【SLAM】之建图Bag->Pcd->OctoMap

最新推荐文章于 2025-11-15 17:03:39 发布
原创 最新推荐文章于 2025-11-15 17:03:39 发布 · 2.4w 阅读 · 72 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#SLAM #ROS

本文介绍了如何将3D激光雷达的点云数据从.bag文件转换为.pcd格式，然后利用开源代码将.pcd转换为OctoMap。通过RVIZ显示和rqt_graph分析，展示了/laser_cloud_surround话题包含完整点云图。最后讨论了地图重建的过程。

上篇中我们得到了3D激光雷达获得的点云图，存在.bag文件中，接下来我们再用上上篇末尾的做法跑loam_velodyne算法，在RVIZ中的显示效果如下：


这时我们用rqt_graph可以看到：



最低0.47元/天 解锁文章
grid map算法1之Ubuntu18.04+ROS-melodic编译安装grid_map栅格地图及示例运行
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
07-26 2038
苏黎世的grid map是一种用于环境建图的算法，也称为Occupancy Grid Mapping（占据栅格地图）。该算法将环境划分为一系列正方形的栅格，每个栅格表示环境中的一个小区域。栅格的状态可以是占据（occupied）、自由（free）或未知（unknown），用于表示栅格内是否有障碍物或是否可以通过。
将bag转换成pcd文件并查看
Perfect_dream的博客
02-22 2621
3、在cloudcompare软件（软件支持多种格式欧）中还可以对点云进行多个处理和操作，如降采样，滤波，渲染等等，但我自己都还没研究明白哈哈，这里就不说了，大家可以去探索一下。3、进入pcd2文件夹，在当前文件夹下找到生成的最后一个pcd文件，复制其文件名，打开终端，输入（记得改成自己的！这个是自己录制的nsh_indoor数据集生成的包，并将其转换成pcd文件查看。2、点击file-open，选择对应文件（这里我用刚刚生成的pcd文件来展示）2、在bag包所在目录下打开终端，输入。
Octomap在ros中显示
qq_41451702的博客
04-18 1195
参考： Octomap 在ROS环境下实时显示_熊猫飞天的博客-优快云博客_rviz显示maphttps://blog.csdn.net/crp997576280/article/details/74605766 关于代码以及相关依赖的安装参考上述博客，记录运行命令： roscore rosrun publish_pointcloud publish_pointcloud //运行正确的话会显示相机和话题信息： path = /home/hope/test/test_octomap/test.
在ROS环境下实时显示Octomap
Jarvis_wang的博客
04-24 897
在ROS环境下实时显示Octomap八叉树地图
探索未知领域的利器：LOAM_Velodyne
gitblog_00092的博客
11-15 532
在机器人和无人驾驶领域中，定位与地图构建（SLAM）是核心技术之一。今天，我们向您推荐一个强大的开源项目——[LOAM_Velodyne](https://github.com/laboshinl/loam_velodyne)，它基于激光雷达（LiDAR）的光速定位与映射（LOAM）算法，可帮助您的无人设备实现精准导航。 ## 项目介绍 LOAM_Velodyne是一个专门为Velodyne激
kitti分割数据格式转换脚本和bag包解析
u011886519的博客
08-18 767
def pcd_to_label(pcd_src_path, dst): with open(pcd_src_path, 'r') as fr: lines = fr.readlines() res = [] for point in lines[10:]: point = point.strip().split() point = np.array(point) label = int(point[3]) .
Octomap建图
qq_46121392的博客
07-17 3041
点云地图具有占据空间大，更新不够方便的特点，这决定了其难以直接用于导航使用，而Octomap就是一种基于稠密点云的新的地图表达方式，相比点云而言，具有占据空间小，可以方便的更新的优点，可以用于机器人的导航。......
ROS中的三维地图表示：OctoMap详解及应用
m0_73640344的博客
12-30 3809
OctoMap是一个用于三维环境建模的开源库，基于八叉树（Octree）数据结构实现。它在ROS中作为octomap包提供，能够高效地表示和存储三维空间的占用信息。与二维的不同，OctoMap能够捕捉环境的高度信息和复杂的三维结构，适用于需要精确三维感知的应用场景，如无人机导航、工业机器人操作和自主驾驶等。OctoMap作为ROS中的三维地图表示工具，通过八叉树数据结构高效地存储和管理三维环境的占用信息，显著提升了机器人在复杂环境中的感知与导航能力。
ROS2 单帧Pcd转多帧节点 录制Bag
qq_35210952的博客
11-04 361
在项目行有pcd转bag的需求，支持类模板适配，增加发布计时器。
orbslam2稠密地图转octomap
cfomg的博客
07-27 1723
orbslam2稠密地图 对于稠密地图的建立，已经有了两个大神的代码 参考如下 高博（未加回环）: https://github.com/gaoxiang12/ORBSLAM2_with_pointcloud_map. 加了回环检测之后 链接: https://github.com/xiaobainixi/ORB-SLAM2_RGBD_DENSE_MAP.git. 其代码主要修改如下： 首先修改system.cc 加入稠密地图部分，第二个就是在tracking和looploser里加入pointcloudm
使用fast-lio+octomap建立二维栅格地图
Autimatic123的博客
03-25 1203
（1）要将这里的frame_id改成使用的slam算法的frame_id，如果不知道，可以先运行slam在rviz中确定，例如这里fast-lio的frame_id为/camera_init。上图是我困扰一段时间的问题，就是因为launch文件中的frame_id不对，想当然的以为slam的frame_id都是/map，修改后就没问题了。查看建图效果，因为这个数据集是之前录制用作定位的，所以地图没有完整扫描，而且地面还有一些噪点，还需要再调整参数，或者后期对地图进行处理。在rviz中即可看到点云图。
云深Lite3机器狗 + 速腾雷达系统 的仿真平台搭建验证faster_lio和octomap的可行性
03-30
sudo apt-get install ros-<distro>-octomap ros-<distro>-octomap-mapping git clone https://github.com/gaoxiang12/Faster-LIO.git ~/catkin_ws/src/ git clone https://github.com/OctoMap/octomap_ros.git ~/...
Jetson AGX Orin+d435i相机实现Octomap建图
laoyoutiaozZ的博客
06-26 3050
Intel Realsense D435i深度相机、ROS-noetic、VINS-Fusion-gpu、AGX Orin、Octomap、DenseSurfelMapping
.bag 包转化成.pcd文件
热分享-hotdog29
03-13 3846
将.bag 包转化成.pcd文件 rosrun pcl_ros bag_to_pcd [路径＋包名] [话题名] [生成文件路径] 例如 rosrun pcl_ros bag_to_pcd 32C.bag /velodyne_points ./ 查看.pcd文件 pcl_viewer [pcd文件名] ...
python: bag包解析pcd和图像
ywfwyht的博客
03-10 4586
bag包解析pcd和图像： import glob, os import rosbag import cv2 from cv_bridge import CvBridge, CvBridgeError import sensor_msgs.point_cloud2 as pc2 import numpy as np print(cv2.__version__) bridge = CvBridge() image_topic = "/usb_cam/image_raw/compressed" poin
octomap(3):搭建一个完整的octomap建图工作空间
biter0088的博客
05-16 4863
说明：下面的步骤将octomap、octomap_server、octomap_ros、octomap_msgs等功能包的源码（cpp、.h等）进行了集中，使其在一个工作空间中，这样就能够点击查看任何函数、任何变量的定义了 目录 1 下载备用 （1）下载octomap源码： （2）下载octomap_mapping源码： （3）下载octomap的其他包 2 搭建octomap工作空间 （1）创建工作空间 （2）放入octomap_mapping包 （3）放入octoma...
bag文件转pcd文件
自动驾驶行业学习、交流
08-26 7257
一 ros的rviz能够播放bag 1.运行ros： $ roscore 2.运行rviz： $ rosrun rviz rviz 3.运行rosbag： $ rosbag play XXX.bag rviz需要添加PointCloud2,然后再PointCloud2的属性里面的Topic选择对应的topic。 二 bag文件转PCD文件 参考：http://wiki.ros.o...
论文分享 - OctoMap八叉树建图原理
一只废佐_的博客
08-14 2235
论文：OctoMap:An Efficient Probabilistic 3D Mapping Framework Based on Octrees。
从bag包中提取图片和点云数据为pcd格式点云文件
求真、务实
05-07 5243
从bag包中提取图片和点云数据为pcd格式点云文件1 开始提取bag包之前的准备工作2 从bag包中提取图片和点云数据 首先说明一下我运行的系统环境： python2 Ubuntu18.04 ROS melodic 1 开始提取bag包之前的准备工作 1、首先查看一下自己的bag包中，相机和激光雷达的topic (base) shl@zhihui-mint:~$ rosbag info 2021-03-24-11-01-45.bag path: 2021-03-24-11-01-45.
flowchart TD subgraph A [数据采集与预处理] A1[视觉传感器<br>（RGB-D相机）] A2[激光雷达] A3[IMU] A4[电机编码器] A5[RTK接收机] end subgraph B [数据融合与状态估计] B1[多传感器数据同步<br>（时间戳对齐）] B2[视觉-激光雷达融合SLAM<br>（如RTAB-Map/Cartographer）] B3[里程计-IMU融合<br>（EKF/UKF）] B4[RTK-里程计融合<br>（位置融合算法）] B5[全局位姿估计] end subgraph C [建图与定位] C1[2D/3D地图构建<br>（占据栅格/点云地图）] C2[地图保存/加载] C3[定位<br>（AMCL/视觉定位）] end subgraph D [路径规划与导航] D1[全局路径规划<br>（A*/混合A*）] D2[局部路径规划与避障<br>（TEB/DWA）] D3[路径跟踪] end subgraph E [执行控制] E1[电机控制器] E2[底盘运动] end A --> B1 B1 --> B2 & B3 & B4 B2 & B3 & B4 --> B5 B5 --> C1 & C3 C1 --> C2 C3 --> D D1 --> D2 --> D3 --> E1 --> E2转成思维导图
最新发布
12-10
<think>我们被要求将给定的Mermaid流程图代码转换为思维导图。但注意，用户提供的引用内容并非实际流程图代码，而是关于Mermaid工具的介绍和示例。因此，我们需要根据用户上一次的问题来理解需求。 回顾用户上一次的问题： > 我想将给定Mermaid流程图代码转换为思维导图 但是，用户并没有在本次提问中提供具体的Mermaid流程图代码。然而，在之前的对话中，我们有一个关于ROS2多传感器融合建图导航系统的详细思维导图（用Mermaid代码表示）。因此，我猜测用户可能是想将之前生成的Mermaid流程图转换为思维导图形式（即树状结构）？ 由于没有新的Mermaid代码提供，我将假设用户指的是将之前我们生成的ROS2系统Mermaid流程图（graph TD类型）转换为树状思维导图（mind map）形式。Mermaid中思维导图使用`mindmap`布局。 ### 转换步骤 1. **识别原流程图的根节点**：原流程图以`A[传感器层]`为起点，因此根节点应为“多传感器融合建图导航系统”。 2. **提取子节点**：原流程图有多个子图，每个子图代表一个模块，如数据预处理、融合算法等。 3. **重构为树状结构**：思维导图是树状结构，而原流程图是拓扑图（可能有多个连接）。我们需要将原图中的层级关系提取出来，形成父子关系。 ### 原Mermaid流程图（简化版） ```mermaid graph TD A[传感器层] --> B[数据预处理] A --> C[融合算法] A --> D[建图模块] A --> E[定位模块] A --> F[导航控制] A --> G[系统输出] ``` ### 转换为思维导图（mindmap） 我们将根节点设为“ROS2多传感器融合建图导航系统”，然后原图中的A、B、C、D、E、F、G成为根节点的第一级子节点。然后，每个子节点再展开其子节点（即原流程图子图中的内容）。 ### 转换后的Mermaid思维导图代码 ```mermaid mindmap root((ROS2多传感器融合建图导航系统)) 传感器层 视觉传感器 RGB-D/双目相机 话题: /camera/image_raw 激光雷达 3D LiDAR 点云话题: /point_cloud IMU 200Hz高频 话题: /imu/data RTK-GNSS 厘米级定位 配置要求: 4G CORS+4G网络 电机编码器 里程计话题: /wheel_odom 数据预处理 时间同步 ROS2 message_filters 硬件触发同步 空间同步 TF2坐标系树 URDF传感器外参 数据滤波 点云降噪 IMU零偏校正 RTK转UTM坐标 运动补偿 点云去畸变 融合算法 松耦合 RTK+IMU卡尔曼滤波 轮速计+视觉融合 紧耦合 VINS-Fusion:视觉+IMU DMSA_LiDAR_SLAM:激光+IMU 优化方法 滑动窗口优化 关键帧图优化 建图模块 SLAM方案 室内:RTAB-Map 户外:LIO-SAM 多模态:激光+视觉+IMU 地图类型 点云地图 占据栅格地图 回环检测 视觉词袋模型 激光扫描匹配 定位模块 全局定位 RTK绝对定位 视觉重定位 局部定位 激光里程计 IMU预积分 融合策略 GNSS/INS/Vision松组合 紧耦合优化 导航控制 路径规划 全局:A*/Dijkstra 局部:DWA/TEB 避障模块 动态障碍物处理 多传感器代价地图 运动控制 电机PID控制 轨迹跟踪算法 系统输出 可视化 RVIZ2实时显示 轨迹对比分析 地图服务 地图保存/加载 评估指标 ATE/RPE精度 实时性分析 ``` ### 说明 1. 思维导图的根节点为`ROS2多传感器融合建图导航系统`，用双层圆圈表示（`((...))`）。 2. 原流程图中的每个模块（如传感器层、数据预处理等）作为根节点的直接子节点。 3. 每个模块下的内容按层级展开，形成树状结构。 4. 原流程图中的连接关系（如A-->B）在思维导图中表现为父子关系。 ### 注意事项 - 思维导图没有箭头，以缩进表示层级。 - 节点文本尽量简洁，避免过长。 - 原流程图中子图的内容被展开为对应节点的子节点。 如果用户有具体的Mermaid流程图代码（非之前那个），请提供，我们可以进行转换。否则，以上转换基于之前的流程图。 §§相关问题§§ 1. 如何调整思维导图的颜色和样式？ 2. 思维导图支持插入图标或超链接吗？ 3. 在Mermaid中，思维导图与流程图的主要区别是什么？ </think> 以下是针对Mermaid流程图代码转换为思维导图的详细指南和技术实现： ### Mermaid流程图转思维导图方法 ```mermaid mindmap root((流程图转思维导图)) 核心原理 “节点层级化”:::red “连接关系转化”:::blue 转换步骤 1. 识别根节点 流程图起始节点 核心功能模块 2. 重构层级 子节点缩进表示 同级节点对齐 3. 优化样式 添加颜色标记 使用图标符号 4. 处理连接 箭头→父子关系 虚线→弱关联 工具支持 Mermaid在线编辑器 VS Code插件 Python文本解析 ``` #### 转换示例（JavaScript学习路径） ```mermaid mindmap root((JavaScript学习路径)) 基础语法 变量声明 let/const/var差异 数据类型 基本类型 引用类型 核心概念 作用域 全局作用域 函数作用域 闭包 词法环境 内存管理 异步编程 Promise then/catch async/await 事件循环 Macro Task Micro Task DOM操作 节点选择 getElementById querySelector 事件处理 addEventListener 事件委托 ``` ### 关键技术要点 1. **结构转换规则** - 流程图节点 `A --> B` ⇒ 思维导图父子层级 - 条件分支 `A -->|条件| B` ⇒ 思维导图添加`[条件]`标签 - 并行节点 ⇒ 同级并列子节点 2. **样式优化技巧** ```mermaid mindmap root((样式示例)) 基础样式 图标：🟦 使用Unicode 颜色：:::class_red 高级样式 渐变填充：style fill:#f9f,stroke:#333 自定义形状：shape rectangle ``` 3. **自动化转换工具** ```python # Python转换伪代码 def flow_to_mindmap(mermaid_code): root = detect_root_node(mermaid_code) # 识别根节点[^3] nodes = extract_nodes(mermaid_code) # 提取所有节点 hierarchy = build_hierarchy(nodes) # 构建层级关系 return generate_mindmap(root, hierarchy) # 生成mindmap代码 ``` ### 转换前后对比 | 流程图特征 | 思维导图等效方案 | |---------------------|--------------------------| | `graph LR` | `mindmap` 布局 | | `A[节点] --> B` | 缩进层级 | | `style A fill:#f00` | `:::class_red` 样式类 | | `subgraph` | 嵌套子节点 | ### 常见问题解决 1. **复杂连接处理** - 多父节点 ⇒ 复制节点到不同分支 - 交叉连接 ⇒ 添加`[关联]`标记注释 2. **样式继承方案** ```css /* 定义样式类 */ classDef class_red fill:#fdd, stroke:#f00 classDef class_blue fill:#ddf, stroke:#00f ``` 3. **大型图优化** - 折叠非关键分支 - 添加`查看更多...`折叠节点 > **最佳实践**：先用流程图梳理逻辑关系，再转换为思维导图用于知识整理和演示[^2]。转换过程需保持节点语义一致性，避免信息丢失。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值