sensor_msgs/PointCloud2雷达数据信息格式解析

 一、操作

# 先把所有topic 打印出来。
rostopic list

比如：显示如下

/cari_points_back
/cari_points_front
/cari_points_top
/clock
/imu
/rosout
/rosout_agg

找到你的激光雷达的topic。

#然后选择你要查看的topic
rostopic info /cari_points_top

 显示如下：

Type: sensor_msgs/PointCloud2

Publishers: 
 * /play_1719830163167041338 (http://tkpad20:44499/)

Subscribers: None

发现这个topic发布的话题的消息类型是：sensor_msgs/PointCloud2

然后查看这个消息类型的结构。

rosmsg info sensor_msgs/PointCloud2

显示如下：

std_msgs/Header header
  uint32 seq
  time stamp
  string frame_id
uint32 height
uint32 width
sensor_msgs/PointField[] fields
  uint8 INT8=1
  uint8 UINT8=2
  uint8 INT16=3
  uint8 UINT16=4
  uint8 INT32=5
  uint8 UINT32=6
  uint8 FLOAT32=7
  uint8 FLOAT64=8
  string name
  uint32 offset
  uint8 datatype
  uint32 count
bool is_bigendian
uint32 point_step
uint32 row_step
uint8[] data
bool is_dense

二、解析

针对这个类型，进行解析

先整体来看：这个类型是由两部分组成的。

组成：

• 第一部分是header

  • header标头包含时间戳和ROS中常用的坐标帧信息。

    • seq代表消息序列

    • stamp：发布的系统时间：这个值在真实中由两部分组成：secs和nsecs纳秒。

    • frame_id：坐标系

    • uint32 height：data的高度，一帧点云通常height=1，即表示无序点云；

    • uint32 width：data的宽度，即每行对应点的数量；

• 第二部分是fields。最值得关注的变量
  • 每个点的数据类型；包含每个点的字段属性信息，详见下文。
  • 首先是一个enum罗列了数据类型。
    • 
  • 然后罗列了数据定义的格式内容。[sensor_msgs/PointCloud2](sensor_msgs/PointCloud2 Documentation)
    • string name       # 点的字段名
    • uint32 offset      # 相对于结构体起始地址的字节数；偏移字节
    • uint8  datatype  # 该字段所占用的字节数
    • uint32 count      # 该字段的数量，通常为1
  • bool is_bigendian：点云是否按正序排列；大端
  • uint32 point_step：每个点占用的比特数，1字节=8比特，与PointField里所有字节数之和相等。
  • uint32 row_step：每行占用的比特数，= 点的数量 * Point_step; = width * point_step
  • uint8[] data：序列化后的点云二进制数据，所有点信息都在一串字符中，无法通过data[i]取值。
  • bool is_dense：是否存在无效点。

三、实例

当echo topic： /radar_all_tracker时，如果只想接收header时，使用方式如下，

ros topic echo /your_topic_name | grep header -A4

-A4表示接收 header 后四行。

rostopic echo /cari_points_top | grep header -A41

我测试了一下，打印41行，刚好，显示到row_step。如果42，就可以打印一大堆数据了。

实例一：

header: 
  seq: 17674
  stamp: 
    secs: 1693988715
    nsecs: 723284245
  frame_id: "cari_lidar_top"
height: 16
width: 1996
fields: 
  - 
    name: "x"
    offset: 0
    datatype: 7
    count: 1
  - 
    name: "y"
    offset: 4
    datatype: 7
    count: 1
  - 
    name: "z"
    offset: 8
    datatype: 7
    count: 1
  - 
    name: "intensity"
    offset: 12
    datatype: 7
    count: 1
  - 
    name: "ring"
    offset: 16
    datatype: 4
    count: 1
  - 
    name: "time"
    offset: 18
    datatype: 7
    count: 1
is_bigendian: False
point_step: 22
row_step: 43912
--

备注：row_step 43912=  width 1996 * point_step 22；

实例二：

header: 					// 点云的头信息
  seq: 4873
  stamp: 					// 时间戳
    secs: 595
    nsecs: 698295140
  frame_id: "livox_frame"   // 坐标系
height: 1					// 如果cloud 是无序的 height 是 1
width: 9984					// 点云的长度
fields: 					// 该消息以PointCloud2消息格式保存一个点条目的描述。
  - 
    name: "x"				// “x”坐标信息
    offset: 0				// 从点结构开始的偏移量
    datatype: 7				// 枚举数据类型		FLOAT32 
    count: 1				// 域中有多少个元素
  - 
    name: "y"				// “y”坐标信息
    offset: 4
    datatype: 7				// FLOAT32  占4个字节
    count: 1
  - 
    name: "z"				// “z”坐标信息
    offset: 8
    datatype: 7				// FLOAT32  占4个字节
    count: 1
  - 
    name: "intensity"		// 反射强度坐标信息
    offset: 12
    datatype: 7				// FLOAT32  占4个字节
    count: 1
  - 
    name: "tag"				// 回波信息
    offset: 16
    datatype: 2				// UINT8    占1个字节
    count: 1
  - 
    name: "line"
    offset: 17
    datatype: 2				// UINT8    占1个字节
    count: 1
is_bigendian: False			// 数据存储方式，包括大端与小端，具体解释见后文参考链接
point_step: 18				// 一个点占的字节数 4 * 3 + intensity 4 + tag 1 + line 1 = 18;
row_step: 179712			// 一行的长度占用的字节数 18 * 9984
data:[省略]
is_dense: True				// 没有非法数据点
---

实例三：

fields[0]、fields[1]、fields[2]分别为每个点的x、y、z坐标字段，均为float类型，4个字节。

fields[3]为点云反射强度、float类型，4个字节。

fields[4]为每个点对应的时间戳，double类型，8个字节，64比特，

fields[5]为每个点对应的线ID，值为0~15，2个字节。

四、类型转换

参照：http://t.csdnimg.cn/laY3U

ROS中已经集成了对PCL的API接口，PCL中也集成了用于转换的结构体PCLPointCloud2。因此我们可以直接调用函数。

 ROS的PCL转换接口主要在pcl_conversions.h中，里边提供了丰富的类型转换函数。实际上，该函数是基于pcl的功能实现了类型转换，对应pcl的函数文件conversions.h

 函数名中带move和不带move的区别是，移动(剪切)和拷贝的区别。可以自行转到定义查看他复制data时的操作。 

五、格式转换

rslidar_to_velodyne

https://github.com/EpsAvlc/rslidar_to_velodyne.git

 with rings

https://github.com/HViktorTsoi/rs_to_velodyne.git