移植autoware-track算法模块至自己的项目

本文链接：https://blog.csdn.net/weixin_44589524/article/details/137878865

1、实现demo效果

源码参考：GitHub - TixiaoShan/autoware_tracker：运行 Autoware 多对象跟踪所需的最少代码

该文已将autoware检测跟踪模块剥离出来，感谢作者的贡献！

1.1 编译

按照作者步骤进行，过程中遇到如下问题依依解决。

问题1

在opencv2中确实没有找到contrib库，在Google中搜索得到解释， opencv3中已经没有了contrib这个模块，特别指出不是编译opencv_contrib的问题，而是opencv_contrib中也没有contrib模块，所以再怎么重装opencv3+opencv_contrib也是无效的，但是解决这个问题比较简单，只需要修改对应位置代码即可。

#if (CV_MAJOR_VERSION >= 3)
#include "gencolors.cpp"
#else
#include <opencv2/contrib/contrib.hpp>
#include <autoware_tracker/DetectedObjectArray.h>
#endif

问题2

只需要修改对应位置代码即可

reduce(activedDists, minDists, 0, cv::REDUCE_MIN);

由于demo太大了懒得下了。。。直接开始修改吧

2、修改源码

我们只需要用到跟踪模块，所以必须要搞清楚跟踪模块的接口格式是什么，有两个思路，从检测发出的话题中寻找或者从跟踪订阅处寻找，经过比较，从检测发出的部分找起来比较容易，在lidar_euclidean_cluster_detect.cpp文件中有个函数专门负责发送检测目标

void publishDetectedObjects(const autoware_tracker::CloudClusterArray &in_clusters)
{
  autoware_tracker::DetectedObjectArray detected_objects;
  detected_objects.header = in_clusters.header;

  for (size_t i = 0; i < in_clusters.clusters.size(); i++)
  {
    autoware_tracker::DetectedObject detected_object;
    detected_object.header = in_clusters.header;
    detected_object.label = "unknown";
    detected_object.score = 1.;
    detected_object.space_frame = in_clusters.header.frame_id;
    detected_object.pose = in_clusters.clusters[i].bounding_box.pose;
    detected_object.dimensions = in_clusters.clusters[i].dimensions;
    detected_object.pointcloud = in_clusters.clusters[i].cloud;
    detected_object.convex_hull = in_clusters.clusters[i].convex_hull;
    detected_object.valid = true;

    detected_objects.objects.push_back(detected_object);
  }
  _pub_detected_objects.publish(detected_objects);
}

比较msg/DetectedObject.msg

std_msgs/Header                 header

uint32                          id
string                          label
float32                         score   #Score as defined by the detection, Optional
std_msgs/ColorRGBA              color   # Define this object specific color
bool                            valid   # Defines if this object is valid, or invalid as defined by the filtering

################ 3D BB
string                          space_frame #3D Space coordinate frame of the object, required if pose and dimensions are defines
geometry_msgs/Pose              pose
geometry_msgs/Vector3           dimensions
geometry_msgs/Vector3           variance
geometry_msgs/Twist             velocity
geometry_msgs/Twist             acceleration

sensor_msgs/PointCloud2         pointcloud

geometry_msgs/PolygonStamped    convex_hull
# autoware_msgs/LaneArray         candidate_trajectories

bool                            pose_reliable
bool                            velocity_reliable
bool                            acceleration_reliable

############### 2D Rect
string                          image_frame # Image coordinate Frame,        Required if x,y,w,h defined
int32                           x           # X coord in image space(pixel) of the initial point of the Rect
int32                           y           # Y coord in image space(pixel) of the initial point of the Rect
int32                           width       # Width of the Rect in pixels
int32                           height      # Height of the Rect in pixels
float32                         angle       # Angle [0 to 2*PI), allow rotated rects

sensor_msgs/Image               roi_image

############### Indicator information
uint8                          indicator_state # INDICATOR_LEFT = 0, INDICATOR_RIGHT = 1, INDICATOR_BOTH = 2, INDICATOR_NONE = 3

############### Behavior State of the Detected Object
uint8                           behavior_state # FORWARD_STATE = 0, STOPPING_STATE = 1, BRANCH_LEFT_STATE = 2, BRANCH_RIGHT_STATE = 3, YIELDING_STATE = 4, ACCELERATING_STATE = 5, SLOWDOWN_STATE = 6

#
string[]                        user_defined_info

可以知道，其实msg/DetectedObject.msg不是每一项都被赋值，有效值列在下面

std_msgs/Header header
string label
bool valid

################ 3D BB
string space_frame
geometry_msgs/Pose pose
geometry_msgs/Vector3 dimensions

sensor_msgs/PointCloud2 pointcloud

geometry_msgs/PolygonStamped convex_hull

然后可以在跟踪模块中的回调函数中发现

transformPoseToGlobal(input, transformed_input);
tracker(transformed_input, detected_objects_output);
transformPoseToLocal(detected_objects_output);

输入进来的点云信息是逐级处理的，因此只需要修改第一个函数中input相关值即可，我们再具体看看第一个函数是怎么定义的

这个函数简而言之就是把input的每个object赋给了transformed_input，并且进行了坐标转换，这里要注意一点，因为我的工程是基于路侧系统而不是雷达本身，所以这里后面会涉及到坐标转换的问题，等最后再修改

现在我们根据检测发出来的话题，对我们的检测话题进行修改

因为每个人的项目不同，这里不一一列举修改处，没啥意义。

在启动launch前要记得关掉原来的聚类，否则会冲突，最后启动launch

roslaunch autoware_tracker run.launch

效果如下

暂时还看不出效果好不好，有待后续测试