ROS惯导数据发布（Python），,一、背景　　基本配置

ROS惯导数据发布（Python），,一、背景　　基本配置

一、背景

　　基本配置：ubuntu 16.04，ROS Kinetic

　　惯导型号：维特智能 WT61C（六轴惯导）

　　维特智能官方提供的参考程序是通过手动比较各个字节来确定数据包/数据帧的，个人认为比较繁琐，因此采用Python的re（正则表达式）和struct（字节处理）模块简化其数据匹配和提取，并实现惯导数据在ROS中的发布。

二、程序

　　惯导程序如下：

#!/usr/bin/env pythonimport mathimport reimport serialimport structimport timeimport rospyfrom geometry_msgs.msg import Quaternion, Vector3from sensor_msgs.msg import Imucov_orientation = [0.00174533, 0, 0, 0, 0.00174533, 0, 0, 0, 0.00174533]cov_angular_velocity, cov_linear_acceleration = [0.00104720, 0, 0, 0, 0.00104720, 0, 0, 0, 0.00104720], [0.0049, 0, 0, 0, 0.0049, 0, 0, 0, 0.0049]def eul_to_qua(Eular):    Eular_Div = [0, 0, 0]    Eular_Div[0], Eular_Div[1], Eular_Div[2] = Eular[0]/2.0, Eular[1]/2.0, Eular[2]/2.0        ca, cb, cc = math.cos(Eular_Div[0]), math.cos(Eular_Div[1]), math.cos(Eular_Div[2])    sa, sb, sc = math.sin(Eular_Div[0]), math.sin(Eular_Div[1]), math.sin(Eular_Div[2])        x = sa*cb*cc - ca*sb*sc    y = ca*sb*cc + sa*cb*sc    z = ca*cb*sc - sa*sb*cc    w = ca*cb*cc + sa*sb*sc    orientation = Quaternion()    orientation.x, orientation.y, orientation.z, orientation.w = x, y, z, w    return orientationaccCali = "\xff\xaa\x67"feature = "UQ(.{6,6}).{3,3}UR(.{6,6}).{3,3}US(.{6,6}).{3,3}"fmt_B, fmt_h = "BBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBBB", "<hhh"if __name__ == "__main__":    rospy.init_node("imu")    port = rospy.get_param("~port", "/dev/imu")    imuHandle = serial.Serial(port=port, baudrate=115200, timeout=0.5)        if imuHandle.isOpen():        rospy.loginfo("SUCCESS")    else:        rospy.loginfo("FAILURE")    # Accelerometer Calibration    time.sleep(0.5)    imuHandle.write(accCali)     time.sleep(0.5)    imuPub = rospy.Publisher("imu", Imu, queue_size=10)    while True:        data = imuHandle.read(size=65)        stamp = rospy.get_rostime()        result = re.search(feature, data)        if result:            # check and get data            frame = struct.unpack(fmt_B, result.group())            sum_Q, sum_R, sum_S = 0, 0, 0            for i in range(0, 10):                sum_Q, sum_R, sum_S = sum_Q+frame[i], sum_R+frame[i+11], sum_S+frame[i+22]            sum_Q, sum_R, sum_S = sum_Q&0x000000ff, sum_R&0x000000ff, sum_S&0x000000ff            if (sum_Q==frame[10]) and (sum_R==frame[21]) and (sum_S==frame[32]):                af, wf, ef = struct.unpack(fmt_h, result.group(1)), struct.unpack(fmt_h, result.group(2)), struct.unpack(fmt_h, result.group(3))                af_l, wf_l, ef_l = [], [], []                for i in range(0, 3):                    af_l.append(af[i]/32768.0*16*-9.8), wf_l.append(wf[i]/32768.0*2000*math.pi/180), ef_l.append(ef[i]/32768.0*math.pi)                imuMsg = Imu()                imuMsg.header.stamp, imuMsg.header.frame_id = stamp, "base_link"                imuMsg.orientation = eul_to_qua(ef_l)                imuMsg.orientation_covariance = cov_orientation                imuMsg.angular_velocity.x, imuMsg.angular_velocity.y, imuMsg.angular_velocity.z = wf_l[0], wf_l[1], wf_l[2]                imuMsg.angular_velocity_covariance = cov_angular_velocity                imuMsg.linear_acceleration.x, imuMsg.linear_acceleration.y, imuMsg.linear_acceleration.z = af_l[0], af_l[1], af_l[2]                imuMsg.linear_acceleration_covariance = cov_linear_acceleration                imuPub.publish(imuMsg)        time.sleep(0.01)

　　完整的ROS包地址：https://gitee.com/xjEzekiel/imu

三、分析

　　1、time.sleep(0.01)对应于原始数据频率100Hz；

　　2、WT61C一个数据包33字节，程序一次读取65字节，必然包含一个完整的数据包；

　　　　1）导致惯导数据发布频率降为100/2=50Hz，对于一般应用毫无问题；

　　　　2）结合1、可知，程序绝大多数时间在等待原始数据到来，因此在读取原始数据之后获取时间戳较为准确；

　　　　3）Python的串口读取内部采用select，不会堵塞；

　　3、Python中字节数组=str，UQRS对应于\x55\x51\x52\x53；

　　4、变量accCali是WT61C的加计校准指令；

　　5、函数eul_to_qua用于欧拉角（RPY）转四元数；

　　6、变量cov_*是*的协方差；

以上。

ROS惯导数据发布（Python）