【激光雷达码盘偏摆角的真假点映射关系】

一、概要

  本代码主要计算激光雷达码盘偏摆角（也可以理解为雷达的零位角）导致的实际slam建图距离的偏差，只取了第一个象限作为分析目标。最终得出的结论是：如图1、2，在15米处，码盘偏摆角或者雷达的零位角偏差为0.28°，对点云图不产生畸变（即直线就是直线，不会出现弯曲等现象），只会出现点云图旋转的情况，旋转角度即为零位角偏差。仅以此文记录当时的分析过程

图1 实际点云偏差散点图

图2 点云偏转示意图

二、完架构流程

  这段代码的主要流程可以分为以下几个部分：

  1. 初始化变量：首先，初始化了一些空列表，这些列表将用于存储计算过程中的一些值。同时，也定义了一些初始参数，比如offset_angle。
  2. 计算与存储数据：然后，代码进入一个for循环，以步长为3，从3开始，到45结束。在每次循环中，根据当前的correct_angle和offset_angle计算offset_point和correct_point，并计算他们的差值，然后将这些值以及correct_angle添加到相应的列表中。同时，还根据offset_point和correct_angle计算了x和y坐标，并将他们添加到相应的列表中。
  3. 创建图表：使用matplotlib库创建了一个图表。然后，将图表的canvas的’button_press_event’事件连接到一个名为mouse_event的函数。
  4. 设置图表属性：设置了x轴的刻度范围，然后创建了两个列表，一个用于x轴的刻度间隔，一个用于y轴的刻度间隔。同时，设置了x轴和y轴的刻度格式和范围。
  5. 绘制散点图：根据前面计算的数据，使用两种不同的颜色在图表上绘制了两个散点图，一个是理论点云，一个是偏差点云。
  6. 设置图表标签和标题：设置了图表的x轴和y轴的标签，以及图表的标题。
  7. 显示图表：最后，使用plt.show()函数显示图表。
  8. 这段代码中使用了中文作为图表的标签和标题，因此需要使用plt.rcParams['font.sans-serif'] = ['Simhei']和plt.rcParams['axes.unicode_minus'] = False来确保图表能正确显示中文。

三、技术细节

  这段代码主要使用了math库和matplotlib库，实现的功能是：

  1. 对于一系列的角度值（从3开始，以3为步长，到45结束），计算对应的偏移点和正确点的坐标，以及他们的差值。这些计算基于一个给定的偏移角度（offset_angle = 0.28）。
  2. 将这些计算的结果存储在几个列表中：offset_point_list, correct_point_list, value_list, a_list, x_list, y_list, y_correct_list。
  3. 使用matplotlib库创建一个散点图，展示“理论点云”和“偏差点云”。其中，“理论点云”的y坐标是y_correct_list，“偏差点云”的y坐标是y_list。x坐标都是15000。
  4. 设置了图表的x轴和y轴的刻度间隔，范围，以及标签。同时，设置了图表的标题，以及当鼠标点击图表时的响应函数（mouse_event）。

四、完整代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2023-08-20 9:32
# @Author : Leuanghing Chen
# @Blog : https://blog.csdn.net/weixin_46153372?spm=1010.2135.3001.5421
# @File : 激光雷达码盘偏摆角的真假点映射关系.py
# @Software : PyCharm

import math
from matplotlib import pyplot as plt
from matplotlib.pyplot import MultipleLocator, FormatStrFormatter
import random


# 鼠标点击时显示一个点的坐标
def mouse_event(event):
    print('x: {} and y: {}'.format(event.xdata, event.ydata))


if __name__ == '__main__':
    offset_point_list = []
    correct_point_list = []
    value_list = []
    a_list = []

    # 偏移点坐标值
    x_list = []
    y_list = []

    # 真实点集
    y_correct_list = []

    offset_angle = 0.28    # 偏差角度

    for correct_angle in range(3, 45, 3):

        # offset_angle = random.randint(0, 50) / 100   # 随机点，模拟码盘随机角度偏差
        offset_point = 15000/math.cos(math.radians(correct_angle + offset_angle))
        correct_point = 15000/math.cos(math.radians(correct_angle))
        value = float(offset_point) - float(correct_point)

        a_list.append(correct_angle)
        offset_point_list.append(float('%.3f' % offset_point))
        correct_point_list.append(float('%.3f' % correct_point))
        value_list.append(float('%.3f' % value))

        # 偏移点映射到真实点延长线上
        x = offset_point * math.cos(math.radians(correct_angle))
        y = offset_point * math.sin(math.radians(correct_angle))
        x_list.append(float('%.3f' % x))
        y_list.append(float('%.3f' % y))

        # 真实点集
        y_correct_list.append(float('%.3f' % (15000*math.tan(math.radians(correct_angle)))))

    # print("点偏移：", offset_point_list)
    # print("点实际位置：", correct_point_list)
    # print("点距离差值：", value_list)
    # print(x_list, y_list)
    print("映射点y坐标值：", y_list)
    print("映射点x坐标值：", x_list)

    # 绘图
    fig = plt.figure()
    cid = fig.canvas.mpl_connect('button_press_event', mouse_event)
    # plt.xticks(range(14900, 15500))  # 传入range数列
    # plt.plot(x_list, y_list, 'bo')
    # plt.plot([15000]*len(y_correct_list), y_correct_list, 'bo')

    #########################################################################
    # 分图预览
    # ax1 = fig.add_subplot(311)
    # ax2 = fig.add_subplot(312)
    # ax1.plot(x_list, y_list, color='green')
    # ax1.plot(x_list, y_list, 'bo')
    # ax2.plot([15000]*len(y_correct_list), y_correct_list, color='red')
    # ax2.plot([15000]*len(y_correct_list), y_correct_list, 'bo')
    #########################################################################

    #########################################################################
    # 数据合并
    plt.xticks(range(14900, 15500))  # 传入range数列
    b_list = []
    for j in range(len(y_correct_list)):
        b_list.append(15000)

    plt.rcParams['font.sans-serif'] = ['Simhei']
    plt.rcParams['axes.unicode_minus'] = False
    # 第一个散点图，颜色为红色，透明度50%，图例为散点图1
    plt.scatter(b_list, y_correct_list, c="r", alpha=0.5, label="理论点云")
    # 第二个散点图，颜色为蓝色，透明度50%，图例为散点图2
    plt.scatter(x_list, y_list, c="b", alpha=0.5, label="偏差点云")

    # setting
    xmajorLocator = MultipleLocator(10)  # x轴刻度间隔 10
    ymajorLocator = MultipleLocator(500)  # y轴刻度间隔 500
    xmajorFormatter = FormatStrFormatter('%1.2f')  # x轴刻度格式为两位小数

    # 更改X轴和Y轴的范围
    plt.xlim([14990, 15080])
    plt.ylim([1000, 15000])

    plt.xlabel('X')
    plt.ylabel('Y')

    plt.tick_params(labelsize=10)

    plt.gca().xaxis.set_major_locator(xmajorLocator)
    plt.gca().yaxis.set_major_formatter(xmajorFormatter)
    plt.gca().yaxis.set_major_locator(ymajorLocator)

    # 显示图例
    plt.legend(loc="best")
    # 给标题
    plt.title("散点图")
    # 显示
    plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117