提示：文章寫完後，目錄可以自動生成，如何生成可參考右邊的幫助文檔

文章目錄

前言
一、自動駕駛開源代碼
二、GNSS子產品
- 1.GNSS 資料結構
- 2.GNSS的訂閱子產品
三、點雲子產品
- 1.CloudData資料結構
總結

前言

提示：跟随大神手敲一遍自動駕駛代碼。

一、自動駕駛開源代碼

來源：

https://zhuanlan.zhihu.com/p/105512661

記錄出現的問題和進度

二、GNSS子產品

1.GNSS 資料結構

頭檔案：

類中為什麼設定static 成員函數、成員變量的？static成員變量為啥類外初始化？
GeographicLib::localCartesia的作用是什麼？感覺像是gnss坐标轉換器
deque的底層實作是什麼?常見用法？
namespace的原理和使用方法？
GNSS的資料結構

1.類中為什麼設定static 成員函數、成員變量的？static成員變量為啥類外初始化？

為啥設定static成員變量：這個變量存儲在靜态存儲區，每個類有隻有一個副本和對象無關所有對象共用這個副本，因為是類對象通路範圍為該類。一般在外部類使用該static變量的時候就是用calssName::(static)varName來通路

為什麼設定成員函數：與類執行個體無關。把類名當成namespace用。控制該函數的通路權限。控制類内的static變量。

static成員變量為啥類外初始化: static 非const成員變量在類中隻是聲明，必須在類外定義.靜态資料成員實際上是類域中的全局變量。是以，靜态資料成員的定義(初始化)不應該被放在頭檔案中,應放到對應的cpp檔案。

其定義方式與全局變量相同,不要在頭檔案中定義(初始化)靜态資料成員.

2.GeographicLib::localCartesia的作用是什麼？

GeographicLib

.GeographicLib::localCartesia

将地理坐标系準變成xyz坐标系。

設定坐标原點，用地理坐标系初始化。

void GeographicLib::LocalCartesian::Reset ( real lat0,

real lon0,

real h0 = 0

)

将地理坐标系轉換成xyz坐标系

void GeographicLib::LocalCartesian::Forward ( real lat,

real lon,

real h,

real & x,

real & y,

real & z

) const

3.deque的底層實作是什麼?常見用法？

deque

4.namespace的原理和使用方法？

namespace

5.GNSS的資料結構

#include <deque>
#include "GeographicLib/src/LocalCartesian.hpp"

namespace lidar_localization { 
class GNSSData {
    private:
        double time = 0.0;
        double longitude = 0.0;//經度
        double latitude = 0.0;//緯度
        double altitude = 0.0;//海拔
        double local_E = 0.0;
        double local_N = 0.0;
        double local_U = 0.0;
        int status = 0;
        int service = 0;

    private:
        static GeographicLib::localCartesian geo_converter;
        static bool origin_position_inited;
    public:
        void InitOriginPosition();
        void updataXYZ();
        static bool SyncData(std::deque<GNSSData> unsyncedData, std::deque<GNSSData> syncedData, double sync_time);

};
}

源檔案：

glog的作用？glog的作用

glog的使用方法
資料同步處理的方法可以複用。
采用線性插值來進行時間同步

#include "lidar_localization/sensor_data/gnss_data.hpp"
#include "glog/logging.h"

bool lidar_localization::sensor_data::origin_position_inited = false;
GeographicLib::LocalCartesian lidar_localization::sensor_data:: geo_converter;

namespace lidar_loacalization{

void GNSSData::InitOriginPosition() {
    geo_converter.Reset(latitude, longtitude, altitude);
    origin_position_inited = true;
}

void GNSSData::updataXYZ(){
    if (!origin_position_inited){
        LOG(WARNING) << "GeoConverter has not not set origin position!";
    }
    geo_converter.Forward(latitude, longitude, altitude, local_E, local_N, local_U);
}

bool GNSSData::SyncData(std::deque<GNSSData>& UnsyncedData, std::deque<GNSSData>& SyncedData, double sync_time) {
    // 傳感器資料按時間序列排列，在傳感器資料中為同步的時間點找到合适的時間位置
    // 即找到與同步時間相鄰的左右兩個資料
    // 需要注意的是，如果左右相鄰資料有一個離同步時間內插補點比較大，則說明資料有丢失，時間離得太遠不适合做內插補點
    while (UnsyncedData.size() >= 2) {
        if (UnsyncedData.front().time > sync_time)
            return false;
        if (UnsyncedData.at(1).time < sync_time) {
            UnsyncedData.pop_front();
            continue;
        }
        if (sync_time - UnsyncedData.front().time > 0.2) {
            UnsyncedData.pop_front();
            return false;
        }
        if (UnsyncedData.at(1).time - sync_time > 0.2) {
            return false;
        }
        break;
    }
    if (UnsyncedData.size() < 2)
        return false;

    GNSSData front_data = UnsyncedData.at(0);
    GNSSData back_data = UnsyncedData.at(1);
    GNSSData synced_data;

    double front_scale = (back_data.time - sync_time) / (back_data.time - front_data.time);
    double back_scale = (sync_time - front_data.time) / (back_data.time - front_data.time);
    synced_data.time = sync_time;
    synced_data.status = back_data.status;
    synced_data.longitude = front_data.longitude * front_scale + back_data.longitude * back_scale;
    synced_data.latitude = front_data.latitude * front_scale + back_data.latitude * back_scale;
    synced_data.altitude = front_data.altitude * front_scale + back_data.altitude * back_scale;
    synced_data.local_E = front_data.local_E * front_scale + back_data.local_E * back_scale;
    synced_data.local_N = front_data.local_N * front_scale + back_data.local_N * back_scale;
    synced_data.local_U = front_data.local_U * front_scale + back_data.local_U * back_scale;

    SyncedData.push_back(synced_data);
    
}
}

其中比較重要的是傳感器資料的時間同步：

1.傳感器資料按時間序列存儲，為同步的時間點找到相應的位置;

2.即找到相應時刻的相鄰兩個資料;

3.值得注意的是相鄰資料有一個離同步的時刻間隔太遠，證明有資料的丢失，時間間隔太遠則不适合進行插值;

算法邏輯：（t0, t1,t，tx:更新頻率）

1.對資料進行周遊處理，直到找到同步時刻相鄰的資料; 若隊列小于2，仍未找到，則結束周遊

2. 如果t0 > t 則直接傳回false, 不然就滿足了 t0 < t;如果 t1 < t 則将隊首元素彈出，直到找到t < t1;如果t-t0 >tx**,則彈出t0，**并結束;如果t1 - t >tx ,則傳回并退出;

3. 找到相鄰兩元素後，進行線性插值計算：

從零開始做自動駕駛1 GNSS子產品前言一、自動駕駛開源代碼二、GNSS子產品三、點雲子產品總結

2.GNSS的訂閱子產品

頭檔案：

List itemGNSSSubscriber() = default; 什麼用法？

=default 預設構造函數， =delete 禁用成員函數的使用

#ifndef LIDAR_LOCALIZATION_SUBSCRIBER_GNSS_SUBSCRIBER_HPP_
#define LIDAR_LOCALIZATION_SUBSCRIBER_GNSS_SUBSCRIBER_HPP_

#include <ros/ros.h>
#include "sersor_msgs/NavSatFix.h"
#include "lidar_localization/sensor_data/gnss_data.hpp"
#include <deque>

namespace lidar_localization {
class GNSSSubscriber{
public:
    GNSSSubscriber(ros::NodeHandle& nh, std::string Topic_name, size_t buff_size);
    GNSSSubscriber() = default;//預設構造函數
    void ParseData (std::deque<GNSSData>& deque_gnss_data);
private:
    void msg_callback (const sensor_msgs::NavSatFixPtr& nav_sat_fix_ptr);
private:
    ros::NodeHandle nh_;
    ros::Subscriber subscriber_;
    std::deque<GNSSData> new_gnss_data;
};
}
#endif // !LIDAR_LOCALIZATION_SUBSCRIBER_GNSS_SUBSCRIBER_HPP

源檔案：

#include "lidar_localization/subscriber/gnss_subscriber.hpp"

#include "glog/logging.h"

namespace lidar_localization {
GNSSSubscriber::GNSSSubscriber(ros::NodeHandle& nh, std::string topic_name, size_t buff_size) 
    :nh_(nh) {
    subscriber_ = nh_.subscribe(topic_name, buff_size, &GNSSSubscriber::msg_callback, this);
}

void GNSSSubscriber::msg_callback(const sensor_msgs::NavSatFixConstPtr& nav_sat_fix_ptr) {
    GNSSData gnss_data;
    gnss_data.time = nav_sat_fix_ptr->header.stamp.toSec();
    gnss_data.latitude = nav_sat_fix_ptr->latitude;
    gnss_data.longitude = nav_sat_fix_ptr->longitude;
    gnss_data.altitude = nav_sat_fix_ptr->altitude;
    gnss_data.status = nav_sat_fix_ptr->status.status;
    gnss_data.service = nav_sat_fix_ptr->status.service;

    new_gnss_data_.push_back(gnss_data);
}

void GNSSSubscriber::ParseData(std::deque<GNSSData>& gnss_data_buff) {
    if (new_gnss_data_.size() > 0) {
        gnss_data_buff.insert(gnss_data_buff.end(), new_gnss_data_.begin(), new_gnss_data_.end());
        new_gnss_data_.clear();
    }
}
}

其中：ParseData函數是用來讀取接收到的傳感器資料，類似于緩沖區

三、點雲子產品

1.CloudData資料結構

using = ?

通過using指定别名

從零開始做自動駕駛1 GNSS子產品前言一、自動駕駛開源代碼二、GNSS子產品三、點雲子產品總結

文章目錄

前言

一、自動駕駛開源代碼

二、GNSS子產品

1.GNSS 資料結構

2.GNSS的訂閱子產品

三、點雲子產品

1.CloudData資料結構

總結

繼續閱讀

不隻需要技術好，無人駕駛汽車還需要具備人類常識

Opencv4(C++)實戰案例4:數白塊需求分析案例方法:實作運動目标檢測(追蹤)初步構思通過測試代碼算法分析

#特斯拉想買特斯拉的小夥伴們可以使用我的引薦碼購車享3500元90天自動駕駛服務啦引薦碼：cuin18146

國内外LiDAR SLAM實驗室總結☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆

基于ORB特征點比對的對極幾何限制實作（源碼+講解）

GMS：基于網格運動統計的快速極度魯棒的特征比對摘要1 簡介2 本文的方法3 應用于快速記分的網格架構4 實驗 5 結論

在Ubuntu16.04上提取相鄰序列圖像之間的ORB的特征點，并用暴力方法找到比對點并連線一、什麼是ORB特征二、什麼是暴力比對三、實作代碼四、運作方法

Turtlebot :" where am I? " -——amcl的原理

适用于自動駕駛 (ADAS) 平台的ASIL-Ready 智能供電與監控解決方案

車道線檢測資料集

車道線檢測

車道線檢測（筆記）

自動駕駛Nvidia Jetson +FPGA設計方案

基于ROS2的話題通訊控制大疆EP基于ROS2的話題通訊控制大疆EP

視覺傳感器在無人駕駛領域取得技術突破

SLAM主要步驟