Robot Operating System——点云数据

sensor_msgs::msg::PointCloud和sensor_msgs::msg::PointCloud2 是 ROS (Robot Operating System) 中的一个消息类型，用于表示点云数据。点云数据是由多个点组成的集合，每个点包含三维空间中的位置和其他属性（如强度）。
sensor_msgs::msg::PointCloud2 与 sensor_msgs::msg::PointCloud 相比，PointCloud2 提供了更灵活和高效的点云数据表示方式，支持更多的点属性和更大的数据量。

应用场景

1. 环境感知
   • 三维建模：点云数据可以用于创建环境的三维模型。通过激光雷达、深度相机等传感器获取的点云数据，可以重建环境的三维结构，广泛应用于机器人导航、自动驾驶等领域。
   • 障碍物检测：点云数据可以用于检测和识别环境中的障碍物。通过分析点云数据，可以识别出障碍物的位置和形状，帮助机器人或自动驾驶车辆避开障碍物。
2. 自动驾驶
   • 道路检测：在自动驾驶系统中，点云数据可以用于检测道路边界、车道线和其他道路特征。通过处理点云数据，可以提取出道路的几何信息，帮助车辆在道路上安全行驶。
   • 物体识别：点云数据可以用于识别和分类道路上的物体，如行人、车辆、交通标志等。通过分析点云数据，可以识别出不同类型的物体，提高自动驾驶系统的感知能力。
3. 机器人导航
   • 地图构建：在机器人导航系统中，点云数据可以用于构建环境地图。通过累积多帧点云数据，可以创建出详细的环境地图，帮助机器人进行自主导航。
   • 路径规划：点云数据可以用于路径规划。通过分析点云数据，可以识别出可行驶区域和障碍物，规划出最优的行驶路径。
4. 无人机
   • 地形跟踪：在无人机系统中，点云数据可以用于地形跟踪。通过分析点云数据，可以获取地形的三维信息，帮助无人机在复杂地形中飞行。
   • 避障飞行：点云数据可以用于避障飞行。通过检测和识别空中的障碍物，可以规划出安全的飞行路径，避免碰撞。
5. 工业自动化
   • 质量检测：在工业自动化中，点云数据可以用于产品的质量检测。通过分析点云数据，可以检测出产品的几何缺陷，提高生产质量。
   • 机器人抓取：点云数据可以用于机器人抓取任务。通过分析点云数据，可以识别出物体的位置和形状，规划出最佳的抓取姿态。

sensor_msgs::msg::PointCloud

定义

namespace sensor_msgs
{
namespace msg
{struct PointCloud
{std_msgs::msg::Header header;std::vector<geometry_msgs::msg::Point32> points;std::vector<sensor_msgs::msg::ChannelFloat32> channels;
};}  // namespace msg
}  // namespace sensor_msgs

字段解释

• header：消息头，包含时间戳和坐标系信息。
• points：点云中的点的数组，每个点包含三维坐标（x, y, z）。
• channels：每个点的附加属性的数组，如强度、颜色等。

案例

#include "rclcpp/rclcpp.hpp"
#include "sensor_msgs/msg/point_cloud.hpp"
#include "geometry_msgs/msg/point32.hpp"
#include "sensor_msgs/msg/channel_float32.hpp"class PointCloudPublisher : public rclcpp::Node
{
public:PointCloudPublisher(): Node("point_cloud_publisher"){publisher_ = this->create_publisher<sensor_msgs::msg::PointCloud>("point_cloud", 10);timer_ = this->create_wall_timer(500ms, std::bind(&PointCloudPublisher::publish_point_cloud, this));}private:void publish_point_cloud(){auto message = sensor_msgs::msg::PointCloud();message.header.stamp = this->now();message.header.frame_id = "map";geometry_msgs::msg::Point32 point;point.x = 1.0;point.y = 2.0;point.z = 3.0;message.points.push_back(point);sensor_msgs::msg::ChannelFloat32 channel;channel.name = "intensity";channel.values.push_back(0.5);message.channels.push_back(channel);RCLCPP_INFO(this->get_logger(), "Publishing point cloud data");publisher_->publish(message);}rclcpp::Publisher<sensor_msgs::msg::PointCloud>::SharedPtr publisher_;rclcpp::TimerBase::SharedPtr timer_;
};int main(int argc, char * argv[])
{rclcpp::init(argc, argv);rclcpp::spin(std::make_shared<PointCloudPublisher>());rclcpp::shutdown();return 0;
}

sensor_msgs::msg::PointCloud2

定义

namespace sensor_msgs
{
namespace msg
{struct PointCloud2
{std_msgs::msg::Header header;uint32_t height;uint32_t width;std::vector<sensor_msgs::msg::PointField> fields;bool is_bigendian;uint32_t point_step;uint32_t row_step;std::vector<uint8_t> data;bool is_dense;
};}  // namespace msg
}  // namespace sensor_msgs

字段解释

• header：消息头，包含时间戳和坐标系信息。
• height：点云的高度（如果是 2D 点云，则为 1）。
• width：点云的宽度（点的数量）。
• fields：点云中每个点的字段描述，如 x, y, z, intensity 等。
• is_bigendian：数据是否是大端序。
• point_step：每个点的字节数。
• row_step：每行的字节数（对于 2D 点云）。
• data：实际的点云数据，按字节存储。
• is_dense：如果点云中没有无效点，则为 true。

sensor_msgs::msg::PointField

定义

namespace sensor_msgs
{
namespace msg
{struct PointField
{std::string name;uint32_t offset;uint8_t datatype;uint32_t count;// Constants for datatypestatic const uint8_t INT8 = 1;static const uint8_t UINT8 = 2;static const uint8_t INT16 = 3;static const uint8_t UINT16 = 4;static const uint8_t INT32 = 5;static const uint8_t UINT32 = 6;static const uint8_t FLOAT32 = 7;static const uint8_t FLOAT64 = 8;
};}  // namespace msg
}  // namespace sensor_msgs

字段解释

• name：字段名称，如 “x”, “y”, “z”, “intensity” 等。
• offset：字段在点数据结构中的偏移量（以字节为单位）。
  • datatype：字段的数据类型，可以是以下之一：
  • INT8：8 位有符号整数
  • UINT8：8 位无符号整数
  • INT16：16 位有符号整数
  • UINT16：16 位无符号整数
  • INT32：32 位有符号整数
  • UINT32：32 位无符号整数
  • FLOAT32：32 位浮点数
  • FLOAT64：64 位浮点数
• count：字段的元素数量（通常为 1）。

案例

#include "rclcpp/rclcpp.hpp"
#include "sensor_msgs/msg/point_cloud2.hpp"
#include "sensor_msgs/msg/point_field.hpp"
#include "std_msgs/msg/header.hpp"class PointCloud2Publisher : public rclcpp::Node
{
public:PointCloud2Publisher(): Node("point_cloud2_publisher"){publisher_ = this->create_publisher<sensor_msgs::msg::PointCloud2>("point_cloud2", 10);timer_ = this->create_wall_timer(500ms, std::bind(&PointCloud2Publisher::publish_point_cloud, this));}private:void publish_point_cloud(){auto message = sensor_msgs::msg::PointCloud2();message.header.stamp = this->now();message.header.frame_id = "map";message.height = 1;message.width = 1;sensor_msgs::msg::PointField field;field.name = "x";field.offset = 0;field.datatype = sensor_msgs::msg::PointField::FLOAT32;field.count = 1;message.fields.push_back(field);field.name = "y";field.offset = 4;field.datatype = sensor_msgs::msg::PointField::FLOAT32;field.count = 1;message.fields.push_back(field);field.name = "z";field.offset = 8;field.datatype = sensor_msgs::msg::PointField::FLOAT32;field.count = 1;message.fields.push_back(field);message.is_bigendian = false;message.point_step = 12;message.row_step = message.point_step * message.width;message.is_dense = true;message.data.resize(message.row_step * message.height);float * data_ptr = reinterpret_cast<float *>(message.data.data());data_ptr[0] = 1.0;  // xdata_ptr[1] = 2.0;  // ydata_ptr[2] = 3.0;  // zRCLCPP_INFO(this->get_logger(), "Publishing point cloud2 data");publisher_->publish(message);}rclcpp::Publisher<sensor_msgs::msg::PointCloud2>::SharedPtr publisher_;rclcpp::TimerBase::SharedPtr timer_;
};int main(int argc, char * argv[])
{rclcpp::init(argc, argv);rclcpp::spin(std::make_shared<PointCloud2Publisher>());rclcpp::shutdown();return 0;
}