博客转载自:https://www.ncnynl.com/archives/201702/1313.html

ROS与C++入门教程-tf-深入Time和TF

说明:

  • 介绍使用waitForTransform函数去等待TF树中的变换生效

TF和Time

  • 在前面的教程中,我们了解了tf如何跟踪坐标系树。
  • 此树随时间变化,tf存储每个变换的时间快照(默认情况下最多为10秒)。
  • 直到现在,我们使用lookupTransform()函数来获取该tf树中最新的可用变换,而不知道什么时候记录变换。
  • 本教程将教您如何在特定时间获取转换。
  • 在上个教程的文件上修改:
$ roscd learning_tf
$ vim src/turtle_tf_listener.cpp
  • 找到代码:
try{
listener.lookupTransform("/turtle2", "/carrot1",
ros::Time(0), transform);
  • 修改为:
try{
listener.lookupTransform("/turtle2", "/turtle1",
ros::Time(0), transform);
  • 更改/turtle2跟随/turtle1,不是/carrot1,我们指定了时间为0,即获得最新有效的变换。
  • 改变获取当前时间的变换,即改为now(), 修改代码:
  try{
listener.lookupTransform("/turtle2", "/turtle1",
ros::Time::now(), transform);
  • 编译运行:
  $ catkin_make
$ roslaunch learning_tf start_demo.launch
  • lookupTransform()函数提示失败:
[ERROR] [1287871653.885277559]: You requested a transform that is 0.018 miliseconds in the past, but the most recent transform in the tf buffer is 7.681 miliseconds old.
When trying to transform between /turtle1 and /turtle2.
  • 这是为什么? 每个监听器有一个缓冲区,它存储来自不同tf广播者的所有坐标变换。 当广播者发出变换时,变换进入缓冲区之前需要一些时间(通常是几个毫秒)。 因此,当您在时间“now”请求坐标系变换时,您应该等待几毫秒以获得该信息。

等待变换

  • tf提供了一个很好的工具,它将等待,直到变换可用。
  • 修改代码为:
 try{
ros::Time now = ros::Time::now();
listener.waitForTransform("/turtle2", "/turtle1",
now, ros::Duration(3.0));
listener.lookupTransform("/turtle2", "/turtle1",
now, transform);
  • waitForTransform() 四个参数:

    • 1.需要等待变换从坐标系turtle2
    • 2.到坐标系turtle1
    • 3.在now时间
    • 4.超时时间,不要等待超过此最大持续时间
  • 注意:使用ros::Time::now()是为了这个例子。通常这将是希望被转换的数据的时间戳。

  • 所以waitForTransform()实际上会阻塞直到两个海龟之间的变换可用(这通常需要几毫秒)

  • 或者如果变换不可用,直到达到超时。

  • 编译运行:

  $ catkin_make
$ roslaunch learning_tf start_demo.launch
  • 但等待,您可能仍会看到错误一次(错误msg可能会有所不同):
[ERROR] [1287872014.408401177]: You requested a transform that is 3.009 seconds in the past, but the tf buffer only has a history of 2.688 seconds.
When trying to transform between /turtle1 and /turtle2.

  

这是因为turtle2需要非零时间来生成并开始发布tf帧。 因此,第一次请求现在时间的/turtle2坐标系可能不存在,当请求转换时,转换可能不存在,并且第一次失败。 在第一次变换之后,所有的变换都存在,
并且乌龟的行为如预期的那样。

检查结果

  • 现在,你应该能够使用箭头键(确保你的终端窗口是活跃的,而不是你的模拟器窗口),你会看到第二只乌龟跟随第一只乌龟!
  • 所以,你注意到乌龟的行为没有明显的区别。 这是因为实际的时间差只有几个毫秒。 但是为什么我们从Time(0)到now()进行这种改变? 只是教你关于tf缓冲区和与它相关的时间延迟。对于真实的tf用例,使用Time(0)通常是完全正常的。

ROS与C++入门教程-tf-Time travel(时间穿梭

说明:

  • 介绍tf的高级时间穿梭功能

Time travel

  • 利用上一个教程的文件。
  • 打开src/turtle_tf_listener.cpp,找到25-30,如下:
  try{
ros::Time now = ros::Time::now();
listener.waitForTransform("/turtle2", "/turtle1",
now, ros::Duration(1.0));
listener.lookupTransform("/turtle2", "/turtle1",
now, transform);
  • 现在,不是让turtle2去到turtle1当前时间的地方,而让turtle2去turtle1是5秒前的地方:
try{
ros::Time past = ros::Time::now() - ros::Duration(5.0);
listener.waitForTransform("/turtle2", "/turtle1",
past, ros::Duration(1.0));
listener.lookupTransform("/turtle2", "/turtle1",
past, transform);
  • 编译运行:
$ make  or  catkin_make
$ roslaunch learning_tf start_demo.launch
  • 你会期望看到什么? 在第一个5秒钟,第二只乌龟不知道去哪里,因为我们还没有第一只乌龟5秒的历史。

  • 但是这5秒后呢?效果图:

  • 类似截图,你的海龟是不可控制? 那么发生了什么?

  • 我们问TF:相对于/turtle2 5秒前,/turtle1 5秒前的姿势是什么?

  • 这意味着我们控制/turtle2基于5秒前的位置以及/turtle1在5秒前的位置。

  • 那应该问:相对于/turtle2目前的位置,/turtle1 5秒前的姿势是什么?

高级API

  • 回答上面问题,依赖高级API,示例代码:
  try{
ros::Time now = ros::Time::now();
ros::Time past = now - ros::Duration(5.0);
listener.waitForTransform("/turtle2", now,
"/turtle1", past,
"/world", ros::Duration(1.0));
listener.lookupTransform("/turtle2", now,
"/turtle1", past,
"/world", transform);
  • 这个lookupTransform()API,有六个参数:

      1. 变换从坐标系turtle2
      1. 在now时间
      1. 到turtle1坐标系
      1. 在past时间
      1. 指定不随时间改变的坐标系,这里是world
      1. 变换结果保存的变量
  • waitForTransform()跟lookupTransform()一样有6个相应参数。

  • 效果图示:

  • 这个图显示了tf在后台做什么。

  • 在past时间,它计算从turtle1到world坐标系的变换。

  • 在world坐标系,tf时间从past到now。

  • 在now时间,tf计算从world到turtle2坐标系的变换。

检查结果:

  • 编译运行:
$ catkin_make
$ roslaunch learning_tf start_demo.launch
  • 效果:turtle2是指向turtle1 5秒前的地方!

ROS tf-深入Time和TF的更多相关文章

  1. tf.nn.conv2d 和 tf.nn.max_pool 中 padding 分别为 'VALID' 和 'SAME' 的直觉上的经验和测试代码

    这个地方一开始是迷糊的,写代码做比较分析,总结出直觉上的经验. 某人若想看精准的解释,移步这个网址(http://blog.csdn.net/fireflychh/article/details/73 ...

  2. 深度学习原理与框架-图像补全(原理与代码) 1.tf.nn.moments(求平均值和标准差) 2.tf.control_dependencies(先执行内部操作) 3.tf.cond(判别执行前或后函数) 4.tf.nn.atrous_conv2d 5.tf.nn.conv2d_transpose(反卷积) 7.tf.train.get_checkpoint_state(判断sess是否存在

    1. tf.nn.moments(x, axes=[0, 1, 2])  # 对前三个维度求平均值和标准差,结果为最后一个维度,即对每个feature_map求平均值和标准差 参数说明:x为输入的fe ...

  3. TF之RNN:TF的RNN中的常用的两种定义scope的方式get_variable和Variable—Jason niu

    # tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Variable.Tensorflow当中有两种途径生成变量 variable import te ...

  4. 深度学习原理与框架-Tensorflow基本操作-变量常用操作 1.tf.random_normal(生成正态分布随机数) 2.tf.random_shuffle(进行洗牌操作) 3. tf.assign(赋值操作) 4.tf.convert_to_tensor(转换为tensor类型) 5.tf.add(相加操作) tf.divide(相乘操作) 6.tf.placeholder(输入数据占位

    1. 使用tf.random_normal([2, 3], mean=-1, stddev=4) 创建一个正态分布的随机数 参数说明:[2, 3]表示随机数的维度,mean表示平均值,stddev表示 ...

  5. tensorflow中 tf.train.slice_input_producer 和 tf.train.batch 函数(转)

    tensorflow数据读取机制 tensorflow中为了充分利用GPU,减少GPU等待数据的空闲时间,使用了两个线程分别执行数据读入和数据计算. 具体来说就是使用一个线程源源不断的将硬盘中的图片数 ...

  6. TensorFlow 辨异 —— tf.add(a, b) 与 a+b(tf.assign 与 =)、tf.nn.bias_add 与 tf.add(转)

    1. tf.add(a, b) 与 a+b 在神经网络前向传播的过程中,经常可见如下两种形式的代码: tf.add(tf.matmul(x, w), b) tf.matmul(x, w) + b 简而 ...

  7. tensorflow中共享变量 tf.get_variable 和命名空间 tf.variable_scope

    tensorflow中有很多需要变量共享的场合,比如在多个GPU上训练网络时网络参数和训练数据就需要共享. tf通过 tf.get_variable() 可以建立或者获取一个共享的变量. tf.get ...

  8. tensorflow中 tf.train.slice_input_producer 和 tf.train.batch 函数

    tensorflow数据读取机制 tensorflow中为了充分利用GPU,减少GPU等待数据的空闲时间,使用了两个线程分别执行数据读入和数据计算. 具体来说就是使用一个线程源源不断的将硬盘中的图片数 ...

  9. tensorflow 基本函数(1.tf.split, 2.tf.concat,3.tf.squeeze, 4.tf.less_equal, 5.tf.where, 6.tf.gather, 7.tf.cast, 8.tf.expand_dims, 9.tf.argmax, 10.tf.reshape, 11.tf.stack, 12tf.less, 13.tf.boolean_mask

    1.  tf.split(3, group, input)  # 拆分函数    3 表示的是在第三个维度上, group表示拆分的次数, input 表示输入的值 import tensorflow ...

  10. 关于 tf.nn.softmax_cross_entropy_with_logits 及 tf.clip_by_value

    In order to train our model, we need to define what it means for the model to be good. Well, actuall ...

随机推荐

  1. Kubectl Rollout 回滚及Autoscale自动扩容

    Kubectl Rollout 回滚及Autoscale自动扩容 Kubernetes 中采用ReplicaSet(简称RS)来管理Pod.如果当前集群中的Pod实例数少于目标值,RS 会拉起新的Po ...

  2. 优化nginx数据包头缓存

    例子:414错误,网址太长. 长网址访问例子: 以下脚本会生成一个长网址并访问,导致414长网址报错. [root@proxy ~]#vim nginx_test.sh #!/bin/bash URL ...

  3. Kotlin反射实践操作详解

    继续对反射进行实战. 获取构造方法: 先定义一个主构造方法,2个次构造方法,接下来咱们用反射来获取一下构造方法: 其结果: [fun <init>(kotlin.Int, kotlin.S ...

  4. linux Crontab定时备份项目案例

    首先先写好备份的脚本(拷贝的命令) #bash/bin cd /finance/tomcat8-finance/wtpwebapps tar -czf /finance/webapp_backup/* ...

  5. C# 获取操作系统空闲时间

    获取系统鼠标和键盘没有任何操作的空闲时间 public class CheckComputerFreeState { /// <summary> /// 创建结构体用于返回捕获时间 /// ...

  6. Centos7 虚拟机里查看IP并启动网卡

    输入ip查询命名 ip addr  也可以输入 ifconfig(centOs7没有ifconfig命令)查看ip,但此命令会出现3个条目,centos的ip地址是ens33条目中的inet值. 发现 ...

  7. [Web] About image: MozJPEG

    Image is quite heavy in web traffic. it is about 53% whole web traffic. It is important to make sure ...

  8. Bias, Variance and the Trade-off

    偏差,方差以及两者权衡 偏差是由模型简化的假设,使目标函数更容易学习. 一般来说,参数化算法有很高的偏差,使它们学习起来更快,更容易理解,但通常不那么灵活.反过来,它们在复杂问题上的预测性能更低,无法 ...

  9. 文件搜索命令find

    1.路径加文件名搜索(find): 查找的是etc目录下的以init为名字的文件. 加通配符后为模糊搜索,只要文件名中含有init即可. 查找etc目录下以init开头的七位文件名. 2.搜索时不区分 ...

  10. 15-ESP8266 SDK开发基础入门篇--上位机串口控制 Wi-Fi输出PWM的占空比,调节LED亮度,上位机程序编写

    https://www.cnblogs.com/yangfengwu/p/11104167.html 先说一下整体思路哈.. 咱滑动的时候 会进入这个,然后咱呢不直接从这个里面写发送 因为这样的话太快 ...