cyber record包解析工具_Apollo开发者社区

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。