关于ROS的OccupancyGrid数据对应的地图颜色

本文探讨了ROS中的2D占用栅格地图(OccupancyGrid)及其颜色表示。介绍了OccupancyGrid消息类型的关键组成部分,包括header、info和data。详细解释了不同值(-128至127)在rviz中对应的颜色,特别是值100(占用)、0(空闲)和-1(未知)的颜色,并展示了16x16地图的完整颜色序列。同时,提供了查看地图数据的命令及实验代码。

最近在搞基于ROS的2D占用栅格地图,这类地图可用于机器人定位,它在机器人导航和避障方面很常用。它的消息类型是nav_msgs/OccupancyGrid,通过命令:rosmsg show nav_msgs/OccupancyGrid 可以看到nav_msgs/OccupancyGrid消息包含如下信息:

std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
nav_msgs/MapMetaData info
  time map_load_time
  float32 resolution
  uint32 width
  uint32 height
  geometry_msgs/Pose origin
    geometry_msgs/Point position
      float64 x
      float64 y
      float64 z
    geometry_msgs/Quaternion orientation
      float64 x
      float64 y
      float64 z
      float64 w
int8[] data

对于一个nav_msgs/OccupancyGrid类型的map_msg,它主要由map_msg.header, map_msg.info, map_msg.data 三个主要信息,map_msg.header包含了发布地图的序列号(seq),时间戳(stamp)和帧id信息;map_msg.info包含了发布的地图的加载时间,分辨率,宽度,高度,地图起点坐标和方向;map_msg.data 数组包含了地图的元数据信息,可以看到,它是int8类型的,也就是说每个元数据的值范围是-128~127之间,在链接http://wiki.ros.org/map_server 中提到,
在这里插入图片描述
值100表示单元被占用;值0表示空闲,即未占用;-1(无符号类型下的255)表示未知。我们知道,这里不同的值含义不同,它们在rviz可视化界面上显示的颜色也不同,如下图所示

其中的黑色(值100)边界表示占用,图中红色箭头所在的灰色区域表示空闲(值0),而外围区域(深灰色?浅青色?)表示未知(-1)。这里我不禁好奇(好吧,我承认我是闲的。。。),那-128~127之间其他的值是什么颜色的呢,我发现答案可不是由黑到白色的一个过渡,这中间有彩色。在这里插入图片描述
如上图所示,中间R,G,B颜色的坐标轴分别代表x,y,z的正方向。在这个 16 × 16 16\times16 16×16的栅格地图中(分辨率为1m),从下往上,从右往左对应的单元的像素值分别是:-128,-127,…,0,1,…,127。右下角(-128)是红色,左上角(127)是绿色。上图显示的所有颜色就是map_msg.data中的int8类型的数值范围-128~127所代表的所有颜色(虽然我也很懵逼为啥是这么个对应关系)。通过 rostopic echo /grid_map 命令输出地图消息,显示如下:

header: 
  seq: 24
  stamp: 
    secs: 1591798531
    nsecs: 117001314
  frame_id: "map"
info: 
  map_load_time: 
    secs: 0
    nsecs:         0
  resolution: 1.0
  width: 16
  height: 16
  origin: 
    position: 
      x: -8.0
      y: -8.0
      z: 0.0
    orientation: 
      x: 0.0
      y: 0.0
      z: 0.0
      w: 0.0
data: [-128, -127, -126, -125, -124, -123, -122, -121, -120, -119, -118, -117, -116, -115, -114, -113, -112, -111, -110, -109, -108, -107, -106, -105, -104, -103, -102, -101, -100, -99, -98, -97, -96, -95, -94, -93, -92, -91, -90, -89, -88, -87, -86, -85, -84, -83, -82, -81, -80, -79, -78, -77, -76, -75, -74, -73, -72, -71, -70, -69, -68, -67, -66, -65, -64, -63, -62, -61, -60, -59, -58, -57, -56, -55, -54, -53, -52, -51, -50, -49, -48, -47, -46, -45, -44, -43, -42, -41, -40, -39, -38, -37, -36, -35, -34, -33, -32, -31, -30, -29, -28, -27, -26, -25, -24, -23, -22, -21, -20, -19, -18, -17, -16, -15, -14, -13, -12, -11, -10, -9, -8, -7, -6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127]

最后,奉上实验代码:

# include <iostream>
# include <ros/ros.h>
# include <nav_msgs/OccupancyGrid.h>


static ros::Publisher grid_pub;
static nav_msgs::OccupancyGrid gmap;
double grid_resolution = 1.0;
int grid_width = 16, grid_height = 16;
double origin_x, origin_y;
std::vector<double> logits(grid_height*grid_width, 0);
void grid_map_init()
{
  origin_x = -1.0*grid_resolution*grid_width/2.0;
  origin_y = -1.0*grid_resolution*grid_height/2.0;

  gmap.header.frame_id = "map";
  gmap.header.stamp = ros::Time::now();
  gmap.info.origin.position.x = origin_x;
  gmap.info.origin.position.y = origin_y; 
  gmap.info.origin.orientation.z = 0.0; 
  gmap.info.origin.orientation.w = 0.0; 
  gmap.info.resolution = grid_resolution;
  gmap.info.width = grid_width;
  gmap.info.height = grid_height;
  
  int v = -128;
  int8_t p[gmap.info.width * gmap.info.height];
  for (int i = 0; i < gmap.info.height; ++i)
    for (int j = 0; j < gmap.info.width; ++j)
      p[i*gmap.info.height + j] = v++;
  std::vector<int8_t> a(p, p+gmap.info.width * gmap.info.height);
  gmap.data = a;
}

int main(int argc, char** argv)
{
    ros::init(argc, argv, "test_occupancy");
    ros::NodeHandle nh;
    
    grid_pub = nh.advertise<nav_msgs::OccupancyGrid>("/grid_map", 1);
    grid_map_init();
    ros::Rate loop_rate(2);
    while (ros::ok())
    {
        grid_pub.publish(gmap);
        loop_rate.sleep();
    }
    
    return 0;
}
<think>好的,我现在需要帮助用户将ROS2中map_server生成的地图转换为JPEG或PNG格式。首先,用户之前已经询问过ROS1的情况,现在转向ROS2,我需要考虑两者之间的差异。 首先,用户提到他们之前的问题和回答,所以我要参考之前的步骤,但需要调整到ROS2的环境。例如,ROS2中的命令行工具可能有所不同,比如使用ros2 run而不是rosrun。用户之前的回答中使用了Python脚本和OpenCV,这在ROS2中仍然适用,但可能需要调整话题名称或API。 接下来,用户提供的引用内容中有关于矢量图和图像转换的内容,但用户的实际需求是栅格地图的转换,所以可能不需要SVG,但要注意到用户提到的分辨率适配问题,可能需要确保转换后的图片保持正确分辨率。引用2提到cv_bridge和OpenCV版本的兼容性,这在ROS2中同样重要,需要确认ROS2版本对应的OpenCV版本,例如Humble通常使用OpenCV4。 用户的问题是关于ROS2的,所以需要确保所有命令和包都是ROS2兼容的。例如,map_server在ROS2中可能属于nav2_map_server,安装命令可能不同,需要用户先安装相关包。 另外,用户之前的回答中提到了保存PGM和YAML文件,然后使用Python脚本转换。在ROS2中,map_saver的命令可能有所不同,可能需要使用新的参数或节点名称。例如,在ROS2中,可能需要使用--ros-args来指定参数,或者节点名称有变化。 然后,用户可能需要实时订阅地图数据,所以在编写订阅脚本时,需要调整到ROS2的API,比如使用rclpy代替rospy,以及消息类型的可能变化。例如,OccupancyGrid消息在ROS2中属于nav_msgs/msg。 还要注意,用户提供的引用3中的str_pad函数可能与当前问题无关,但需要确保在编写脚本时字符串处理正确,比如文件路径等。 最后,用户可能需要处理不同分辨率和坐标系统,因此在转换图像时要保持元数据(如YAML中的分辨率和原点)的准确性,可能需要将YAML文件的信息与图像一起保存或处理。 总结步骤:1. 保存PGM和YAML文件;2. 使用Python+OpenCV转换格式,注意ROS2的话题和API变化;3. 提供实时订阅的ROS2节点脚本;4. 注意事项包括OpenCV版本、图像质量和坐标系统。同时,确保回答结构清晰,参考之前的格式,但适配ROS2的具体命令和库。</think>在ROS2中将`map_server`生成的地图转换为JPEG/PNG格式,需根据ROS2特性调整实现方式。以下是具体方法(适配Humble/Foxy版本): --- ### 一、保存基础地图文件 1. **安装ROS2地图工具**(若未安装): ```bash sudo apt install ros-<distro>-nav2-map-server ``` 2. **保存PGM/YAML文件**: ```bash ros2 run nav2_map_server map_saver_cli --ros-args -t map -f my_map ``` 生成`my_map.pgm`(栅格图)和`my_map.yaml`(元数据)[^2] --- ### 二、Python转换脚本(适配ROS2) 1. **安装依赖**: ```bash sudo apt install python3-opencv ``` 2. **编写转换脚本**(`ros2_convert_map.py`): ```python import cv2 import yaml # 读取地图数据 with open("my_map.yaml", "r") as yaml_file: metadata = yaml.safe_load(yaml_file) image = cv2.imread("my_map.pgm", cv2.IMREAD_UNCHANGED) # 标准化像素值 (ROS2使用0-100表示占用率) normalized = cv2.normalize(image, None, 0, 255, cv2.NORM_MINMAX) # 颜色反转(可选) inverted = cv2.bitwise_not(normalized) # 保存为指定格式 cv2.imwrite("map_output.jpg", inverted, [int(cv2.IMWRITE_JPEG_QUALITY), 90]) cv2.imwrite("map_output.png", inverted) ``` --- ### 三、实时订阅转换(ROS2节点) ```python #!/usr/bin/env python3 import rclpy from rclpy.node import Node from nav_msgs.msg import OccupancyGrid import cv2 import numpy as np class MapConverter(Node): def __init__(self): super().__init__('map_converter') self.subscription = self.create_subscription( OccupancyGrid, '/map', self.map_callback, 10) def map_callback(self, msg): # 转换为OpenCV格式 data = np.array(msg.data, dtype=np.int8).reshape(msg.info.height, msg.info.width) image = np.zeros_like(data, dtype=np.uint8) # ROS2占用值映射 image[data == 0] = 254 # 空闲区域 image[data == 100] = 0 # 障碍物 image[data == -1] = 205 # 未知区域 # 保存文件 cv2.imwrite('ros2_map.png', image) self.get_logger().info('成功保存PNG地图') def main(args=None): rclpy.init(args=args) node = MapConverter() rclpy.spin(node) rclpy.shutdown() if __name__ == '__main__': main() ``` --- ### 四、关键改进点(对比ROS1) 1. **话题适配**:使用`/map`话题而非ROS1的旧话题格式 2. **API变更**: - `rclpy.Node`替代`rospy.init_node` - `create_subscription`替代`rospy.Subscriber` 3. **数据类型**:OccupancyGrid消息中`data`字段为`int8[]`而非`int32[]` --- ### 五、注意事项 1. **OpenCV版本**:ROS2 Humble默认使用OpenCV4,需确保`cv_bridge`版本匹配 2. **图像方向**:ROS2地图原点在左下角,OpenCV图像原点在左上角,转换时可能需要垂直翻转: ```python flipped = cv2.flip(image, 0) # 垂直翻转 ``` 3. **元数据保留**:建议将YAML文件中的分辨率(`resolution`)和原点(`origin`)信息与图像共同保存 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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