在本例中，主要讲解如何查看apollo系统中各模块之间的信道数据，这里主要查看perception信道数据，以查看感知信道的数据为例。
使用CyberMonitor查看Channel数据
在播放数据包后，打开新的终端，在 Apollo Docker 环境中输入以下命令，启动 cyber_monitor。
root@in-dev-docker:/apollo_workspace# cyber_monitor
cyber_monitor 启动之后，会在终端中显示一个交互界面。cyber_monitor 自动从拓扑中收集所有 channel 信息并分两列显示：分别为 Channels（channel 名称）和 FrameRatio（数据频率）。
channel 信息默认显示为红色，当有数据流经 channel 时，对应的行就会显示成绿色。
常用命令
ESC | q key ---- 退出
Backspace ---- 后退
h | H ---- 显示帮助页
PageDown | Ctrl+d ---- 上一页
PageUp | Ctrl+u ---- 下一页
Up, down or w, s keys ---- 上下移动当前的高亮行
Right arrow or d key ---- 进入高亮行, 显示高亮行数据的详细信息
Left arrow or a key ---- 从当前界面返回上一层界面
Enter key ---- 与 d 键相同
f | F ---- 显示数据帧频率
t | T ---- 显示 channel 消息类型
Space ---- 关闭|开启 channel (仅在 channel 有数据到达时有效；channel 关闭后会变成黄色)
i | I ---- 显示 channel 的 Reader 和 Writer 信息
b | B ---- 显示 channel 消息内容
n | N ---- 显示消息中 RepeatedField 的下一条数据
m | M ---- 显示消息中 RepeatedField 的上一条数据
- 使用CyberVisualizer查看原始感知数据
在播放数据包后，重新打开一个终端，在 Apollo Docker 环境中执行如下命令运行cyber_visualizer：
root@in-dev-docker:/apollo_workspace# cyber_visualizer
cyber_visualizer 会收到所有活动 channel 的信息（来自回放数据）并显示出来。当有数据流经 channel 时，在 ChannelNames 下会显示 channel 列表。您可以查看点云和相机数据。
使用cyber record包解析工具解析Recoder包
当前解析cyber record包需要在docker中进行，并且依赖cyber和编译好的proto文件。实际上cyber_record录制好之后就是按照一定的格式保存的文件，对用户来说，拿到录制好的文件之后，用更少的依赖进行解析是最好的。
pip3 install cyber_record record_msg
项目地址：
https://cyber-record.readthedocs.io/en/latest/#cyber-record.readthedocs.io/en/latest/#
原理
由于cyber record本身能够进行自解析，因此从理论上来说也是可行的，首先是分析cyber record的格式，然后调用protobuf进行反序列化。cyber record的格式在上面几篇文章中已经介绍过了，我们这里重点介绍下如何进行自解析。
protobuf的原理实际上是根据用户定义好的proto文件，来对消息进行解析，实际使用的时候，protobuf采用了descriptor来描述proto文件，而descriptor_pb则是proto文件的proto，这里有点绕口，你可以理解为“描述文件”的“描述文件”，通过上述2个定义，我们就可以知道消息的结构，有哪些字段，也就能够解析消息了。
但问题没那么简单，我们知道一个proto文件中可能会引入另外的proto文件，也就是说一个proto文件的descriptor_pb只能描述它自己，但并没有包含它引用的消息的格式，这有点类似c++的头文件。但解析整个消息，我们必须知道所有消息的格式才行，包括它们的引用。好在cyber record中都保存了这些信息。
把自身的消息描述descriptor和它依赖的所有消息的descriptor，都放入descriptor_pool，之后就可以根据消息类型来创建消息了。
以上就是具体的实现原理，简单来说，由于每个bag包中的消息种类有限，例如有5种，那么把这5种消息的descriptor都存入bag包中，体积也不会占用太大，而最后我们可以根据这些描述信息，去解析保存在bag中对应类型的消息。
安装
只需要通过pip安装cyber_record库，就可以在本地解析record文件了，不需要其它任何依赖。
pip3 install cyber_record
1. 命令行
- Info
通过cyber_record info来获取record文件的统计信息
$ cyber_record info -f example.record.00000
record_file: example.record.00000
version: 1.0
begin_time: 2021-07-23 17:12:15.114944
end_time: 2021-07-23 17:12:15.253911
duration: 0.14 s
size: 477.55 KByte
message_number: 34
channel_number: 8
/apollo/planning , apollo.planning.ADCTrajectory , 1
/apollo/routing_request , apollo.routing.RoutingRequest , 0
/apollo/monitor , apollo.common.monitor.MonitorMessage , 0
/apollo/routing_response , apollo.routing.RoutingResponse , 0
/apollo/routing_response_history , apollo.routing.RoutingResponse , 1
/apollo/localization/pose , apollo.localization.LocalizationEstimate, 15
/apollo/canbus/chassis , apollo.canbus.Chassis , 15
/apollo/prediction , apollo.prediction.PredictionObstacles , 2
- Echo
通过cyber_record echo打印指定topic的消息到命令行，打印"/apollo/canbus/chassis"下的所有消息到命令行
$ cyber_record echo -f example.record.00000 -t /apollo/canbus/chassis
engine_started: true
speed_mps: 0.0
throttle_percentage: 0.0
brake_percentage: 0.0
driving_mode: COMPLETE_AUTO_DRIVE
gear_location: GEAR_DRIVE
header {
timestamp_sec: 1627031535.112813
module_name: "SimControl"
sequence_num: 76636
}
你也可以用以下命令输出到文件
cyber_record echo -f example.record.00000 -t /apollo/canbus/chassis > 1.txt
2. 读取消息
安装之后，可以参考以下例子读取消息
- 读取所有消息
from cyber_record.record import Record
file_name = "20210521122747.record.00000"
record = Record(file_name)
for topic, message, t in record.read_messages():
print("{}, {}, {}".format(topic, message, t))
- 根据topic过滤
def read_filter_by_topic():
record = Record(file_name)
for topic, message, t in record.read_messages('/apollo/sensor/rs32/Scan'):
print("{}, {}, {}".format(topic, type(message), t))
- 根据时间过滤
def read_filter_by_time():
record = Record(file_name)
for topic, message, t in record.read_messages(start_time=1627031535164278940,\
end_time=1627031535215164773):
print("{}, {}, {}".format(topic, type(message), t))
- 根据Topic和时间过滤
def read_filter_by_both():
record = Record(file_name)
for topic, message, t in record.read_messages('/apollo/canbus/chassis', \
start_time=1627031535164278940, end_time=1627031535215164773):
print("{}, {}, {}".format(topic, type(message), t))
3. 保存消息
获取到消息类型之后，你可以根据不同的topic来处理和保存消息，你只需要知道消息的结构就行了，也不需要添加编译好的proto文件依赖。
为了方便处理消息，通过安装record_msg，可以帮助我们快速的读取和保存消息。
pip3 install record_msg
record_msg提供了3种不同类型的接口
- csv格式
通过to_csv可以把消息的属性展开为数组，减轻了手动一个个枚举属性的问题。下面的例子中to_csv会把pose的所有属性都输出为一个数组。
import csv
from record_msg.parser import to_csv
f = open("message.csv", 'w')
writer = csv.writer(f)
def parse_pose(pose):
'''
save pose to csv file
'''
line = to_csv([pose.header.timestamp_sec, pose.pose])
writer.writerow(line)
f.close()
如果你要有选择的输出属性，可以自己构建数组然后传递给to_csv展开属性 ，例如pose.position实际上包含x,y,z3个属性，我们不必一个个构造，通过to_csv(pose.position)会自动输出
[pose.position.x, pose.position.y, pose.position.z]
- 保存图像
你可以通过ImageParser来解析和保存record包中的图像。
from record_msg.parser import ImageParser
image_parser = ImageParser(output_path='../test')
for topic, message, t in record.read_messages():
if topic == "/apollo/sensor/camera/front_6mm/image":
image_parser.parse(image)
# or use timestamp as image file name
# image_parser.parse(image, t)
通过output_path指定图像输出的路径，默认情况下图像编号从0-n，也可以自定义图像名称，例如输出时间戳为图像的名称。
- 保存点云
可以通过PointCloudParser来解析和保存record包中的点云。
pointcloud_parser = PointCloudParser('../test')
for topic, message, t in record.read_messages():
if topic == "/apollo/sensor/lidar32/compensator/PointCloud2":
pointcloud_parser.parse(message)
# other modes, default is 'ascii'
# pointcloud_parser.parse(message, mode='binary')
# pointcloud_parser.parse(message, mode='binary_compressed')
通过output_path指定点云文件的保存路径，默认情况下图像编号从0-n，也可以自定义点云名称，例如输出时间戳为图像的名称，根据不同的点云消息格式，你需要传入不同的mode，默认点云为ascii格式。
3. 写入消息
当缺少数据包，或者想通过数据集来自己构造数据包的时候，cyber_record也提供了写入消息，并且保存为Record包的能力。
import time
from cyber_record.record import Record
from modules.map.proto import map_pb2
write_file_name = "example_w.record.00000"
def write_message():
pb_map = map_pb2.Map()
pb_map.header.version = 'hello'.encode()
with Record(write_file_name, mode='w') as record:
record.write('/apollo/map', pb_map, int(time.time() * 1e9))
构造好的record文件保存为write_file_name。
436
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
