Velodyne-16完全配置

本人实验室所提供的激光雷达有：Velodyne-16、Velodyne HDL-32E、Velodyne HDL-64E，本篇博客只针对Velodyne-16进行配置。

1.环境配置

1. 配置好本机有线连接的IP地址:
   以太网 -> ipv4设置 -> 方法 为 手动
2. 更改配置为：

address: 192.168.1.77

netmask: 255.255.255.0

gateway: 192.168.1.1

3. 地址只能是201以外的所有值，因为201是激光雷达的IP
   

2.安装驱动

1. 按照说明书PDF上安装激光雷达的驱动:

sudo apt-get install ros-kinetic-velodyne

注：kinetic、melodic 以及 noetic
2. 创建ROS工程包:

mkdir -p catkin_velodyne/src
cd catkin_velodyne/src
git clone https://github.com/ros-drivers/velodyne.git (拷贝项目仓库的地址(Git URL))
cd ..
rosdep install --from-paths src --ignore-src --rosdistro kinetic -y
catkin_make
source devel/setup.bash

3. 成功编译后准备启动。连接好设备，激光雷达正常供电，然后电脑和雷达之间通过网线连接。
   
4. 可以查看雷达运行的参数，打开网页，网址处输入地址：192.168.1.201
   会弹出激光雷达的参数界面。

3.启动雷达

1. 打开终端，进行launch启动命令(启动采集程序)：

roslaunch velodyne_pointcloud VLP16_points.launch

2. 可以查看节点运行情况：

rosnode list

3. 然后打开rivz，查看3D数据：

rosrun rviz rviz -f velodyne

4. 会显示一个可以旋转的界面出来，但是并没有数据。需要你
   添加点进去。

点击 Add, 添加 -> PointsCloud2
最后实时的3D数据就显示出来了。

4.录制与播放点云数据

1. 只保存点云topic的数据：

rosbag record /velodyne_points

2. 保存当前所有topic的数据：

rosbag record -a

3. 查看一下此时系统发布的所有的话题：

rostopic list -v

4. 查看bag文件信息：

rosbag info 2020-07-04-11-01-11.bag

5. 查看话题以及对应时间戳：

rqt_bag 2020-07-04-11-01-11.bag 

6. 解析 .bag 文件到 .pcd 点云数据文件：

rosrun pcl_ros bag_to_pcd 2020-09.bag /velodyne_points pcd

7. 播放运行bag包数据：

rosbag play 2020-07-04-11-01-11.bag

也可以试一下二倍速：

rosbag play -r 2 2020-07-04-11-01-11.bag

5.技术参数

16线激光雷达VLP-16是Velodyne公司出品的小型的3维激光雷达，保留了电机转速可调节的功能。实时上传周围距离和反射率的测量值。16线激光雷达VLP-16具有100米的远量程测量距离。精巧的外观设计使得安装非常方便。重量轻，只有830g，非常适合安装在小型无人机和小型移动机器人上。
16线激光雷达VLP-16每秒高达30万个点数据输出。±15°的垂直视场，360°水平视场扫描。IP67的防护等级。
16线激光雷达VLP-16支持两次回波接收，可以测量次回波和后一次回波的距离值和反射强度值。

16线激光雷达VLP-16技术参数：

激光线数：16 线；
测量范围：高达 100m；
测量精度：±3cm；
支持两次回波；
垂直测量角度范围：30°（﹢15°到﹣15°）；
垂直方向角度分辨率：2°；
水平方向测量角度范围：360°；
水平方向角度分辨率：0.1°到 0.4°；
测量频率：5 到 20Hz；
可以通过网络浏览器监测和改变电机的转速；
激光安全等级：1级（人眼安全）；
激光波长：905nm；
传感器功率：8W（典型值）；
工作电压：9-32V；
重量：830g；
外形尺寸：103mmX72mm；
振动测试：500m/sec² 振幅，持续时间 11msec；
振动：5Hzto2000Hz,3Grms；
防护等级：IP67；
工作温度：-10℃ 到﹢60℃；
储存温度：-40℃ 到﹢105℃；
输出：
每秒高达 30 万个测量点输出；
100M 快速以太网连接；
数据包包含：距离值、物体反射率、旋转角度、同步时间(μs分辨率)；
支持外接GPS；

16线激光雷达VLP-16行业应用：汽车自动驾驶、建图测量、测绘、高精度地图、机器人导航避障、环境3维建模、自动化行业

32线激光雷达Velodyne HDL32E技术参数：

20Hz 捕获频率
32 个光束，每个环 1080 (+-10) 个点
32 个频道
360° 水平 FOV，+10° 至 -30° 垂直 FOV，统一方位角
80m-100m 范围，可用返回达 70 米，± 2 cm 精度
高达每秒约 139 万点 

6.nuScenes 数据集

1. nuScenes 收集驾驶数据后，以 2Hz 采样同步良好的关键帧（图像、激光雷达、雷达），并将它们发送给标注合作伙伴Scale进行标注。使用专家注释器和多个验证步骤，实现了高度准确的注释。nuScenes 数据集中的所有对象都带有语义类别，以及它们出现的每个帧的 3D 边界框和属性。与 2D 边界框相比，这使我们能够准确地推断对象在空间中的位置和方向。
   标注之间的关系
2. 在看代码的时候发现从nuscenes数据集中加载数据的时候因为太多信息了。我想带着这些关系去读会比较形象。
   ①scenes：可以说是数据集的标注基础，所有的标注都是基于某个scene的，但是对于深度学习训练，这个东西用不到，不用特别在意。
   ②scene和sample：sample是存在于scene里的，关系就是一个scene里有很多的samples。而sample其实就是某个时间点的scene。这么说吧，车会在一个scene中持续走一段时间然后获取数据，而在这一段时间内，会每隔0.5秒对此时的scene进行标注，此时的这个scene就叫sample。而深度学习训练就是用sample里面的数据。
   ③sample和sample_data以及sample_annotation：从上我们已经知道sample其实就是某个时间点的scene，那么可以知道sample里面肯定包含很多目标，这些目标就是sample_annotation。车的传感器一直都是运作的，而这个时间点的传感器获取的数据就是sample_data。