用毫米波雷达数据做ＳＬＡＭ_sensor msgs 毫米波雷达 ros-优快云博客

本文介绍如何利用毫米波雷达数据进行Simultaneous Localization And Mapping (SLAM)。由于毫米波雷达数据稀疏，作者通过Excel转存并采用rosbag工具在MATLAB(Linux版)中查看。首先，使用激光雷达数据测试现有算法，然后通过Python脚本将clf文件转换为rosbag文件。在模拟环境中，启动slam_gmapping节点进行地图构建。在过程中，作者遇到了ros编译Python文件及日志处理等问题，并给出了相应的解决方法和参考资料。

遇到的问题，目前的毫米波雷达数据很稀疏，用ｅｘｃｅｌ存储，需要转换过去，测试一下当前的激光雷达算法，并测试。

rosbag数据用ｍａｔｌａｂ(linux版本）可以方便的查看变量和ｔｏｐｉｃ

一. 第一步，用激光雷达数据测试

[转载自：https://blog.youkuaiyun.com/fk1174/article/details/52673413】

第二种办法，首先去http://kaspar.informatik.uni-freiburg.de/~slamEvaluation/datasets.php下载数据集，我用的是Intel Research Lab 的数据集，保存为intel.clf。（clf是一种日志存储格式）

怎么下载呢？运行这语句就可以了。

wget http://ais.informatik.uni-freiburg.de/slamevaluation/datasets/aces.clf

编写把clf文件转化为rosbag文件的python脚本：

#!/usr/bin/env python


'''This is a converter for the Intel Research Lab SLAM dataset
   ( http://kaspar.informatik.uni-freiburg.de/~slamEvaluation/datasets/intel.clf )
   to rosbag'''

import rospy
import rosbag
from sensor_msgs.msg import LaserScan
from nav_msgs.msg import Odometry
from math import pi
from tf2_msgs.msg import TFMessage
from geometry_msgs.msg import TransformStamped
import tf

def make_tf_msg(x, y, theta, t,base,base0):
    trans = TransformStamped()
    trans.header.stamp = t
    trans.header.frame_id = base
    trans.child_frame_id = base0
    trans.transform.translation.x = x
    trans.transform.translation.y = y
    q = tf.transformations.quaternion_from_euler(0, 0, theta)
&n