Autoware 1.12学习整理--03--NDT点云定位

〇、前言

在得到点云地图后,接下来为点云定位,是汽车导航的前提,autoware中使用ndt_matching模块完成基于点云的定位,是一种scan-to-map的点云配准算法,本文将使用《Autoware 1.12学习整理–02–构建点云地图》中的点云地图和rosbag数据包完成ndt点云定位。

一、ndt点云定位

ndt点云定位时的tf树与建图时的稍有不同,从map到base_link的坐标系转换由autoware中的ndt_matching模块完成的,如下图所示:
在这里插入图片描述
1.1、加载bag文件
启动autoware,切换到Simulation页面,点击Ref按钮加载bag文件,Start Time设置为0,点击Play然后点击Pause暂停播放,如下图所示。为了保证autoware的正常运行,在启动autoware后首先要做的就是加载bag文件,否则会出现时间戳同步问题。
在这里插入图片描述
1.2、完成从base_link到velodyne的坐标系转换
切换到autoware的Setup页面下,确定Localizer选的是Velodyne,设置Baselink to Localizer的x、y、z、yaw、pitch、roll数值,其为雷达中心点与车身后轴中心点的相对位置关系,接着点击TF按钮,最后点击Vehicle Model按钮,如果其后为空,那么会加载一个默认模型。
在这里插入图片描述
1.3、完成从world到map的坐标系转换
切换到autoware的Map页面下,点击TF右侧的Ref按钮,加载如下路径的launch文件,其中是从/world坐标系转换到/map坐标系的tf变换,最后点击TF按钮。

autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/tf_local.launch

在这里插入图片描述
1.4、加载点云地图
Map页面下,点击Point Cloud右侧的Ref按钮,加载pcd点云地图,并点击Point Cloud按钮,进度条显示OK,则加载完毕,如下所示:
在这里插入图片描述
1.5、点云降采样
voxel_grid_filter,也就是体素滤波,PCL实现的体素滤波VoxelGrid类通过输入的点云数据创建三维体素栅格(可以将体素栅格想象为微小的空间三维立方体的集合),然后在每个体素内,用体素中的所有点的重心近似显示体素中的其他点,这样该体素内所有点就用一个重心点最终表示,然后将所有体素处理后得到过滤后的点云。(这种方法比用体素中心来逼近的方法更慢,但对于采样点对应曲面的表示更为准确。)
切换到autoware的Sensing页面下,点击Points Downsamplervoxel_grid_filter右侧的app按钮,设置点云话题名Points topic为/points_raw,下面两个参数默认即可,Voxel Leaf Size参数值为2,表示2米的立方体内的全部点近似用1个重心代替,Measurement Range的参数值为200,表示点云的有效的距离是200米。设置完参数后点击OK,最后勾选voxel_grid_filter
在这里插入图片描述
在这里插入图片描述
1.6、完成map到base_link的坐标系转换
切换到autoware的Computing页面下,点击lidar_localizerndt_matching右侧的app按钮,在弹出的页面中topic:/config/ndt选择Initial Pos选项,x,y,z,roll,pitch,yaw的值表示激光数据的初始位姿,如果有GNSS设备可以选择GNSS进行初始定位。Method Type选择pcl_anh_gpu,即使用GPU进行点云匹配计算,然后点击OK,最后勾选ndt_matching
在这里插入图片描述
在这里插入图片描述
1.7、播放bag数据
点击autoware界面的RViz按钮,打开rviz,依次点击file->open config加载配置文件:

autoware.ai/src/autoware/documentation/autoware_quickstart_examples/launch/rosbag_demo/default.rviz

切回到autoware的Simulation界面,点击Pause按钮开始播放数据,Rviz界面显示如下:
在这里插入图片描述
整个运行过程如下:
在这里插入图片描述
在开始时,没有定位成功,汽车前进了一段距离后突然回到起始位置,此时才定位成功,后面汽车就能一直将点云与地图匹配起来,完成汽车在点云地图中的定位。开始时如果长时间没有定位成功,可以使用rviz中的2D Pose Estimate工具指定汽车的初始位姿。利用ndt_matching进行点云定位时的节点图如下:
在这里插入图片描述
最后可以看一下voxel_grid_filter降采样前后的对比:
在这里插入图片描述

文章不妥之处还望指正

参考文章:
https://www.cnblogs.com/hgl0417/p/11143107.html
https://zhuanlan.zhihu.com/p/64226544

  • 6
    点赞
  • 39
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
### 回答1: Autoware1.12-cpu版是一款基于CPU计算的自动驾驶软件,它是Autoware自动驾驶软件系列中的一款重要发行版,适用于较老的计算机及不具有独立显卡的计算机。与其他Autoware版本相比,Autoware1.12-cpu版具有更低的运行成本,更广泛的适用范围和更高的可扩展性。它是一个包含完整自动驾驶功能的软件包,包括感知、决策和执行模块。采用多种传感器输入,如激光雷达、摄像头、GPS、IMU等,通过算法实现自动驾驶的各种功能,如自动泊车、车道保持、障碍物识别和避障等,实现了自动化的驾驶体验。此外,它也支持ROS-Industrial生态系统,可以与其他机器人或自动化设备集成使用。Autoware1.12-cpu版为研究者、开发人员和普通用户提供自动驾驶开发平台和开源软件,为智能交通和未来城市交通系统的发展做出贡献。 ### 回答2: Autoware 1.12-cpu版是一款免费开源的自动驾驶软件,它是Autoware软件套件的一个版本,旨在为自动驾驶的开发提供支持。相比于其他支持自动驾驶的软件,它具有更加完善且易用的功能,因此备受开发者青睐。 Autoware 1.12-cpu版通过计算机的CPU来实现自动驾驶功能,这意味着它能够在普通笔记本电脑上运行,而无需使用专业的硬件设备。这降低了开发成本,使更多的人参与到自动驾驶技术的研究和开发中来。 这个软件包含了多个模块,包括雷达、摄像头、GPS、激光雷达、车辆控制等功能。这些模块可以相互协作,实现自动驾驶的所有必要功能。更值得一提的是,它还提供了诸如目标检测、转弯控制、定位、路径规划等等的高级功能,使得开发者调试和测试自动驾驶的效果更加方便。 除此之外,Autoware 1.12-cpu版还提供了详细的开发和部署文档,使得使用者可以快速上手,高效地进行开发和测试。总之,它是一款全面、易用、免费、开源的自动驾驶软件,是自动驾驶领域的一个重要贡献,对于推进自动驾驶技术的发展,具有非常重要的意义。 ### 回答3: Autoware 1.12是一个开源无人驾驶软件平台,专为自动驾驶车辆而设计。它提供了各种功能模块,如定位、感知和规划,以及通信和用户界面。CPU版本是指在没有GPU加速支持的计算机使用的版本。 相对于GPU版本,CPU版本的Autoware可以在更广泛的计算机系统上运行,且性能会相对较低。在现代计算机中,GPU通常提供了更快的并行计算速度和处理能力,因此使用GPU版本可能会更快地完成任务。但是,对于一些特定的应用场景和需求,CPU版本可能足以满足要求。 非常重要的是要理解,Autoware 1.12是一项相当复杂的软件,要始终注意到其所需的硬件要求。如果使用CPU版本,在计算能力较低的计算机上运行可能会导致性能不佳,甚至无法运行。用户需充分了解计算机的硬件要求,并选择最适合其需求的版本。

“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 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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