matlab如何导入log文件,ROS与Matlab语言入门教程-rosbag Logfiles的使用

“rosbag”或“bag”是ROS中存储消息数据的文件格式，这些包通常是通过订阅一个或多个ROS话题创建的，并用一种高效的文件结构存储接收到的消息数据。MATLAB可以读取rosbag文件，并有助于过滤和提取消息数据。本例，用户将会载入rosbag文件并学习如何选择并恢复包含的消息。

预备知识：1.5 基本ROS消息的使用。

载入rosbag

使用“rosbag”指令载入示例文件，采取绝对路径或者相对路径的方式指定记录文件的路径：

filepath = fullfile(fileparts(which('ROSWorkingWithRosbagsExample')), 'data', 'ex_multiple_topics.bag');

bag = rosbag(filepath)

bag =

BagSelection with properties:

FilePath: '/mathworks/devel/bat/BR2015ad/build/matlab/toolbox/r...'

StartTime: 201.3400

EndTime: 321.3400

NumMessages: 36963

AvailableTopics: [4x3 table]

MessageList: [36963x4 table]

调用“rosbag”返回的对象是“BagSelection”，“rosbag”文件中的所有信息都在该对象里。

对象的属性显示了文件包含多少消息(NumMessages)、记录第一个(StartTime)和最后一个(EndTime)消息的时间等详细信息。

获取“AvailableTopics”属性值，查看记录文件中有关话题和消息类型的更多消息。

bag.AvailableTopics

ans =

NumMessages MessageType MessageDefinition

___________ ______________________ _________________

/clock 12001 rosgraph_msgs/Clock [1x185 char]

/gazebo/link_states 11999 gazebo_msgs/LinkStates [1x1247 char]

/odom 11998 nav_msgs/Odometry [1x2918 char]

/scan 965 sensor_msgs/LaserScan [1x2123 char]

“AvailableTopics”属性将包含在“rosbag”文件中的话题做成列表，该列表存储了消息的数量、消息的类型和为话题定义的消息。初始化“rosbag”文件仅仅是MATLAB建立了索引，并没有读取任何实际的消息。

在消息载入MATLAB内存之前，用户可能想要基于索引尽可能的滤除和筛选需要的消息。

选择消息

在恢复任何消息之前，用户必须基于时间戳、话题名称或消息类型选择一系列的消息。

用户可以查看当前选择的所有消息：

bag.MessageList

ans =

Time Topic MessageType FileOffset

______ ___________________ ______________________ __________

201.34 /clock rosgraph_msgs/Clock 4524

201.34 /odom nav_msgs/Odometry 7666

201.34 /gazebo/link_states gazebo_msgs/LinkStates 9866

201.35 /clock rosgraph_msgs/Clock 10962

201.35 /clock rosgraph_msgs/Clock 12876

201.35 /odom nav_msgs/Odometry 12112

201.35 /gazebo/link_states gazebo_msgs/LinkStates 11016

201.36 /odom nav_msgs/Odometry 14026

201.36 /gazebo/link_states gazebo_msgs/LinkStates 12930

201.37 /clock rosgraph_msgs/Clock 14790

201.37 /odom nav_msgs/Odometry 14844

201.37 /gazebo/link_states gazebo_msgs/LinkStates 15608

201.38 /clock rosgraph_msgs/Clock 16704

201.38 /odom nav_msgs/Odometry 17854

201.38 /gazebo/link_states gazebo_msgs/LinkStates 16758

201.39 /clock rosgraph_msgs/Clock 18618

201.39 /gazebo/link_states gazebo_msgs/LinkStates 18672

201.4 /clock rosgraph_msgs/Clock 19768

201.4 /gazebo/link_states gazebo_msgs/LinkStates 19822

201.41 /clock rosgraph_msgs/Clock 20918

201.41 /odom nav_msgs/Odometry 22068

201.41 /odom nav_msgs/Odometry 22832

201.41 /odom nav_msgs/Odometry 23596

201.41 /gazebo/link_states gazebo_msgs/LinkStates 20972

...

“MessageList”列表的每一行包含着记录包里的每一条消息(本例中共有超过3000条消息)，列表中的每一行按照消息记录的时间戳排序，时间戳存放在每一行的第一列。

由于列表非常大，用户可以根据熟悉的选择行和列的方法选择感兴趣的部分进行显示：

bag.MessageList(500:505,:)

ans =

Time Topic MessageType FileOffset

____ ___________________ ______________________ __________

203 /clock rosgraph_msgs/Clock 339384

203 /odom nav_msgs/Odometry 336328

203 /odom nav_msgs/Odometry 337092

203 /odom nav_msgs/Odometry 337856

203 /odom nav_msgs/Odometry 338620

203 /gazebo/link_states gazebo_msgs/LinkStates 331944

使用“select”函数筛选消息，“select”函数作用于“bag”对象。用户可以通过时间、话题名称、消息类型或三者的任意组合筛选消息。

使用如下的“select”指令，选择所有发布到“/odom”话题的消息：

bagselect1 = select(bag, 'Topic', '/odom')

bagselect1 =

BagSelection with properties:

FilePath: '/mathworks/devel/bat/BR2015ad/build/matlab/toolbox/r...'

StartTime: 201.3400

EndTime: 321.3300

NumMessages: 11998

AvailableTopics: [1x3 table]

MessageList: [11998x4 table]

调用“select”函数返回另一个“BagSelection”对象，可用于进一步的选择或者恢复消息数据。所有选中的消息之间相互独立，所以用户在完成处理后可以从工作空间中清除它们。

用户可以结合两种标准筛选，为了获得记录文件中，前30秒发布到“/odom”话题的消息列表，使用如下的指令：

start = bag.StartTime

bagselect2 = select(bag, 'Time', [start start + 30], 'Topic', '/odom')

start =

201.3400

bagselect2 =

BagSelection with properties:

FilePath: '/mathworks/devel/bat/BR2015ad/build/matlab/toolbox/r...'

StartTime: 201.3400

EndTime: 231.3200

NumMessages: 2997

AvailableTopics: [1x3 table]

MessageList: [2997x4 table]

使用最后的一个筛选规则更进一步地缩小时间窗口。

bagselect3 = select(bagselect2, 'Time', [205 206])

bagselect3 =

BagSelection with properties:

FilePath: '/mathworks/devel/bat/BR2015ad/build/matlab/toolbox/r...'

StartTime: 205.0200

EndTime: 205.9900

NumMessages: 101

AvailableTopics: [1x3 table]

MessageList: [101x4 table]

最后步骤的筛选对“bagselect2”进行操作，并返回一个新的“bagselect3”对象。

用户还可以将筛选的选项保存到阵列中，并作为“select”函数的输入：

selectOptions = {'Time', [start, start+1; start+5, start+6], 'MessageType', {'sensor_msgs/LaserScan', 'nav_msgs/Odometry'}};

bagselect4 = select(bag, selectOptions{:})

bagselect4 =

BagSelection with properties:

FilePath: '/mathworks/devel/bat/BR2015ad/build/matlab/toolbox/r...'

StartTime: 201.3400

EndTime: 207.3300

NumMessages: 209

AvailableTopics: [2x3 table]

MessageList: [209x4 table]

读取选择的消息数据

在筛选完消息之后，用户可以在MATLAB中真正的读取消息数据，根据用户选择的消息的大小，读取消息数据可能需要很长时间或者消耗很多的计算机内存。

使用“readMessages”函数，恢复用户选择的消息并存储到单元阵列中：

msgs = readMessages(bagselect3);

size(msgs)

ans =

101 1

结果阵列中包含的元素的数量与选择的对象的“NumMessages”属性指示的数量相等。

在读取消息数据过程中，用户可以有选择性的恢复指定目录的消息，下面的例子恢复了四个消息：

msgs = readMessages(bagselect3, [1 2 3 7])

msgs{2}

msgs =

[1x1 Odometry]

[1x1 Odometry]

[1x1 Odometry]

[1x1 Odometry]

ans =

ROS Odometry message with properties:

MessageType: 'nav_msgs/Odometry'

Header: [1x1 Header]

ChildFrameId: 'base_footprint'

Pose: [1x1 PoseWithCovariance]

Twist: [1x1 TwistWithCovariance]

单元阵列中的每个消息都是标准的MATLAB ROS消息对象，有关消息的更多信息，查看基本ROS消息的使用的例子。

按时间序列提取消息数据

用户有时对完整的消息不感兴趣，仅对所有选中的消息中共有的指定的属性感兴趣。在这种情况下，使用时间序列的方式恢复消息数据将会是很有帮助的。时间序列是根据时间采样数据向量，代表随时间演变的一个或多个动态特性。有关MATLAB时间序列支持的更多消息，请参阅Time Series文档。

对于“rosbag”文件中的ROS消息，时间序列帮助表达某个消息元素随时间的变化过程，用户可以通过“timeseries”函数提取该信息。这是一种节省存储空间的方式，因为并没有存储完整的消息数据。

ts = timeseries(bagselect3, 'Pose.Pose.Position.X', 'Twist.Twist.Angular.Z')

timeseries

Timeseries contains duplicate times.

Common Properties:

Name: '/odom Properties'

Time: [101x1 double]

TimeInfo: tsdata.timemetadata

Data: [101x2 double]

DataInfo: tsdata.datametadata

返回值是一个“timeseries”对象，可用于进一步的分析和处理。注意，这种提取数据的方法，仅当当前选择包含单个的话题且只有一种消息类型。

访问“Data”属性可以查看消息序列中包含的数据：

ts.Data

ans =

0.0003 0.0003

0.0003 0.0003

0.0003 -0.0006

0.0003 -0.0006

0.0003 -0.0010

0.0003 -0.0010

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0016

0.0003 -0.0016

0.0003 -0.0001

0.0003 -0.0001

0.0003 0.0003

0.0003 0.0003

0.0003 -0.0006

0.0003 -0.0006

0.0003 -0.0010

0.0003 -0.0010

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0003

0.0003 -0.0016

0.0003 -0.0016

0.0003 -0.0005

...

还有很多种方法处理时间序列数据，例如计算数据列的均值：

mean(ts)

ans =

1.0e-03 *

0.3213 -0.4616

或者可以画出时间序列数据：

figure

plot(ts, 'LineWidth', 3)