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

文章目录

  • 前言
  • 一、绘制超声波雷达的FOV图
  • 二、FOV图片由RGBA转换成RGB格式
  • 三、配置moduleManager.xml文件


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;
自动驾驶仿真:VTD自定义超声波雷达FOV_第1张图片

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:
自动驾驶仿真:VTD自定义超声波雷达FOV_第2张图片

bottom=“5.0” top=“5.0” 单位:°,效果如下图所示:
自动驾驶仿真:VTD自定义超声波雷达FOV_第3张图片

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;

自动驾驶仿真:VTD自定义超声波雷达FOV_第4张图片
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。

你可能感兴趣的:(HIL仿真,python,自动驾驶,linux)