在之前的这篇博客中，我们重点实现的是将ROS Bag包拆解成各种各样的数据。但在实际应用中，我们往往可能还有“相反”的需求——将各种各样的数据组合成ROS Bag文件。这篇博客也就是在这样的背景下诞生的。目前我手边有一些多传感器数据(相机、IMU、LiDAR)，需要将它们转化成ROS Bag的形式。之前零零散散写过一些脚本，但都“散落在各地”，一时之间难以找到了。为了以后更方便使用，这篇博客就把这些脚本汇总一下。为了便于查找，本篇博客的所有代码还是放到了这个Github项目中。
其实将各种各样的数据转换成ROS Bag的核心思路都是一样的。首先是读取数据，然后调用ROS的Python接口构造Topic与Message，最后还是调用ROS接口，将这些Message保存下来。当然，根据需求，可以转换到不同的Message类型，一些常用的Message类型可见这篇博客。
1.将影像序列转换成Bag文件
按照常规流程，我们可以用OpenCV读取影像，然后调用ROS的CvBridge实现类型转换，最后调用函数写入ROS Bag，核心代码如下，对应Github项目中的genBagFromImg.py文件。
# coding=utf-8
import rosbag
import sys
import os
import numpy as np
import cv2
from cv_bridge import CvBridge
import rospy
def findFiles(root_dir, filter_type, reverse=False):
"""
在指定目录查找指定类型文件 -> paths, names, files
:param root_dir: 查找目录
:param filter_type: 文件类型
:param reverse: 是否返回倒序文件列表，默认为False
:return: 路径、名称、文件全路径
"""
separator = os.path.sep
paths = []
names = []
files = []
for parent, dirname, filenames in os.walk(root_dir):
for filename in filenames:
if filename.endswith(filter_type):
paths.append(parent + separator)
names.append(filename)
for i in range(paths.__len__()):
files.append(paths[i] + names[i])
print(names.__len__().__str__() + " files have been found.")
paths = np.array(paths)
names = np.array(names)
files = np.array(files)
index = np.argsort(files)
paths = paths[index]
names = names[index]
files = files[index]
paths = list(paths)
names = list(names)
files = list(files)
if reverse:
paths.reverse()
names.reverse()
files.reverse()
return paths, names, files
if __name__ == '__main__':
img_dir = sys.argv[1] # 影像所在文件夹路径
img_type = sys.argv[2] # 影像类型
topic_name = sys.argv[3] # Topic名称
bag_path = sys.argv[4] # 输出Bag路径
bag_out = rosbag.Bag(bag_path,'w')
cb = CvBridge()
paths, names, files = findFiles(img_dir,img_type)
for i in range(len(files)):
print(i,'/',len(files))
frame_img = cv2.imread(files[i])
timestamp = int(names[i].split(".")[0])/10e8
print(timestamp)
ros_ts = rospy.rostime.Time.from_sec(timestamp)
ros_img = cb.cv2_to_imgmsg(frame_img,encoding='bgr8')
ros_img.header.stamp = ros_ts
bag_out.write(topic_name,ros_img,ros_ts)
bag_out.close()
如下图所示，我们有一系列影像，影像名称即为其时间戳。
运行上述代码，我们就可以获得生成的ROS Bag文件，可以利用rosbag info查看信息，如下。
这样，便完成了将影像序列转换成Bag的功能。如果有多个影像序列呢？比如双目影像序列。其实也非常简单。只要在上面的代码中再加一个Topic即可。
2.将IMU数据转换成Bag文件
类似的，将IMU数据转换成ROS Bag代码如下，对应Github项目中的genBagFromIMU.py文件。
# coding=utf-8
import rosbag
import sys
import os
import numpy as np
from sensor_msgs.msg import Imu
import rospy
from geometry_msgs.msg import Vector3
def findFiles(root_dir, filter_type, reverse=False):
"""
在指定目录查找指定类型文件 -> paths, names, files
:param root_dir: 查找目录
:param filter_type: 文件类型
:param reverse: 是否返回倒序文件列表，默认为False
:return: 路径、名称、文件全路径
"""
separator = os.path.sep
paths = []
names = []
files = []
for parent, dirname, filenames in os.walk(root_dir):
for filename in filenames:
if filename.endswith(filter_type):
paths.append(parent + separator)
names.append(filename)
for i in range(paths.__len__()):
files.append(paths[i] + names[i])
print(names.__len__().__str__() + " files have been found.")
paths = np.array(paths)
names = np.array(names)
files = np.array(files)
index = np.argsort(files)
paths = paths[index]
names = names[index]
files = files[index]
paths = list(paths)
names = list(names)
files = list(files)
if reverse:
paths.reverse()
names.reverse()
files.reverse()
return paths, names, files
def readIMU(imu_path):
timestamps = []
wxs = []
wys = []
wzs = []
axs = []
ays = []
azs = []
fin = open(imu_path, 'r')
fin.readline()
line = fin.readline().strip()
while line:
parts = line.split(",")
ts = float(parts[0])/10e8
wx = float(parts[1])
wy = float(parts[2])
wz = float(parts[3])
ax = float(parts[4])
ay = float(parts[5])
az = float(parts[6])
timestamps.append(ts)
wxs.append(wx)
wys.append(wy)
wzs.append(wz)
axs.append(ax)
ays.append(ay)
azs.append(az)
line = fin.readline().strip()
return timestamps, wxs, wys, wzs, axs, ays, azs
if __name__ == '__main__':
imu_path = sys.argv[1] # IMU数据文件路径
imu_topic_name = sys.argv[2] # Topic名称
bag_path = sys.argv[3] # 输出Bag路径
bag_out = rosbag.Bag(bag_path,'w')
imu_ts, wxs, wys, wzs, axs, ays, azs = readIMU(imu_path)
imu_msg = Imu()
angular_v = Vector3()
linear_a = Vector3()
for i in range(len(imu_ts)):
imu_ts_ros = rospy.rostime.Time.from_sec(imu_ts[i])
imu_msg.header.stamp = imu_ts_ros
angular_v.x = wxs[i]
angular_v.y = wys[i]
angular_v.z = wzs[i]
linear_a.x = axs[i]
linear_a.y = ays[i]
linear_a.z = azs[i]
imu_msg.angular_velocity = angular_v
imu_msg.linear_acceleration = linear_a
bag_out.write(imu_topic_name, imu_msg, imu_ts_ros)
print('imu:',i,'/',len(imu_ts))
bag_out.close()
这里我们的原始IMU数据以EuRoC格式存储(如果不清楚具体格式参考这篇博客)，转换完成以后，可以查看Bag文件信息，如下。
3.将相机和IMU数据合并到一个Bag文件
有了上面的基础，其实将多源数据合并到一个Bag文件也就比较简单了，只要分别把各自的流程走一遍即可，如下，对应Github项目中的genBagFromImgAndIMU.py文件。
# coding=utf-8
import rosbag
import sys
import os
import numpy as np
import cv2
from sensor_msgs.msg import Image, Imu
from cv_bridge import CvBridge
import rospy
from geometry_msgs.msg import Vector3
def findFiles(root_dir, filter_type, reverse=False):
"""
在指定目录查找指定类型文件 -> paths, names, files
:param root_dir: 查找目录
:param filter_type: 文件类型
:param reverse: 是否返回倒序文件列表，默认为False
:return: 路径、名称、文件全路径
"""
separator = os.path.sep
paths = []
names = []
files = []
for parent, dirname, filenames in os.walk(root_dir):
for filename in filenames:
if filename.endswith(filter_type):
paths.append(parent + separator)
names.append(filename)
for i in range(paths.__len__()):
files.append(paths[i] + names[i])
print(names.__len__().__str__() + " files have been found.")
paths = np.array(paths)
names = np.array(names)
files = np.array(files)
index = np.argsort(files)
paths = paths[index]
names = names[index]
files = files[index]
paths = list(paths)
names = list(names)
files = list(files)
if reverse:
paths.reverse()
names.reverse()
files.reverse()
return paths, names, files
def readIMU(imu_path):
timestamps = []
wxs = []
wys = []
wzs = []
axs = []
ays = []
azs = []
fin = open(imu_path, 'r')
fin.readline()
line = fin.readline().strip()
while line:
parts = line.split(",")
ts = float(parts[0])/10e8
wx = float(parts[1])
wy = float(parts[2])
wz = float(parts[3])
ax = float(parts[4])
ay = float(parts[5])
az = float(parts[6])
timestamps.append(ts)
wxs.append(wx)
wys.append(wy)
wzs.append(wz)
axs.append(ax)
ays.append(ay)
azs.append(az)
line = fin.readline().strip()
return timestamps, wxs, wys, wzs, axs, ays, azs
if __name__ == '__main__':
img_dir = sys.argv[1] # 影像所在文件夹路径
img_type = sys.argv[2] # 影像文件类型
img_topic_name = sys.argv[3] # 影像Topic名称
imu_path = sys.argv[4] # IMU文件路径
imu_topic_name = sys.argv[5] # IMU Topic名称
bag_path = sys.argv[6] # Bag文件输出路径
bag_out = rosbag.Bag(bag_path,'w')
# 先处理IMU数据
imu_ts, wxs, wys, wzs, axs, ays, azs = readIMU(imu_path)
imu_msg = Imu()
angular_v = Vector3()
linear_a = Vector3()
for i in range(len(imu_ts)):
imu_ts_ros = rospy.rostime.Time.from_sec(imu_ts[i])
imu_msg.header.stamp = imu_ts_ros
angular_v.x = wxs[i]
angular_v.y = wys[i]
angular_v.z = wzs[i]
linear_a.x = axs[i]
linear_a.y = ays[i]
linear_a.z = azs[i]
imu_msg.angular_velocity = angular_v
imu_msg.linear_acceleration = linear_a
bag_out.write(imu_topic_name, imu_msg, imu_ts_ros)
print('imu:',i,'/',len(imu_ts))
# 再处理影像数据
paths, names, files = findFiles(img_dir,img_type)
cb = CvBridge()
for i in range(len(files)):
print('image:',i,'/',len(files))
frame_img = cv2.imread(files[i])
timestamp = int(names[i].split(".")[0])/10e8
print(timestamp)
ros_ts = rospy.rostime.Time.from_sec(timestamp)
ros_img = cb.cv2_to_imgmsg(frame_img,encoding='bgr8')
ros_img.header.stamp = ros_ts
bag_out.write(img_topic_name,ros_img,ros_ts)
bag_out.close()
运行上述代码以后，生成的Bag文件信息如下。
可以看到，这个Bag文件里已经有两个Topic了。当然，当转换完数据以后，你可能还有其它的需求，比如改变Message的帧率等等，这就可以使用之前写好的很多脚本了，点击查看。
4.将LiDAR数据转换成Bag文件
将LiDAR数据转换成Bag文件当然可以用上面提到的方法，自己先解析再转换。但对于比如Velodyne这种常用的传感器，ROS官方其实已经写好了相关的转换功能，我们直接使用即可。
这里我们原始的LiDAR数据以pcap格式存储。核心步骤为，我们用ROS提供的程序解析并发布原始数据，然后，我们利用rosbag record录制发布的Topic，即可实现数据的转换。在进入正题之前，不妨先学习一下如何利用ROS可视化pcap数据，如果这个会了，录制包自然是十分简单的事情。
4.1 ROS读取PCAP文件并用Rviz可视化
4.1.1 环境配置
输入如下指令，依次安装libpcap和ROS中专门用于读取Velodyne数据的包。
sudo apt-get install libpcap-dev
sudo apt-get install ros-kinetic-velodyne*
安装好以后，环境配置就完成了。如果是Ubuntu 18.04，那么应该是ros-melodic-velodyne*。
4.1.2 ROS读取PCAP数据
输入如下命令(每条命令都需要打开一个新终端)，正常情况下就可以读取PCAP数据了。
roslaunch velodyne_pointcloud VLP16_points.launch
rosrun velodyne_driver velodyne_node _model:=VLP16 _pcap:=vlp16.pcap _read_once:=true _pcap_time:=true
正常情况下，这个节点会发布一个叫做/velodyne_points的Topic，消息类型为sensor_msgs/PointCloud2，如下图所示。
关于这个消息类型，在之前的这篇博客中介绍过了。这样我们就成功利用ROS读取了PCAP中的LiDAR数据。接下来的操作就很简单了。
4.1.3 Rviz可视化点云
我们打开Rviz，订阅/velodyne_points这个Topic理论上就可以显示点云，如下图所示。
但你可能会遇到错误，如下图所示。
说是map坐标系和velodyne坐标系之间的变换不存在。这个错误如果用Rviz比较多的话应该可以感觉到是全局坐标系名称有问题。简单来说就是，打开Rviz，默认的global frame叫做map，而我们数据用的坐标系名称是velodyne。但问题恰恰在于，我们并没有定义map和velodyne之间的变换，所以显示不成功。解决办法也非常简单，那就是把全局坐标系名称改为velodyne即可。这样就不存在坐标系之间的变换了。改完之后，就可以正常可视化轨迹，如下所示。
4.2 ROS读取PCAP文件并转换成Bag格式
有了上面的基础，转换成Bag就十分简单了，主要步骤都是一样的，不同之处在于这里不再是用Rviz可视化，而是用rosbag工具直接录制/velodyne_points这个Topic(当然你在录制的时候用Rviz可视化一下也完全没问题)，所以在终端输入如下命令即可(每条命令都需要打开一个新终端)。
# 启动转换节点
roslaunch velodyne_pointcloud VLP16_points.launch
# 准备录制
rosbag record -O vlp16.bag /velodyne_points
# 读取PCAP数据
rosrun velodyne_driver velodyne_node _model:=VLP16 _pcap:=vlp16.pcap _read_once:=true _pcap_time:=true
# 可视化点云(可选)
rviz
通过这种方式，就可以将PCAP转换成Bag文件了，我们可以查看Bag文件的信息，如下。
可以看到，这样我们就成功地将pcap文件转换成了ROS Bag文件。不过这样会个潜在的问题，那就是数据帧的时间戳并非采集时刻的，而是录制时候的。如果说你对于LiDAR数据的时间戳无所谓，不需要做数据对齐，那还好。如果有以上需求，就需要解决这个问题。这个问题理论上说可以通过上面命令里的_pcap_time:=true参数解决，但是在我测试的数据上没有效果。如果有什么更好的解决办法，欢迎在评论区交流。
本文作者原创,未经许可不得转载,谢谢配合
