apollo_logo
2
0

cyber record包解析工具

当前解析cyber record包需要在docker中进行,并且依赖cyber和编译好的proto文件。实际上cyber_record录制好之后就是按照一定的格式保存的文件,对用户来说,拿到录制好的文件之后,用更少的依赖进行解析是最好的。

下面你可以通过纯Python来解析Apollo record文件,只需要1行安装命令。

pip3 install cyber_record record_msg

项目地址:

https://cyber-record.readthedocs.io/en/latest/#​cyber-record.readthedocs.io/en/latest/#

原理

由于cyber record本身能够进行自解析,因此从理论上来说也是可行的,首先是分析cyber record的格式,然后调用protobuf进行反序列化。cyber record的格式在上面几篇文章中已经介绍过了,我们这里重点介绍下如何进行自解析。

protobuf的原理实际上是根据用户定义好的proto文件,来对消息进行解析,实际使用的时候,protobuf采用了descriptor来描述proto文件,而descriptor_pb则是proto文件的proto,这里有点绕口,你可以理解为“描述文件”的“描述文件”,通过上述2个定义,我们就可以知道消息的结构,有哪些字段,也就能够解析消息了。

但问题没那么简单,我们知道一个proto文件中可能会引入另外的proto文件,也就是说一个proto文件的descriptor_pb只能描述它自己,但并没有包含它引用的消息的格式,这有点类似c++的头文件。但解析整个消息,我们必须知道所有消息的格式才行,包括它们的引用。好在cyber record中都保存了这些信息。

把自身的消息描述descriptor和它依赖的所有消息的descriptor,都放入descriptor_pool,之后就可以根据消息类型来创建消息了。

以上就是具体的实现原理,简单来说,由于每个bag包中的消息种类有限,例如有5种,那么把这5种消息的descriptor都存入bag包中,体积也不会占用太大,而最后我们可以根据这些描述信息,去解析保存在bag中对应类型的消息

安装

现在你只需要通过pip安装cyber_record库,就可以在本地解析record文件了,再也不需要其它任何依赖。

pip3installcyber_record

1. 命令行

Info

通过cyber_record info来获取record文件的统计信息

$ cyber_record info -f example.record.00000
record_file: example.record.00000
version: 1.0
begin_time: 2021-07-23 17:12:15.114944
end_time: 2021-07-23 17:12:15.253911
duration: 0.14 s
size: 477.55 KByte
message_number: 34
channel_number: 8
/apollo/planning , apollo.planning.ADCTrajectory , 1
/apollo/routing_request , apollo.routing.RoutingRequest , 0
/apollo/monitor , apollo.common.monitor.MonitorMessage , 0
/apollo/routing_response , apollo.routing.RoutingResponse , 0
/apollo/routing_response_history , apollo.routing.RoutingResponse , 1
/apollo/localization/pose , apollo.localization.LocalizationEstimate, 15
/apollo/canbus/chassis , apollo.canbus.Chassis , 15
/apollo/prediction , apollo.prediction.PredictionObstacles , 2

Echo

通过cyber_record echo打印指定topic的消息到命令行,打印"/apollo/canbus/chassis"下的所有消息到命令行

$ cyber_record echo -f example.record.00000 -t /apollo/canbus/chassis
engine_started: true
speed_mps: 0.0
throttle_percentage: 0.0
brake_percentage: 0.0
driving_mode: COMPLETE_AUTO_DRIVE
gear_location: GEAR_DRIVE
header {
timestamp_sec: 1627031535.112813
module_name: "SimControl"
sequence_num: 76636
}

你也可以用以下命令输出到文件

cyber_record echo -f example.record.00000 -t /apollo/canbus/chassis > 1.txt

2. 读取消息

安装之后,可以参考以下例子读取消息

读取所有消息

fromcyber_record.recordimportRecordfile_name="20210521122747.record.00000"record=Record(file_name)fortopic,message,tinrecord.read_messages():print("{}, {}, {}".format(topic,message,t))

运行的结果

根据topic过滤

defread_filter_by_topic():record=Record(file_name)fortopic,message,tinrecord.read_messages('/apollo/sensor/rs32/Scan'):print("{}, {}, {}".format(topic,type(message),t))

根据时间过滤

defread_filter_by_time():record=Record(file_name)fortopic,message,tinrecord.read_messages(start_time=1627031535164278940,\
end_time=1627031535215164773):print("{}, {}, {}".format(topic,type(message),t))

根据Topic和时间过滤

defread_filter_by_both():record=Record(file_name)fortopic,message,tinrecord.read_messages('/apollo/canbus/chassis', \
start_time=1627031535164278940,end_time=1627031535215164773):print("{}, {}, {}".format(topic,type(message),t))

3. 保存消息

获取到消息类型之后,你可以根据不同的topic来处理和保存消息,你只需要知道消息的结构就行了,也不需要添加编译好的proto文件依赖。

为了方便处理消息,通过安装record_msg,可以帮助我们快速的读取和保存消息。

pip3 install record_msg

record_msg提供了3种不同类型的接口

csv格式

通过to_csv可以把消息的属性展开为数组,减轻了手动一个个枚举属性的问题。下面的例子中to_csv会把pose的所有属性都输出为一个数组。

importcsvfromrecord_msg.parserimportto_csvf=open("message.csv",'w')writer=csv.writer(f)defparse_pose(pose):'''
save pose to csv file
'''line=to_csv([pose.header.timestamp_sec,pose.pose])writer.writerow(line)f.close()

如果你要有选择的输出属性,可以自己构建数组然后传递给to_csv展开属性 ,例如pose.position实际上包含x,y,z3个属性,我们不必一个个构造,通过to_csv(pose.position)会自动输出

[pose.position.x, pose.position.y, pose.position.z]

保存图像

你可以通过ImageParser来解析和保存record包中的图像。

fromrecord_msg.parserimportImageParserimage_parser=ImageParser(output_path='../test')fortopic,message,tinrecord.read_messages():iftopic=="/apollo/sensor/camera/front_6mm/image":image_parser.parse(image)# or use timestamp as image file name# image_parser.parse(image, t)

通过output_path指定图像输出的路径,默认情况下图像编号从0-n,也可以自定义图像名称,例如输出时间戳为图像的名称。

保存点云

你可以通过PointCloudParser来解析和保存record包中的点云。

pointcloud_parser=PointCloudParser('../test')fortopic,message,tinrecord.read_messages():iftopic=="/apollo/sensor/lidar32/compensator/PointCloud2":pointcloud_parser.parse(message)# other modes, default is 'ascii'# pointcloud_parser.parse(message, mode='binary')# pointcloud_parser.parse(message, mode='binary_compressed')

通过output_path指定点云文件的保存路径,默认情况下图像编号从0-n,也可以自定义点云名称,例如输出时间戳为图像的名称,根据不同的点云消息格式,你需要传入不同的mode,默认点云为ascii格式。

3. 写入消息

当你缺少数据包,或者想通过数据集来自己构造数据包的时候,cyber_record也提供了写入消息,并且保存为Record包的能力。

importtimefromcyber_record.recordimportRecordfrommodules.map.protoimportmap_pb2write_file_name="example_w.record.00000"defwrite_message():pb_map=map_pb2.Map()pb_map.header.version='hello'.encode()withRecord(write_file_name,mode='w')asrecord:record.write('/apollo/map',pb_map,int(time.time()*1e9))

构造好的record文件保存为write_file_name

原创声明,本文由作者授权发布于Apollo开发者社区,未经许可,不得转载。
发表评论已发表 0 条评论
登录后可评论,请前往 登录
暂无评论~快去发表自己的独特见解吧!
目录
原理
安装
1. 命令行
Info
Echo
2. 读取消息
读取所有消息
根据topic过滤
根据时间过滤
根据Topic和时间过滤
3. 保存消息
csv格式
保存图像
保存点云
3. 写入消息