Viobot输出数据说明

一.原始数据

1.ROS话题

1)相机原始图像数据

Type: sensor_msgs::Image
Topic: 左目：/image_left 右目：/image_right

2）imu数据

Type: sensor_msgs::Imu
Topic: /imu

3）TOF数据

点云数据：

Type: sensor_msgs::PointCloud2
Topic: /tof_cloud
(x,y,z)

深度图：

Type: sensor_msgs::Image
Topic: /depth_image

幅度图：

Type: sensor_msgs::Image
Topic: /amp_image

4）系统状态

#此项为自定义的ros msg,可以在SDK例程里面找到

Type: system_ctrl::viobot_ctrl
Topic: /sys_status

2.http输出

二.算法输出

1.位姿

开启stereo2算法后，双目自动完成初始化，直接输出位姿。对应上位机的相机框。

Type: nav_msgs::Odometry
Topic:/pr_loop/odometry_rect
Odometry是包含了位姿(pose)和速度(twist)的.

2.点云

点云需要开启stereo2算法后才有输出。

如UI所示的，stereo2输出的点云有三种——stereo2原生点云，RDF点云，以及TOF点云（TOF版本）。

需要注意的是所有点云发送的话题都是实时的，只有用户自己保存每一帧才有历史点云的说法，上位机显示的是所连接设备发上来的所有点云，点云的坐标系是紧跟着以算法开机初始化后的第一个位姿为原点的“世界”系坐标下的。

1）stereo2点云

这是直接法直接输出的点云，是根据图片的梯度点计算出来的点深度的集合，所以单帧是成一个散射状态的，这跟摄像头的成像原理有关，当相机运动起来之后，上位机记录的点云多了，才会慢慢的建出一定的形状出来。

此点云的ROS话题为：

Type: sensor_msgs::PointCloud2 
Topic:/pr_loop/points

注意：点云生成是在产生新的关键帧的时候，所以点云的发布频率是不固定的。

2）RDF点云

这是根据stereo2点云经过滤波和补点（增加稠密度）产出的，它的杂点更少，相对于stereo2点云也更加稠密，相对直观，可用于实时避障。

 此点云的ROS话题为：

Type: sensor_msgs::PointCloud2 
Topic:/pr_loop/points_rdf

3）TOF融合点云（TOF版）

需要开启TOF。

这是TOF相机数据降采样并融合了相机位姿后的点云，并非TOF的原始点云，可直接用于避障。

此点云的ROS话题为：

Type: sensor_msgs::PointCloud2 
Topic:/pr_loop/tof_points

 发布频率同样是与位姿发布频率一致。

4）其他点云

开启算法之后用户可以看到加了一个_adjusted后缀的点云

/pr_loop/points_adjusted

/pr_loop/tof_points_adjusted

这两组是后续建全局先验全局地图使用的，后续教程会慢慢讲解。

三.参数数据

1.相机内参

1）ROS话题

Type:sensor_msgs::CameraInfo
Topic:
 左目内参：/camera_left_info  
 右目内参：/camera_right_info 
 tof内参：/tof_info

双目外参计算方式

右目的camerainfo有一个p矩阵,拿到这个矩阵即可计算外参，双目外参为：

1.0   0.0   0.0   p[3]/p[0]
0.0   1.0   0.0   0.0
0.0   0.0   1.0   0.0

2）http

 2.imu内参

文件地址："/home/PRR/Viobot/install/share/viobot/cali/imu/imu.yaml"

或者使用http获取

3.外参文件

这两个外参文件暂时没有程序获取接口，可以直接访问文件获取。

imu到左目外参文件地址："/home/PRR/Viobot/install/share/viobot/cali/extrinsic/imu_cam.yaml"

tof到左目外参文件地址："/home/PRR/Viobot/install/share/viobot/cali/tof/tof_cam.yaml"