PointCloud数据：sensor_msgs/PointCloud2
话题 /kitti/velo/pointcloud 中获取
# 描述一个N维点云数据结构（通常用于表示三维点云数据），可能包含额外的信息，比如法线、强度等。
# 点云数据以二进制块的形式存储，其布局通过 "fields" 数组的内容进行描述。
# 点云数据可以组织为2d（类似图像）或1d（无序）。组织为2d图像的点云可以深度相机传感器（如双目相机或ToF）产生。
# 包含传感器数据采集的时间戳和坐标系 ID（适用于3d点）。
Header header
# 点云的二维结构。如果点云是无序的（1D），则高度为 1，宽度表示点云的长度。
uint32 height
uint32 width
# 描述点云数据中的各个通道及其在二进制数据块中的布局。
# 每个 PointField 可能描述诸如 X、Y、Z 坐标或颜色、法线等信息。
PointField[] fields
bool is_bigendian # 表示数据是否为大端字节顺序。如果为 True，则数据按大端格式存储。
uint32 point_step # 每个点的长度（以字节为单位）。它表示一个点在二进制数据中的字节大小。
uint32 row_step # 每一行的长度（同上）。对于二维有序点云，这表示一行（即一排点）的字节数。
uint8[] data # 实际的点云数据，大小为 row_step * height
# 如果所有点都是有效的（即没有无效点，如 NaN 值），则该值为 True。如果存在无效点，则为 False。
bool is_dense rostopic echo /kitti/velo/pointcloud | grep -v data
PointCloud数据：sensor_msgs/PointField
sensor_msgs/PointCloud2中包含的
# 这段信息描述了 PointCloud2 消息格式中每个点条目的描述结构
uint8 INT8 = 1
uint8 UINT8 = 2
uint8 INT16 = 3
uint8 UINT16 = 4
uint8 INT32 = 5
uint8 UINT32 = 6
uint8 FLOAT32 = 7
uint8 FLOAT64 = 8
string name # 字段的名称。可能是 "x"、"y"、"z"、"i" 等，表示点云数据中各个字段的含义。
uint32 offset # 从点结构体的起始位置到该字段的偏移量（以字节为单位）。这个偏移量指示了字段在点数据中的起始位置。
uint8 datatype # 字段的数据类型，使用上述的枚举值
uint32 count # 字段中元素的数量。例如，如果一个字段表示颜色，count 可能是 3，表示红色、绿色和蓝色三个分量。一个字节（Byte）由 8 位（Bit）组成
PointCloud2 消息的 data字段 包含编码为字节流的点列表，其中每个点都是一个 struct 。单个 PointCloud2 消息中的点的格式由 fields 定义，它是 sensor_msgs/PointField 对象的列表。为了将数据转回单个点，必须对其进行反序列化。 PointCloud 库定义了执行此操作的方法（在 Python 中，可以使用pc2.read_points 。）在本质上，这些方法使用内存重解释将字节流转换为一组点(例如Python的struct.unpack()或c++中的重解释类型转换)。
字节流表示的优点是它是一种非常灵活的紧凑的数据传输方式，允许对点使用任意结构。缺点是如果不进行反序列化，消息是不可读的。
可以通过 point_step 和 fields 中的 offset 来判断每个部分的字节数。每个字段的字节数可以通过相邻字段的 offset 差值来确定，具体步骤如下：
x字段的offset是 0，y的offset是 4，因此x的字节数是 4（y的offset减去x的offset，即4 - 0 = 4）。y字段的字节数同样是 4（z的offset是 8，因此8 - 4 = 4）。z字段也是 4 个字节（intensity的offset是 12，因此12 - 8 = 4）。intensity的字节数也是 4（tag的offset是 16，因此16 - 12 = 4）。
因此，每个字段的字节数如下：
x: 4 字节y: 4 字节z: 4 字节intensity: 4 字节
总的字节数为 16，与 point_step 一致。
IMU数据：sensor_msgs/Imu
话题 /kitti/oxts/imu 中获取
# 这是一条保存来自 IMU（惯性测量单元）数据的消息
# 加速度应以 m/s^2（而不是 g）为单位，角速度应以 rad/sec 为单位
# 如果已知测量的协方差，则应填写（如果您只知道每次测量的方差，则只需将其放在对角线上）。
# 全零的协方差矩阵将被解释为“协方差未知”，并且要使用数据，必须假设协方差或从其他来源获取协方差
# 如果您对其中一个数据元素没有估计值（例如，您的 IMU 不会产生方向估计值），请将相关协方差矩阵的元素 0 设置为 -1。
# 如果您正在使用此消息，请检查每个协方差矩阵的第一个元素中的值是否为 -1，并忽略相关估计值。
Header header
geometry_msgs/Quaternion orientation # 姿态
float64[9] orientation_covariance # Row major about x, y, z axes
geometry_msgs/Vector3 angular_velocity # 角速度
float64[9] angular_velocity_covariance # Row major about x, y, z axes
geometry_msgs/Vector3 linear_acceleration # 线加速度
float64[9] linear_acceleration_covariance # Row major x, y z orientation是由 linear_acceleration和 angular_velocity计算而得，但并不是所有IMU设备都直接提供 orientation；如果没有提供，将 orientation各项置为0， orientation_covariance各项置为-1；
这里协方差表示各个数据的误差，一般由器件厂商给出。
GPS数据：sensor_msgs/NavSatFix
话题 /kitti/oxts/gps/fix 中获取
# 适用于任何全球导航卫星系统的导航卫星定位
# 使用WGS 84坐标系
# header.stamp指定此测量的ROS时间（可以使用sensor_msgs/TimeReference消息报告相应的卫星时间）。
# header.frame_id是卫星接收器报告的坐标系，通常是GPS天线的位置。这是相对于车辆的欧几里德坐标系，而不是参考椭球坐标系。
Header header
# 卫星定位状态信息
NavSatStatus status
# 纬度[度]。赤道以北为正；负数是南。
float64 latitude
# 经度[度]。正值是本初子午线以东；负数是西。
float64 longitude
# 海拔高度[米]。正值高于 WGS 84 椭球体（如果没有可用的海拔高度，则为 NaN）。
float64 altitude
# 位置协方差[m ^ 2]: 相对于切线平面的位置协方差。 组件是East，North和Up（ENU）即东北天，按行优先顺序排列。
# 注意：此坐标系在极点处表现出奇异性。
float64[9] position_covariance
# 3 - 如果已知修正的协方差，请完全填写。
# 2 - 如果GPS接收器提供了每次测量的方差，请将其沿对角线放置。
# 1 - 如果只有“精度稀释”可用，请据此估计近似协方差。
uint8 COVARIANCE_TYPE_UNKNOWN=0 # 未知类型。表示协方差的具体类型未知，可能是由于某些原因无法确定
uint8 COVARIANCE_TYPE_APPROXIMATED=1 # 协方差未知。表示协方差矩阵中的元素值未知，即不提供具体的协方差信息
uint8 COVARIANCE_TYPE_DIAGONAL_KNOWN=2 # 对角协方差已知。表示协方差矩阵是对角矩阵，对角线上的元素已知，而非对角线上的元素未知。这种情况下，只有位置坐标之间的不确定性（方差）已知，协方差矩阵的其他元素未提供
uint8 COVARIANCE_TYPE_KNOWN=3 # 完全协方差已知。表示协方差矩阵的所有元素都已知，包括位置坐标之间的不确定性和它们之间的协方差。这种情况下，提供了协方差矩阵的所有元素
# position_covariance 中协方差的类型
uint8 position_covariance_type
GPS数据：sensor_msgs/NavSatStatus
sensor_msgs/NavSatFix 中包含的
# 任何全球导航卫星系统的导航卫星定位状态
# 是否输出增强的定位 取决于 定位类型 和最后一次收到差分校正的时间。
# 当状态 >= STATUS_FIX 时，此定位才有效。
int8 STATUS_NO_FIX = -1 # 无法获取位置，即设备未能成功定位
int8 STATUS_FIX = 0 # 普通定位，即未使用任何增强技术的定位
int8 STATUS_SBAS_FIX = 1 # 基于卫星增强的定位，即使用了卫星增强系统（SBAS，Satellite-Based Augmentation System）来改进定位精度。
int8 STATUS_GBAS_FIX = 2 # 基于地面增强的定位，即使用了地面增强系统（GBAS，Ground-Based Augmentation System）来改进定位精度
int8 status
# 定义接收机使用了哪种全球导航卫星系统信号
uint16 SERVICE_GPS = 1 # GPS导航系统
uint16 SERVICE_GLONASS = 2 # GLONASS导航系统
uint16 SERVICE_COMPASS = 4 # includes BeiDou.
uint16 SERVICE_GALILEO = 8 # 伽利略导航系统
uint16 serviceGPS数据：geometry_msgs/TwistStamped
话题 /kitti/oxts/gps/vel 中获取
# 带有参考坐标系和时间戳的速度
Header header
Twist twist
# 空间中的速度，分为直线速度和角速度。
Vector3 linear
Vector3 angular
Image数据：sensor_msgs/Image（彩色）
话题 /kitti/camera_color_left/image_raw 中获取，可使用
rostopic echo /kitti/camera_color_left/image_raw | grep -v data 命令查看除了 data 字段之外的所有信息。其中grep -v data 用于过滤掉包含 data 字段的行，只显示其他字段。
# 此消息包含未压缩的图像
#（0，0）位于图像的左上角
#
Header header # header 时间戳 应为图像获取时间
# header frame_id 应为相机的光学坐标系
# 坐标系原点应为相机的光学中心
# +x 轴应指向图像的右侧
# +y 轴应指向图像的下方
# +z 轴应指向图像平面的内部
# 如果此处的frame_id和与图像关联的CameraInfo消息的frame_id冲突，
# 则行为未定义
uint32 height # 图像高度，即行数
uint32 width # 图像宽度，即列数
#编码的合法值位于src/image_encodings.cpp文件中
#如果要标准化新的字符串格式，请连接ros-users@lists.sourceforge.net并发送一封建议新编码的电子邮件。
string encoding # 像素编码方式——通道含义、顺序、大小。编码方式取自
# include/sensor_msgs/image_encodings.h 中的字符串列表
# 常见的编码格式包括 "rgb8"、"bgr8"、"mono8" 等
uint8 is_bigendian # 图像数据是否采用大端字节顺序？（1 表示大端，0 表示小端）
uint32 step # 每一行图像数据所占用的字节数，即完整行的字节数
uint8[] data # 实际的矩阵数据，大小为 (step * 行数)
Image数据：sensor_msgs/CameraInfo（彩色）
话题 /kitti/camera_color_left/camera_info 中获取
# 这段信息定义了相机的元信息，通常通过 ROS 话题 camera_info 发布，并且可能伴随最多五个图像话题。
# 主要图像话题：
# image_raw：来自相机驱动程序的原始数据，可能是 Bayer 格式编码。
# image：单色、失真的图像。
# image_color：彩色、失真的图像。
# image_rect：单色、矫正后的图像。
# image_rect_color：彩色、矫正后的图像。
# image_pipeline 包含如 image_proc 和 stereo_image_proc 这样的包，
# 用于从 image_raw 和 camera_info 生成上述处理后的图像话题。
# 相机参数的详细解释可以参考 http://www.ros.org/wiki/image_pipeline/CameraInfo
# image_geometry 包提供了便捷接口，推荐在使用这些元信息时，尤其是将 3D 点投影到图像坐标时使用。
# 注意：如果相机没有经过校准，矩阵 D、K、R 和 P 应保持全零状态。
# 特别是当 K[0] == 0.0 时，可以假定相机未校准。
#######################################################################
# Image acquisition info #
#######################################################################
Header header # header 时间戳 应为图像获取时间
# header frame_id 应为相机的光学坐标系
# 坐标系原点应为相机的光学中心
# +x 轴应指向图像的右侧
# +y 轴应指向图像的下方
# +z 轴应指向图像平面的内部
#######################################################################
# Calibration Parameters #
#######################################################################
# 这些在相机校准期间是固定的。在重新校准摄像头之前，它们的值在所有消息中都是相同的
# 请注意，自校准系统可能会经常"重新校准"
#
# 内部参数可用于将原始（失真）图像扭曲为：
# 1.无失真的图像（需要D和K）
# 2.校正后的图像（需要D、K、R）
# 投影矩阵P将3D点投影到校正图像中
#######################################################################
# 校准相机的图像尺寸。通常，这将是以像素为单位的完整相机分辨率。
uint32 height
uint32 width
# 使用的失真模型。支持的模型列表在sensor_msgs/distortion_models.h中。
# 对于大多数相机，“plumb_bob”（径向和切向失真模型）就足够了。
string distortion_model
# 失真参数。对于 "plumb_bob" 模型，有5个参数：k1, k2, t1, t2, k3。
float64[] D
# 相机内参矩阵，描述了焦距 (fx, fy) 和主点 (cx, cy)
# [fx 0 cx]
# K = [ 0 fy cy]
# [ 0 0 1]
# 将相机坐标系中的三维点投影到二维像素
float64[9] K
# 校正矩阵（仅限双目相机）
# 一个旋转矩阵，将相机坐标系与理想的立体图像平面对齐，使两个立体图像中的极线平行。
float64[9] R
# 投影/相机矩阵
# [fx' 0 cx' Tx]
# P = [ 0 fy' cy' Ty]
# [ 0 0 1 0]
# 对于单目相机，Tx = Ty = 0，矩阵的前三列通常与 K 相同。
# 对于双目相机，Tx 表示两个相机之间的基线距离。
float64[12] P
#######################################################################
# Operational Parameters #
#######################################################################
# 这些参数定义了相机驱动器实际捕获的图像区域。
# 虽然它们会影响输出图像的几何形状，但可以在不重新校准相机的情况下自由更改
#######################################################################
# Binning在这里是指将矩形像素邻域组合成更大的“超级像素”的任何相机设置。
# 它将输出图像的分辨率降低到（width/Binning_x）x（height/Binning_y）。
# 默认值binning_x=binning_y=0被认为与binning__x=binning_y=1相同（没有子采样）。
uint32 binning_x
uint32 binning_y
# 感兴趣区域（全相机分辨率的子窗口），以全分辨率（未绑定）图像坐标给出。
# 无论合并设置如何，特定的ROI总是表示相机传感器上的相同像素窗口。
# roi的默认设置（所有值均为0）被视为与全分辨率相同（roi.width=宽度，roi.eight=高度）。
RegionOfInterest roi 
Image数据：sensor_msgs/Image（灰度）
话题 /kitti/camera_gray_left/image_raw 中获取，和彩色图像的不同点在于encoding和step，其中step为彩色图像的1/3。
tf数据：tf2_msgs/TFMessage
话题 /tf_static (6个)和 /tf[1个，即T_world_(base_link)] 中获取
geometry_msgs/TransformStamped[] transforms
tf数据： geometry_msgs/TransformStamped
# 这表示从坐标系header.frame_id到坐标系child_frame_id的变换，即T_frame_child
Header header
string child_frame_id
Transform transform参考：
扫一扫
486
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
