上篇文章介绍了ROS TF坐标变换基本概念及使用案例，今天给大家介绍ROS机器人底盘坐标像素变换，一起看看吧
对于ROS小车底盘地图数据需要知道的点
1.整幅地图处于第三象限
2.坐标值代表距离，单位米。
3.分辨率单位（米/像素）
因此通过地图坐标得到像素坐标的办法：
像素坐标=(实时坐标-初始坐标)/分辨率
实时坐标的获取：
触发条件：定时反馈；300ms一次。
返回的json数据中
pose 车子当前的位置坐标，x,y为x,y轴上的坐标，yaw为航向角。
初始坐标：
触发条件：获得地图数据时反馈获得发送get命令反馈。
“cmd”:”get”
返回的json数据中
pose x、y表示机器人实际初始位置坐标,yaw为航向角
resolution 地图分辨率,表演一个像素点间隔表示0.05m
机器人在图片中的像素像素坐标位置为：
ROS最常用到的三个坐标系是：、、。
描述的就是机器人当前时刻的位姿，是移动的坐标系。
是机器人运动的参考坐标系，是固定不动的（world fixed frame）。坐标系原点设为机器人的运动起始点，那么机器人的位姿是相对于来描述的。
是世界坐标系，是固定不动的（world fixed frame）。可以在机器人所在的环境中随意指定一个点作为世界坐标系原点，规定其具体的朝向，那么分布在不同地方的所有的机器人和其他设备（包括激光雷达、相机等等）的坐标都可以统一到这个坐标系下。可以和重合，也可以不重合，取决于实际需要。通过和之间的变换，可以得到机器人相对于世界坐标系的位姿。
REP105提到：
The map frame is not continuous, meaning the pose of a mobile platform in the map frame can change in discrete jumps at any time.
In a typical setup, a localization component constantly re-computes the robot pose in the map frame based on sensor observations, therefore eliminating drift, but causing discrete jumps when new sensor information arrives.
这里指的应该是SLAM中的回环检测在发现回环后，通过非线性优化消除视觉里程计的累积误差时，可能会顺带着把机器人的起始位姿给优化了，比如机器人在世界坐标系中的初始坐标是(1,2,3)，优化后变成（1.1,2.2,3.3），而机器人起始位姿和世界坐标系之间的关系是固定的，那么世界坐标系也会随着跳到一个新的位置，这就是文中说到的“discrete jumps”。这有两个解决方案：
优化时保持第一个位姿固定优化所有位姿，但是要对优化后的所有位姿做一个变换，使得第一个位姿恢复原样。
注意在下表达的位姿没有上述问题，因为不管怎么优化，总是设置机器人起始位置在坐标系下就是(0,0,0)，后面的位姿也都是相对于这个来计算，因此坐标系本身不会跳变。
REP（ROS Enhancement Proposal）第103条款推荐坐标系的x轴指向前方，y轴指向左方，z轴指向上方。这和相机坐标系有所区别，通常是x轴指向右方，y轴指向下方，z轴指向前方。
参考
[1] REP105
[2] REP103
[3] Confused about coordinate frames. Can someone please explain?
到此这篇关于ROS机器人底盘坐标像素变换的文章就介绍到这了,更多相关ros 机器人底盘坐标内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
