LocalTrajectoryBuilder2D为例
(02)Cartographer源码无死角解析-(29) LocalTrajectoryBuilder2D::AddRangeData()→多雷达数据时间同步
江南才尽江南山，年少无知年少狂！
11-23 1633
再上一篇博客中对 src/cartographer/cartographer/mapping/internal/global_trajectory_builder.cc 进行了一个比较粗的讲解，大概的分析了其中的成员函数与成员变量。了解到 GlobalTrajectoryBuilder 主要的功能是依照条件，把数据转发到前后端。
cartographer 代码思想解读（8）- 多激光传感器同步融合RangeDataCollator
jiajiading的博客
09-28 2933
cartographer 代码思想解读（8）- 多激光传感器同步融合RangeDataCollatorRangeDataCollator类定义AddRangeData（）CropAndMerge() 前面已经分析了cartographer前端的主要核心算法如插入更新和匹配算法等，其中激光雷达点云数据均为作为主要输入，使用时无需考虑具体几个传感器，传感器类型，可通认为是一个雷达产生的点云数据。但实际cartographer通过RangeDataCollator类将多种传感器进行了融合，并进行了时间同步，最后形
【SQLSERVER】Ubuntu 连接远程 SQL Server（MSSQL）
linjiuxiansheng的博客
05-08 508
在 Ubuntu 上连接 SQL Server 使用 sqlcmd 是最简单高效的方法。本文详细介绍了如何配置和连接，同时解决了常见问题。希望本文对你的跨平台数据库连接有所帮助。
【生存技能】ubuntu 24.04 如何pip install
最新发布
m0_52682586的博客
05-10 222
在Ubuntu系统中，直接使用pip安装Python包到系统环境时可能会遇到权限问题，因为系统出于稳定性考虑禁止了这种操作。为了解决这个问题，可以创建一个虚拟环境来安装所需的Python库
Traceback (most recent call last): File "E:\毕业设计\base pre-training longText\partion1\Sbert.py", line 3, in <module> from sentence_transformers import SentenceTransformer, InputExample, losses RuntimeError: Failed to import transformers.integrations.integration_utils because of the following error (look up to see its traceback): Failed to import transformers.modeling_tf_utils because of the following error (look up to see its traceback): Failed to import transformers.data.data_collator because of the following error (look up to see its traceback): module 'tensorflow' has no attribute 'data'
04-01
<think>好的，我现在需要解决用户提到的TensorFlow中出现的错误：“module' object has no attribute 'data'”。用户还提到在使用sentence_transformers时遇到了运行时错误。首先，我需要分析可能的原因，然后给出解决方案。 首先，这个错误通常意味着代码中引用了不存在的模块或属性。在TensorFlow中，'data'模块确实存在，比如tf.data.Dataset，所以可能用户代码中的引用方式有问题。比如，可能用户写成了tf.data.some_function，但实际上正确的路径是tf.data.experimental或者其他子模块。 接下来，用户提到sentence_transformers库的问题，这可能与版本兼容性有关。sentence_transformers依赖于transformers和torch，可能与TensorFlow版本冲突，或者代码中混合使用了TensorFlow和PyTorch的方法，导致引用错误。 可能的解决步骤包括： 1. 检查TensorFlow的导入语句是否正确，确保使用正确的模块路径。例如，检查是否有拼写错误，或者是否导入了正确版本的TensorFlow。 2. 确认代码中是否正确使用了tf.data的相关功能，比如Dataset的创建是否遵循了正确的API。 3. 检查sentence_transformers的安装版本，确保其依赖库如transformers和PyTorch与TensorFlow兼容。有时候，同时安装TensorFlow和PyTorch可能导致环境冲突，需要创建虚拟环境或使用容器隔离。 4. 查看具体的错误堆栈信息，定位到出错的代码行，确认是哪一部分引用了不存在的属性。例如，是否在sentence_transformers的代码中错误地调用了TensorFlow的模块。 5. 更新所有相关的库到最新版本，或者回退到已知兼容的版本，以解决版本不匹配的问题。 6. 如果用户同时在使用TensorFlow和PyTorch，可能需要检查代码中是否有混用的情况，比如错误地将PyTorch的数据处理方法应用到了TensorFlow的模型上。 另外，用户提供的引用信息中有提到AttributeError，比如streamlit的cache_resource问题，以及ChatGLM模型的prefix_encoder缺失，这些都是由于库的版本或代码引用错误导致的。因此，可以推断用户的问题可能也属于类似的类别，需要检查库的版本和代码中的属性引用是否正确。 最后，建议用户提供更详细的错误堆栈和代码片段，以便更精准地定位问题。同时，确保代码环境中的库版本相互兼容，避免因版本过旧或冲突导致的问题。</think>要解决TensorFlow中出现的`module' object has no attribute 'data'`错误，以及`sentence_transformers`的运行时问题，可按以下步骤排查： --- ### **1. 检查TensorFlow代码中的模块引用** - **错误示例**：若代码中直接调用`tf.data.xxx`但路径错误，例如： ```python dataset = tf.data.some_function() # 错误，因为`some_function`不在`tf.data`下 ``` - **正确方法**：确认`tf.data`的标准API。例如，使用`tf.data.Dataset`： ```python dataset = tf.data.Dataset.from_tensor_slices((inputs, labels)) ``` 若需特定功能（如并行处理），需检查是否属于实验性API（如`tf.data.experimental`）[^1]。 --- ### **2. 验证sentence_transformers的依赖兼容性** - **sentence_transformers**基于PyTorch，若与TensorFlow混合使用可能引发冲突： - **安装命令**： ```bash pip install sentence-transformers tensorflow --upgrade ``` - **关键依赖版本**： - `transformers >= 4.6.0` - `torch >= 1.6.0` - `tensorflow >= 2.5.0`（如需同时使用） **注意**：若同时使用TensorFlow和PyTorch，建议通过虚拟环境隔离： ```bash python -m venv tf_env source tf_env/bin/activate # Linux/Mac pip install tensorflow ``` --- ### **3. 检查代码中的跨框架错误** - **错误场景**：若在PyTorch模型（如`sentence_transformers`）中误用TensorFlow数据加载方法： ```python # 错误：将tf.data.Dataset直接用于PyTorch模型 from sentence_transformers import SentenceTransformer model = SentenceTransformer('all-MiniLM-L6-v2') embeddings = model.encode(tf_dataset) # 应使用PyTorch DataLoader ``` - **修正方案**：将数据转换为PyTorch格式： ```python import torch from torch.utils.data import DataLoader pytorch_dataset = torch.utils.data.TensorDataset(torch.tensor(inputs)) dataloader = DataLoader(pytorch_dataset, batch_size=32) embeddings = model.encode(dataloader) ``` --- ### **4. 更新或降级库版本** - **TensorFlow**：升级到稳定版本： ```bash pip install tensorflow==2.12.0 --upgrade ``` - **sentence_transformers**：明确指定版本： ```bash pip install sentence-transformers==2.2.2 ``` 若仍报错，尝试清理缓存后重装： ```bash pip uninstall sentence-transformers -y pip cache purge pip install sentence-transformers ``` --- ### **5. 检查环境冲突** 使用`pip list`查看已安装的库版本，确保无冲突。例如： ``` Package Version ---------------------- --------- tensorflow 2.12.0 sentence-transformers 2.2.2 torch 1.13.1 ``` 若存在冲突，建议重建虚拟环境。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值