单线激光雷达（Lidar）学习三：使用雷达数据/scan转/PointCloud后生成鸟瞰图

前言：

雷达广泛应用于自动驾驶中，作用非常重要，是自动驾驶无人车中的作为“眼睛“的一环。雷达运行时会产生许多数据，可用于各种各样的计算后使用。下面就使用雷达驱动发布的/scan中的数据进行生成鸟瞰图。（附加代码）

一、 启动雷达节点（以镭神单线雷达ls01b_v2为例进行）

$roslaunch ls01b_v2 ls01b_v2.launch 

二、 创建节点订阅/scan并转化为点云信息/PointCloud

详情请参考上一篇博文
https://blog.csdn.net/wxhy666/article/details/113674317

三、 启动数据转化节点

$rosrun lswj_pkg data_conversion
（注:lswj_pkg改为自己现用的功能包）

四、 创建节点订阅/PointCloud

#!/usr/bin/env python
import sys
sys.path.remove('/opt/ros/kinetic/lib/python2.7/dist-packages')
import cv2
sys.path.append('/opt/ros/kinetic/lib/python2.7/dist-packages')
from cv_bridge import CvBridge
import numpy as np
import rospy
from sensor_msgs.msg import PointCloud2,Image
import sensor_msgs.point_cloud2 as pc2
import os

class pt2brid_eye:
	def __init__(self):       #接收/scan发布/pointcloud
		self.image_pub = rospy.Publisher('/bird_eyes', Image, queue_size=1)
		self.pt_sub=rospy.Subscriber("/PointCloud", PointCloud2, self.callback)
		self.bridge = CvBridge()

	def callback(self,lidar):
		lidar = pc2.read_points(lidar)
		points = np.array(list(lidar))
		im = self.point_cloud_2_birdseye(points) 
		self.image_pub.publish(self.bridge.cv2_to_imgmsg(im))
		print("convert!")
         
	def point_cloud_2_birdseye(self,points):       #鸟瞰图生成
		x_points = points[:, 0]
		y_points = points[:, 1]
		z_points = points[:, 2]

		f_filt = np.logical_and((x_points > -50), (x_points < 50))
		s_filt = np.logical_and((y_points > -50), (y_points < 50))
		filter = np.logical_and(f_filt, s_filt)
		indices = np.argwhere(filter)

		x_points = x_points[indices]
		y_points = y_points[indices]
		z_points = z_points[indices]

		x_img = (-y_points*80).astype(np.int32)+500
		y_img = (-x_points *80).astype(np.int32)+500      

		pixel_values = np.clip(z_points,-2,2)
		pixel_values = ((pixel_values +2) / 4.0) * 500
		im=np.zeros([1080,1080],dtype=np.uint8)
		im[y_img, x_img] = pixel_values
		return im

if __name__ == '__main__':
	print("opencv: {}".format(cv2.__version__))
	pt2img=pt2brid_eye()
	rospy.init_node('pt_to_brid_eyeImage_node')
	rospy.spin()

五、 并运行生成鸟瞰图

$rosrun lsw_pkg bird_eye

出现convert则为成功，报错后出现convert则忽略错误即可

六、 开启rviz节点监视/PointCloud点云数据

$rosrun rviz rviz 

开启rviz后选择add加入PointCloud2,选择正确的话题topic（PointCloud）
效果如下

七、 开启rqt_image_view查看鸟瞰图

$rosrun rqt_image_view rqt_image_view

话题选择/bird_eyes，效果如下

八、 附带代码

我创建了一个一将运行所有节点的launch文件也添加上去了，有需要可以参考一下

$roslaunch lswj_pkg bird_eye_view.launch 

launch 文件内容如下

<launch>
    <node name="ls01b_v2" pkg="ls01b_v2" type="ls01b_v2" output="screen">
        <param name="scan_topic" value="scan"/>         #设置激光数据topic名称
        <param name="frame_id" value="laser_link"/>     #激光坐标
        <param name="serial_port" value="/dev/ttyUSB0"/>  #雷达连接的串口
        <param name="baud_rate" value="460800" />        #雷达连接的串口波特率
        <param name="angle_resolution" value="0.25"/>     #雷达角度分辨率
        <param name="zero_as_max" value="false"/>        # 设置为true探测不到区域会变成最大值
        <param name="min_as_zero" value="false"/>        # true：探测不到区域为0，false：探测不到区域为inf
        <param name="rpm" value="600"/>                 #　雷达转速
        <param name="angle_compensate" value="true"/>                 #　角度补偿，非同轴
        <rosparam file="$(find ls01b_v2)/launch/includes/filter.yaml" command="load"/>
    </node>
    <node name="data_conversion" pkg="lswj_pkg" type="data_conversion" output="screen"/>
    <node name="bird_eye" pkg="lswj_pkg" type="bird_eye" output="screen"/>
    <node pkg="rviz" type="rviz" name="rviz"/>
    <node pkg="rqt_image_view" type="rqt_image_view" name="rqt_image_view"/>
</launch>

结语：
本人是一个正在学习的小菜鸟，如果此博文对您有所帮助，请不要忘记点赞哦，谢谢。
仅供参考，如问题诸多，还望指正修改，多多包涵^_<&,