共同学习

参考 https://roboticslab-uc3m.github.io/installation-guides/install-pypcd.html进行安装即可，主要就几步cd mkdir -p reposcd reposgit clone https://github.com/dimatura/pypcd.gitcd pypcdsudo python3 setup.py install即可使用python3下的pypcd不过要是from pypcd import pypcd

将lidar转化成为图片有很多种方法, 最近在思考如何根据自己设定的相机的角度来查看点云.大致的想法是，输入lidar点云，以及从lidar到相机的pose, 这个pose,即沿着三个轴的旋转以及平移，可以是任意的，是人为指定的. 然后输出的是相机在这个pose下所拍摄到的相机的图片.如果这个想法能够实现，就能够从不同的角度看点云形成的图片，比如第一人称视角，或者俯视图等.以kitti为例kitti raw的数据采集车是这样的.因为只有点云的话，不太好看第一人称的点云是怎么样的, 这里以相机俯

代码 https://github.com/Mitchell-Lee-93/kitti-A-LOAM从cmake.txt里面看到接下来就按照顺序看这几个主要的代码ScanRegististration.cpp从main函数看起，主要是下面的几个函数大致是接收bag文件中的点云信息，然后做了处理，处理完了就再发布出去，供后面的算法使用.laserCloudHandler通篇所用的 PointType 指的是但是从 laserCloudHandler 中可以看出来而是用 PointXY

代码地址：https://github.com/Mitchell-Lee-93/kitti-A-LOAM我使用的环境是 ubuntu18 + ros melodic安装 依赖的环境sudo apt-get install -y libgoogle-glog-devsudo apt-get install -y libatlas-base-devwget -O ~/Downloads/ceres.zip https://github.com/ceres-solver/ceres-solver/a

在很多的slam算法中都 有将kitti的数据转成为bag的，这次就探索一下这里面的细节，以便于将其他的数据生成bag文件进行测试slam算法.kitti2bag的代码结构大致如下IMU data先读取时间戳。然后把里面的数据，读出来，然后 放置到bag文件里，然后这里会发现，在最后的地方，不仅仅保存的 imu_raw,还有 imu_correct, 代码里面的注释说是为了lio-sam的gps使用。查了一下，在这里有使用然后 还要注意，对于kitti,的imudata,作者用的是 extr

在 src/save_map.srv 中有如下的定义float32 resolution string destination---bool success注意 --- 下面指的是feedback，接下来看save

在跑lio-sam 这个算法时，生成的结果实际上只是基于关键桢的, 生成的 transformation.pcd里面就存了 pose信息, 它的fields包括x y z intensity roll pitch yaw time如果想要将点云和图像进行结合的话，那就需要知道 关键桢具体是哪些，这样才能够找到对应的图像.在看 kitti2bag.py 这个代码的时候，会发现点云的时间戳存的其实就是读的kitti的时间戳. 只不过进行了一下转化. 因此如果想要对齐的话只需要将kitti中的时间进

这次直接上代码了，仍然是发布点云的，但是这次用的是点云的指针,熟悉了一下其用法>>#include <iostream>

点云去噪是点云预处理的重要步骤，本blog将给出点云去噪的一份示例代码#include <iostream> #include <pcl/common/common_headers.h> #include <pcl/io/pcd_io.h> #include <pcl/console/parse.h> #include <pcl/filters/statistical_outlier_removal.h> using nam