多传感器融合定位（4-基于滤波的融合方法）kitti数据集 IMU频率改为100HZ

最新推荐文章于 2024-05-07 15:24:39 发布
最新推荐文章于 2024-05-07 15:24:39 发布
阅读量6.3k 收藏 81
点赞数 14
分类专栏： 多传感器融合定位学习
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/weixin_41281151/article/details/109873579
版权

多传感器融合定位（4-基于滤波的融合方法）kitti数据集 IMU频率改为100HZ

本博文参考GEYAO 大神的github
另外GEYAO大神也给出了100HZ数据集的微云下载链接
本人自己根据 GEYAO大神制作的数据集，百度云下载
链接：https://pan.baidu.com/s/18XaZfkjf_WbI6rWl807Szg
提取码：yrzr

到kitti 官网下载 2011_10_03_drive_0027 的extract数据集 （原来的 sync数据集为去除相机畸变的数据集，但是IMU发布频率只有10HZ 显然不满足进行多传感器融合处理，extract的数据集为raw_data ,IMU频率为100HZ,但是没有进行相机去畸变）

kitti 官网下载 2011_10_03_drive_0027 的extract数据集

网址 ： http://www.cvlibs.net/datasets/kitti/raw_data.php?type=residential
在这里插入图片描述

解压后

参考 GEYTAO 的github
将extract.zip中的oxts重命名为oxts_extract, 拷贝至sync的文件目录下
将sync中的oxts重命名为oxts_sync
在这里插入图片描述

修复时间戳异常

新建 scripts.py 源码来自 GEYTAO 的github
放在 /2011_10_03路径下
在这里插入图片描述
注意使用python2 运行

python2 scripts.py  -i 2011_10_03_drive_0027_sync

在这里插入图片描述
生成了 oxts文件
在这里插入图片描述

修改kitti2bag源码

新建 kitti2bag.py 源码来自 GEYTAO 的github
放在 /2011_10_03 同一路径下
在这里插入图片描述

注意 要使用 python2 运行

python2  kitti2bag.py -t 2011_10_03 -r 0027 raw_synced

开始生成 bag文件
在这里插入图片描述

提高lidar-IMU-GNSS配准的精度, 方便evo的精度评估

根据GEYAO所说

在这里插入图片描述

下载 rosbag_filter_gui 工具 方便 删除topic

进入到自己的工作空间下,编译运行

git clone https://github.com/AtsushiSakai/rosbag_filter_gui.git

下载 pyqt4

sudo apt install pyqt4

运行

python2 rosbag_filter_gui.py
删掉 sync.bag 中的 /tf_static, /tf

选择 synced.bag
在这里插入图片描述
select 需要keep的topic
在这里插入图片描述
生成 synced_filtered.bag
点击 ok 后 转换中
在这里插入图片描述

完成后 ！！！
在这里插入图片描述

在这里插入图片描述
查看 rosbag filter 处理后的 synced_filter.bag 的 info

rosbag  info  synced_filtered.bag

可看到没有了 /tf_static, /tf 两个topic

path:        synced_filtered.bag
version:     2.0
duration:    7:50s (470s)
start:       Oct 03 2011 12:55:34.93 (1317617734.93)
end:         Oct 03 2011 13:03:25.83 (1317618205.83)
size:        24.0 GB
messages:    54528
compression: none [18177/18177 chunks]
types:       geometry_msgs/TwistStamped [98d34b0043a2093cf9d9345ab6eef12e]
             sensor_msgs/CameraInfo     [c9a58c1b0b154e0e6da7578cb991d214]
             sensor_msgs/Image          [060021388200f6f0f447d0fcd9c64743]
             sensor_msgs/Imu            [6a62c6daae103f4ff57a132d6f95cec2]
             sensor_msgs/NavSatFix      [2d3a8cd499b9b4a0249fb98fd05cfa48]
             sensor_msgs/PointCloud2    [1158d486dd51d683ce2f1be655c3c181]
topics:      /kitti/camera_color_left/camera_info    4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_color_left/image_raw      4544 msgs    : sensor_msgs/Image         
             /kitti/camera_color_right/camera_info   4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_color_right/image_raw     4544 msgs    : sensor_msgs/Image         
             /kitti/camera_gray_left/camera_info     4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_gray_left/image_raw       4544 msgs    : sensor_msgs/Image         
             /kitti/camera_gray_right/camera_info    4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_gray_right/image_raw      4544 msgs    : sensor_msgs/Image         
             /kitti/oxts/gps/fix                     4544 msgs    : sensor_msgs/NavSatFix     
             /kitti/oxts/gps/vel                     4544 msgs    : geometry_msgs/TwistStamped
             /kitti/oxts/imu                         4544 msgs    : sensor_msgs/Imu           
             /kitti/velo/pointcloud                  4544 msgs    : sensor_msgs/PointCloud2
处理 extract.bag

在这里插入图片描述
保留 topic
在这里插入图片描述
查看 rosbag filter 处理后的 extracted_filtered.bag 的 info

rosbag  info  extracted_filtered.bag

extract.bag 只剩下 5个 topic

path:        extracted_filtered.bag
version:     2.0
duration:    7:51s (471s)
start:       Oct 03 2011 12:55:34.48 (1317617734.48)
end:         Oct 03 2011 13:03:26.01 (1317618206.01)
size:        65.4 MB
messages:    229130
compression: none [84/84 chunks]
types:       geometry_msgs/TwistStamped [98d34b0043a2093cf9d9345ab6eef12e]
             sensor_msgs/Imu            [6a62c6daae103f4ff57a132d6f95cec2]
             sensor_msgs/NavSatFix      [2d3a8cd499b9b4a0249fb98fd05cfa48]
             tf2_msgs/TFMessage         [94810edda583a504dfda3829e70d7eec]
topics:      /kitti/oxts/gps/fix   45826 msgs    : sensor_msgs/NavSatFix     
             /kitti/oxts/gps/vel   45826 msgs    : geometry_msgs/TwistStamped
             /kitti/oxts/imu       45826 msgs    : sensor_msgs/Imu           
             /tf                   45826 msgs    : tf2_msgs/TFMessage        
             /tf_static            45826 msgs    : tf2_msgs/TFMessage
重命名topic
rosrun  rosbag topic_renamer.py /kitti/oxts/imu extracted_filtered.bag  /kitti/oxts/imu/extract extracted_filtered2.bag 
rosrun  rosbag topic_renamer.py  /kitti/oxts/gps/fix extracted_filtered2.bag  /kitti/oxts/gps/fix/extract  extracted_filtered3.bag 
rosrun  rosbag topic_renamer.py  /kitti/oxts/gps/vel extracted_filtered3.bag  /kitti/oxts/gps/vel/extract  extracted_filtered4.bag 

rosbag  info  extracted_filtered.bag

path:        extracted_filtered4.bag
version:     2.0
duration:    7:51s (471s)
start:       Oct 03 2011 12:55:34.48 (1317617734.48)
end:         Oct 03 2011 13:03:26.01 (1317618206.01)
size:        65.4 MB
messages:    229130
compression: none [84/84 chunks]
types:       geometry_msgs/TwistStamped [98d34b0043a2093cf9d9345ab6eef12e]
             sensor_msgs/Imu            [6a62c6daae103f4ff57a132d6f95cec2]
             sensor_msgs/NavSatFix      [2d3a8cd499b9b4a0249fb98fd05cfa48]
             tf2_msgs/TFMessage         [94810edda583a504dfda3829e70d7eec]
topics:      /kitti/oxts/gps/fix/extract   45826 msgs    : sensor_msgs/NavSatFix     
             /kitti/oxts/gps/vel/extract   45826 msgs    : geometry_msgs/TwistStamped
             /kitti/oxts/imu/extract       45826 msgs    : sensor_msgs/Imu           
             /tf                           45826 msgs    : tf2_msgs/TFMessage        
             /tf_static                    45826 msgs    : tf2_msgs/TFMessage
使用 merge_bags.py合并 extracted_filtered4.bag 和 sync_filtered.bag

使用 GEYAO 的 scripts/merge_bags.py

合并 两个 bag

python2 merge_bags.py 2011_10_03_filtered.bag  synced_filtered.bag  extracted_filtered4.bag

大功告成

path:        2011_10_03_filtered.bag
version:     2.0
duration:    7:51s (471s)
start:       Oct 03 2011 12:55:34.93 (1317617734.93)
end:         Oct 03 2011 13:03:26.01 (1317618206.01)
size:        24.1 GB
messages:    283658
compression: none [18260/18260 chunks]
types:       geometry_msgs/TwistStamped [98d34b0043a2093cf9d9345ab6eef12e]
             sensor_msgs/CameraInfo     [c9a58c1b0b154e0e6da7578cb991d214]
             sensor_msgs/Image          [060021388200f6f0f447d0fcd9c64743]
             sensor_msgs/Imu            [6a62c6daae103f4ff57a132d6f95cec2]
             sensor_msgs/NavSatFix      [2d3a8cd499b9b4a0249fb98fd05cfa48]
             sensor_msgs/PointCloud2    [1158d486dd51d683ce2f1be655c3c181]
             tf2_msgs/TFMessage         [94810edda583a504dfda3829e70d7eec]
topics:      /kitti/camera_color_left/camera_info     4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_color_left/image_raw       4544 msgs    : sensor_msgs/Image         
             /kitti/camera_color_right/camera_info    4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_color_right/image_raw      4544 msgs    : sensor_msgs/Image         
             /kitti/camera_gray_left/camera_info      4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_gray_left/image_raw        4544 msgs    : sensor_msgs/Image         
             /kitti/camera_gray_right/camera_info     4544 msgs    : sensor_msgs/CameraInfo    
             /kitti/camera_gray_right/image_raw       4544 msgs    : sensor_msgs/Image         
             /kitti/oxts/gps/fix                      4544 msgs    : sensor_msgs/NavSatFix     
             /kitti/oxts/gps/fix/extract             45826 msgs    : sensor_msgs/NavSatFix     
             /kitti/oxts/gps/vel                      4544 msgs    : geometry_msgs/TwistStamped
             /kitti/oxts/gps/vel/extract             45826 msgs    : geometry_msgs/TwistStamped
             /kitti/oxts/imu                          4544 msgs    : sensor_msgs/Imu           
             /kitti/oxts/imu/extract                 45826 msgs    : sensor_msgs/Imu           
             /kitti/velo/pointcloud                   4544 msgs    : sensor_msgs/PointCloud2   
             /tf                                     45826 msgs    : tf2_msgs/TFMessage        
             /tf_static                              45826 msgs    : tf2_msgs/TFMessage

查看话题发布频率

10HZ发布

rostopic  hz /kitti/oxts/imu

subscribed to [/kitti/oxts/imu]
average rate: 17.196
	min: 0.012s max: 0.109s std dev: 0.04000s window: 10
average rate: 12.273
	min: 0.012s max: 0.111s std dev: 0.03687s window: 19
average rate: 11.220
	min: 0.012s max: 0.122s std dev: 0.03196s window: 29
average rate: 10.823
	min: 0.012s max: 0.122s std dev: 0.02874s window: 38
average rate: 10.523
	min: 0.012s max: 0.122s std dev: 0.02669s window: 48
average rate: 10.355
	min: 0.012s max: 0.122s std dev: 0.02485s window: 58
average rate: 10.259
	min: 0.012s max: 0.122s std dev: 0.02354s window: 67
^Caverage rate: 10.252
	min: 0.012s max: 0.122s std dev: 0.02337s window: 68

100HZ发布

rostopic  hz /kitti/oxts/imu/extract 

subscribed to [/kitti/oxts/imu/extract]
average rate: 100.007
	min: 0.008s max: 0.012s std dev: 0.00036s window: 95
average rate: 100.011
	min: 0.008s max: 0.012s std dev: 0.00030s window: 195
average rate: 100.015
	min: 0.008s max: 0.012s std dev: 0.00029s window: 295
average rate: 100.013
	min: 0.008s max: 0.012s std dev: 0.00028s window: 396
average rate: 100.010
	min: 0.008s max: 0.012s std dev: 0.00025s window: 496
average rate: 100.011
	min: 0.008s max: 0.012s std dev: 0.00024s window: 596
average rate: 100.009
	min: 0.008s max: 0.012s std dev: 0.00027s window: 696
average rate: 100.013
	min: 0.007s max: 0.013s std dev: 0.00029s window: 796
average rate: 100.011
	min: 0.007s max: 0.013s std dev: 0.00029s window: 896
average rate: 100.006
	min: 0.007s max: 0.013s std dev: 0.00030s window: 996
average rate: 100.011
	min: 0.007s max: 0.013s std dev: 0.00030s window: 1096
^Caverage rate: 100.011
	min: 0.007s max: 0.013s std dev: 0.00030s window: 1111
KaHoWong
关注
  • 14
    点赞
  • 踩
  • 81
    收藏
    觉得还不错? 一键收藏
  • 20
    评论
专栏目录
flowchart_web.zip 分享一个d3.js流程图设计 web设计流程图
09-29
分享一个d3.js 流程图插件 拖拽工作流 WEB在线编辑工作流
KITTI数据集可视化（一）：点云多种视图的可视化实现
Clichong
10-16 1万+
在本地上，可以安装一些软件，比如：Meshlab，CloudCompare等3D查看工具来对点云进行可视化。而这篇博客是将介绍一些代码工具将KITTI数据集进行可视化操作，包括点云鸟瞰图，FOV图，以及标注信息在图像+点云上的显示。
在 KITTI 数据集中利用车辆位姿真值拼接 pcd 点云并滤波，得到一个准确的点云地图
weixin_44832383的博客
01-19 2724
在 KITTI 数据集中利用车辆位姿真值拼接 pcd 点云并滤波，得到一个准确的点云地图： 全部代码如下（C++）： #include "stdlib.h" #include <unistd.h> #include <pcl/visualization/cloud_viewer.h> #include <pcl/common/transforms.h> #include <pcl/common/projection_matrix.h> #include &l
多传感器融合算法综述
最新发布
adas_l5的博客
05-07 688
1 / 5对于多传感器系统而言，信息具有多样性和复杂性，因此对信息融合算法的基本要求是具有鲁棒性和。多传感器融合基本原理就像人脑综合处理信息的过程一样，将各种传感器进行多层次、多空间的信息。互补和优化组合处理，最终产生对观测环境的一致性解释。理支配与使用，而信息融合的最终目标则是基于各传感器获得的分离观测信息，通过对信息多级别、（ 2 ）对传感器的输出数据（离散或连续的时间函数数据、输出矢量、成像数据或一个直接的属。信号级融合方法最简单直观的方法是加权平均法，将一组传感器提供的冗余信息进行加权平均，结果。
提高mavros中IMU话题的发布频率
dckwin的博客
04-20 5965
提高mavros中IMU话题的发布频率提高波特率提高方法命令行方式原始IMU数据飞控计算过后的IMU数据总结更改启动文件 在上位机上很多时候都需要用到无人机的IMU信息，我用的飞控硬件是Pixhawk 4，感觉IMU还算比较好的，但是mavros实际发送的IMU频率只有50HZ，对于vins来说这个频率有点低了。 mavros中的IMU话题有两个，一个原始数据，另外一个是飞控计算过后的IMU数据。...
基于Matlab实现15维经典ESKF GPS+IMU组合导航仿真（源码+数据）.rar
05-10
1、资源内容：基于Matlab实现15维经典ESKF GPS+IMU组合导航仿真（源码+数据）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、更多仿真源码和数据集下载列表（自行寻找自己需要的）：https://blog.csdn.net/m0_62143653?type=download 4、免责声明：本资源作为“参考资料”而不是“定制需求”不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。
惯性测量单元预积分原理与实现
月照银海似蛟龙的博客
08-06 1908
当k时刻的状态发生变化时，则通过imu积分得到的k+1时刻的状态也会发生相应的变化，而在基于滑窗的后端优化或者因子图的优化中，对一些状态量进行调整是必然发生的，此时，如果每次状态发生调整时，都对imu的积分过程重新执行一遍（同样，实际系统是离散得IMU数据，目的是得到两个关键帧（视觉或者激光雷达）之间的预积分结果，而获得的IMU数据是离散的，因此，常见的做法就是每收到一帧新的IMU数据更新一次预积分量，同样，这是一个求和而非连续积分的过程。在大多数的LIO或者VIO中，关于IMU的输出的建模方式如下。...
slam定位学习笔记(四)
weixin_45572737的博客
11-20 608
主要是对于多个传感器时间进行统一，以lidar时间戳为基准，主要改变是索引和插值两个模块。这两个模块的实现全部集成在里每一个传感器的数据格式bool函数里面。最后在front_end_flow.cpp模块里面的ReadData函数进行了调用，流程很清晰。
转载KITTI数据集--参数
diywg的博客
11-28 1035
一、kitti数据集，label解析 16个数代表的含义： 第1个字符串：代表物体类别 ‘Car’, ‘Van’, ‘Truck’,‘Pedestrian’, ‘Person_sitting’, ‘Cyclist’,‘Tram’, ‘Misc’ or ‘DontCare’ 注意，’DontCare’ 标签表示该区域没有被标注，比如由于目标物体距离激光雷达太远。为了防止在评估过程中（主要是计算precision），将本来是目标物体但是因为某些原因而没有标注的区域统计为假阳性(false positive
基于Matlab模拟时变瑞利衰落信道中的差分放大转发中继
matlab_dingdang的博客
06-17 265
1 算法原理2 算法流程。
【VIO】第1讲 IMU 传感器
ASUNAchan的博客
09-30 581
VIO
四旋翼无人机仿真之hector_quadrotor无人机（ROS + Gazebo）（三）传感器数据读取与复现（IMU、GPS）
weixin_48719406的博客
03-09 3338
系列文章目录 文章1：四旋翼无人机仿真之hector_quadrotor无人机（ROS + Gazebo） 文章2：四旋翼无人机仿真之hector_quadrotor（二）键盘teleop_twist_keyboard控制无人机飞行 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录系列文章目录前言hector无人机内部传感器数据读取（以IMU为例）一、运行hector与键盘操纵二、传感器数据读取与复现1.通过bag文件记录话题消息2.数据重现3.数据导出4.数据可视化总结 前言
【实验】LIO_SAM在KITTI 08上运行
weixin_46670186的博客
03-09 1372
LIO_SAM在kitti08数据集上使用evo评估
《多传感器融合定位》惯性导航基础（二）
SLAM小学僧
05-31 1498
惯性导航基础习题二四、一组对自定义数据进行惯性导航解算验证1.使用gnss-ins-sim仿真imu运动数据2.对自定义运动惯性导航解算（1）数据读取（2）航迹解算（3）实验对比五、遇到的问题1.imu_tk编译问题2.Ceres问题 四、一组对自定义数据进行惯性导航解算验证 要求: 数据可以使用仿真数据,也可以使用kitti数据集中的数据,只不过使用kitti数据时要修改 kitti2bag的代码,把imu的输出频率恢复成100hz,它的原版程序在生成bag时对数据做了降频。 由于mems惯导误差发散快
LeGo-LOAM运行KITTI数据集
weixin_43846627的博客
12-30 4698
在上一篇博客：LeGO-LOAM编译和运行的最后，自己给自己挖了个坑。KITTI数据集的运行结果很明显有问题，接下来就要解决这个问题然后完美运行LeGO-LOAM。 一.KITTI数据集的转换 官方的KITTI数据集是连续的数据图片的形式，为了之后的各种测试的方便，先使用工具将KITTI数据集转换成rosbag的形式。 安装kitti2bag kitti2bag项目地址pip install kitti2bag 数据集的转换 提前下载需要的kitti数据集，在项目中我使用的是2011-10-03-00
SLAM学习日志：ORBSLAM3(VIO/IMU)适配KITTI数据集，并评估！！！奶妈级教程！！！
a922922737的博客
03-23 9975
可能是全网首个相关blog喔！ 准备好进入填坑之旅了吗？ 其实这些坑填完，也可以在kitti上跑各种VIO算法了。 ——————————分割线———————————
coco_extract_car_2_voc/kitti
男儿何不带吴钩 收取关山五十州
04-26 646
coco数据集提取car,转化为voc格式 分三步： 提取你需要的类别 python filter.py 移除不需要的图片 python get_image.py 写成voc格式 python get_xml.py 话不多少直接上代码： filter.py import json className = { 3:'car' ...
自动驾驶常用数据集KITTI使用指南之一——图像雷达数据融合
热门推荐
BIT20091643的博客
07-24 1万+
对于自动驾驶环境感知算法的初学者而言，一辆搭载各类传感器的自动驾驶汽车或者数据采集平台并没有那么重要，甚至，由于国外早期自动驾驶研究学者的严谨态度，一些公开的数据集比自己采集的数据集在同步性、针对性和多数据融合的匹配度等方面更加优良。（相比于初学者，对于自动驾驶汽车的研发工程师而言，在实际工程应用中，就应该注意数据保存的同步性、传感器的布局等细节，以造福感知算法研发者。）本文以著名的KITTI数据...
DAIR-V2X数据集转为kitti数据集格式
07-27
要将DAIR-V2X数据集转换为Kitti数据集格式，你可以使用官方提供的命令行工具\[2\]。在命令行中运行以下命令： python tools/dataset_converter/dair2kitti.py --source-root ./data/DAIR-V2X/single-infrastructure-side \ --target-root ./data/DAIR-V2X/single-infrastructure-side \ --split-path ./data/split_datas/single-infrastructure-split-data.json \ --label-type lidar --sensor-view infrastructure 这个命令将会把DAIR-V2X数据集转换为Kitti数据集格式，并将结果保存在指定的目标路径中。在转换过程中，如果遇到错误，可能会出现一些问题。例如，你提到的错误\[3\]是由于在代码中使用了eval()函数，但是传入的参数不是一个字符串导致的。你可以检查代码中的相关部分，确保传入的参数是一个字符串。 请注意，转换过程可能需要一些时间，具体取决于数据集的大小和计算机的性能。完成后，你将获得一个符合Kitti数据集格式的数据集，可以在后续的任务中使用。 #### 引用[.reference_title] - *1* *2* *3* [DAIR-V2X数据集转为kitti数据集格式（保姆级教程）](https://blog.csdn.net/m0_57273938/article/details/126418351)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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 20
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
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