从零开始学定位 --- kaist数据集体验

1 Kaist数据集简介

选择数据集选择了好几天，最终选择了kaist数据集，这个数据集中有 轮速计，imu, gps, 16线雷达，这些传感器满足了我认为多传感器融合定位的需要。

简要介绍一下Kaist数据集

数据集是面向城市环境(例如大都市地区、复杂建筑和居住区)的。[1] 提供了上述的传感器数据

数据集网址：https://sites.google.com/view/complex-urban-dataset/download-lidar#h.sa42osfdnwst
数据集论文名称 : Complex Urban LiDAR Data Set

1.1 传感器数据

提供了

• 2个16线的veldyne的16线雷达
• 2个sick的单线雷达
• 里程计
• 1个消费级的imu
• 一个3轴的光纤陀螺仪(可以用来当做姿态的真值)
• 一个gps
• 一个vrs gps(rtk)
• 立体相机

具体的传感器配置可以参考下论文中的截图。

1.2 传感器位置

2个16线雷达在车后边，斜向下安装，能更多的看到地面。
数据里的时间戳是雷达一圈最后一个packet的时间戳。

所有传感器的位置都是相对于参考坐标系的，参考坐标系在图中为 Vehicle Center。

2 数据集下载

我把数据集的连接统一放在腾讯文档里了，腾讯文档的地址如下：
https://docs.qq.com/sheet/DVElRQVNlY0tHU01I?tab=BB08J2

现在下载需要翻墙，如果之后有需要也可以将数据上传到阿里云盘之类的。

3 数据集的使用

这个数据集提供了一个使用工具，只要将数据集的文件夹按照固定的格式设置，通过工具进行加载，就可以直接获取到ros格式的topic数据，非常方便。

这个工具是file_player，其github地址是
https://github.com/irapkaist/file_player

3.1 项目仓库

需要下载下来在自己的工作空间中进行编译，我已经将依赖和源码下载好了，放在开源项目中了，github地址是
https://github.com/xiangli0608/Learning_localization_from_scratch_ws

这个仓库已经是一个工作空间了，下载下来直接cd 进去，然后用 catkin_make 编译就可以了。

src文件夹里的 kaist_tool 文件夹里有3个文件夹，分别是

• file_player 读取数据集并将数据集通过ros格式的消息发布出来的工具
• irp_sen_msgs 一些自定义的消息类型
• kaist_description 我根据数据集提供的标定文件写的urdf

由于我暂时只下载了 Urban08 的数据集，所以现在只有一个 urban08.urdf, 不知道其他几个数据集的标定参数是否相同，如果相同那这一个urdf就可以用所有的数据了。

现在的urdf没有camera的link，等用到的时候再添加。

3.2 数据集的文件夹设置

由于 file_player 这个工具是读取文件夹的，所以对文件夹目录的摆放提出了要求，不按照指定位置设置的话是读取不了数据对。

文件夹的设置如下所示：

Urban08

• calibration
  • EncoderParameter.txt
  • Vehicle2BackSick.txt
  • Vehicle2FOG.txt
  • Vehicle2GPS.txt
  • Vehicle2IMU.txt
  • Vehicle2LeftVLP.txt
  • Vehicle2MiddleSick.txt
  • Vehicle2RightVLP.txt
  • Vehicle2VRS.txt
• sensor_data
  • VLP_left 文件夹
  • VLP_right 文件夹
  • SICK_back 文件夹
  • SICK_middle 文件夹
  • 其他传感器数据的csv文件

当你用官方的链接下载时，需要将Urban08文件夹进行合并，最终合并成上述所示的文件夹。

3.3 启动 file_player

编译好代码之后，先source，再rospack prodfile，然后执行

roslaunch file_player file_player.launch

会弹出如下所示界面

点击 Load 按钮，选中刚才设置好的 Urban08 文件夹，之后会在终端中打印

Stamp data are loaded
Altimeter data are loaded
Encoder calibrated parameter
Encoder resolution: 4096
Encoder left wheel diameter: 0.623803
Encoder right wheel diameter: 0.623095
Encoder wheel base: 1.52683
Encoder data are loaded
Fog data are loaded
Gps data are loaded
Vrs gps data are loaded
IMU data are loaded
scandir: No such file or directory
[ INFO] [1658414406.186192494]: camera calibration URL: file:///media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/left.yaml
[ INFO] [1658414406.187175921]: Unable to open camera calibration file [/media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/left.yaml]
[ WARN] [1658414406.187216202]: Camera calibration file /media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/left.yaml not found.
[ INFO] [1658414406.187247816]: camera calibration URL: file:///media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/right.yaml
[ INFO] [1658414406.187349750]: Unable to open camera calibration file [/media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/right.yaml]
[ WARN] [1658414406.187373500]: Camera calibration file /media/trunk/Trunk/0-LX/Kaist/Urban08/calibration/right.yaml not found.

表示数据加载成功，如果没提示表示没加载成功。然后按 Play 按钮即可将数据通过ROS发布出来。

3.3 传感器数据话题

会有很多个topic发布出来，有些是ros的标准格式，有些是irp_sen_msgs格式的数据

其中ros标准格式的数据如下：

• /imu/data_raw 110hz
• /odom 100hz
• /gps/fix 5hz
• /ns1/velodyne_points 10hz
• /ns2/velodyne_points 10hz

其中

• /vrs_gps_data 是rtk的gps，可以当做位置的真值，是irp_sen_msgs/vrs格式的
• /xsens_imu_data 是光纤陀螺仪，可以用来当做姿态的真值，是irp_sen_msgs/imu格式的

还有非常多视觉的topic，等用到视觉的时候再说吧

3.4 点云可视化

通过执行 roslaunch kaist_description kaist_description.launch 可以进行点云的可视化

坐标系间的可视化如下

点云的可视化如下

4 总结

现在数据集选定了，数据也可以通过ROS发布出来了，接下来先是进行建图，然后再开始搞多传感器融合定位。

REFERENCES

[1] KAIST URBAN DATA SET/Complex Urban LiDAR Data Set数据集参数
https://blog.csdn.net/Iqun_LAN/article/details/106445884
[2] Kaist数据集的使用
https://blog.csdn.net/weixin_43846627/article/details/113510014