TI AWR1843毫米波雷达采集三维点云数据(ROS)

本文涉及的产品
资源编排,不限时长
简介: TI AWR1843毫米波雷达采集三维点云数据(ROS)

毫米波雷达以其稳定性、对不同环境的适应能力、价格等方面的优势逐步引起了科研人员的注意,本文主要介绍利用了TI(德州仪器)的AWR1843设备,基于ROS系统进行采集点云数据的流程。供大家参考及为自己做一个笔记。

准备

Ubuntu 18.04 + ROS Melodic (推荐工作环境)


使用Uniflash成功烧录对应SDK版本中的


Demo(mmwave_sdk_03_05_00_04/packages/ti/demo/xwr18xx/mmw/xwr18xx_mmw_demo.bin)


能够在mmwave demo visulalizer 的离线版本或者网页版本中成功运行开箱演示的demo,看到数据。


官方参考链接

下载源码

下载ti_mmwave_rospkg ROS driver这个lab的源码:

git clone https://git.ti.com/git/mmwave_radar/mmwave_ti_ros.git

切换到下载项目中的"ros_driver"文件夹中:

cd mmwave_ti_ros/ros_driver/

编译

编译:

catkin_make

编译通过后出现下述界面:

最后source一下当前工作环境即可。

source devel/setup.bash

至此,我们就完成了ti官方开发的ros driver的编译与准备。

用户权限

我们在使用ros driver这个demo时需要控制电脑的两个端口,分别用来发送命令和传输数据。这需要我们的用户在dialout这个组中。

首先使用:

groups

查看当前用户名所在的用户组。可以看到我的用户名“xiaochen”并没有在dialout这个用户组中。

接着,执行下述命令进行添加用户名到dialout用户组:

sudo adduser xiaochen dialout

重启电脑,生效添加用户的命令。

再次运行groups命令进行查看,结果如下:

硬件配置/启动

  1. 连接电源线,给板子上电
  2. 连接USB数据线,发送命令/传输数据
    针对本文介绍的AWR 1843板子,启动对应的launch文件:
roslaunch ti_mmwave_rospkg 1843_multi_3d_0.launch 

第一次运行会出现下述乱码,不过没有关系,ctrl + C 结束命令,我们再次运行一次。

可以看到弹出一个rviz窗口,并出现了三维点云数据:

使用rostopic list查看当前所发布的topic。

其中:/ti_mmwave/radar_scan_pcl_0就是我们想要记录的topic数据,使用rosbag record进行记录即可。

点云数量

相信读者可能会发现rviz中点云数量非常少,这一方面时毫米波雷达本身就不能获取较高质量的数据,另一方面时我们需要修改一下 .cfg文件中的参数配置。


在:/mmwave_ti_ros/ros_driver/src/ti_mmwave_rospkg/cfg路径下找到对应的cfg文件,本文的是:“1843_3d.cfg”,打开此文件:

修改其中:

cfarCfg -1 0 2 8 4 3 0 15 1

cfarCfg -1 1 0 4 2 3 1 15 1

为:

cfarCfg -1 0 2 8 4 3 0 15 0

cfarCfg -1 1 0 4 2 3 1 15 0

之后,重新执行命令:

roslaunch ti_mmwave_rospkg 1843_multi_3d_0.launch 

可以看到点云数量有明显增加:

相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务,定义资源编排模板,实现自动化创建阿里云专有网络和交换机。
阿里云资源编排ROS使用教程
资源编排(Resource Orchestration)是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等,并自动完成所有资源的创建和配置,以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式,并且可以随时编辑修改,使基础设施即代码(Infrastructure as Code)成为可能。 产品详情:https://www.aliyun.com/product/ros/
目录
相关文章
|
7月前
|
存储 搜索推荐 算法
【源码】医学影像PACS实现三维影像后处理等功能
【源码】医学影像PACS实现三维影像后处理等功能
97 0
【源码】医学影像PACS实现三维影像后处理等功能
|
存储 前端开发 算法
激光SLAM:ALOAM---后端lasermapping地图栅格化处理与提取
不同于前端的scan-to-scan的过程,ALOAM的后端是scan-to-map的算法,具体来说就是把当前帧和地图进行匹配,得到更准确的位姿同时也可以构建更好的地图.由于是scan-to-map的算法,因此计算量会明显高于scan-to-scan的前端,所以后端通常处于一个低频的运行频率,但是由于scan-to-map的精度往往优于scan-to-scan.因此后端也有比前端更高的精度.为了提高后端的处理速度,所以要进行地图的栅格化处理
激光SLAM:ALOAM---后端lasermapping地图栅格化处理与提取
|
存储 传感器 编解码
turtlebot3 在gazebo仿真下 通过 gmapping slam 建立二维平面地图——全过程
turtlebot3 在gazebo仿真下 通过 gmapping slam 建立二维平面地图——全过程
turtlebot3 在gazebo仿真下 通过 gmapping slam 建立二维平面地图——全过程
|
7月前
|
传感器 编解码 数据挖掘
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
479 3
|
7月前
|
算法 定位技术 图形学
基于Pix4Dmapper的运动结构恢复无人机影像三维模型重建
基于Pix4Dmapper的运动结构恢复无人机影像三维模型重建
139 2
|
7月前
|
传感器 算法 定位技术
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
142 1
|
7月前
|
存储 安全 固态存储
【C++医学影像】支持三维影像后处理PACS系统源码
【C++医学影像】支持三维影像后处理PACS系统源码
140 0
|
缓存 数据可视化 vr&ar
医学影像PACS源码 三维多平面重建、三维容积重建
持所见即所得报告书写方式; •  报告单预览功能(在书写、审核、打印时都可随时预览报告); •  在书写报告过程中可随时切换报告单样式; •  相关检查功能:在书写报告时可查看患者相关检查的图像及报告信息; •  常用词汇管理,支持报告模板管理;
|
存储 Python
ArcPy基于遥感影像的成像时间分别拼接栅格图像
本文介绍基于Python中ArcPy模块,对大量不同时相的栅格遥感影像按照其成像时间依次执行批量拼接的方法~
162 1
ArcPy基于遥感影像的成像时间分别拼接栅格图像
|
传感器 存储 编解码
使用激光雷达数据构建地图并使用SLAM算法估计车辆轨迹
使用激光雷达数据构建地图并使用SLAM算法估计车辆轨迹。
240 0