Press "Enter" to skip to content

三维目标检测之ROS可视化

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

 

实验室有一个镭神C16的激光雷达,最近在我这,想拿来玩一玩。本意是做一个实时的检测,通过ROS获取激光雷达的激光点云,用pointpillars模型来进行实时的三维目标检测任务。但是镭神c16这一个激光雷达,不太好处理,目前只能用自带的驱动,进行一个实时的显示。所以下边的思路就是,先存储镭神c16的点云数据,再用ros进行三维目标检测。

 

文章目录

 

1. 思路:

 

通过ros来实现点云消息的订阅
和检测框bbox消息的发布
,来实现一个检测效果的可视化功能。

 

2. 实验环境:

Ubuntu16.04
cuda 10.1
ros-kinetic
检测环境主要依托OpenPCDet,环境搭建可参考我的这篇博客

3. 步骤:

 

1. 前提条件

 

已经搭建过了OpenPCDet。

 

已经搭建了ROS环境,我用的是kinetic版本,用其他版本应该也可以。

 

2. 编译环境

 

创建一个工作空间并进入

 

mkdir -p ~/pointpillars_ros/src
cd pointpillars_ros/src

 

将ROS包复制或者克隆到当前文件夹下

 

git clone https://github.com/BIT-DYN/pointpillars_ros
cd ..

 

# 进入到搭建好的openpcdet环境
conda activate openpcdet
pip install --user rospkg catkin_pkg
pip install pyquaternion
# 因为我用的是kinetic,所以需要安装下边的库,如果是其他版本的ros,下边修改kinetic安装对应版本即可
sudo apt-get install ros-kinetic-pcl-ros
sudo apt-get install ros-kinetic-jsk-recognition-msg
sudo apt-get install ros-kinetic-jsk-rviz-plugins
## 注意,执行catkin_make时,在最外层的文件夹下,也就是我例子中的~/pointpillars_ros
catkin_make

 

迁移OpenPCDet中的一些文件

 

为保险起见,我将下边这些文件全部放入到src/pointpillars/tools文件夹下了。

 

可以先修改一下demo.py文件的配置文件和预训练模型的位置,测试是否能成功调用pcdet,如果可以的话,说明环境迁移过来后没问题,再尝试修改ros.py的代码。

 

3. 修改代码

 

ros.py代码

 

1. 简单修改

 

# 下边的路径改成自己的
sys.path.append("/home/ubuntu/pointpillars_ros/src/pointpillars_ros") # Line 22
# 54行后边
""" Initialize ros parameters """
config_path = rospy.get_param("/config_path", "/home/ubuntu/pointpillars_ros/src/pointpillars_ros/tools/cfgs/kitti_models/pointpillar.yaml")
ckpt_path = rospy.get_param("/ckpt_path", "/home/ubuntu/pointpillars_ros/src/pointpillars_ros/tools/models/pointpillar.pth")
# 订阅的激光点云名字,改成自己的,我用的是kitti的.bag文件
self.sub_velo = rospy.Subscriber("/kitti/velo/pointcloud", PointCloud2, self.lidar_callback, queue_size=1,  buff_size=2**12)

 

2. 修改旋转参数

 

修改旋转参数,大概在ros.py的86行前后。我问了开源作者,他们安装的雷达有偏角,所以这里置0就行。

 

# 旋转轴
#rand_axis = [0,1,0]
#旋转角度
#yaw = 0.1047
#yaw = 0.0
#返回旋转矩阵
#rot_matrix = self.rotate_mat(rand_axis, yaw)
#np_p_rot = np.dot(rot_matrix, np_p[:,:3].T).T
# convert to xyzi point cloud
x = np_p[:, 0].reshape(-1)
y = np_p[:, 1].reshape(-1)
z = np_p[:, 2].reshape(-1)
if np_p.shape[1] == 4: # if intensity field exists
    i = np_p[:, 3].reshape(-1)
else:
    i = np.zeros((np_p.shape[0], 1)).reshape(-1)
points = np.stack((x, y, z, i)).T

 

3.添加类似与NMS的功能,去除不靠谱的检测结果

 

另外ros.py代码中是没有去除掉scores低的检测框,我打印看了一下,如下图所示,置信度为0.107的也没有去除掉:

 

修改ros.py代码的大概110行前后(去除掉不合适的检测框,我设置的阈值为0.5),如下所示:

 

# 组装数组字典
  input_dict = {
 
      'points': points,
      'frame_id': msg.header.frame_id,
  }
  data_dict = self.demo_dataset.prepare_data(data_dict=input_dict) # 数据预处理
  data_dict = self.demo_dataset.collate_batch([data_dict])
  load_data_to_gpu(data_dict) # 将数据放到GPU上
  pred_dicts, _ = self.model.forward(data_dict) # 模型前向传播
  scores = pred_dicts[0]['pred_scores'].detach().cpu().numpy()
  mask = scores > 0.5
  scores = scores[mask]
  boxes_lidar = pred_dicts[0]['pred_boxes'][mask].detach().cpu().numpy()
  label = pred_dicts[0]['pred_labels'][mask].detach().cpu().numpy()
  num_detections = boxes_lidar.shape[0]
  #rospy.loginfo("The num is: %d ", num_detections)
  # print(boxes_lidar)
  # print(scores)
  # print(label)

 

4. 新增发布跟检测结果匹配的每一帧点云

 

分析:

 

以上的代码,订阅
了激光点云信息(并在rviz界面展示),发布
检测框(并在rviz显示),检测是需要时间的,所以检测框与当前显示帧的点云并不匹配。

 

思路:

 

得到检测框结果之后,重新发布当前帧点云信息,名字修改一下。然后在rviz可视化界面选择重新发布的点云就可以了。

 

在ros.py中添加新发布的点云,在rviz文件中新增新的点云话题。

 

修改后的代码可查看:

 

国内gitee地址:https://gitee.com/ximing689/pointpillars_ros

 

launch/pointpillars.launch代码

 

<launch>
# 主要修改下边第一行
  <node pkg="rosbag" type="play" name="player" output="log" args="-l /media/ubuntu/ximing/dataset/ros_kitti/bag/2011_10_03/kitti_2011_10_03_drive_0027_synced.bag" />
  <node name="pointpillars_ros" type="ros.py" pkg="pointpillars_ros" output="screen"/>
  <node type="rviz" name="rviz" pkg="rviz" args="-d $(find pointpillars_ros)/launch/pointpillars.rviz" />
</launch>

 

launch/pointpillars.rviz代码

 

主要修改你所用的话题的名字,我改了点云和图像的名字

 

4. 运行

 

执行下边的命令

 

conda activate openpcdet
source ~/pointpillars_ros/devel/setup.bash
roslaunch pointpillars_ros pointpillars.launch

 

4. 图片效果:

 

我使用kitti原数据的某一段时间,转成.bag格式,用pointpillars的模型进行测试的,效果也不行,猜测原因可能是1.旋转矩阵参数没有修改;2.激光点云显示的跟检测框有延时,不能很好匹配;3.第三点可能就是模型不行(可能性不大)。

 

1.未设定阈值的检测效果:

 

 

 

2.设定阈值之后的效果

 

设定阈值之后,明显减少了很多检测框,不过依然存在检测延时(检测框不准)。

 

3. 最终效果

 

初次部署这个代码的时候,检测框跟实际点云完全不匹配,目标框是杂乱的。经过分析,将点云和检测框进行匹配对齐之后,显示的检测效果还是不错的(目前还没做图像的对齐,所以图像和点云显示不一致)。

 

哔哩哔哩

 

下图是用雷神c16雷达在实验室采集的30秒的数据,不到1分钟,696MB。

 

目前用rosbag record存储了一些雷神C16激光雷达的数据,还不太会使用雷达实时读取,实时检测。后期再想办法吧。

 

5. 主要参考资料:

 

非常感谢这些网友分享的开源资料,让一个小白的我,也能快速demo出一个效果。

ROS点云的Pointpillars实时目标检测
Github资料

遇到的问题,解决办法:

error while loading shared libraries: libopencv_core3.so.3.3
ROS运行python报错:/usr/bin/env: ‘python\r’: No such file or directory

视频效果:https://www.bilibili.com/video/BV1ce4y1D76o/

 

代码地址:https://gitee.com/ximing689/pointpillars_ros

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。