读取csv文件中的IMU数据并以sensor_msgs/Imu格式发送

最新推荐文章于 2024-06-13 16:24:41 发布
最新推荐文章于 2024-06-13 16:24:41 发布
阅读量1.6k 收藏 22
点赞数 3
分类专栏： ROS 文章标签： csv ros c++ IMU 姿态解算
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/qq_42680785/article/details/119054754
版权

读取csv文件中的IMU数据并以sensor_msgs/Imu格式发送 20210724

项目需要将所给的csv表格中IMU数据读取并转化为sensor_msgs/Imu格式，以便于后续使用数据跑定位算法。

csv表格：

请添加图片描述

读取csv文件
code：
ifstream inFile("(csv文件绝对路径)", ios::in);    //
vector<string> stamp,Yaw,Pitch,Roll,Ve,Vn,Vu;

if (!inFile)
{
    cout << "打开CSV文件失败！" << endl;
    exit(1);
}
string line;
while (getline(inFile, line)){
	string field;
    istringstream sin(line);

    getline(sin, field, ',');
    stamp.push_back(field.c_str()); 

    getline(sin, field, ',');
    Yaw.push_back(field.c_str()); 

    getline(sin, field, ',');
    Pitch.push_back(field.c_str()); 

    getline(sin, field, ',');
    Roll.push_back(field.c_str()); 

    getline(sin, field, ',');
    Ve.push_back(field.c_str()); 

    getline(sin, field, ',');
    Vn.push_back(field.c_str()); 

    getline(sin, field); 
    Vu.push_back(field.c_str()); 
}
IMU数据转换

由于csv中所给的数据并不是标准IMU格式，而是通过解算得到的处理过后的数据，所以需要通过逆变换反推出IMU的标准数据，得到gyro，accel，四元数等数据。

四元数
公式

q B = [ cos ⁡ ( ψ / 2 ) 0 0 sin ⁡ ( ψ / 2 ) ] [ cos ⁡ ( θ / 2 ) 0 sin ⁡ ( θ / 2 ) 0 ] [ cos ⁡ ( ϕ / 2 ) sin ⁡ ( ϕ / 2 ) 0 0 ] = [ cos ⁡ ( ϕ / 2 ) cos ⁡ ( θ / 2 ) cos ⁡ ( ψ / 2 ) + sin ⁡ ( ϕ / 2 ) sin ⁡ ( θ / 2 ) sin ⁡ ( ψ / 2 ) sin ⁡ ( ϕ / 2 ) cos ⁡ ( θ / 2 ) cos ⁡ ( ψ / 2 ) − cos ⁡ ( ϕ / 2 ) sin ⁡ ( θ / 2 ) sin ⁡ ( ψ / 2 ) cos ⁡ ( ϕ / 2 ) sin ⁡ ( θ / 2 ) cos ⁡ ( ψ / 2 ) + sin ⁡ ( ϕ / 2 ) cos ⁡ ( θ / 2 ) sin ⁡ ( ψ / 2 ) cos ⁡ ( ϕ / 2 ) cos ⁡ ( θ / 2 ) sin ⁡ ( ψ / 2 ) − sin ⁡ ( ϕ / 2 ) sin ⁡ ( θ / 2 ) cos ⁡ ( ψ / 2 ) ] \begin{aligned} \mathbf{q}_{\mathrm{B}} &=\left[\begin{array}{c} \cos (\psi / 2) \\ 0 \\ 0 \\ \sin (\psi / 2) \end{array}\right]\left[\begin{array}{c} \cos (\theta / 2) \\ 0 \\ \sin (\theta / 2) \\ 0 \end{array}\right]\left[\begin{array}{c} \cos (\phi / 2) \\ \sin (\phi / 2) \\ 0 \\ 0 \end{array}\right] \\ &=\left[\begin{array}{l} \cos (\phi / 2) \cos (\theta / 2) \cos (\psi / 2)+\sin (\phi / 2) \sin (\theta / 2) \sin (\psi / 2) \\ \sin (\phi / 2) \cos (\theta / 2) \cos (\psi / 2)-\cos (\phi / 2) \sin (\theta / 2) \sin (\psi / 2) \\ \cos (\phi / 2) \sin (\theta / 2) \cos (\psi / 2)+\sin (\phi / 2) \cos (\theta / 2) \sin (\psi / 2) \\ \cos (\phi / 2) \cos (\theta / 2) \sin (\psi / 2)-\sin (\phi / 2) \sin (\theta / 2) \cos (\psi / 2) \end{array}\right] \end{aligned} qB​​=⎣⎢⎢⎡​cos(ψ/2)00sin(ψ/2)​⎦⎥⎥⎤​⎣⎢⎢⎡​cos(θ/2)0sin(θ/2)0​⎦⎥⎥⎤​⎣⎢⎢⎡​cos(ϕ/2)sin(ϕ/2)00​⎦⎥⎥⎤​=⎣⎢⎢⎡​cos(ϕ/2)cos(θ/2)cos(ψ/2)+sin(ϕ/2)sin(θ/2)sin(ψ/2)sin(ϕ/2)cos(θ/2)cos(ψ/2)−cos(ϕ/2)sin(θ/2)sin(ψ/2)cos(ϕ/2)sin(θ/2)cos(ψ/2)+sin(ϕ/2)cos(θ/2)sin(ψ/2)cos(ϕ/2)cos(θ/2)sin(ψ/2)−sin(ϕ/2)sin(θ/2)cos(ψ/2)​⎦⎥⎥⎤​​

code：
q0 = sin(roll/360.0f*M_PI) * cos(pitch/360.0f*M_PI) * cos(yaw/360.0f*M_PI) - cos(roll/360.0f*M_PI) * 			sin(pitch/360.0f*M_PI) * sin(yaw/360.0f*M_PI);
q1 = cos(roll/360.0f*M_PI) * sin(pitch/360.0f*M_PI) * cos(yaw/360.0f*M_PI) + sin(roll/360.0f*M_PI) * 			cos(pitch/360.0f*M_PI) * sin(yaw/360.0f*M_PI);
q2 = cos(roll/360.0f*M_PI) * cos(pitch/360.0f*M_PI) * sin(yaw/360.0f*M_PI) - sin(roll/360.0f*M_PI) * 			sin(pitch/360.0f*M_PI) * cos(yaw/360.0f*M_PI);
q3 = cos(roll/360.0f*M_PI) * cos(pitch/360.0f*M_PI) * cos(yaw/360.0f*M_PI) + sin(roll/360.0f*M_PI) * 			sin(pitch/360.0f*M_PI) * sin(yaw/360.0f*M_PI);
GYRO
公式

[ g x g y g z ] = M x ⋅ M y ⋅ [ 0 0 d y d t ] + M x ⋅ [ 0 d p d t 0 ] + [ d r d t 0 0 ] \left[\begin{array}{l} g_{x} \\ g_{y} \\ g_{z} \end{array}\right]=\mathrm{M}_{x} \cdot \mathrm{M}_{y} \cdot\left[\begin{array}{c} 0 \\ 0 \\ \frac{d y}{d t} \end{array}\right]+\mathrm{M}_{x} \cdot\left[\begin{array}{c} 0 \\ \frac{d p}{d t} \\ 0 \end{array}\right]+\left[\begin{array}{c} \frac{d r}{d t} \\ 0 \\ 0 \end{array}\right] ⎣⎡​gx​gy​gz​​⎦⎤​=Mx​⋅My​⋅⎣⎡​00dtdy​​⎦⎤​+Mx​⋅⎣⎡​0dtdp​0​⎦⎤​+⎣⎡​dtdr​00​⎦⎤​

= [ 1 0 0 0 cos ⁡ r sin ⁡ r 0 − sin ⁡ r cos ⁡ r ] ⋅ [ cos ⁡ p 0 − sin ⁡ p 0 1 0 sin ⁡ p 0 cos ⁡ p ] ⋅ [ 0 0 d y d t ] + [ 1 0 0 0 cos ⁡ r sin ⁡ r 0 − sin ⁡ r cos ⁡ r ] ⋅ [ 0 d p d t 0 ] + [ d r d t 0 0 ] =\left[\begin{array}{ccc} 1 & 0 & 0 \\ 0 & \cos r & \sin r \\ 0 & -\sin r & \cos r \end{array}\right] \cdot\left[\begin{array}{ccc} \cos p & 0 & -\sin p \\ 0 & 1 & 0 \\ \sin p & 0 & \cos p \end{array}\right] \cdot\left[\begin{array}{c} 0 \\ 0 \\ \frac{d y}{d t} \end{array}\right]+\left[\begin{array}{ccc} 1 & 0 & 0 \\ 0 & \cos r & \sin r \\ 0 & -\sin r & \cos r \end{array}\right] \cdot\left[\begin{array}{c} 0 \\ \frac{d p}{d t} \\ 0 \end{array}\right]+\left[\begin{array}{c} \frac{d r}{d t} \\ 0 \\ 0 \end{array}\right] =⎣⎡​100​0cosr−sinr​0sinrcosr​⎦⎤​⋅⎣⎡​cosp0sinp​010​−sinp0cosp​⎦⎤​⋅⎣⎡​00dtdy​​⎦⎤​+⎣⎡​100​0cosr−sinr​0sinrcosr​⎦⎤​⋅⎣⎡​0dtdp​0​⎦⎤​+⎣⎡​dtdr​00​⎦⎤​

= [ 1 0 − sin ⁡ p 0 cos ⁡ r cos ⁡ p ⋅ sin ⁡ r 0 − sin ⁡ r cos ⁡ p ⋅ cos ⁡ r ] ⋅ [ d r d t d p d t d y d t ] =\left[\begin{array}{ccc} 1 & 0 & -\sin p \\ 0 & \cos r & \cos p \cdot \sin r \\ 0 & -\sin r & \cos p \cdot \cos r \end{array}\right] \cdot\left[\begin{array}{l} \frac{d r}{d t} \\ \frac{d p}{d t} \\ \frac{d y}{d t} \end{array}\right] =⎣⎡​100​0cosr−sinr​−sinpcosp⋅sinrcosp⋅cosr​⎦⎤​⋅⎣⎡​dtdr​dtdp​dtdy​​⎦⎤​

code
Eigen::Vector3f deltaAngle;
Eigen::Vector3f gyro;
Eigen::Matrix3f tfmatrix;
yaw   = atof(Yaw[i].c_str());
pitch = atof(Pitch[i].c_str());
roll  = atof(Roll[i].c_str());
tfmatrix<<1,0,-sin(pitch/180.0f*M_PI),0,cos(roll/180.0f*M_PI),
			cos(pitch/180.0f*M_PI)*sin(roll/180.0f*M_PI),0,-sin(roll/180.0f*M_PI),
			cos(pitch/180.0f*M_PI)*cos(roll/180.0f*M_PI);
deltaAngle<<(roll-last_roll)/0.01f,(pitch-last_pitch)/0.01f,(yaw-last_yaw)/0.01f;
gyro=tfmatrix*deltaAngle;
Accel
公式：

[ a x a y a z ] = M x ⋅ M y ⋅ M z ⋅ [ d v n d v e g + d v u / d t ] \left[\begin{array}{l} a_{x} \\ a_{y} \\ a_{z} \end{array}\right]=\mathrm{M}_{x} \cdot \mathrm{M}_{y} \cdot \mathrm{M}_{z} \cdot\left[\begin{array}{l} d vn \\ d ve \\ g+dvu/dt \end{array}\right] ⎣⎡​ax​ay​az​​⎦⎤​=Mx​⋅My​⋅Mz​⋅⎣⎡​dvndveg+dvu/dt​⎦⎤​

= [ 1 0 0 0 cos ⁡ r sin ⁡ r 0 − sin ⁡ r cos ⁡ r ] ⋅ [ cos ⁡ p 0 − sin ⁡ p 0 1 0 sin ⁡ p 0 cos ⁡ p ] ⋅ [ cos ⁡ y sin ⁡ y 0 − sin ⁡ y cos ⁡ y 0 0 0 1 ] ⋅ [ d v n d v e g + d v u / d t ] =\left[\begin{array}{ccc} 1 & 0 & 0 \\ 0 & \cos r & \sin r \\ 0 & -\sin r & \cos r \end{array}\right] \cdot\left[\begin{array}{ccc} \cos p & 0 & -\sin p \\ 0 & 1 & 0 \\ \sin p & 0 & \cos p \end{array}\right] \cdot\left[\begin{array}{ccc} \cos y & \sin y & 0 \\ -\sin y & \cos y & 0 \\ 0 & 0 & 1 \end{array}\right] \cdot\left[\begin{array}{l} d vn \\ d ve \\ g+dvu/dt \end{array}\right] =⎣⎡​100​0cosr−sinr​0sinrcosr​⎦⎤​⋅⎣⎡​cosp0sinp​010​−sinp0cosp​⎦⎤​⋅⎣⎡​cosy−siny0​sinycosy0​001​⎦⎤​⋅⎣⎡​dvndveg+dvu/dt​⎦⎤​

= [ cos ⁡ p ⋅ cos ⁡ y cos ⁡ p ⋅ sin ⁡ y − sin ⁡ p cos ⁡ y ⋅ sin ⁡ p ⋅ sin ⁡ r − cos ⁡ r ⋅ sin ⁡ y cos ⁡ r ⋅ cos ⁡ y + sin ⁡ p ⋅ sin ⁡ r ⋅ sin ⁡ y cos ⁡ p ⋅ sin ⁡ r sin ⁡ r ⋅ sin ⁡ y + cos ⁡ r ⋅ cos ⁡ y ⋅ sin ⁡ p cos ⁡ r ⋅ sin ⁡ p ⋅ sin ⁡ y − cos ⁡ y ⋅ sin ⁡ r cos ⁡ p ⋅ cos ⁡ r ] ⋅ [ d v n d v e g + d v u / d t ] =\left[\begin{array}{ccc} \cos p \cdot \cos y & \cos p \cdot \sin y & -\sin p \\ \cos y \cdot \sin p \cdot \sin r-\cos r \cdot \sin y & \cos r \cdot \cos y+\sin p \cdot \sin r \cdot \sin y & \cos p \cdot \sin r \\ \sin r \cdot \sin y+\cos r \cdot \cos y \cdot \sin p & \cos r \cdot \sin p \cdot \sin y-\cos y \cdot \sin r & \cos p \cdot \cos r \end{array}\right] \cdot\left[\begin{array}{l} dvn \\ dve \\ g+dvu/dt \end{array}\right] =⎣⎡​cosp⋅cosycosy⋅sinp⋅sinr−cosr⋅sinysinr⋅siny+cosr⋅cosy⋅sinp​cosp⋅sinycosr⋅cosy+sinp⋅sinr⋅sinycosr⋅sinp⋅siny−cosy⋅sinr​−sinpcosp⋅sinrcosp⋅cosr​⎦⎤​⋅⎣⎡​dvndveg+dvu/dt​⎦⎤​

= [ − sin ⁡ p cos ⁡ p ⋅ sin ⁡ r cos ⁡ p ⋅ cos ⁡ r ] ⋅ [ d v n d v e g + d v u / d t ] =\left[\begin{array}{c} -\sin p \\ \cos p \cdot \sin r \\ \cos p \cdot \cos r \end{array}\right] \cdot\left[\begin{array}{l} d vn \\ d ve \\ g+dvu/dt \end{array}\right] =⎣⎡​−sinpcosp⋅sinrcosp⋅cosr​⎦⎤​⋅⎣⎡​dvndveg+dvu/dt​⎦⎤​

code:
Eigen::Vector3f deltaV;
Eigen::Vector3f accel;
Eigen::Matrix3f tfmatrix2;
vx = atof(Vn[i].c_str());
vy = atof(Ve[i].c_str());
vz = atof(Vu[i].c_str());

tfmatrix2<<cos(pitch/180.0f*M_PI)*cos(yaw/180.0f*M_PI),cos(pitch/180.0f*M_PI)*sin(yaw/180.0f*M_PI),
		   -sin(pitch/180.0f*M_PI),
            cos(yaw/180.0f*M_PI)*sin(pitch/180.0f*M_PI)*sin(roll/180.0f*M_PI)-											cos(roll/180.0f*M_PI)*sin(yaw/180.0f*M_PI),
			cos(roll/180.0f*M_PI)*cos(yaw/180.0f*M_PI)
 		   +sin(pitch/180.0f*M_PI)*sin(roll/180.0f*M_PI)*sin(yaw/180.0f*M_PI),
			cos(pitch/180.0f*M_PI)*sin(roll/180.0f*M_PI),
            sin(roll/180.0f*M_PI)*sin(yaw/180.0f*M_PI)
           +cos(roll/180.0f*M_PI)*cos(yaw/180.0f*M_PI)*sin(pitch/180.0f*M_PI),
			cos(roll/180.0f*M_PI)*sin(pitch/180.0f*M_PI)*sin(yaw/180.0f*M_PI)
   		   -cos(yaw/180.0f*M_PI)*sin(roll/180.0f*M_PI),
			cos(pitch/180.0f*M_PI)*cos(roll/180.0f*M_PI);
deltaV<<(vx-last_vx)/0.01f,(vy-last_vy)/0.01f,(vz-last_vz)/0.01f+9.8f;
accel=tfmatrix2*deltaV;
节点发布
ros::init(argc, argv, "imu2rosbag");
ros::NodeHandle nh;
ros::Publisher IMU_pub = nh.advertise<sensor_msgs::Imu>("IMU_data", 20);
ros::Rate loop_rate(10);
sensor_msgs::Imu imu_data;
imu_data.header.frame_id = "base_link";
imu_data.header.stamp = ros::Time(atoi(stamp[i].c_str()));

imu_data.orientation.x = q0;
imu_data.orientation.y = q1;
imu_data.orientation.z = q2;
imu_data.orientation.w = q3;

imu_data.linear_acceleration.x = accel(0);
imu_data.linear_acceleration.y = accel(1);
imu_data.linear_acceleration.z = accel(2);

imu_data.angular_velocity.x = gyro(0);
imu_data.angular_velocity.y = gyro(1);
imu_data.angular_velocity.z = gyro(2);

ref: https://blog.csdn.net/weixin_39719127/article/details/110299079 （姿态解算）

​ https://blog.csdn.net/chenlin41204050/article/details/78429437 （C++读CSV文件）

sdhdwyx
关注
  • 3
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
IMU数据转换工具配置文件
10-12
配置文件，可以通过设定该配置文件，使用转换工具方便地进行imu数据的格式转换。转换另外下载。不想用积分可至本人博客首页置顶资源页下载。
IMU原始数据串口读取.rar_imu 数据接口_imu输出bin格式_串口数据读取_串口读取IMU
07-14
通过串口读取IMU输出的原始数据，并解析
ROS消息sensor_msgs::Imu数据格式
qq_35102059的博客
01-25 1万+
ubuntu下打开终端输入: rosmsg show sensor_msgs/Imu 查看sensor_msgs::Imu的数据格式: std_msgs/Header header uint32 seq time stamp // 时间戳 string frame_id geometry_msgs/Quaternion orientation // 姿态 float64 x float64 y float64 z float64 w float64[9
ROS 获取IMU数据（Python实现）
最新发布
m0_73640344的博客
06-13 402
完成以上步骤后，您的ROS节点应该能够订阅IMU数据，并将四元数转换为欧拉角，然后在控制台上打印出来。话题，并在收到IMU数据时，将四元数转换为欧拉角，并打印出来。目录中创建一个新的Python脚本，例如命名为。
ros学习（七）：sensor_msgs 消息类型
biter0088的博客
01-18 9400
一、sensor_msgs/Imu sensor_msgs/Imu Documentationhttp://docs.ros.org/en/api/sensor_msgs/html/msg/Imu.html # This is a message to hold data from an IMU (Inertial Measurement Unit) #这是一条保存来自IMU（惯性测量单元）的数据的消息 # Accelerations should be in m/s^2 (not in g's),
ROS消息类型之sensor_msgs::Imu
weixin_44884561的博客
11-06 2055
ROS消息类型之sensor_msgs::Imu
ROS发布/订阅Float64MultiArray数组类消息（C++和Python相互发布和订阅）
热门推荐
Will_Ye的博客
04-20 1万+
再次领略了ROS系统一个很好的特性，能兼容不同语言的节点，只要规范好发布信息的类型是匹配的，就能让不同语言编写的节点互相通信。 Target： 想让python写的node发布数组，而让C++写的node订阅这个发布的数据。 Method: 1.Python发布，C++订阅 1）先选择发布消息的类型，选定为Float64MultiArray 2）然后是python节点的代码： #!/usr/bin/env python # encoding: utf-8 # Echo client program im
【SLAM学习】获取IMU和雷达消息并发布
Q小鑫
07-03 560
本文主要记录如何将rosbag的消息进行获取并进行发布以及后续处理。
evar.zip_IMU_IMU/GPS_SIMULINK_kalman GPS_kalman imu GPS
07-13
标题中的“evar.zip_IMU_IMU/GPS_SIMULINK_kalman GPS_kalman imu GPS”揭示了这个压缩包包含的内容与IMU（惯性测量单元）和GPS（全球定位系统）的数据融合有关，使用了SIMULINK进行建模，并且涉及到卡尔曼滤波...
imu_tk-master_标定_IMUtk_imu_tk_IMU_imu标定_
10-03
imu_tk-master的输出可能包括标定文件，这些文件可以直接被其他系统或算法集成，以减小由于IMU误差导致的定位漂移。 在实际应用中，imu_tk-master可能还涉及到传感器融合，例如与磁力计、陀螺仪和加速度计的数据...
port_imu数据读取_pyseria_jy901_IMU_
10-01
在本文中，我们将深入探讨如何使用Python的PySerial库来读取JY901 IMU传感器的数据。JY901是一款集成了加速度计、陀螺仪和磁力计等多种传感器的惯性测量单元，广泛应用于机器人、无人机、运动追踪等领域。通过串行...
kalman_c.rar_GPS-IMU_IMU/GPS_imu gps_kalman C_kalman c++
07-14
在标签中，"gps-imu"和"imu/gps"都强调了GPS和IMU的联合使用，"imu_gps"表示IMU辅助的GPS，"kalman_c"和"kalman_c++"表明是用C语言或C++编写的卡尔曼滤波器实现。 压缩包内的文件"kalman_c.txt"可能是卡尔曼滤波...
【cartographer without ros】五、陀螺仪Imu数据转换
Cloud_H的博客
08-08 1207
本节将介绍陀螺仪Imu数据转换为cartographer中的数据。还有cartographer中的ImuData数据和Ros的数据相互转换，方便引入Rosbag进行储存和读取。
对IMU数据进行卡尔曼滤波
qq_53576285的博客
03-19 3438
我们要使用IMU数据，必须对数据进行预处理，卡尔曼滤波就是很好的方式。有c++的卡尔曼滤波代码实现还有利用MATLAB自带模块进行滤波。
sensor_msgs 用法汇总和代码实战
小秋 AI SLAM 入门实战教程
01-06 1032
是 ROS 中用于处理各种传感器数据的标准消息类型集合。它包括用于不同类型传感器的消息定义，如图像、激光雷达、IMU（惯性测量单元）等。下面将分别介绍这些常用传感器的。发布不同类型的传感器数据。在实际应用中，这些数据通常来自真实的传感器而不是静态值。例如，你可能需要从摄像头硬件接口获取实时图像数据，或者从激光雷达硬件读取距离数据。将上述代码保存为不同的 Python 脚本，并将其放在你的 ROS 包中。确保脚本可执行，然后使用。这些脚本分别演示了如何使用。
基于ROS与C++，只利用IMU实现里程计和计步器，精确计算行走距离
weixin_43890835的博客
05-24 3944
只利用IMU单个传感器，实现对人行走距离的检测，精度达到0.5m左右。同时还利用峰值检测算法实现了一个精确的计步器。
LIO-SAM 详读代码笔记 -- 3.imageProjection
fuzi2012的博客
08-12 1784
讲完上面两部分，我就来到真正的激光雷达数据处理的模块了。剩下有三部分，除订阅了IMU源数据、Lidar源数据、发过来的odom(里程计数据)之外，就只通过自定义的消息体cloud_info 串联整个激光雷达处理到定位的所有模块(最后的MapOptimization还接收了GPS 源数据、回环检测数据，做因子图优化)，先把系统topic 数据流图搬过来，能更加清晰的理解这个模块。图2.ros topic 发布与订阅关系图关系图（还是叫图2，因为是同一个图）...
IMU的轨迹解算和航迹显示
qq_53576285的博客
03-19 3599
基于ros操作系统，调用IMU数据包，利用数据解算小车运动的轨迹，并在rviz中实现轨迹的可视化。其中IMU四元数对于位移速度和加速度的转换。
九轴IMU和sensor_msgs::Imu消息介绍
ergevv的博客
04-11 1185
九轴IMU、sensor_msgs::Imu
下列头文件的作用是什么，能分别说明吗#include <iostream> #include "ros/ros.h" #include "std_msgs/String.h" #include "std_msgs/Float32.h" #include <sstream> #include "math.h" #include "can_drive/ICANCmd.h" #include "can_drive/Nav_data_msg.h" #include "can_drive/encoder_vel_msg.h" #include "can_drive/radar_obs_msg.h" #include "can_drive/camera_obs_msg.h" #include "sensor_msgs/Imu.h" #include "can_drive/pwm_cmd_msg.h" #include "can_drive/sensor_states_msg.h" #include <tf/tf.h> #include <bitset> #include <string> #include <algorithm> #include <thread> #include <pthread.h> #include <time.h>
06-03
- #include "sensor_msgs/Imu.h"：ROS中的标准消息类型，用于传递IMU数据。 - #include "can_drive/pwm_cmd_msg.h"：自定义消息类型，用于控制PWM信号输出。 - #include "can_drive/sensor_states_msg.h"：自定义...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

sdhdwyx

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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