如何在ROS中使用PCL—数据格式(1)
在ROS中点云的数据类型
在ROS中表示点云的数据结构有: sensor_msgs::PointCloud sensor_msgs::PointCloud2 pcl::PointCloud<T>
关于PCL在ros的数据的结构,具体的介绍可查 看 wiki.ros.org/pcl/Overview
关于sensor_msgs::PointCloud2 和 pcl::PointCloud<T>之间的转换使用pcl::fromROSMsg 和 pcl::toROSMsg
sensor_msgs::PointCloud 和 sensor_msgs::PointCloud2之间的转换
使用sensor_msgs::convertPointCloud2ToPointCloud 和sensor_msgs::convertPointCloudToPointCloud2.
那么如何在ROS中使用PCL呢?
(1)在建立的包下的CMakeLists.txt文件下添加依赖项

在package.xml文件里添加:
<build_depend>libpcl-all-dev</build_depend>
<run_depend>libpcl-all</run_depend>
在src文件夹下新建.cpp文件
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h> ros::Publisher pub; void
cloud_cb (const sensor_msgs::PointCloud2ConstPtr& input)
{
// Create a container for the data.
sensor_msgs::PointCloud2 output; // Do data processing here...
output = *input; // Publish the data.
pub.publish (output);
} int
main (int argc, char** argv)
{
// Initialize ROS
ros::init (argc, argv, "my_pcl_tutorial");
ros::NodeHandle nh; ros::Subscriber sub = nh.subscribe ("input", , cloud_cb);
pub = nh.advertise<sensor_msgs::PointCloud2> ("output", ); // Spin
ros::spin ();
}
在 CMakeLists.txt 文件中添加:
add_executable(example src/example.cpp)
target_link_libraries(example ${catkin_LIBRARIES})
catkin_make之后生成可执行文件,运行以下命令
roslaunch openni_launch openni.launch 这是打开kinect发布的命令
$ rosrun ros_slam example input:=/camera/depth/points //运行我们生成的文件
运行RVIZ可视化以下,添加了程序发布的点云的话题既可以显示。同时也可以使用PCL自带的显示的函数可视化(这里不再一一赘述)
$ rosrun rviz rviz
在RVIZ中显示的点云的数据格式sensor_msgs::PointCloud2;
那么如果我们想实现对获取的点云的数据的滤波的处理,这里就是进行一个简单的体素网格采样的实验
同样在src文件夹下新建.cpp文件,然后我们的程序如下。也就是要在回调函数中实现对获取的点云的滤波的处理,但是我们要特别注意每个程序中的点云的数据格式以及我们是如何使用函数实现对ROS与PCL 的转化的。
程序如下
/***********************************************************
关于使用sensor_msgs/PointCloud2,
***********************************************************/ #include <ros/ros.h>
// PCL 的相关的头文件
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
//滤波的头文件
#include <pcl/filters/voxel_grid.h>
//申明发布器
ros::Publisher pub;
//回调函数
void
cloud_cb (const sensor_msgs::PointCloud2ConstPtr& input) //特别注意的是这里面形参的数据格式
{
// 声明存储原始数据与滤波后的数据的点云的 格式
pcl::PCLPointCloud2* cloud = new pcl::PCLPointCloud2; //原始的点云的数据格式
pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
pcl::PCLPointCloud2 cloud_filtered; //存储滤波后的数据格式 // 转化为PCL中的点云的数据格式
pcl_conversions::toPCL(*input, *cloud); // 进行一个滤波处理
pcl::VoxelGrid<pcl::PCLPointCloud2> sor; //实例化滤波
sor.setInputCloud (cloudPtr); //设置输入的滤波
sor.setLeafSize (0.1, 0.1, 0.1); //设置体素网格的大小
sor.filter (cloud_filtered); //存储滤波后的点云 // 再将滤波后的点云的数据格式转换为ROS 下的数据格式发布出去
sensor_msgs::PointCloud2 output; //声明的输出的点云的格式
pcl_conversions::fromPCL(cloud_filtered, output); //第一个参数是输入,后面的是输出 //发布命令
pub.publish (output);
} int
main (int argc, char** argv)
{
// 初始化 ROS节点
ros::init (argc, argv, "my_pcl_tutorial");
ros::NodeHandle nh; //声明节点的名称 // 为接受点云数据创建一个订阅节点
ros::Subscriber sub = nh.subscribe ("input", , cloud_cb); //创建ROS的发布节点
pub = nh.advertise<sensor_msgs::PointCloud2> ("output", ); // 回调
ros::spin ();
}
看一下结果如图,这是在RVIZ中显示的结果,当然也可以使用PCL库实现可视化(注意我们在rviz中显示的点云的数据格式都是sensor_msgs::PointCloud2
要区别pcl::PCLPointCloud2 这是PCL点云库中定义的一种的数据格式,在RVIZ中不可显示,)

/**************************************************************************
关于使用pcl/PointCloud<T>的举例应用。这一类型的数据格式是PCL库中定义的一种数据格式
这里面使用了两次数据转换从
sensor_msgs/PointCloud2 到 pcl/PointCloud<T>
pcl::ModelCoefficients 到 pcl_msgs::ModelCoefficients.
代码
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/ros/conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
//关于平面分割的头文件
#include <pcl/sample_consensus/model_types.h> //分割模型的头文件
#include <pcl/sample_consensus/method_types.h> //采样一致性的方法
#include <pcl/segmentation/sac_segmentation.h> //ransac分割法 ros::Publisher pub; void
cloud_cb (const sensor_msgs::PointCloud2ConstPtr& input)
{
// 将点云格式为sensor_msgs/PointCloud2 格式转为 pcl/PointCloud
pcl::PointCloud<pcl::PointXYZ> cloud;
pcl::fromROSMsg (*input, cloud); //关键的一句数据的转换 pcl::ModelCoefficients coefficients; //申明模型的参数
pcl::PointIndices inliers; //申明存储模型的内点的索引
// 创建一个分割方法
pcl::SACSegmentation<pcl::PointXYZ> seg;
// 这一句可以选择最优化参数的因子
seg.setOptimizeCoefficients (true);
// 以下都是强制性的需要设置的
seg.setModelType (pcl::SACMODEL_PLANE); //平面模型
seg.setMethodType (pcl::SAC_RANSAC); //分割平面模型所使用的分割方法
seg.setDistanceThreshold (0.01); //设置最小的阀值距离 seg.setInputCloud (cloud.makeShared ()); //设置输入的点云
seg.segment (inliers, coefficients); //cloud.makeShared() 创建一个 boost shared_ptr // 把提取出来的内点形成的平面模型的参数发布出去
pcl_msgs::ModelCoefficients ros_coefficients;
pcl_conversions::fromPCL(coefficients, ros_coefficients);
pub.publish (ros_coefficients);
} int
main (int argc, char** argv)
{
// Initialize ROS
ros::init (argc, argv, "my_pcl_tutorial");
ros::NodeHandle nh; // Create a ROS subscriber for the input point cloud
ros::Subscriber sub = nh.subscribe ("input", , cloud_cb); // Create a ROS publisher for the output model coefficients
pub = nh.advertise<pcl_msgs::ModelCoefficients> ("output", ); // Spin
ros::spin ();
}
提取点云中平面的参数并且发布出去
PCL对ROS的接口的总结
比如: pcl::toROSMsg(*cloud,output);
实现的功能是将pcl里面的pcl::PointCloud<pcl::PointXYZ> cloud 转换成ros里面的sensor_msgs::PointCloud2 output 这个类型。
PCL对ROS的接口提供PCL数据结构的转换,通过通过ROS提供的以消息为基础的转换系统系统。这有一系列的转换函数提供用来转换原始的PCL数据类型成消息型。一些最有用常用的的message类型列举在下面。
std_msgs:Header:这不是真的消息类型,但是用在Ros消息里面的每一个部分。它包含了消息被发送的时间和序列号和框名。PCL等于pcl::Header类型
sensor_msgs::PointCloud2:这是最重要的类型。这个消息通常是用来转换pcl::PointCloud类型的,pcl::PCLPointCloud2这个类型也很重要,因为前面版本的可能被废除。
pcl_msgs::PointIndices:这个类型存储属于点云里面的点的下标,在pcl里面等于pcl::PointIndices
pcl_msgs::PolygonMesh这个类型包括消息需要描述多边形网眼,就是顶点和边,在pcl里面等于pcl::PolygonMesh
pcl_msgs::Vertices:这个类型包含了一系列的顶点作为一个数组的下标,来描述一个多边形。在pcl里面等于pcl::Vertices
pcl_msgs::ModelCoefficients:这存储了一个模型的不同的系数,比如描述一个平面需要4个系数。在PCL里面等于pcl::ModelCoefficients
上面的数据可以从PCL转成ROS里面的PCL。所有的函数有一个类似的特征,意味着一旦我们知道这样去转换一个类型,我们就能学会转换其他的类型。下面的函数是在pcl_conversions命名空间里面提供的函数
下面的函数是在pcl_conversions命名空间里面提供的函数
| void | copyImageMetaData (const sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | copyPCLImageMetaData (const pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | copyPCLPointCloud2MetaData (const pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | copyPointCloud2MetaData (const sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
| void | fromPCL (const pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | fromPCL (const std::vector< pcl::PCLPointField > &pcl_pfs, std::vector< sensor_msgs::PointField > &pfs) |
| void | fromPCL (const pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | moveFromPCL (pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | moveFromPCL (pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | moveToPCL (sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | moveToPCL (sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
| void | moveToPCL (pcl_msgs::ModelCoefficients &mc, pcl::ModelCoefficients &pcl_mc) |
| void | toPCL (const sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | toPCL (const sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
总结出来就是
void fromPCL(const <PCL Type> &, <ROS Message type> &);
void
moveFromPCL(<PCL Type> &, <ROS Message type> &);
void
toPCL(const <ROS Message type> &, <PCL Type> &);
void
moveToPCL(<ROS Message type> &, <PCL Type> &);
PCL类型必须被替换成先前指定的PCL类型和ROS里面相应的类型。sensor_msgs::PointCloud2有一个特定的函数集去执行转换
void toROSMsg(const pcl::PointCloud<T> &, sensor_msgs::PointCloud2 &); 转换为ROS的点云sensor_msgs::PointCloud2类型
void
fromROSMsg(const sensor_msgs::PointCloud2 &, pcl::PointCloud<T>&); 转为PCL中的pcl::PointCloud<T>类型
void
moveFromROSMsg(sensor_msgs::PointCloud2 &, pcl::PointCloud<T> &); 转换为pcl::PointCloud<T> 类型
**************
有兴趣者可以关注微信公众号或者加入QQ群中

如何在ROS中使用PCL—数据格式(1)的更多相关文章
- 如何在ROS中使用PCL(2)
记录关于我们运行roslaunch openni_launch openni.launch 命令时生成的话题以及这些话题的数据类型便于后期的处理,只有知道它们的数据结构,才能很好的对数据进行处理,我 ...
- 将ROS中的/sensor_msgs/NavSatFix数据导入google earth显示轨迹
将ros中的gps_msg数据导入google earth显示轨迹 [TOC] 1. 获取GPS数据 将ros中发布的gps topic输出到文本中 rostopic echo -p /gpsData ...
- 我是如何在SQLServer中处理每天四亿三千万记录的
首先声明,我只是个程序员,不是专业的DBA,以下这篇文章是从一个问题的解决过程去写的,而不是一开始就给大家一个正确的结果,如果文中有不对的地方,请各位数据库大牛给予指正,以便我能够更好的处理此次业务. ...
- 如何在SpringBoot中使用JSP ?但强烈不推荐,果断改Themeleaf吧
做WEB项目,一定都用过JSP这个大牌.Spring MVC里面也可以很方便的将JSP与一个View关联起来,使用还是非常方便的.当你从一个传统的Spring MVC项目转入一个Spring Boot ...
- 如何在latex 中插入EPS格式图片
如何在latex 中插入EPS格式图片 第一步:生成.eps格式的图片 1.利用visio画图,另存为pdf格式的图片 利用Adobe Acrobat裁边,使图片大小合适 另存为.eps格式,如下图所 ...
- 如何正确的使用json?如何在.Net中使用json?
什么是json json是一种轻量级的数据交换格式,由N组键值对组成的字符串,完全独立于语言的文本格式. 为什么要使用json 在很久很久以前,调用第三方API时,我们通常是采用xml进行数据交互,但 ...
- [原创]如何在Parcelable中使用泛型
[原创]如何在Parcelable中使用泛型 实体类在实现Parcelable接口时,除了要实现它的几个方法之外,还另外要定义一个静态常量CREATOR,如下例所示: public static cl ...
- 如何在springMVC 中对REST服务使用mockmvc 做测试
如何在springMVC 中对REST服务使用mockmvc 做测试 博客分类: java 基础 springMVCmockMVC单元测试 spring 集成测试中对mock 的集成实在是太棒了!但 ...
- 如何在tomcat中如何部署java EE项目
如何在tomcat中如何部署java EE项目 1.直接把项目复制到Tomcat安装目录的webapps目录中,这是最简单的一种Tomcat项目部署的方法,也是初学者最常用的方法.2.在tomcat安 ...
随机推荐
- 自动化无线网破解工具wifite2
自动化无线网破解工具wifite2 wifite是一款自动化wifi密码破解工具,特点是支持多个wep.wpa加密的wifi网络,不支持windows和osx. wifite的特点是可以同时攻击多个采 ...
- haproxy+keepalived配置haproxy反向代理的高可用
http://www.cnblogs.com/shantu/p/4586277.html
- session 详解
一.Session简单介绍 在WEB开发中,服务器可以为每个用户浏览器创建一个会话对象(session对象),注意:一个浏览器独占一个session对象(默认情况下).因此,在需要保存用户数据时,服务 ...
- [Unity3D]Unity3D游戏开发之跑酷游戏项目解说
大家好,我是秦元培.我參加了CSDN2014博客之星的评选,欢迎大家为我投票,同一时候希望在新的一年里大家能继续支持我的博客. 大家晚上好.我是秦元培,欢迎大家关注我的博客,我的博客地址是blog.c ...
- 腾讯云服务器 离线安装最新稳定版MariaDB 10.2.6
数据库方面我们一般都是使用mysql,由于前段时间我们切换到了MariaDB后,当然生产环境也要更着变,谁叫oracle是个碧池呢! mariaDB主要有三种安装方式 源码安装,有点繁琐,不推荐 yu ...
- Unity GPU Instancing的使用尝试
似乎是在Unity5.4中开始支持GPU Instacing,但如果要比较好的使用推荐用unity5.6版本,因为这几个版本一直在改. 这里测试也是使用unity5.6.2进行测试 在5.6的版本里, ...
- numpy数组-标准化数据
标准化数据的公式: (数据值 - 平均数) / 标准差 import numpy as np employment = np.array([ 55.70000076, 51.40000153, 50. ...
- Python 使用pymysql连接MySQL
由于 MySQLdb 模块还不支持 Python3.x,所以 Python3.x 如果想连接MySQL需要安装 pymysql 模块. pymysql 模块可以通过 pip 安装.但如果你使用的是 p ...
- Android 编程下 Managing Your App's Memory
Managing Your App's Memory Random-access memory (RAM) 在任何软件开发环境中都是宝贵的资源,它在物理内存有限的移动操作系统中更为宝贵.虽然 Andr ...
- 【驱动】网卡驱动·linux内核网络分层结构
Preface Linux内核对网络驱动程序使用统一的接口,并且对于网络设备采用面向对象的思想设计. Linux内核采用分层结构处理网络数据包.分层结构与网络协议的结构匹配,既能简化数据包处理流程 ...