Skip to content

Bevezetés gyakorlat

A gyakorlat során meg fogunk ismerkedni az önvezető járművek jellemző tulajdonságaival és a rögzített adatok jellegzetességeivel.

Foxglove Studio

Bevezetésképpen nézzük egy önvezető jármű jellemző adatait. Példaképp célszerű az egyetemünk egyik ilyen járművével készült adatokat vizsgálni. Foxglove Studio-t fogunk használni, hiszen telepítés nélkül, vagy ~150MB méretű telepíthető állományként is hozzáférhető, valamint képes vizualizálni a számunkra fontos adatokat. A vizsgált adatok hasonló képet fognak mutatni:

foxglove_a foxglove_a

Órán a K:\ meghajtóról (\\fs-kab.eik.sze.hu\C100\kozos\GKNB_AUTM078_Autonóm_robotok_és_járművek_programozása), otthon a zöld gombot használva töltsük le a fent vizualizált rosbag .bag / .mcap fájlt és a Foxglove Studio layout-ot:

MCAP letöltése 553 MB Layout letöltése 

cd /mnt/c/temp
mkdir /mnt/c/temp # ha nem létezne
rsync -avzh --progress /mnt/kozos/measurement_files/lexus3-2024-04-05-gyor.mcap /mnt/c/temp/
rsync -avzh --progress /mnt/kozos/measurement_files/lexus01foxglove.json   /mnt/c/temp/

Tip

A https://jkk-research.github.io/dataset oldalról további példa adatokat lehet letölteni.

A Foxglove bemutatása

Amíg az .mcap töltődik, röviden bemutatjuk a Foxglove Studio programot. A Foxglove Studio egy nyílt forráskódú, robotikai adatokat vizualizáló és hibakereső eszköz. Egész pontosan a v1.87.0-ig bezárólag nyílt forráskódu volt, a v2.0.0-tól pedig ingyenesen használható, de zárt forráskódú. Elérhető számos módon:

  • önálló asztali alkalmazásként futtatható
  • böngészőben hozzáférhető
  • saját domainen, önállóan hostolható

A natív robotikai eszközök (mint például az ROS ökoszisztéma részei) általában csak Linux rendszeren támogatottak, de a Studio asztali alkalmazás Linuxon, Windows-on és macOS-en is működik. Akár az ROS stack más operációs rendszeren fut, a Studio képes kommunikálni a robottal zökkenőmentesen.

A Studio gazdag vizuális elemeket és hibakereső panelokat kínál - interaktív diagramoktól, 3D vizuális elemekig, kameraképektől, és diagnosztikai adatfolyamokig. Legyen szó valós idejű robotkövetésről, vagy .bag / .mcap fájlban történő hibakeresésről, ezek a panelok segítenek a különböző, általános robotikai feladatok megoldásában.

Ezek a panelok ezután egyedi elrendezésekben konfigurálhatók és összeállíthatók a projekt egyedi igényeinek és munkafolyamatainak megfelelően.

Az egytemi Nissan mérésadatainak leírása

ROS rendszerben (de más hasonló robotikai megoldásokban is) az egyes adatok topic-okba szerveződve vannak publikálva. Egy topic lehet például egy szenzor kimenete, egy szabályzó bemenete, vizualizációs marker stb. A topicoknak típusuk van, rengeteg előre definiált típus létezik, de létrehozhatunk sajátot is, ha ezek nem lennének elegek. Példaképp pár előre definiált típus:

Ahogy látszik, a típusok különböző kategóriákba esnek, úgy mint: std_msgs, diagnostic_msgs, geometry_msgs, nav_msgs, sensor_msgs stb. Nézzük, milyen típusú üzenetek találhatók a letöltött fájlban:

Topic Típus Hz Szenzor
/gps/duro/current_pose geometry_msgs/PoseStamped 10 Duro GPS (UTM)
/gps/duro/imu sensor_msgs/Imu 200 Duro GPS
/gps/duro/mag sensor_msgs/MagneticField 25 Duro GPS
/gps/nova/current_pose geometry_msgs/PoseStamped 20 Novatel GPS (UTM)
/gps/nova/imu sensor_msgs/Imu 200 Novatel GPS
/left_os1/os1_cloud_node/imu sensor_msgs/Imu 100 Ouster LIDAR
/left_os1/os1_cloud_node/points sensor_msgs/PointCloud2 20 Ouster LIDAR
/right_os1/os1_cloud_node/imu sensor_msgs/Imu 100 Ouster LIDAR
/right_os1/os1_cloud_node/points sensor_msgs/PointCloud2 20 Ouster LIDAR
/velodyne_left/velodyne_points sensor_msgs/PointCloud2 20 Velodyne LIDAR
/velodyne_right/velodyne_points sensor_msgs/PointCloud2 20 Velodyne LIDAR
/cloud sensor_msgs/PointCloud2 25 SICK LIDAR
/scan sensor_msgs/LaserScan 25 SICK LIDAR
/zed_node/left/camera_info sensor_msgs/CameraInfo 30 ZED kamera
/zed_node/left/image_rect_color/compressed sensor_msgs/Image 20 ZED kamera
/vehicle_status autoware_msgs/VehicleStatus 100 CAN adatok
/ctrl_cmd autoware_msgs/ControlCommandStamped 20 Referencia sebesség és kormyánszög
/current_pose geometry_msgs/PoseStamped 20 Aktuális GPS
/tf tf2_msgs/TFMessage 500+ Transform

Házi feladat

Házi feladat

Otthon reprodukáljuk a gyakorlatot, és vizsgáljuk meg a letöltött adatokat a Foxglove Studio segítségével. A vizsgálat során a következő kérdésekre keressük a választ:

  • Méterben kifejezve milyen távolságokra találhatóak az objektumok a járműtől?
  • Milyen sebességgel halad a jármű?
  • Milyen irányban halad a jármű?