Autoware感知瞎学笔记（二）roi_object_filter

目录

无人驾驶中，我们在对激光雷达数据进行聚类得到车身周边的目标，但是很多场景下我们其实并不关心道路以外（比如建筑物）的目标信息，所以在我们聚类前就应该想办法滤除掉额外点云。因此在雷达数据预处理的时候，最好是从高精地图拿到道路信息，将我们不关心的区域过滤掉。正好最近学习autoware，我们看下autoware是怎么做的。

代码分析：

打开autoware/core_perception/launch/lidar_euclidean_cluster_detect.launch:
可以看到，在这个欧式聚类节点的launch文件中，如果使用vector_map(autoware里的“高精地图”)，则会启动一个叫做roi_object_filter的包，因此我们可以大胆猜测一下，这个应该是融合高精地图信息做的，不然它设立这个标志位干什么=、=。

 <group if="$(arg use_vector_map)">
    <node name="object_roi_filter_clustering" pkg="roi_object_filter" type="roi_object_filter"
          output="screen" ns="/detection/lidar_detector">
      <param name="objects_src_topic" value="/objects"/>
      <param name="wayarea_gridmap_layer" value="$(arg wayarea_gridmap_layer)"/>
      <param name="sync_topics" value="false"/>
      <param name="exception_list" value="[person, bicycle]"/>
    </node>
    <node pkg="detected_objects_visualizer" type="visualize_detected_objects" name="cluster_detect_visualization_01"
          output="screen" ns="/detection/lidar_detector">
      <param name="objects_src_topic" value="/objects_filtered"/>
    </node>
  </group>
  <group unless="$(arg use_vector_map)">
    <node pkg="detected_objects_visualizer" type="visualize_detected_objects" name="cluster_detect_visualization_01"
          output="screen" ns="/detection/lidar_detector">
      <param name="objects_src_topic" value="/objects"/>
    </node>
  </group>

1. roi_object_filter_node.cpp

找到core_perception下面的roi_object_filter包，并且打开roi_object_filter_node.cpp。这里便是节点的入口，RosRoiObjectFilterApp 实例化一个类，并调用其Run()方法

#include "roi_object_filter/roi_object_filter.h"

int main(int argc, char **argv)
{
   
   
    ros::init(argc, argv, __APP_NAME__);

    RosRoiObjectFilterApp app;

    app.Run();

    return 0;
}

2. roi_object_filter.cpp

2.1 构造函数

初始化一些标志位，这里可以看到gridmap网格地图的字眼，会让人联想到occupancy grid map，这里先往下继续分析

RosRoiObjectFilterApp::RosRoiObjectFilterApp()
{
   
   
  gridmap_ready_ = false;
  detections_ready_ = false;
  processing_ = false;
}

2.2 Run()函数

void RosRoiObjectFilterApp::Run() {
   
   
  ros::NodeHandle private_node_handle("~");
  tf::TransformListener transform_listener;
  transform_listener_ = &transform_listener;
  InitializeRosIo(private_node_handle);
  ROS_INFO("[%s] Ready. Waiting for data...", __APP_NAME__);
  ros::spin();
  ROS_INFO("[%s] END", __APP_NAME__);
}

这里是声明一个局部tf的监听器变量，然后赋值给类内全局变量。tf监听器在类内声明的时候并没有初始化，因此在主线程开始前将其初始化一下赋予一个值。下面打开主要功能函数InitializeRosIo()

void RosRoiObjectFilterApp::InitializeRosIo(ros::NodeHandle &in_private_handle) {
   
   
  std::string exception_list;

  ros_namespace_ = ros::this_node::getNamespace();

  if (ros_namespace_.substr(0, 2) == "//") {
   
   
    ros_namespace_.erase(ros_namespace_.begin());
  }

  objects_src_topic_ = ros_namespace_ + "/objects";
  wayarea_gridmap_topic_= "/grid_map_wayarea";
  std::string roi_topic_str = ros_namespace_+ "/objects_filtered";

  ROS_INFO("[%s] objects_src_topic: %s", __APP_NAME__, objects_src_topic_.c_str())