自动驾驶仿真：VTD自定义超声波雷达FOV

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

VTD软件本身不支持自定义FOV的可视化，功能上是OK的，这是已知的缺陷。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、绘制超声波雷达的FOV图

1）打开绘图工具调整图像大小，像素要求：水平256，垂直256；
2）将FOV均匀地分布在图片上，其中黑色是无法探测地的区域，白色是可以探测的区域；

二、FOV图片由RGBA转换成RGB格式

注意：由于上述绘制的图片是RGBA，但是VTD支持的是RGB的图片格式；
1）制作python脚本将RGBA转换成RGB，新建py文件，写入下列代码；：

import cv2
img = cv2.imread('D:\\Desktop\\FOV.png', cv2.IMREAD_UNCHANGED) 
print(img.shape)
cv2.imwrite('D:\\Desktop\\FOV_pp.png', img[:,:,:3])

2）运行py脚本，即可转换生成RGB的图片；

三、配置moduleManager.xml文件

1）新建一个完美传感器配置；
2）FOV参数说明
left=“5.0” right=“5.0” near=“0.2” far=" 10.2" 单位:m，效果如图示：

bottom=“5.0” top=“5.0” 单位：°，效果如下图所示：

3）配置FOV图片路径：file="/home/vtd/Downloads/00984249/FOV_pp.png"；
4）配置为自定义FOV模式：shape=“wedge”；
5）配置传感器的安装位置
dx=“3.5” dy=“0.0” dz=“0.5” dhDeg=“0.0” dpDeg=“0.0” drDeg="0.0"
相对于后轴中心的X,Y,Z,航向角，俯仰角、侧倾角

具体代码实现如下：

<Sensor name="DefaultPerfectSensor" type="video">
<Load     lib="libModulePerfectSensor.so" path="" persistent="true" />
<Frustum left="5.0" right="5.0" bottom="5.0" top="5.0" near="0.2" far=" 10.2" file="/home/vtd/Downloads/00984249/FOV_pp.png" shape="wedge" verbose="true"/>
    <Cull     maxObjects="5" enable="true" />
    <Port     name="RDBout" number="48195" type="TCP" sendEgo="true" />
    <Player   default="true" />
    <Position dx="3.5" dy="0.0" dz="0.5" dhDeg="0.0" dpDeg="0.0" drDeg="0.0" />
    <Database resolveRepeatedObjects="true" continuousObjectTesselation="2.0" />
    <Filter   objectType="pedestrian"/>
    <Filter   objectType="vehicle"/>
    <Filter   objectType="trafficSign"/>
    <Debug    enable="false"
              detection="false"
              road="false"  
              position="true"
              dimensions="false" 
              camera="false" 
              CSV="false"
              packages="false"
              culling="true"
              contactPoints="false"
              trafficSigns="false"/>
</Sensor>

综上完成超声波雷达FOV的自定义配置，可以通过RDBsniffer工具获取超声波雷达探测到的数据；

这是扫出来的车位，不过是另一个FOV扫的，没有存到上面那个FOV的车位。