ROS中进行大陆ARS408雷达点云的可视化及二次开发(一)

已于 2022-02-27 23:04:22 修改
阅读量1.4w 收藏 168
点赞数 32
分类专栏： 多传感器融合 linux 文章标签： 自动驾驶 人工智能 机器学习 经验分享 目标检测
于 2021-11-08 16:42:03 首次发布
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_43253464/article/details/121208924
版权

文章目录


  毫米波雷达在恶劣环境的鲁棒性要远强于激光雷达，同时还能够返回物体的相对速度等信息，同时其价格较低，具有相当高的性价比。实验室目前需要在一些恶劣环境下进行雷达辅助相机检测，实现多模态的融合。第一步，就是需要进行相机和雷达的联合标定工作，因此首先需要对雷达在ubuntu下进行可视化与接口开发，近一周来完成了雷达的相关工作，将工作总结如下：

一 硬件准备

  1. 毫米波雷达：本文选用大陆ARS408雷达，其性能参数如下：
    在这里插入图片描述
图1.大陆雷达参数表

在这里插入图片描述

图2.大陆毫米波雷达

  总结来说，ARS404-21 是大陆 40X 毫米波雷达传感器系列中入门产品，可以适用于不同的应用场景，具有低成本，坚固耐用 高性能和操作可靠安全性高等特征，测试距离到达170米。

二 驱动准备

安装环境
名称版本
ROS版本ROS Melodic
驱动器版本peak-linux-driver-8.12.0
ubuntu系统ubuntu 18.04

  大陆雷达支持CAN通信，我们电脑是无法直接进行CAN的通信的，因此就需要借助CAN转USB的驱动器，读取雷达的点云数据。
  经过筛选，我们使用了毫米波雷达官方推荐的peak-driver驱动器进行数据的转换（peak-driver的驱动程序下载），下面进行安装，注意，要选择自己需要的版本号，这里使用peak-linux-driver-8.12.0版本，建议跟着我的来。

2.1 首先安装依赖：
$ sudo apt-get install flex
$ sudo apt-get install libpopt-dev
$ sudo apt-get install can-utils
#然后将刚才下载好的驱动程序解压
$ tar -zxvf peak-linux-driver-8.1.tar.gz
$ cd peak-linux-driver-8.1
$ make clean
$ make net=NO_NETDEV_SUPPORT
$ sudo make install
2.2 检验是否正确安装
$ sudo modprobe pcan
$ cat /proc/pcan

在这里插入图片描述
结果应该是这样的，那就对了。

2.3 启动雷达并检查数据
$ sudo ifconifg can0 up #启动雷达can0接口，此时回车后，驱动器开始启动并接受信息
$ candump can0 #显示接受的雷达信息

在这里插入图片描述
 经过以上步骤，验证完成，说明安装成功，准备下一步软件环境搭建工作。

三 ROS工作环境搭建

 经过以上步骤，下面需要对数据进行抽象化，也就是利用ROS的RVIZ进行数据的显示，以确定到底雷达信息的可视化信息确定雷达是否满足我的要求，包括最远距离、角度分辨率等参数。

3.1 安装socket can依赖

github链接

$ git clone https://github.com/Project-MANAS/socket_can.git
$ cd socket_can
$ mkdir build
$ cmake ..
$ sudo make install #安装成功
3.2 安装ars_40X开发包

github链接

  1. 创建ROS工作环境
      创建当前的工作空间
$ mkdir -p ~/catkin_ws/src
$ cd ~/catkin_ws/src
$ git clone https://github.com/Project-MANAS/ars_40X.git
$ cd ..
$ catkin_make

由此，完成对ars_40X的编译，可以启动ros的功能包进行可视化工作。
2. 启动可视化功能包

#进入到catkin_ws工作空间
$ source ./devel/setup.bash #更新ROS的工作空间集合
$ roslaunch ars_40X ars_40X.launch visualize:=true obstacle_array:=true

四 测试

在这里插入图片描述

毫米波雷达点云可视化

  可以看到，点云数据清晰地显示在界面中。

五 总结

  1. 首先，在最后一步的安装过程中，遇到了一些问题，但是都通过google解决了，主要是缺少costmap_converter的问题，可以网上搜索安装一下。
  2. 其次，最后的catkin_make过程中，出现了socket_can.hpp找不到的问题，通过将源码中库的引用<>改成“”可以解决包找不到的问题，如下图 #include “socket_can/socket_can.hpp”。
    在这里插入图片描述
  3. 存在的问题：没有对原来的雷达点云进行滤波，存在较多的杂点，下一步工作将在雷达点云滤波工作展开，会进行填坑的。

二次开发

https://blog.csdn.net/weixin_43253464/article/details/121769827

参考链接：
https://zhuanlan.zhihu.com/p/406235662
https://www.peak-system.com/PCAN-USB.199.0.html?L=1
https://blog.csdn.net/ost_csdn/article/details/104962144

naca yu
关注
  • 32
    点赞
  • 踩
  • 168
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 87
    评论
专栏目录
德国大陆ARS408-21毫米波雷达数据资料.pdf
11-15
德国大陆ARS408-21毫米波雷达数据资料，典型应用领域: - 汽车前向AEB/ACC/FCW等ADAS和自动驾驶等场景 - 起重机（RTG，RMG，STS，桥式起重机，龙门起重机）的避障防撞、作业区监测等 - 远程区域监控（适用于危险或不能进入的区域） - 目标分类 - 雨雾霾雪等复杂环境下的目标检测 - 道闸防砸检测
点云可视化程序（ply、pcd、txt）
11-05
点云可视化程序，包括ply、pcd、txt格式的点云可视化，压缩包内有cmake编译好的可执行文件和测试文件，具体信息查看README文件。
ARS408-21毫米波雷达学习笔记
Augustencian的博客
08-16 1万+
ARS408-21毫米波雷达学习笔记 @目录 1. 认识毫米波雷达ARS408-21 1.1 硬件参数 参阅官方文档 https://conti-engineering.com/wp-content/uploads/2020/02/ARS-408-21_EN_HS-1.pdf 1.2 软件功能 预备知识1：CAN 2.0 预备知识2：Linux (Ubuntu等) 预备知识3：简单编程能力 (C, Python等). 预备知识4：图形编程能力 (PyQt5 等) 预备知识6：ARS 408-21的CAN协
大陆毫米波雷达ARS408-21xx（内附毫米波雷达使用说明书）使用记录：第一期
诗人吉吉的博客
07-25 1万+
大陆毫米波雷达的解析程序
动手学无人驾驶（5）：多传感器数据融合
10点43的博客
08-18 6126
本系列的前4篇文章主要介绍了深度学习技术在无人驾驶环境感知中的应用，包括交通标志识别，2D与3D目标检测。 在本文中将会介绍无人驾驶的定位部分，我们将使用仿真的Radar和LiDAR数据对自行车进行追踪。这里使用到了两种传感器数据，因此我们需要进行数据融合，同时由于两种传感器工作原理不同，我们需要分别应用卡尔曼滤波与扩展卡尔曼滤波技术。本文主要参考Udacity《无人驾驶工程师》课程相关项目。 文章目录1.毫米波雷达简介2.激光雷达简介3.卡尔曼滤波原理3.1 预测3.2 更新4.扩展卡尔曼滤波原理5..
点云基本操作汇总
qq_38167930的博客
07-27 1139
本节目录如下： 激光SLAM里程计方案有以下几种方式： 其中基于栅格和基于匹配的方法有所了解，基于栅格的方法可以看gmapping的相关博客，这里介绍基于直接匹配ICP和NDT的方案。 激光点云的帧间匹配问题主要由两种方式实现，一种是ICP，另一种是更加常用的NDT（Normal Distributions Transform，正太分布变换）。 1、ICP变换 ICP(Iterativ...
德国大陆博世 ars 548 4D 毫米波雷达 window 系统或者 Ubuntu 系统通讯以及数据解析和显示程序 附通讯协议
三维点云技术探索
10-20 705
德国大陆博世 ars 548 4D 毫米波雷达 window 系统或者 Ubuntu ROS 系统通讯以及数据解析和显示程序。
ROS点云类型sensor_msgs::PointCloud2与PCL的PointCloud＜T＞点云类型转换
木卫三的博客
11-03 1万+
ROS中sensor_msgs::PointCloud2类型定义；与PCL的PointCloud点云数据类型转换；moveFromROSMsg()函数解析；点云格式转换中的注意事项。
点云数据格式解析 sensor_msgs::PointCloud2
热门推荐
Fourier_Legend的博客
11-02 3万+
在使用多线激光的时候需要总是会碰到点云数据，这里简单的接受一下点云数据，并堆数据结构进行分析，方便自己后期对点云特征数据进行处理。 文章目录Rviz中的点云数据点云数据结构分析数据截图 Rviz中的点云数据 本书据采用的经典的 loam_velodyne 算法，跑得是开源的包pcap 包， 有时间会详细介绍跑包的方法 点云数据结构分析 具体官方数据分析： http://docs.ros.or...
大陆Continental ARS408-21毫米波雷达数据手册
10-11
ARS 408-21 解决了优异的测量性能和高度的操作安全性之间的明显矛盾。坚固 耐用的ARS 408-21 雷达传感器能够在实时扫描中确定与物体的距离，并根据行驶速度确定可能的碰撞风险。
ROS环境下的激光雷达地面点云提取算法
12-27
ROS环境下的激光雷达地面点云提取算法
读取.bin激光雷达点云文件格式并可视化三种的方法
12-21
申明：从KITTI官网下载到的激光雷达点云数据为.bin格式，为此找到了三种方法，现在分享出来大家一起讨论。 程序运行环境 运行测试系统：Ubuntu16.04 运行环境：python3.6 方法一：使用numpy库读取.bin数据并使用mayavi.mlab来可视化点云数据 1、安装通过下属命令安装依赖库 pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple pip install mayavi -i https://pypi.tuna.tsinghua.edu.cn/simple 2、通过以下代码读取.bin文件并可视
CloudCompare点云可视化软件
04-07
CloudCompare点云可视化软件，无需安装，打开文件夹下的CloudCompare.exe即可
ARS_408雷达调试软件操作说明
08-06
ARS_408雷达调试软件操作说明
myrepository:大陆ARS 408雷达的Ros驱动程序
04-27
在Ubuntu 16.04中实现Continental ARS 408雷达。 可视化rviz中的对象。节点数base_link_to_radar encode_node encode_node_cluster 扩展kf joint_state_publisher 争吵尔维兹socketcan_bridge_node speedinfo_node ...
浅谈ROS的产品化探索（二）——开发工具篇
01-27
本文于exbot,本篇介绍了ROS开发工具部分，如何在机器人产品化过程中应用。并针对各工具类型进行分析。ROS的原生工具非常丰富，可以参考wiki上的说明：http://wiki.ros.org/Tools无论是可视化的qt工具还是命令行工具...
矿山自动驾驶技术点分析
weixin_43802726的博客
04-24 422
挖掘机无人化的技术点主要有，感知模块，规划控制模块，传感器通信模块，电气控制模块，仿真模块。同时可以用于建图定位。规划控制模块主要用于对挖掘动作的控制，根据输入的imu传感器数据和液压传感器的数据以及航路点信息，进行轨迹规划，同时利用mpc或lqr控制器控制挖掘轨迹跟踪挖掘点，并执行完挖掘装车，并满足土方量要求。自动驾驶多用于乘用车领域，目前矿山自动驾驶量产落地前景广阔，由于矿山工作环境差，污染严重，而且通常矿区面积大，工作任务单一，场景固定，是一个适合进行自动驾驶落地的场景。
经典文献阅读之--SurroundOcc(自动驾驶的环视三维占据栅格预测)
最新发布
weixin_68094467的博客
04-26 237
环视BEV已经是很多场景中需要的功能，也是视觉代替激光雷达的有效解决方案，而《SurroundOcc: Multi-camera 3D Occupancy Prediction for Autonomous Driving》一吻则代表了这个领域的SOTA算法，文中通过多帧点云构建了稠密占据栅格数据集，并设计了基于transformer的2D-3D Unet结构的三维占据栅格网络。许多3D场景重建方法[8, 37]通过将多视角2D特征重新投影到已知姿态的3D体积中，将2D特征整合到3D空间中。
自动驾驶光学校准反射板
JYGD686868的博客
04-22 490
景颐光电采用自主研发的技术工艺，反射率可从1-99%可选，可定制0.05m-3m或以上的漫反射板尺寸，均具有近完美的朗伯特性和稳定性，让激光雷达标定得到最优的测试效果。它的高反射率和精确的几何特性为光学系统的校准和光学元件的测试提供了可靠的依据。在未来，随着光学技术的不断进步，光学校准反射板的应用将会更加广泛和深入，为光学领域的发展注入新的活力。这使得光学校准反射板在光学领域的应用更加广泛和深入。是一种特殊的交通设施，它的主要作用是提高自动驾驶车辆在道路上的感知能力，增强自动驾驶系统的安全性和可靠性。
ros vtk点云可视化
05-10
在ROS中，可以使用RViz来可视化点云数据。但是，如果您需要更高级的可视化功能，可以使用VTK库来创建自定义的点云可视化程序。下面是一个基本的VTK点云可视化程序： ```cpp #include <vtkSmartPointer.h> #include <vtkPolyDataMapper.h> #include <vtkActor.h> #include <vtkRenderWindow.h> #include <vtkRenderer.h> #include <vtkRenderWindowInteractor.h> #include <vtkPLYReader.h> #include <vtkPoints.h> #include <vtkPointData.h> #include <vtkVertexGlyphFilter.h> int main(int argc, char* argv[]) { // 初始化ROS节点 ros::init(argc, argv, "ros_vtk_point_cloud_visualization"); ros::NodeHandle nh; // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile<pcl::PointXYZ> ("input.pcd", *cloud); // 创建VTK点云数据 vtkSmartPointer<vtkPoints> vtkPoints = vtkSmartPointer<vtkPoints>::New(); for (size_t i = 0; i < cloud->points.size(); i++) { vtkPoints->InsertNextPoint(cloud->points[i].x, cloud->points[i].y, cloud->points[i].z); } // 创建VTK点云数据的Actor vtkSmartPointer<vtkPolyData> polyData = vtkSmartPointer<vtkPolyData>::New(); polyData->SetPoints(vtkPoints); vtkSmartPointer<vtkVertexGlyphFilter> vertexGlyphFilter = vtkSmartPointer<vtkVertexGlyphFilter>::New(); vertexGlyphFilter->SetInputData(polyData); vertexGlyphFilter->Update(); vtkSmartPointer<vtkPolyDataMapper> mapper = vtkSmartPointer<vtkPolyDataMapper>::New(); mapper->SetInputConnection(vertexGlyphFilter->GetOutputPort()); vtkSmartPointer<vtkActor> actor = vtkSmartPointer<vtkActor>::New(); actor->SetMapper(mapper); // 创建渲染器和渲染窗口 vtkSmartPointer<vtkRenderer> renderer = vtkSmartPointer<vtkRenderer>::New(); renderer->AddActor(actor); vtkSmartPointer<vtkRenderWindow> renWin = vtkSmartPointer<vtkRenderWindow>::New(); renWin->AddRenderer(renderer); renWin->SetSize(640, 480); // 创建交互器 vtkSmartPointer<vtkRenderWindowInteractor> interactor = vtkSmartPointer<vtkRenderWindowInteractor>::New(); interactor->SetRenderWindow(renWin); // 开始渲染 interactor->Start(); return 0; } ``` 在上面的程序中，我们首先使用ROS读取了点云数据，然后创建了一个VTK的点云数据，并将其渲染到一个窗口中。请注意，上面的程序只是一个基本的模板，您可以根据自己的需要进行修改和扩展。

“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 87
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

naca yu

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